无尘阁日记

NAN GE SERVICE · 2026 · FDE

楠哥服务产品从「知道」到「跑起来」

不卖知识库,交付能出货的产线。企业 AI 落地 FDE 驻场 · 团队 AI 工作流共建 · 个人 AI 私教陪跑。把判断固化成 Skill,把 Skill 编排成工作流,把工作流托管成有日志、有验收、有人审的 Agent。

17 年跨界15,000+ 小时 AI 实操20+ 套已上线工作流90+ 个公开实验
进入服务产品页 →
L1场景定锚
L2归因建模
L3资产固化
L4编排托管

大模型 第2页

共 25 篇 · 按标签归档

联想 PGX、Mac 顶配,到底能不能本地跑 DeepSeek-V4-Flash?

最近很多人看到联想 ThinkStation PGX 这类“桌面 AI 超级电脑”,第一反应是: 既然它能跑 200B 参数模型,那能不能本地跑 DeepSeek-V4-Flash? 结论先说清楚: 单台联想 PGX 不适合本地跑完整 DeepSeek-V4-Flash;Mac 顶配更有机会,但也只是“能跑起来”,不等于“跑得爽、跑得稳、跑得快”。

智能体有哪几种搭建方案

不止一种,而且并不是都必须连接 AI 大模型 API。 你可以把“智能体”先理解成一句人话: 能感知输入、按规则或能力做判断、再去执行动作的系统。 所以,智能体的核心不只是“大模型”,而是这三件事: 1. 输入 用户说话、表单、文件、邮件、图片、数据库数据、系统事件。 2. 判断 决定下一步做什么。

RAG怎么读

RAG 一般读作:一、英文读法/ræɡ/听起来和英文单词 rag 一样,近似中文的:“瑞格” 或 “拉格”在 AI 圈里,很多人直接念:RAG(rag)不是逐个字母念成 “R-A-G”,虽然那样念别人也能听懂。

量化:压缩模型,使其能在普通电脑运行。解释这个说法。

这个说法本质上是在讲一件事:把原本很大、很吃硬件资源的 AI 模型,变得更“小、更省”,这样普通电脑也有机会跑得动。这里的“量化”,英文叫 Quantization。它不是把模型内容“删掉”,而是把模型里那些原本占很多空间、计算很费劲的数字,换成更省空间、更省算力的表示方式。下面我给你拆开讲。一、先说结论:量化到底是什么大模型内部,本质上有海量数字。

即梦与Seedance的区别联系

下面我用一句话先把关系讲透,再展开讲细Seedance 是“底层视频大模型”,即梦是“把这些模型做成普通人能用的创作产品与工作台”。你在即梦里点的某个“视频模型/能力”,背后很可能就是 Seedance 在出力(尤其是最近媒体提到的 Seedance 2.0 已在即梦上线)。

提示词再优化,结合阿里云prompt文档20250904

问:文生文Prompt指南更新时间:2025-08-12 10:17:41产品详情我的收藏提示(Prompt)是您输入给大模型(LLM)的文本信息,用于明确地告诉模型您想要解决的问题或完成的任务,也是大语言模型理解用户需求并生成相关、准确回答或内容的基础。 为了帮助您更高效地使用 LLM ,本教程为您提供一系列实用的技巧,帮助您设计和优化 Prompt。

ChatGPT爆火,引发年薪千万高管辞职创业热潮

人的路,常常是在看似平稳的时候忽然转弯,风口一来,多少年薪千万的大人物也忍不住放下安稳,走向未知。这篇文章说的,是ChatGPT带来的大模型浪潮,以及它如何吸引互联网大厂的高管们纷纷辞职创业。表面看,这是职场、资本、科技的故事,但深处,却隐含着一条古老的道理:人在关键时刻,如何理解自己的位置,如何顺应时代的风,如何在热潮中不迷失。

终结奖励欺骗?Google DeepMind 提出 Crome 框架

🪐 1️⃣ 为什么要研究 Crome 框架?大型语言模型(LLM)训练时,为了让它们“更像人”,常使用 RLHF(强化学习+人类反馈) 方法,通过【奖励模型(RM)】打分引导模型学会更好的回答方式。问题出现:现有奖励模型常被【奖励欺骗】困扰。模型学会了“表面讨好”,如回答更长、格式更好看,就被打高分。

DeepSeek-Chat八字算命智能体构建方案

各需求支持情况需求1:八字算命功能 – 支持部分实现。DeepSeek-Chat模型本身并未内置专门的命理推演引擎,但具备理解和生成中文文本的强大能力,可以通过精心设计提示词(Prompt)来实现八字命理分析的逻辑。