大模型应用场景技术栈:智能客服、代码助手、数据分析到 AI 测试
梳理大模型 7 大典型应用场景的技术栈:智能客服、代码助手、Text-to-SQL、内容生成、自动化工作流、多模态和 AI 赋能测试,附架构设计和实现要点。
继续浏览 AI 工程、Agent Harness 与技术复盘。
梳理大模型 7 大典型应用场景的技术栈:智能客服、代码助手、Text-to-SQL、内容生成、自动化工作流、多模态和 AI 赋能测试,附架构设计和实现要点。
全面讲解大模型推理与部署,涵盖 API 调用、本地推理(Ollama/vLLM/SGLang)、量化、KV Cache、PagedAttention、Continuous Batching 和企业级部署方案。
深入讲解大模型微调技术,涵盖 SFT、LoRA/QLoRA、DPO/GRPO、数据工程、工具链(Axolotl/Unsloth/LLaMA-Factory)和模型蒸馏。
全面解析 AI Agent 智能体开发,涵盖 Agent 理论、Function Calling、ReAct 范式、记忆管理、Multi-Agent 协作、主流框架对比和 3 个实战案例。
深入解析 RAG 检索增强生成技术,涵盖基础架构、文本分块、Embedding、向量数据库、Query 改写、重排序、混合检索、GraphRAG 及企业级优化方案。
全面梳理 Prompt Engineering 技术体系,从 Zero-shot、Few-shot、CoT 到 ReAct、Tree-of-Thought,涵盖 System Prompt 设计、结构化输出、约束提示等实战技巧。
深入解析 Ceph 分布式存储系统的核心架构、部署实践、使用场景,以及与 MinIO、GlusterFS、HDFS 等竞品的对比分析。
面向应用层开发者的 Transformer 架构原理详解,涵盖 Self-Attention、Q/K/V、Positional Encoding、LLM 核心概念、主流架构演进和模型训练三阶段流程。
从 Transformer 架构原理到 Prompt Engineering、RAG、Agent、微调、模型部署,一份面向 Java/Python 后端工程师的大模型应用开发技术路线全景清单,附学习资源和实战建议。
这是一篇写给未来自己的博客搭建复盘:为什么选 Hexo,怎么稳定发布,遇到问题怎么排查,以及后续后端、AI、投资理财内容怎么长期更新。
输入关键词开始搜索。