AI 应用开发新范式：Agent 与 MCP
📍 你在这里 AI 应用 · 第 4 篇 / 共 8 篇 ← 上一篇 Function Calling 与 MCP · 下一篇 → LangChain 框架笔记 AI应用开发技术（框架） （原文档附带的附件请到语雀源文档查看） 这份文档围绕“2025年AI应用开发新范式——基于AI Agent与云原
# AI
围绕 AI 的技术文章与经验分享。
共 57 篇文章Prompt 提示词要点
📍 你在这里 AI 基础 · 第 3 篇 / 共 13 篇 ← 上一篇 提示词工程 · 下一篇 → 免费大模型 API 收藏 提示词你可以理解为AI的“回答限定” 在AI领域，提示词工程（Prompt Engineering）是一门聚焦于设计、优化和测试输入给AI模型的提示词（Prompt） 的技术
文本向量化：RAG 的基础
📍 你在这里 AI 应用 · 第 2 篇 / 共 8 篇 ← 上一篇 检索增强生成 RAG · 下一篇 → Function Calling 与 MCP 向量化的意义及方法 向量化是为了计算问题的关联性，就好比相似度计算，比如在动物模型识别中猫和狗（哺乳动物、四条腿、外形相似等）计算出来他们相似度就
LLaMA Factory 微调框架
📍 你在这里 训练进阶 · 第 5 篇 / 共 9 篇 ← 上一篇 大模型微调步骤及示例 · 下一篇 → Qwen3 微调手册：基于 Unsloth 的实战流程 魔搭免费GPU：https://modelscope.cn/my/mynotebook/preset 学习视频：B站链接**
大模型微调步骤及示例
📍 你在这里 训练进阶 · 第 4 篇 / 共 9 篇 ← 上一篇 LLM 微调数据集格式：Alpaca 与 ShareGPT · 下一篇 → LLaMA Factory 微调框架 以下是Qwen3等大语言模型微调的详细总结，结合官方文档和实际案例，涵盖步骤、工具和设备要求： 一、微调步骤 （一）全
大模型微调基础：LoRA 原理与实践
📍 你在这里 训练进阶 · 第 2 篇 / 共 9 篇 ← 上一篇 PyTorch 基础环境安装 · 下一篇 → LLM 微调数据集格式：Alpaca 与 ShareGPT 基础知识 参考：https://kq4b3vgg5b.feishu.cn/wiki/LxI9wmuFmiaLCkkoiCIcK