OpenClaw 总体架构技术拆解
OpenClaw 系列让 OpenClaw 安全的运行在 MacOS 主力机上最大化提效架构分析Channels（通道）：连接各种消息平台，提供统一消息接口。支持：飞书、钉钉、WhatsApp、Tel
阅读全文解读 Google 提示词工程最佳实践白皮书
Prompt Engineering（提示词工程）现在大多数 LLM 都是一个基于 Transformer Decoder-Only 架构的自回归 Token 预测引擎，它通过输入 Prompt（提示
阅读全文Claude Code 高级特性和应用实践
Claude CodeClaude Code 是 Anthropic 公司的一个 AI 编程智能体应用程序，最初是为了配合 Anthropic 的 Claude 大模型。所以 Claude Code
阅读全文智能体 Skills 技术原理分析和应用
前文列表智能体 MCP 协议技术原理与应用实践Agent SkillsAgent Skills 是 Anthropic 为 Claude 大模型设计的一种能力扩展机制，它允许用户为 Claude 添加
阅读全文Transformer 大模型架构深度解析（5）ChatGPT 与 LLM 大语言模型技术解析
前文列表Transformer 大模型架构深度解析（1）NLP 自然语言处理文本表示方法Transformer 大模型架构深度解析（2）RNN 循环神经网络模型在 NLP 中的应用Transforme
阅读全文Transformer 大模型架构深度解析（4）详解 Transformer 架构
前文列表Transformer 大模型架构深度解析（1）NLP 自然语言处理文本表示方法Transformer 大模型架构深度解析（2）RNN 循环神经网络模型在 NLP 中的应用Transforme
阅读全文Transformer 大模型架构深度解析（3）注意力机制的发展历程
前文列表Transformer 大模型架构深度解析（1）NLP 自然语言处理文本表示方法Transformer 大模型架构深度解析（2）RNN 循环神经网络模型在 NLP 中的应用注意力机制（Atte
阅读全文让 OpenClaw 安全的运行在 MacOS 主力机上最大化提效
前言OpenClaw 很酷，大家都应该用起来。对于小白用户，建议使用云主机方式进行使用，月费几十块钱即可，环境隔离很安全。但对于程序员、IT 工程师而言，因为生产资料都在主力机上，所以建议直接在主力机
阅读全文Transformer 大模型架构深度解析（2）RNN 循环神经网络模型在 NLP 中的应用
NLP 的序列数据与序列模型序列数据序列是数据点或事件的有序列表。与独立的图像或表格数据不同，序列数据中的元素具有内在的顺序和时间依赖性。 典型的例子包括：自然语言文本、语音、视频、股票价格、天气读数
阅读全文Transformer 大模型架构深度解析（1）NLP 自然语言处理文本表示方法
NLP 的发展阶段NLP（Natural Language Processing，自然语言处理）是 AI 领域的一个重要分支，旨在使计算机能够理解和处理人类语言，实现人机之间的自然交流。语言是人类智力
阅读全文LLaMA-Factory 大模型微调平台实践
LLM 微调微调是指在已经训练好的大型预训练模型的基础上，进一步训练该模型以适应特定任务或特定领域的数据。可以在特定任务上取得更好的性能，因为模型在微调过程中会重点学习与任务相关的特性。还可以在多种领
阅读全文NVFP4 量化与 vLLM 大模型推理实践
NVFP4 量化技术随着大模型参数量的增长，显存优化技术之一的低精度量化技术得到了飞速发展。从行业的整体趋势来看，大模型正朝着低位宽浮点数的方向演进（FP32=>FP16=>FP8=>FP4）。并且在
阅读全文大模型训练方法与数据集技术基本原理
模型训练学习方法有监督学习有监督学习：AI 模型使用被标注了的数据样本进行学习，通过样本的真实值和预测值来求得 Loss 值。有监督学习因为需要对数据样本进行标注，所以只适用于数据量较小的场景。MP
阅读全文大模型分布式训练框架 Megatron-LM 技术解析与实践
Megatron-LMMegatron-LM 最初于 2019 年发布，是由 NVIDIA 开发的 Transformer 大模型高效训练框架。它专为数千亿甚至数万亿参数的模型二设计，具有高度可扩展性
阅读全文人工智能发展史 — NLP 与 RNN/LSTM/Transformer/GPT 序列模型发展历程
前文列表人工智能发展史 — MP 模型和感知机模型的数学模型与编程应用人工智能发展史 — 物理学诺奖之 Hopfield 联想和记忆神经网络模型人工智能发展史 — 物理学诺奖之 Hinton 玻尔兹曼
阅读全文大模型分布式训练框架 DeepSpeed 技术解析与实践
