AI
刷新
用 Pydantic AI 从零搭建一个能干活的 AI Agent

博主头像 很多人第一次写 AI Agent，写完都有点失望。 代码确实能跑，模型也确实在说话，但往下走两步就露馅了： 返回的是一段字符串，你得自己 json.loads()，还得写一堆兜底防止它今天返回 JSON、明天返回 Markdown； 想让它查你自己的数据，就得手写一个 prompt 解释"我有个函数 ...

大模型学习笔记 00：从训练到应用，先画出大语言模型全景图

博主头像 读这本书之前，我对“大模型”这个词的理解其实有点偏应用：Prompt、RAG、Agent、工具调用，哪个项目里用到哪个就去补哪个。翻到目录以后才发现，这本书讲的是另一条路线：从 Transformer 和 GPT 的底层结构开始，一路讲到数据、分布式训练、微调、强化学习，最后才落到应用和评估。 这个 ...

OOS ChatOps Agent 定时任务：每天 9 点，让Agent 在钉钉群里交运维报告

博主头像 先看一个真实的配置：每天早上 9 点，钉钉群里会准时收到一条消息，昨天所有失败的 OOS 执行被逐条诊断，同类错误做了归并，每类附上诊断结论和处理建议。发出这条消息的是 OOS 的「ChatOps Agent」，而配置这一切只花了一分钟——一句自然语言、一个调度时间。 把"想起来才查"的运维动作，变 ...

5~7 分钟跑通第一个 Agentic RL 训练：我们把 verl 全链路做成了计算巢一键服务

博主头像 先说结论：我们把 ACK 官方文档方案在ACK上使用verl框架进行Agentic强化学习训练做成了计算巢一键部署服务，部署完成后下载模型和数据集、跑预置冒烟脚本，5~7 分钟第一个 Agentic RL 训练端到端跑通。这篇文章讲我们主要做了什么。 背景锚点：Agentic RL 很热，环境搭建是 ...

为什么事实写进权重后，模型只会背不会用

2026年7月论文用Qwen3-4B/8B、冻结底模只训LoRA，把247条虚构事实写进权重，并用五类问题检验。结果模型能复述却不会推理：裸句子训练有27.4分复述—使用鸿沟，换成24条多样化学习材料后缩到5.4分。连续写入时，早期事实几乎全部失效；把事实放进上下文，则可恢复到七八成。能背和会用是两... ...

浏览器端AI模型实测：五个可用场景

博主头像 浏览器里跑AI模型这件事，过去常被当成技术演示。模型小、速度慢、效果勉强，离生产环境很远。但最近一两年，随着WebGPU逐步可用以及Transformers.js等运行时库的成熟，情况有了明显变化。一个典型的浏览器端模型现在能做到不需要调用任何推理API、不需要网络往返、不产生按token计费的成本... ...

一套真正可落地的工业一体化方案：边缘网关(PLC/机床协议) + 物联网/工业互联网 + 机器视觉 + RAG 知识库 + 智能问数。

博主头像 分享一套端到端完整的一体化落地架构：边缘智能网关 + iNeuOS 工业互联网底座 + iNeuOS‑Vision 机器视觉 + AiMind 工业 RAG 知识库 + AiInsight 智能问数，全部支持私有化内网部署，打通设备、视频图像、工艺文档、时序数据，形成完整业务闭环。 ...

InBrief 是什么：我为什么把 370+ 个 AI 信息源收进一个入口

InBrief 作者自述：它把散落各处、每天更新的 AI 内容收进同一入口，按固定节奏整理成带摘要和重要性评分的列表，不替读者读文章或生产观点，只做收口。项目持续追踪 370+ 信息源，包括官方博客、科技媒体、约 310 个 X 从业者账号、13 个 YouTube 频道，以及 Hacker New... ...

ReplaySSM 拆解：SSM 状态为何不必逐步存

混合模型解码时，SSM 层每步都要读改写整个递归状态，成为访存受限的带宽瓶颈，并带来状态流量、投机解码难回滚、状态量化误差累积三个问题。ReplaySSM 把状态重新表示为“检查点+最近若干步输入环形缓冲”，只在缓冲写满时 flush，把缓冲折叠进检查点。这样状态流量大致减半，投机解码无需为每个草稿... ...

Agentic Ops 正在改变运维的最后一公里

博主头像 告警发了、数据全了，为什么故障还得人盯着？Agentic Ops 正在改变运维的最后一公里 前言监控能发现问题，AI 能给建议，但处置、验证、闭环，依然靠人兜底。智能运维的下一站，不是“更聪明的问答”，而是让 Agent 围绕目标持续工作。01 一个运维老难题 版本发布完成，错误率突然飙升。告警已经 ...

<1···567···50>