- 博客(19)
- 收藏
- 关注
RSS订阅
原创 我开发的大模型应用不是玩具！大模型应用基础--第三章：大模型应用标准开发架构
本文摘要： 大模型应用应采用三层标准架构（前端层-自有业务后端-大模型API服务），实现安全稳定的商用部署。核心要点包括：1）禁止前端直接调用大模型API，密钥必须存储在后端；2）通过接口中台封装不同模型的API差异，实现灵活切换；3）采用限流、排队和全局管控三大手段应对高并发场景。这种架构设计确保了请求可查、行为可控、风险可防、账单可管，是从个人demo走向商用落地的关键。
2026-05-16 13:48:47
1251
1
原创 认清大模型的长短手，是AI落地的第一课！大模型应用基础--第一章：大模型底层核心认知
大模型的核心能力集中在语言交互与模式匹配领域，擅长自然语言处理、代码生成和轻度逻辑推理，但在实时数据、精准计算、复杂逻辑推导等方面存在明显局限。模型幻觉是其固有特性，会虚构事实和逻辑通顺的错误内容，尤其在专业领域风险显著。模型可分为通用型与垂直专用型、短上下文与长上下文型、单模态与多模态型。实际应用中需根据业务需求、成本预算和交互模态进行合理选型，通过工程手段约束幻觉，并针对不同场景采取相应技术方案补充其短板，而非盲目追求最强模型。
2026-04-30 11:34:10
1041
1
原创 AI编程两天从0到1，我做了什么（一篇文章让你快速上手AI编程）
本文介绍了一种"文档驱动+AI施工"的高效开发模式，通过两天时间从零开发企业匿名社区MVP的实战经验，展示了如何利用AI工具完成全流程开发。作者详细拆解了该模式的三个关键环节：1）通过AI交互生成5份核心规范文档；2）将文档拆解为细粒度模块由AI生成代码；3）建立"生成-测试-调试"的闭环流程。文中特别强调文档质量的重要性，并分享了开发陷阱和实用技巧，如模块拆分、错误反馈机制等。这种无需手写代码、仅需需求管理和测试验证的模式，为技术新人提供了一条可复现的AI辅助开发路
2026-04-16 15:54:57
863
3
原创 7月最新大模型排名
【权威AI模型双榜发布】2026年7月最新评测显示：Anthropic的Claude Fable5以60分（AA智能指数）和1563分（LMArena代码榜）双料夺冠，成为首个突破60分的模型，其低幻觉率（28.1%）和严谨任务规划能力显著优于GPT-5.5（42.3%幻觉率）。国产模型中，智谱GLM-5.2以51分位列全球第7，通义Qwen3.7Max中文处理突出。LMArena用户偏好榜显示，Anthropic包揽前5名中4席，而OpenAI未进前十，反映高幻觉率严重影响用户体验。谷歌Gemini3.1
2026-07-05 20:51:31
1228
原创 别再被AI吞金！3招让你的应用成本暴跌，省下真金白银。大模型应用基础--第八章：成本优化基础
《大模型调用成本优化三策：缓存复用、请求瘦身与分级路由》 摘要：大模型API调用成本优化需平衡效果、稳定性与费用，避免盲目压价导致质量风险。核心策略包括：1）问答缓存分层设计，精确匹配与语义缓存互补，注意动态数据和隐私场景禁用；2）输入输出双向压缩，利用PrefixCache技术减少固定指令开销，但需保留核心约束；3）智能路由分级调用，按任务复杂度与风险等级分配模型资源，高风险领域强制使用高阶模型。优化效果因业务类型差异显著，需警惕"省小钱亏大钱"的陷阱，关键业务不可过度降本。
2026-07-05 20:27:02
620
原创 6月最新大模型排名，国产模型代码排名历史性突破？国产模型首次稳定跻身全球代码能力第一梯队
两大AI模型评测榜单显示：Anthropic的Claude Opus 4.8以61分登顶AA智能指数榜，成为首款突破60分的模型，在编码稳定性和长文本处理上表现突出；GPT-5.5系列虽包揽2-3名，但高幻觉率成短板。LMArena文本生成榜中，国产模型表现亮眼，通义千问Qwen3.7-Max位列第15，智谱GLM5.1等4款国产模型进入编程能力Top20，其中Qwen3.7-Max在科学推理和数学能力上反超Claude Opus4.6，显示国产AI在硬核技术上的快速进步。
2026-06-01 10:26:01
