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3页

共 25 篇 · 按标签归档

034RAG(Retrieval-Augmented Generation)与Fine-tuning(微调)

我们来把这两个在大模型时代广泛使用的核心技术——RAG(Retrieval-Augmented Generation)与Fine-tuning(微调),彻底讲清楚。用最通俗的语言帮你掌握它们的底层原理、适用场景、优缺点与彼此的关系。你可以把它们理解为两种扩展大语言模型能力的“外挂”机制,只是工作方式不同。一、什么是 RAG(检索增强生成)?

032Prompt就是大模型的机器语言,Agent就是基于大模型的软件

这句话背后其实隐含了我们正在经历的一个范式转移:从传统代码驱动的软件系统,走向以语言驱动的智能系统。我将从三个层层递进的层面来解读这个观点,分别是:01|Prompt:机器语言的新形态,不再是 0 和 1,而是人类语言过去我们和机器对话的方式,是代码、命令、API。人必须“学会”机器语言。而在大模型诞生之后,机器开始“学会”人类语言。

026MCP就是这种任务型智能体的内在运行机制或者流

MCP(Multi-turn Co-operative Protocol / 多轮协作协议),本质上就是任务型智能体的“内在运行机制”与“思维流程”。我们可以把它理解为一个智能体的中枢神经系统,它不具体完成任务的每一个动作,但它负责:记住任务是怎么一步步演进的;决定什么时候调用哪个模块或Agent;在复杂任务中维持整体流程的连贯性与正确性;处理任务中的反馈…

024MCP 协议到底是干啥的?——从“帮我抢张火车票”说起

你是不是也曾幻想过这样一种场景:你在手机上输入一句话,“帮我抢张明天下午从杭州到广州的高铁票”,然后 AI 就像一个万能的助理一样,自动帮你查余票、登录12306、验证登录、抢票、付款、通知你——一气呵成,全程无需你操心?这其实就是 Agent 的理想形态。而支撑这一过程背后的一块关键技术,叫做 MCP 协议。但 MCP 到底是干啥的?

023真实构建一个抢火车票Agent

我觉得以上内容的核心意思就是有一个可以运行的环境,比如php或者python搭建一个运行环境,然后开放一个接口(ui界面)给用户,用户输入指令,然后php或者python接受指令,调用大模型(或者分析agent,其实这个agent背后调用的还是巨头大模型或者自建大模型),分析完了任务,形成任务规划子包,然后在运行环境里,对任务1比如是搜索xxx…