搜索[LLM辅助]结果-低调大师优秀个人博客

精选列表

搜索[LLM辅助]，共10000篇文章

基于LLM上下文窗口优化的6层解析架构，一线团队实测提速300%

传统网页内容提取依赖显式DOM遍历与规则匹配，而Kimi所代表的新一代AI代理系统，将网页理解重构为“语义场建模”过程——不再解析HTML树形结构，而是将整个页面视作多模态语义张量：文本、布局、视觉层级、交互意图被联合编码为统一嵌入空间。这种范式迁移，使模型能绕过渲染引擎细节，直接对“用户意图-页面功能”的映射关系进行端到端建模。

2026-07-22

从月度账单看企业LLM成本治理：一个技术管理者的实践反思

上个月财务给我看了一份AI服务的月度账单，数字比预期高出不少。更让我困惑的是，账单里有大量请求的token消耗明显不合理——简单的用户问候语"你好"，居然消耗了数千token。

2026-07-19

零基础认识大语言模型（LLM）工作原理(15.Agent Runtime：智能体真正的大脑)

前面我们已经知道，Agent Runtime 是整个智能体系统的控制中心。那么，它究竟是如何驱动整个 Agent 持续工作的？

2026-07-18

从 SEO 到 GEO：Schema.org 如何提升企业网站在 LLM 中的可发现性

2026 年，企业网站面临的流量入口正在发生根本性变化。过去，用户习惯通过搜索引擎输入关键词：

2026-07-16

认知型AIOps实践：基于LLM Agent与知识图谱的工单变更自动化框架

关注SRE工程化、AI+运维实践落地，点击上方“数智化运维探索”关注公众号，获取更多行业经验分享。

2026-07-14

终结“显存焦虑”：2026 推理基建新范式，用 vLLM + SGLang 构建企业级高并发 LLM Serving

过去两年，许多团队直接使用 HuggingFace Transformers 或早期 TGI 部署模型。但在面对 Agent 时代的真实流量时，暴露出三大性能死穴：

2026-07-11

🔥 为 AI 员工增加基于 LLM 的联网搜索工具量：开源无代码 / 低代码平台 NocoBase

迁移管理] 支持 migration 命令 by @chenos v2.0.33 发布日期：2026-04-08 🎉 新特性 [AI 员工] 为 AI 员工增加基于 LLM

2026-04-09

阿里 ROLL 团队从基建->算法->机理，推动 RL4LLM 全栈协同优化

AsyPPO）与Attention 机制（Attention-based Reasoning Rhythm），「3A」彼此间并非孤立的技术堆砌，而是深度耦合，致力于共同推动「强化学习用于大语言模型（RL4LLM

2025-12-11

OpenAgents 创始人 Raphael Shu：LLM 打破 15 年多智能体强化学习（MARL）技术范式

我们对于 2022 年印象如此深刻，或许正是因为那一年的11月，ChatGPT 问世，让全世界看到了大语言模型（LLM）的潜力。

2025-11-18

🔥 Bsin-kb-agent 1.1.0：基于 LLM 和 AI 编排的企业级 AI 知识库

项目介绍 Bsin-kb-agent是基于BsinPaaS 开源框架和大语言模型构建的企业知识库应用，借鉴 langchain 的框架思想，引入 langchian4j 组件，微前端微服务的架构设计，可快速助您构建和体验端到端的 AI 知识库应用。当前版本：v1.1.0 新功能更新向量数据为es 抽离智能体编排UI组件新增智能体类型：数字分身和品牌智能体询问AI

2024-11-12

ARTS 0906: 辅助栈记录每层最小值、OSI 模型从未真正落地与与其被动等待被颠覆不如主动设计规则

每周完成一个 ARTS：至少做一个 leetcode 的算法题、阅读并点评至少一篇英文技术文章、学习至少一个技术技巧、分享一篇有观点和思考的技术文章。（也就是 Algorithm、Review、Tips、Share 简称 ARTS）