987
1
原创 慢调用比报错更致命！拖垮你线程池的隐形杀手，大模型应用基础--第七章：工程稳定性与异常处理
本文针对分布式架构与AI服务深度集成的场景，系统性地阐述了稳定性保障的工程实践方案。首先剖析了四大典型异常场景：请求超时、429限流、模型上下文窗口超限和TPM限制，强调超时设置需分级处理，限流应对需客户端主动控制。在容错设计方面，提出幂等性原则、指数退避重试、慢调用熔断等策略，推荐采用熔断器状态机实现服务保护。可观测性体系构建则聚焦全链路TraceID追踪、四大黄金信号监控（延迟/流量/错误/饱和度）及精细化Token统计。最终形成"预防-监
2026-06-01 09:29:45
438
1
原创 90%的人担心的“模型变蠢”是错的，真正的危机藏在这两种“坍塌”的联动里
大模型面临两种关键风险——推理能力在复杂任务中的性能崩溃（因统计预测局限导致步骤截断或逻辑断层）和训练数据污染引发的模型坍塌（递归训练造成数据失真与错误级联）。二者可能相互恶化：推理崩溃产生低质量数据加速模型坍塌，而坍塌模型又削弱推理能力。缓解方面，推理崩溃可通过思维链、程序辅助等技术优化；模型坍塌需数据锚定与过滤。当前风险可控但需警惕交互影响，未来需结合符号逻辑与数据治理，而非单纯扩大模型规模。
2026-05-31 17:55:22
311
1
原创 用错误的方式提问AI？难怪你总被它气到吐血！大模型应用基础--第六章：提示词工程基础
模型明明能力强大，为何产出效果却“时好时坏”？答案往往不在于模型本身，而在于我们如何与它沟通——这正是提示词工程（Prompt Engineering）的价值所在。提示词工程并非简单的“提问技巧”，而是一套系统性的指令设计方法，旨在引导大模型稳定输出符合业务预期的内容。它既是连接业务需求与模型能力的“桥梁”，也是决定AI应用是否具备落地可行性的关键一环。
2026-05-31 10:46:23
1195
1
原创 为什么企鹅是计算机行业的 “明星动物”？
科技行业普遍偏爱强势动物符号，唯独企鹅以憨萌形象逆袭成为计算机领域标志性IP。这源于三重契合：1）Linux开源系统选择企鹅作为吉祥物，其群居、共享属性完美诠释开源精神；2）QQ企鹅通过全民投票破圈，成为中国互联网初代记忆符号；3）企鹅温和包容的特质与程序员低调务实的文化高度契合。不同于猛兽象征的力量感，企鹅代表着计算机行业开放共享的格局、互联互通的温度及持久生命力，最终形成贯穿技术生态与大众认知的独特文化符号。
2026-05-30 09:50:04
366
原创 世界模型：当机器觉醒“想象力”，人类将见证怎样的未来颠覆？
世界模型是AI领域新兴的研究方向，使机器能像人类一样构建内部"心智模型"，模拟现实世界的物理规律和因果关系。其核心包括感知、记忆和决策三大模块，通过分阶段训练实现观察、预测和规划能力。世界模型可显著提升AI的样本效率，支持长程规划和因果推理，在机器人学习、自动驾驶、科学模拟等领域具有重要应用价值。尽管面临复杂度、计算成本等挑战，但与LLM融合、发展具身AI等方向展现了通向通用智能的潜力。这一技术突破或将重新定义"智能"的本质，推动AI从被动响应迈向主动推理的新阶段。
2026-05-29 17:10:04
489
1
原创 图灵奖得主杨立昆播客解读：OpenAI 路线将被抛弃？JEPA 世界模型才是 AGI 的终局？
摘要：2026年5月，AI先驱杨立昆在《Tapestry》播客中发表颠覆性观点，断言Transformer架构无法实现AGI，并预言OpenAI将被时代淘汰。他提出三大核心批判：大模型仅是"语言囚徒"缺乏物理世界理解；当前AI路线2027年将被公认走偏；视觉-语言-动作（VLA）方案数据效率低下。作为替代方案，他倡导"世界模型+JEPA架构"，通过抽象表征预测实现类人推理，并预言该技术5年内将重构AI底层。文章同时探讨了其观点合理性：虽直指现有技术痛点，但JEPA的可
2026-05-29 16:39:28
951
原创 Linux 之父 Linus Torvalds 对 AI 的“爱恨交织”
