- 如何在本地运行大模型：硬件、量化、工具与上手步骤 在自己的电脑上运行开源大模型，可以离线使用、保护数据隐私。本文讲解本地部署需要的硬件、量化原理、常用工具、上手步骤和常见误区。
- Transformer Transformer 是一种以注意力机制为核心的神经网络架构，2017 年由论文《Attention Is All You Need》提出，是当今大语言模型的基础。
- 向量数据库（Vector Database） 向量数据库专门存储和检索高维向量，能按“语义相似度”快速找到最接近的内容，是 RAG、语义搜索和推荐系统的常用基础设施。
- 一文看懂 AI Agent（智能体）：它和聊天机器人到底差在哪 AI Agent 是能自己规划步骤、调用工具、根据结果调整行动的大模型应用。本文讲清它的组成、工作循环、适用场景和常见误区。
- 一文看懂大模型的 Token：它是什么，为什么按 Token 计费 Token 是大模型读写文本的基本单位，既决定上下文能装多少内容，也是 API 计费的依据。本文讲清分词原理、中英文差异、计费方式和省钱思路。
- 一文看懂 MCP（模型上下文协议）：给 AI 应用装上统一的“插座” MCP 是一种开放协议，让 AI 应用以统一方式连接外部工具和数据源。本文介绍它解决的问题、主机与服务器架构、三类核心能力和安全注意事项。
- 一文看懂 RAG（检索增强生成）：让大模型先查资料再回答 RAG 先从知识库中检索相关内容，再交给大模型生成答案，能缓解知识过时和编造问题。本文讲解它的流程、关键环节、与微调的区别及常见误区。
- 杨立昆：卷积神经网络的开创者与世界模型的倡导者 杨立昆在贝尔实验室开发的卷积神经网络 LeNet 奠定了现代计算机视觉的基础。他曾创建并领导 Meta 的 FAIR 实验室，获图灵奖，并长期倡导开放研究与世界模型路线。
繼續探索 AI 的更多可能瀏覽全部工具