2026-09-06

量化 LLM 推理真的省电吗？我在五张 GPU、四代架构上直接测了测

做 LLM 部署的人大多有个默认假设：量化降低了显存占用和内存带宽压力，所以推理更省电。

2026-09-30

LLM+RPA 协同架构：AI 生成流程、RPA 稳定执行，打通业务自动化闭环的工程实践

LLM+RPA 的价值，不在于让大模型“代替”自动化工具，而在于把需求理解、流程生成、稳定执行、失败诊断、授权分发、结果回流连成一条可审计的生产链路。

2026-09-28

用 LLM 把市场状态变成一句话

今天的文章教你把这些信号喂给 LLM，让它用一句话说出当前市场状态。

2026-09-13

LLM 规划，编译器生成：以工作流为契约的确定性 SQL 生成器

在复杂查询上，公开评测显示最先进模型在 BIRD-bench 等基准上的执行准确率常在六成左右徘徊，远未达到可直接评审通过的程度。典型偏差不在语法，而在窗口边界、分区键、聚合口径等较复杂逻辑，尤以会话化、时序 gap、动态透视等场景尤甚。SQL需多层嵌套 CTE 与窗口累加，关联条件隐蔽，改一处需从最内层逐层验证是否影响外层。

2026-09-07

Vibe Coding 的本质：构建以 LLM 为执行引擎的“意图解释器”与工程化闭环

传统编译过程是源代码 → AST（抽象语法树）→ 机器码。而 Vibe Coding 的工程化抽象链是：

2026-08-06

WorkBuddy + xParse组合拳，一键将扫描件、PDF转换为LLM-ready的Markdown/JSON数据

大家好，我是猫头虎AI。今天给大家带来一篇关于 WorkBuddy + TextIn xParse 的深度技术解读——教你如何让 AI 智能体真正"读懂"文档，打通企业非结构化数据处理的最后一公里。

2026-08-06

医药O2O关键词如何动态剪枝：LLM与上下文老虎机实践

医药O2O搜索广告中的关键词调整，不能简单等同于“近期没有转化就删除”。曝光量、点击成本、利润贡献、观察窗口和语义相关性都会影响判断。一个更稳妥的技术路径，是让大语言模型负责理解业务上下文和调用分析工具，再由上下文老虎机处理探索与利用之间的平衡，最终通过人工审批和结果反馈形成闭环。本文给出数据结构、决策流程、简化代码和历史仿真方法。

2026-07-23

在生产环境TKE上部署AIOps智能体：基于开源LLM+RAG的故障根因定位实战

在腾讯云TKE的实际生产运维中，一个NodeNotReady告警背后，运维人员通常要经历以下割裂步骤：

2026-07-23

清华大学与 OpenBMB 提出“H-Neurons”：LLM 幻觉相关神经元的存在、作用及其起源

清华大学自然语言处理实验室（THUNLP）与 OpenBMB 团队的研究人员发布了题为《H-Neurons: On the Existence, Impact, and Origin of Hallucination-Associated Neurons in LLMs》的研究论文。该研究从识别、行为影响和起源三个维度，对Large Language Models (LLMs)中的幻觉关联神经元（H-Neurons）进行了系统性调查。论文地址：https://arxiv.org/pdf/2512.01797 在识别方面，研究证明 LLMs 中存在一个比例极低的稀疏神经元子集（占总神经元数量不到 0.1% ），这些 H-Neurons 能够可靠地预测幻觉的发生。官方数据显示，该预测能力在从通用知识到生物医学等不同领域和场景中展现出极强的泛化性。在行为影响方面，通过受控干预实验，研究揭示了 H-Neurons 与模型的“过度顺从”（Over-compliance）行为之间存在因果联系。干预实验证明，这些神经元会强制模型优先考虑满足用户 Prompt 的需求，即便 Prompt 中包含错误的前提，模型也会选择迎合用户而非坚持事实真相，这被认为是幻觉产生的核心物理来源。在起源追溯方面，研究人员将这些神经元定位到了预训练（Pre-trained）基础模型阶段。研究发现，这些神经元在预训练期间就已经具备了对幻觉检测的预测性，表明幻觉倾向并非产生于后期微调，而是深植于基础模型的“下一个 Token 预测”这一训练目标中。该研究成果将 LLMs 的宏观行为模式与微观神经机制连接起来，为解决 LLMs 事实准确性问题以及开发更可靠的模型提供了见解。目前，该研究论文已提交至 arXiv。

2025-12-23

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。