xuehao1997的博客

摘要：基于 @microsoft/fetch-event-source 实现 AI 对话流式响应 本文探讨了使用 SSE（Server-Sent Events）技术实现 AI 对话流式响应的方法，重点介绍了 @microsoft/fetch-event-source 库的封装实践。原生 EventSource 存在无法发送 POST 请求、错误处理薄弱等缺陷，而 @microsoft/fetch-event-source 通过结合 fetch API 和 SSE 协议，解决了这些问题。文章详细展示了如何封装

《前端视角：从点击到AI理解的Transformer全流程》 本文以前端工程师视角解析Transformer架构，用通俗类比揭示AI思考过程：1）输入文本通过分词和嵌入层转为向量；2）位置编码标记词序；3）编码器通过自注意力机制（类似JS的map和权重计算）分析词间关系；4）多头注意力像"阅读时圈重点"，前馈网络增强语义表达。Transformer的并行处理和全局感知能力使其成为GPT等大模型的基石。前端开发者理解该流程可优化加载动画、调试RAG应用并设计高效Prompt，让AI交互更自

摘要： 神经网络是一种模仿人脑的数学模型，通过输入数据经多层计算输出结果。它由输入层、隐藏层和输出层组成，通过线性变换和非线性激活函数处理数据，利用反向传播和梯度下降自动调参。前端工程师虽不直接训练模型，但在AI应用中需理解神经网络的输入输出关系，以优化交互设计、提升用户体验。神经网络并非神秘黑盒，而是复杂数学函数的组合，前端作为AI的“眼睛和嘴巴”，需与其协同工作。理解神经网络原理有助于前端开发者在智能客服、推荐系统等场景中更好地与算法协作，实现更高效的人机交互。

文章摘要：本文探讨了从传统模型到大模型的技术演进历程。传统模型采用"输入→映射→输出"的数学工具模式，通过固定格式的数据训练，在特定领域表现稳定可靠。随着深度学习发展，大模型凭借多模态输入、通用预训练和万亿级参数等优势，实现了从"专业工匠"到"通才学生"的转变。当前行业正致力于构建大模型开发平台和智能Agent系统，推动AI从被动响应向主动思考的进阶。理解这一演进过程，对把握AI技术发展方向具有重要意义。（149字）