<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[大模型工程师老蓝的博客]]></title><description><![CDATA[2023年踩着风口加入AI大模型吃到第一波红利，
西安电子科技大学计算机研究生，
日常会在账号上分享AI人工智能最新资讯，
关注我，了解科技最前沿技术！]]></description><link>https://blog.youkuaiyun.com/BlueSocks152</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; BlueSocks152]]></copyright><item><title><![CDATA[保姆级教程！手把手带你入门 RAG，从原理到代码实战，建议收藏]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/159213852</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/159213852</guid><author>BlueSocks152</author><pubDate>Wed, 18 Mar 2026 21:12:32 +0800</pubDate><description><![CDATA[本文对比了RAG与AI Agent，详解了RAG检索增强生成的核心流程。文章提供了基于LlamaIndex（千问）和LangChain（DeepSeek）的完整代码实战，涵盖环境配置、依赖安装及示例运行。适合小白入门大模型开发，建议收藏学习。]]></description><category></category></item><item><title><![CDATA[RAG技术深度解析（二）：文档分块与向量化技术详解]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/159213836</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/159213836</guid><author>BlueSocks152</author><pubDate>Wed, 18 Mar 2026 21:11:46 +0800</pubDate><description><![CDATA[> 在上一篇文章中，我们了解了RAG的基本概念和系统架构。本篇将深入离线阶段的两大核心技术——**文档分块**和**向量化**，它们决定了RAG系统检索质量的上限。]]></description><category></category></item><item><title><![CDATA[LLM智能体进阶指南：智能体记忆机制深度解析]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/159174021</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/159174021</guid><author>BlueSocks152</author><pubDate>Tue, 17 Mar 2026 21:19:07 +0800</pubDate><description><![CDATA[本文指出智能体记忆是通往AGI的核心分水岭。从形式（1D/2D/3D）、功能（事实/技能/工作）及动态演化三维度，深度剖析了记忆系统的底层算法与工程实现。同时揭示了基础设施、中间件及应用层的产业价值，强调掌握记忆机制是构建下一代超级智能的关键。]]></description><category></category></item><item><title><![CDATA[GraphRAG进阶指南：当RAG遇上知识图谱，从“搜文本”到“搜知识”，大模型开发者必看]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/159173995</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/159173995</guid><author>BlueSocks152</author><pubDate>Tue, 17 Mar 2026 21:18:14 +0800</pubDate><description><![CDATA[传统RAG只能找局部片段，无法回答全局问题。GraphRAG通过LLM构建知识图谱，实现从“搜文本”到“搜知识”的跨越。本文详解其核心原理、主流开源项目（微软、LightRAG等）及落地应用，是大模型开发者进阶必读。]]></description><category></category></item><item><title><![CDATA[手把手教你创建Coze智能体：小白也能轻松打造专属AI助手]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/158851848</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/158851848</guid><author>BlueSocks152</author><pubDate>Mon, 09 Mar 2026 21:12:48 +0800</pubDate><description><![CDATA[本文详细介绍了在Coze平台上创建智能体的步骤，包括开始创建、选择创建方式（AI创建或标准创建）、自定义配置（如人设、回复、功能模块等）以及发布使用。特别适合编程小白和想要快速入门AI开发的朋友，通过简单操作即可打造属于自己的智能助手，文章还提供了实用的测试和调试建议，帮助读者更好地掌握核心功能。]]></description><category></category></item><item><title><![CDATA[Coze入门指南：零基础轻松玩转大模型，快来收藏学习！]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/158851827</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/158851827</guid><author>BlueSocks152</author><pubDate>Mon, 09 Mar 2026 21:11:33 +0800</pubDate><description><![CDATA[Coze是一个新一代AI应用开发平台，允许用户无需编程基础，通过拖拽式工作流快速搭建基于大模型的智能体，并发布到社交平台或网站。平台提供灵活的工作流设计、丰富的插件工具、易用的知识库以及持久化记忆能力，支持多种数据源和自定义插件，适合新手和程序员学习使用。]]></description><category></category></item><item><title><![CDATA[AI Agent技能系统构建全攻略：让智能体从会聊天到会做事]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/157908273</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/157908273</guid><author>BlueSocks152</author><pubDate>Mon, 09 Feb 2026 17:03:21 +0800</pubDate><description><![CDATA[AI Agent Skills是扩展智能体能力的关键，使其从简单对话变为能执行复杂任务的工具。文章详细介绍了技能系统的架构设计，包括技能注册器、定义和执行器，并通过PDF处理和内容创作Agent的实战案例展示了实现方法。