← 全部标签

#LLM

21 篇文章

🤖AI / LLM·

MCP 实战:AI Agent 连接万物的标准协议完整指南 2026

MCP(Model Context Protocol)是 2026 年 AI Agent 连接万物的标准。本文从 0 到 MCP 服务器实战,含 4 个真实项目 + 生态 + 与 Function Calling 区别。

MCPModel Context ProtocolAI Agent
🤖AI / LLM·

LLM 应用工程化实战:从 Prompt 到 Agent 部署的完整指南

LLM 应用从原型到生产有 10 倍差距。本文从 0 到生产级 LLMOps,含 Prompt 管理 / 评估 / 监控 / 成本优化 / Guardrails 完整链路。

LLMLLMOpsPrompt Engineering
🤖AI / LLM·

AutoGen 0.4 实战:微软出品的多 Agent 对话框架

AutoGen 是微软推出的多 Agent 对话框架。本文从 0 演示协作式 Agent,含 5 个真实场景 + 与 LangGraph / CrewAI 对比。

AutoGen多 AgentLLM
🤖AI / LLM·

LangGraph 实战:状态机式 AI Agent 编排框架

LangGraph 是 LangChain 推出的状态机式 Agent 框架。本文从 0 演示复杂 Agent 编排,含 4 个真实场景 + 性能对比。

LangGraphAI AgentLLM
🤖AI / LLM·

Claude Code Skills 2.0 实战:让 AI 编程助手像插件一样扩展

Claude Code Skills 2.0 让 AI 编程助手按需加载领域能力。本文从 0 演示自定义 Skill,含代码示例和发布流程。

Claude CodeSkillsMCP
🤖AI / LLM·

Claude 4.1 vs GPT-5:编码能力实测对比,谁更适合生产环境?

Anthropic 发布 Claude 4.1 后,我们用 5 个真实生产任务做了横向对比,从代码质量、上下文、价格三个维度分析两个模型的差异。

ClaudeGPT-5AI
🤖AI / LLM·

RAG 系统从入门到生产:一份架构演进指南

从最朴素的 RAG 到多模态 + Agent + 自反思,本文用 7 个阶段讲清楚生产级 RAG 系统的演进路径。

RAGLLM向量数据库
🤖AI / LLM·

多模态 LLM 应用开发:图像、音频、视频统一处理

2026 年多模态 LLM 已成熟。本文演示 GPT-5 / Gemini 3.0 的图像理解、音频转录、视频分析完整应用。

多模态LLMGPT-5
🤖AI / LLM·

LlamaIndex vs LangChain 2026 选型指南

LlamaIndex 和 LangChain 是 LLM 应用的两大框架。本文用真实项目对比两者在 RAG、Agent、性能、生态上的差异。

LlamaIndexLangChainLLM
🤖AI / LLM·

MCP 协议深度解析:LLM 工具调用的统一标准

Model Context Protocol(MCP)正在成为 LLM 工具调用的事实标准。本文深度解析其架构、价值和实战用法。

MCPLLMClaude
⚙️后端 / 架构·

Redis 8 向量搜索实战:从 0 搭建 RAG 系统

Redis 8 向量搜索 GA,无需专用向量数据库就能搭 RAG 系统。本文演示从安装到生产部署的完整流程。

Redis向量搜索RAG
🤖AI / LLM·

RAG vs Long Context:何时该用哪个?一份决策指南

Claude 200K、GPT-5 200K 上下文窗口后,RAG 还有必要吗?本文用真实数据对比两种方案,给出 5 个决策维度。

RAGLLM长上下文
🤖AI / LLM·

Claude 4 编码实战:3 个生产案例 + 5 条核心经验

Claude 4 在 3 个真实生产项目中的实战数据:从客服代码生成、单元测试补全到 Bug 修复,每个案例的具体数字和改进路径。

ClaudeAnthropic编码
🤖AI / LLM·

OpenAI GPT-5 深度解读:原生推理 + 200K 上下文,价格反降 30%

GPT-5 不只是参数升级,更是从"对话模型"到"推理模型"的范式转变。本文深度解读其架构、价格策略和真实生产价值。

OpenAIGPT-5LLM
🤖AI / LLM·

多模态 AI 创业机会:10 个值得深耕的方向

多模态 AI 让"理解世界"成为单一 API。本文分析 10 个值得独立开发者深耕的创业方向。

AI多模态创业
🤖AI / LLM·

LlamaIndex Workflow 实战:事件驱动的 RAG 流水线

LlamaIndex Workflow 提供事件驱动的 pipeline 编排。本文演示如何用 Workflow 构建复杂 RAG。

LlamaIndexWorkflowRAG
🤖AI / LLM·

RAG 高级优化技巧:让准确率从 60% 到 90%

基础 RAG 准确率只有 60%。本文介绍 3 个高级优化技巧,可让准确率提升到 90%。

RAGLlamaIndexLLM
🤖AI / LLM·

Anthropic MCP 全解读:LLM 工具调用的统一标准

Model Context Protocol 是 LLM 工具调用的事实标准。本文深度解析架构、SDK 和实战。

MCPAnthropicLLM
🤖AI / LLM·

AI 编程助手对比 2026:Cursor / Claude Code / Codex / Copilot

2026 年 4 大 AI 编程助手横评。本文从真实项目数据对比工具选型,含代码示例和成本对比。

AI 编程CursorClaude Code
🤖AI / LLM·

Anthropic Skills 生态解读:让 Claude 像插件一样扩展

Skills 是 Anthropic 推出的"AI 插件"机制。本文解读 Skills 与 MCP / Tools 的关系,以及如何构建自定义 Skills。

AnthropicSkillsClaude
🤖AI / LLM·

GPT-4o 多模态实战:原生图像 + 语音 + 视频统一接口

GPT-4o 把图像、语音、视频统一为单一 API。本文演示 4 个真实多模态应用场景,含代码示例。

GPT-4o多模态OpenAI