工具实践
本地跑大模型：Ollama 上手与硬件选型
一条命令把模型跑在自己电脑上：量化等级怎么选、显存需要多少、什么时候该从 Ollama 换到 vLLM。
5 分钟
智能体
AI Agent 的本质：一个 while 循环加几个工具
抛开框架看本质——Agent 就是「模型决定调哪个工具、你执行、把结果喂回去」的循环。附完整可跑的 Python 实现和四个必踩的坑。
8 分钟
微调训练
LoRA 微调实战：什么时候该微调，以及 4 个关键超参怎么调
LoRA 的低秩分解到底省了什么、r 和 alpha 怎么配、QLoRA 能省多少显存，以及微调之前你应该先确认的三件事。
7 分钟
大模型
大模型选型：别只看榜单，先想清楚这四个问题
能力、成本、上下文、可用性——一套可复用的选型框架，以及「只盯着排行榜选模型」为什么几乎总会翻车。
6 分钟
检索增强
RAG 检索增强生成：原理不复杂，难的是工程细节
RAG 的五个环节怎么串起来、分块策略怎么选、什么时候该加重排、以及那些「Demo 很好用、上线就翻车」的典型原因。
6 分钟
提示工程
提示工程的核心技巧：把「玄学」变成可复用的工程方法
结构化提示、少样本示例、思维链、XML 标签分隔、输出格式约束——把提示词当成接口来设计，而不是当成咒语来试。
6 分钟
基础原理
Transformer 与注意力机制：把「注意力」这件事讲清楚
从 QKV 的直觉、缩放点积注意力公式，到多头注意力和位置编码，用一段不到 40 行的 PyTorch 代码把 Transformer 的核心部件实现出来。
6 分钟
标签
提示：RSS 是真正的订阅渠道。邮件按钮只是直接发信给我，并没有接订阅后端 —— 想做成邮件订阅列表的话，把这里换成你的邮件服务表单即可。