同时探讨了动态加载、技能组合、错误处理、权限管理等高级特性，为构建强大的AI Agent提供了全面指导。]]></description><category></category></item><item><title><![CDATA[Claude Skills深度解析：从提示词扩展到动态上下文注入]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/157908228</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/157908228</guid><author>BlueSocks152</author><pubDate>Mon, 09 Feb 2026 17:02:24 +0800</pubDate><description><![CDATA[Claude Agent Skills是一种基于提示词的元工具架构，通过动态注入指令而非执行代码来扩展大模型能力。其核心是双重上下文注入机制：对话上下文注入详细指令，执行上下文修改工具权限和模型选择。与传统提示词不同，Skills采用渐进式披露，按需加载专业技能，通过LLM推理而非算法匹配进行决策。这种设计实现了专业知识的模块化、可插拔加载，同时保持上下文效率和安全性，使Claude能够动态转变为特定领域的专家智能体。]]></description><category></category></item><item><title><![CDATA[大模型学习必备：14个核心概念详解，建议收藏反复阅读]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/157838991</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/157838991</guid><author>BlueSocks152</author><pubDate>Sat, 07 Feb 2026 10:47:33 +0800</pubDate><description><![CDATA[本文系统梳理了AI大模型的14个核心概念，从基础架构到训练优化，再到前沿应用模式，全面介绍了Transformer架构、Token处理、嵌入模型、混合专家模型、预训练微调、模型对齐、RAG技术、AI Agent等关键技术，帮助读者建立对大模型技术的完整认知框架，理解智能涌现原理及解决关键挑战的方法。]]></description><category></category></item><item><title><![CDATA[程序员必看：如何像带新员工一样“训练“你的AI智能体]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/157838977</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/157838977</guid><author>BlueSocks152</author><pubDate>Sat, 07 Feb 2026 10:46:22 +0800</pubDate><description><![CDATA[文章通过"新员工"的生动比喻解释了大模型智能体(Agent)的工作原理。智能体如同职场新人，需要通过"系统提示词"了解角色职责，配备"工具"完成工作。其流程是：理解任务→尝试解决→根据反馈优化。开发者需优化提示词、工具和模型来提升智能体表现，使其能更好地处理复杂问题。]]></description><category></category></item><item><title><![CDATA[大模型应用开发核心技能：RAG技术从入门到精通]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/157799659</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/157799659</guid><author>BlueSocks152</author><pubDate>Fri, 06 Feb 2026 09:20:51 +0800</pubDate><description><![CDATA[文章系统介绍了RAG技术在大模型应用开发中的价值与实现方法，包括核心概念、标准流程、分块策略、检索优化、提示工程和效果评估等关键内容，解决了大模型的领域知识缺乏、幻觉问题等局限，为开发者提供了从理论到实践的全面指导。]]></description><category></category></item><item><title><![CDATA[AI Agent革命：从“嘴炮王“到“行动派“的效率跨越]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/157799586</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/157799586</guid><author>BlueSocks152</author><pubDate>Fri, 06 Feb 2026 09:19:07 +0800</pubDate><description><![CDATA[文章探讨了AI从"会说话"到"会干活"的革命性跨越，介绍了AI Agent相比传统LLM的三大优势：记忆能力、工具使用能力和目标驱动执行力。重点讲解了MCP协议如何解决API对接问题，以及Agent to Agent协作模式的专业分工力量。通过软件开发、数据分析等实际场景，展示了AI Agent如何从"建议者"转变为"执行者"，预言2025年将是AI Agent和MCP的落地年，这将是一场工作方式的革命。]]></description><category></category></item><item><title><![CDATA[大模型Agent评估全流程详解：开发集、留存集与迭代优化技巧]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/157582175</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/157582175</guid><author>BlueSocks152</author><pubDate>Sat, 31 Jan 2026 14:09:32 +0800</pubDate><description><![CDATA[文章详细介绍了大模型Agent评估的重要性和方法，强调了评估对确保应用稳定性和发现模型边界的关键作用。阐述了评估的四大组成部分（示例输入、标准答案、模型输出、分数），完整的评估流程（开发集与留存集测试），以及三种主要评估方法（代码评分、人工评分、模型评分）。通过情感分析案例展示了如何通过评估迭代优化提示词，最终提升模型性能。构建科学的评估体系是提升大模型应用质量的重要保障。]]></description><category></category></item><item><title><![CDATA[测试人员必看：大模型不是万能药，这些场景千万别用AI]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/157582158</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/157582158</guid><author>BlueSocks152</author><pubDate>Sat, 31 Jan 2026 14:08:12 +0800</pubDate><description><![CDATA[文章探讨测试领域如何正确应用AI大模型，强调不应盲目追求"全能替代"，而应关注长期工程价值。