Linux创始人Linus Torvalds在北美开源峰会上表达了对AI的复杂态度：既肯定其工具价值，又担忧现实问题。他认为AI能提升开发效率（使Linux代码提交量增加20%），但也导致重复漏洞报告泛滥，影响开源维护。他强调AI不会改变编程本质，反对过度炒作，并警示闭源不是解决AI安全隐患的出路。Torvalds主张理性看待AI：善用其工具性，但必须保持对代码的深度理解和人类判断力。
2026-05-28 20:06:21
580
原创 5月最新大模型排名
本次排名覆盖Artificial Analysis 智能指数（硬核技术能力客观评测）与LMArena 文本生成模型榜（用户真实偏好主观评测）两大权威榜单，核心信息如下：注：LMArena 起源于加州大学伯克利分校，现由Arena Intelligence Inc.运营，排名仅供参考。
2026-05-23 10:35:41
1405
原创 告别生硬交互，打造有记忆的智能助手，大模型应用基础--第五章：会话与记忆管理
大模型应用基础第五章：会话与记忆管理。用户会话隔离分清不同聊天窗口，短期会话记忆记住本轮聊天全过程，长期用户记忆记住你这个人的喜好，上下文治理防止 AI 记太多 脑子卡壳。做 AI 记忆不要一股脑把所有聊天全塞给模型，学会筛选精简，只留当下聊天能用得上的信息，既不浪费资源，又能让 AI 聊天连贯又精准。
2026-05-20 01:36:51
475
1
原创 AI 到底以哪些形式和人、软件产生进行交互？大模型应用基础--第四章：大模型应用基础交互形态
这一章我们关注的是“用户界面”（User Interface）与“对话体验”无论后台逻辑多么复杂，用户最终感知到的，只有AI给出的“答案”和“交互方式”。怎么聊？先从单轮开始，进阶到多轮对话。怎么显？为了让等待不枯燥，采用流式输出（打字机效果）。怎么用？为了让AI能被程序利用，要求结构化输出（JSON/代码）。怎么干？为了让AI能处理实时信息，赋予它工具调用的能力。这一章的内容是连接“大模型能力”与“用户需求”的最后一公里，也是产品设计中最能体现差异化的地方。
2026-05-18 18:46:40
679
1
原创 我的钱包在燃烧，Token是怎样计费的？Token计费全解与省钱攻略
本文解析了大模型Token计费的核心规则与省钱技巧。Token是文本处理的最小单位，中文1字≈1.3-2Token（国际模型）或0.4-1Token（国产模型）。计费采用输入输出分开计价模式，输出单价通常是输入的2-5倍。五大烧钱陷阱包括：上下文重复计费、系统提示词重复扣费、长文本解析消耗、深度思考模型的高成本及忽视输出费率。建议通过选择国产模型、控制上下文长度、精简提示词、限制输出字数及设置预算告警来降低成本。重点提醒避免手动拼接历史对话造成的重复计费，善用平台原生会话管理功能可显著节省费用。
2026-05-06 21:51:35
2261
1
原创 我的钱包在燃烧，Token是怎样计费的？什么是大模型API调用？大模型应用基础--第二章：大模型API调用
我们在使用大模型的时候会有这样一个问题，大模型是烧token的，那token是怎样计费的？怎样能更加节省token？这一期我们来讲解大模型API调用是什么？大模型API的对话规则、Token 机制、调用参数、多轮对话与安全要点。在本期的学习之后你就能明白大模型API调用是什么，也能知晓大模型的token计费规则
2026-05-05 19:41:13
531
1
原创 Agent 架构应该如何选择？为什么我在开发项目的时候，就是对着对话框输出？
作为一个新手小白，我总听见大佬说一些隐晦的词汇，什么agent、workflow，多智能体协作。这些概念究竟是什么？为什么我在开发一个项目的时候，就是对着网页打字，对着应用对话框输出？
2026-05-04 12:00:50
827
1
提示词工程实战案例：从零构建智能客服的提示词工程闭环-以用户投诉处理为例
2026-05-31
毕业设计+数据库数仓+网站+银行营销数据库系统+全栈项目资源包（流程清晰好上手）
2026-05-04
Agent架构选型深度解析：从业务约束到落地演进
2026-05-04
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人