DeepSpeedDeepSpeed 是一个由 Microsoft 开源大模型训练优化库，它提供了多种优化技术，包括：3D 并行策略、梯度累积、动态精度缩放、本地模式混合精度等。还提供了一系列辅助工具
阅读全文大模型预训练分布式并行技术（DP/PP/TP/EP/SP）基本原理详解
Scaling Laws 第一定律OpenAI 在 2020 年的论文中提出了 Scaling Laws（扩展定律），证明了 LLM 的性能（以交叉熵损失衡量）遵循一定的数学幂律关系（Power-la
阅读全文MPI / NCCL 分布式并行计算通讯库技术原理
AI 分布式训练在一个最初的 AI 模型训练场景中，由于模型自身的程序体积、输入的权重参数量以及样本的数据量都比较有限，一张 GPU 的显存足以放下和处理这些数据，那么一张 GPU 既可以完成训练。但
阅读全文智能体 MCP 协议技术原理与应用实践
MCP v.s. Function CallingMCP 出现之前的主流是 Function Calling，但后者存在 2 个关键问题：系统集成标准化需求：能够调用外部系统（数据、工具）是 Agen
阅读全文LangChain Agent Tooling 技术原理与 Workflow 编程实例
前文列表AI 智能体核心原理综述：从 Agentic AI 到 AI AgentAI Agent 软件工程关键技术综述AI Agent 的体系化分类与产品形态分析OpenManus 通用智能体实践与代
阅读全文LangChain Model I/O 与 Chain 核心技术原理与智能问答机器人编程实例
前文列表AI 智能体核心原理综述：从 Agentic AI 到 AI AgentAI Agent 软件工程关键技术综述AI Agent 的体系化分类与产品形态分析OpenManus 通用智能体实践与代
阅读全文AI Workflow v.s. AI Agent v.s. Agentic Workflow 与应用建议
AI Agent v.s. AI Workflow在这里插入图片描述2025 年作为公认的 “智能体元年”，相关的技术和概念依旧在高速发展中。所以，至今为止业界依旧没有达成关于 AI Agent 和
阅读全文OpenManus 通用智能体实践与代码分析
前文列表AI 智能体核心原理综述：从 Agentic AI 到 AI AgentAI Agent 软件工程关键技术综述AI Agent 的体系化分类与产品形态分析OpenManusOpenManus
阅读全文AI Agent 的体系化分类与产品形态分析
前文列表AI 智能体核心原理综述：从 Agentic AI 到 AI AgentAI Agent 软件工程关键技术综述AI Agent 的分类基于自主程度的分类在这里插入图片描述根据 Agent “是
阅读全文人工智能发展史 — 物理学诺奖之 Hinton 玻尔兹曼机模型
2024 诺贝尔物理学奖与人工智能2024 年的诺贝尔物理学奖颁发给了 John Hopfield 和 Geoffrey Hinton，以表彰他们在实现机器学习的人工神经网络方面的基础性发现与发明。他
阅读全文在 Windows GPU 机器上运行 Linux CUDA 并使用 Nsight System 和 Compute 分析性能
环境信息Win11 提供 GPU 设备WSL2 Ubuntu 22.04 提供 CUDA 运行时环境MacOS 作为编程和性能分析客户端WSLWSL 是一个与 Microsoft Windows 操作
阅读全文AI Agent 软件工程关键技术综述
LangChain、LangGraph 和 LangSmith 开发框架LangChain v.s. LangGraphLangChain 和 LangGraph 出自于同一个团队，都被设计用于与 L
阅读全文AI 智能体核心原理综述：从 Agentic AI 到 AI Agent
Agentic AI 的背景LLM 最初的产品形态是由 OpenAI 领衔的 ChatBot（聊天机器人），底层支撑技术是 Transformer 架构大语言模型，最初专注于语言文本领域的人工智能应用
阅读全文GPU/CUDA 发展编年史：全系列 GPU 硬件架构和 CUDA 软件模型技术原理
前言本文旨在梳理全系列 GPU 芯片架构的发展历史、技术特性和 CUDA 技术实现原理，包括：费米（Feimi）、开普勒（Kepler）、麦克斯韦（Maxwell）、帕斯卡（Pashcal）、伏特（V
阅读全文GPU 超级计算：NVIDIA NVL72 vs HW CloudMatrix384 vs AWS UltraServer64
为什么需要 SuperNode 和 SuperPOD？（Why）1. Scaling Laws 第一定律OpenAI 在 2020 年的论文中提出了 Scaling Laws（扩展定律），证明了大语言
阅读全文