240 发简信
Azkaban
IP属地：北京
  • 第十五课：存量系统的“考古”与重构 (Legacy System Intelligence)

    1. 核心概览 (Core Overview) 对AI来说，最现实的挑战通常不是“写个新 Demo”，而是“如何在 50 万行、没有文档、且充满...

    12 0 0
  • 第十四课：第二周大总结

    1. 知识图谱回顾 (Core Recap) 流程与状态： 掌握了 Graph 思想，学会了如何用状态机管理 Agent 的“挂起与恢复”（Da...

    31 0 0
  • 第十三课：监控与成本——如何给 AI 算账？

    1. 核心概览 (Core Overview) AI 系统的监控不能只看 CPU 和内存。你需要监控 Token 消耗速率、首字延迟 (TTFT...

    26 0 0
  • 第十二课：本地私有化部署——从 Cloud 到 Ollama

    1. 核心概览 (Core Overview) 虽然 OpenAI 和 Claude 很强，但对于金融、医疗或大型 Java 遗留系统，数据不能...

    29 0 0
  • 第十一课：微调 (Fine-tuning) vs. RAG

    1. 核心概览 (Core Overview) RAG (检索增强)： 给 AI 一本参考书。它需要时去翻，知识实时，但受限于上下文长度。 Fi...

    26 0 0
  • 第十课：MCP (Model Context Protocol)——打破 AI 的“孤岛”

    1. 核心概览 (Core Overview) 以前，AI 要访问你的数据库、Jira 或本地文件，你需要给它写一堆定制化的工具函数（第三课讲的...

    27 0 0
  • 第九课：RAG 的工业级进阶——重排序与多路检索

    上一课我们聊了怎么“编排”流程。今天我们要聊聊，怎么让 AI 的“知识来源”更准确。因为在复杂的项目里，简单的向量检索往往会搜出一堆干扰项。 1...

    75 0 0
  • 第八课：状态机与工作流编排 (LangGraph 思想)

    1. 核心概览 (Core Overview) 我们聊了 ReAct 循环（思考-行动-观察）。但在复杂的业务场景下（如：一个涉及 10 个步骤...

    17 0 0
  • 第七课：第一周大总结——迈向“零人公司”的基石

    1. 知识图谱回顾 (Core Recap) Day 1-2 (交互层)： 理解了 Token、概率和 CO-STAR 框架。 Day 3-4 ...

    15 0 0
暂无个人介绍