指出MCP、Agent、Skills是不同层级抽象；不适合Agent处理强业务耦合、频繁变更的核心用例；完整脚本生成不值得投入；真正有价值的是将AI用于用例结构化生成、自动化骨架生成等稳定重复环节。测试使用AI的三条原则：判断模糊的不自动化，改动频繁的不Agent化，只用AI干稳定、重复、机械的活。]]></description><category></category></item><item><title><![CDATA[AI Agent记忆系统完全指南：从入门到精通，解决LLM上下文限制的必备收藏]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/157515182</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/157515182</guid><author>BlueSocks152</author><pubDate>Thu, 29 Jan 2026 18:45:46 +0800</pubDate><description><![CDATA[本文详细介绍了AI Agent记忆系统的概念、分类及实现架构，包括短期记忆的上下文工程策略（压缩、卸载、摘要）和长期记忆的技术架构（记录与检索流程）。文章对比了Google ADK、LangChain和AgentScope等主流框架的记忆系统实现，分析了行业发展趋势，并提供了Mem0等长期记忆组件的集成方案，为构建高效、个性化的AI Agent提供了技术指导。]]></description><category></category></item><item><title><![CDATA[保姆级教程：Qwen Code+vLLM+Qwen3-Coder打造纯内网私服级AI编程助手]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/157515172</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/157515172</guid><author>BlueSocks152</author><pubDate>Thu, 29 Jan 2026 18:44:04 +0800</pubDate><description><![CDATA[本文详细介绍了如何通过Qwen Code+vLLM+Qwen3-Coder-30B-A3B-Instruct构建纯内网环境下的私服级开发辅助引擎。内容包括：使用modelscope下载模型，通过vLLM部署API服务，配置Qwen Code组件连接本地模型，以及测试Vibe Coding功能开发H5小游戏和前端页面。文章提供了完整的部署流程、参数配置说明和代码示例，帮助开发者在内网环境中搭建高性能的AI编程助手，提升开发效率。]]></description><category></category></item><item><title><![CDATA[测试集发布即失效？2025年大模型技术突破与评估困境]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/157475691</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/157475691</guid><author>BlueSocks152</author><pubDate>Wed, 28 Jan 2026 17:53:18 +0800</pubDate><description><![CDATA[这篇文章总结了2025年大模型领域的关键发展趋势，包括推理模型、RLVR与GRPO技术的兴起，架构效率优化，推理扩展和工具调用的重要性，以及"刷榜"现象带来的评估挑战。同时分析了AI在编程、写作和研究中的应用，以及对2026年的预测，包括RLVR扩展、RAG替代和工具改进等方向。]]></description><category></category></item><item><title><![CDATA[从GPT-4到智能体：2023-2025大模型架构演进全解析（小白友好）]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/157475629</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/157475629</guid><author>BlueSocks152</author><pubDate>Wed, 28 Jan 2026 17:51:43 +0800</pubDate><description><![CDATA[本文系统梳理了大型语言模型从2023年GPT-4的"唯参数规模论"到2025年多维发展的技术演进。文章详细阐述了效率优化（MoE架构、新型注意力机制）、推理能力（思考链模型、强化学习）和智能体功能三大支柱的形成过程，以及OpenAI、DeepSeek、Anthropic等主流厂商的架构哲学与竞争格局。最后展望了具身智能、后Transformer架构等未来方向，揭示AI正从文本预测器向通用问题解决系统转变的深刻变革。]]></description><category></category></item><item><title><![CDATA[LLM Agent Skills：提升AI智能体能力的关键架构，小白到进阶必备，建议收藏！]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/157259515</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/157259515</guid><author>BlueSocks152</author><pubDate>Thu, 22 Jan 2026 18:39:45 +0800</pubDate><description><![CDATA[LLM Agent Skills是一种基于提示词的元工具架构，通过封装的专业知识塑造AI智能体的思维模式和解决问题的能力。它采用渐进式披露机制优化Token消耗，提供结构化行为指南解决长周期任务中的鲁棒性问题。Skills与Tools形成互补，前者提供专业知识，后者负责外部执行，共同构成生产级智能体系统的核心架构。]]></description><category></category></item><item><title><![CDATA[RAG技术深度解析：LlamaIndex从入门到精通]]></title><link>https://blog.youkuaiyun.com/BlueSocks152/article/details/157259487</link><guid>https://blog.youkuaiyun.com/BlueSocks152/article/details/157259487</guid><author>BlueSocks152</author><pubDate>Thu, 22 Jan 2026 18:38:31 +0800</pubDate><description><![CDATA[本文是一篇关于RAG（检索增强生成）技术及LlamaIndex框架的全面教程，从基础原理到实战应用详细讲解。通过《长安的荔枝》案例，展示了如何用不到30行代码构建问答系统，并通过实验分析了chunk_size、top_k等参数对结果的影响。文章还深入解析了LlamaIndex的五层架构和七个核心组件，最后介绍了AgentBay平台，让RAG系统能够执行更复杂的任务，为读者提供了从入门到精通的完整学习路径。]]></description><category></category></item></channel></rss>