LLM Wiki 是 Karpathy 提出的个人知识库方法，主张从“检索”转向“编译”：大模型先阅读只读原始资料，按规则整理为可持续更新、相互链接的结构化页面，再针对编译产物查询，承担簿记工作并形成知识复利。主流搭建方式是安装技能文件引导模型处理资料，也有多平台兼容方案；需防范幻觉并迭代规则。
AI 智能体（AI Agent）已从概念走向实用，成为连接大模型与真实场景的核心载体。一个成熟的智能体并非单一技术的堆叠，而是由基础架构、协作机制、知识增强、工具集成等多维度技术构成的复杂系统。 本文将系统拆解 AI 智能体的九大核心技术，补充详细的技术原理、实战案例、选型建议和落地避坑指南，帮你从“理解概念”到“动手 […]
在企业级场景中，海量非结构化文档（如资质文件、项目案例、标书模板）的高效检索与利用，一直是业务痛点。传统人工检索方式效率低下、易遗漏关键信息，而基础 RAG 系统又难以满足“高召回率、低延迟、私有化部署”的企业需求。 本文基于 Qwen Agent 二次开发，打造一套支持混合检索、网络搜索集成、现代化 WebUI 的企 […]
AI Agent 作为具备自主感知、决策与执行能力的智能实体，正在重塑人机协作模式。它不再是被动响应查询的“问答机器”，而是能主动拆解复杂任务、调用工具、持续迭代的“智能助手”——比如帮你预订符合预算的机票、自动整理会议纪要、甚至完成端到端的代码开发。 本文将从核心原理、关键技术、实战开发、框架选型四个维度，系统拆解 […]
在企业知识库问答、专业文档处理、智能客服等场景中，大语言模型（LLM）常常面临“答非所问”“信息过时”“泄露隐私”等问题。而检索增强生成（Retrieval-Augmented Generation，RAG）技术的出现，通过“检索外部知识+增强模型生成”的模式，完美弥补了 LLM 的天然缺陷，成为连接 LLM 与真实世 […]
AI 领域的热词层出不穷，AIGC、RAG、Function Call、Agent、MCP 常常被混为一谈——很多人知道它们是 AI 应用的关键技术，却搞不清彼此的依赖关系、适用场景和技术边界。 实际上，这些技术并非孤立存在，而是一条清晰的“能力演进链”：AIGC 是基础（生成内容），RAG 和 Function Ca […]
当ChatGPT帮你写周报、MidJourney生成海报、AI助手自动规划旅行时，你可能没意识到：这些看似连贯的智能体验，其实是AIGC、RAG、Agent等多个技术协同的结果。AI领域的热词层出不穷，很多人只知其名、不知其理，更不清楚它们之间的递进关系。本文将从技术本质出发，结合真实场景案例，拆解这五大核心技术的定位 […]
