AI Agent 开发的工业化道路：Harness 架构深度解析
1. 引言：从提示词工程到系统工程的范式转移在 AI Agent 迈向生产环境的过程中，开发者往往会陷入“提示词迷思”，试图通过无限堆砌 Prompt 来覆盖业务边界。然而，由于大模型本质上的概率性，纯粹的提示词工程在面…
阅读文章 →NOTES · IDEAS · LIFE
总是学习，总在进步。
记录技术学习，也记录生活。把遇到的问题、理解的过程和新的想法，慢慢整理在这里。
关于我 →从一个专题开始
全部文章 →CMDchagumu@blog:~
SYS_MONITOR模拟遥测
--:--:--上海 / UTC+8
CPU—
MEM—
NET—
写作记录
按文章发布日期记录
最新文章
文章归档 →多模态AI完全指南
前面已经掌握了RAG和微调，那多模态就是技术栈的自然延伸。简单来说，多模态就是让模型能够理解和处理多种类型的数据——文本、图像、音频、视频等，并且能在这些模态之间建立联系。这不是简单地把不同模型拼在一起，而是要让模型真正…
阅读文章 →微调——顾名思义
很多人看AI教程、逛技术社区，都会撞见两个词：预训练、微调。 预训练还好理解，就是给模型从零上学知识。但微调，很多人越看越懵：到底是大修？小改？还是重新训练一遍？要不要很贵的显卡？普通人能不能碰？ 就四个字：顾名思义，看…
阅读文章 →从 LLM 到 RAG 再到 Agent：技术演进路径
一、核心逻辑：为什么需要从 LLM 过渡到 RAG？LLM 的本质是基于海量预训练数据学习语言规律，其生成能力依赖于训练数据的覆盖范围，但这种 “闭卷考试” 式的模式存在两大核心痛点，也是 RAG 技术诞生的根本动因。 …
阅读文章 →LLM的另一个硬伤：知识过时
不管是用ChatGPT写报告，用国产大模型做行业咨询，还是自己部署模型做项目，你大概率会碰到这样的场景：问模型一个近期的热点事件，它一脸“茫然”，说“我的知识截止到XXX年”；让它推荐行业最新工具，它给的都是已经淘汰的旧…
阅读文章 →