Prompt Engineering 的本质：角色、任务、上下文、格式、约束
Prompt Engineering 的本质：角色、任务、上下文、格式、约束
deephub的文章
视频 RAG 中分块策略：基于停顿、滑动窗口与基于 LLM 的方法
视频 RAG 中分块策略：基于停顿、滑动窗口与基于 LLM 的方法
lat.md：将任意项目代码转换为可查询的知识图谱
lat.md：将任意项目代码转换为可查询的知识图谱
四种无向量RAG 方案实测: BM25、GraphRAG、Tree Search、Agent
四种无向量RAG 方案实测: BM25、GraphRAG、Tree Search、Agent
Agentic 设计模式拆解：6 种结构的优缺点与应用场景
Agentic 设计模式拆解：6 种结构的优缺点与应用场景
推理 、 行动、 观察：用 LangChain和Python 实现一个智能体循环
推理 、 行动、 观察：用 LangChain和Python 实现一个智能体循环
TraceML：用三行代码为训练循环加入 step 级诊断
TraceML：用三行代码为训练循环加入 step 级诊断
告别脆弱的单体应用，用多智能体网络构建稳定的生产力工具
告别脆弱的单体应用，用多智能体网络构建稳定的生产力工具
2026 年面向 LLM 的 RL方法总结：从 PPO 到 DPO 到 GRPO，再到多智能体 R...
2026 年面向 LLM 的 RL方法总结：从 PPO 到 DPO 到 GRPO，再到多智能体 RL
构建一个可自我改进的多 Agent RAG 系统：架构、评估，以及带人工审核的 Prompt 反馈闭...
构建一个可自我改进的多 Agent RAG 系统：架构、评估，以及带人工审核的 Prompt 反馈闭环
Agent = Model + Harness：模型决定上限Harness 决定下限
Agent = Model + Harness：模型决定上限Harness 决定下限
HyDE ：让 RAG 检索从"匹配关键词"升级到"理解意图"
HyDE ：让 RAG 检索从"匹配关键词"升级到"理解意图"
让机器学习 Pipeline 更稳的 5 个 Python 装饰器代码
让机器学习 Pipeline 更稳的 5 个 Python 装饰器代码
Feature Engineering 实战：Pandas + Scikit-learn的机器学习特...
Feature Engineering 实战：Pandas + Scikit-learn的机器学习特征工程的完整代码示例
2026 RAG 选型指南：Vector、Graph、Vectorless 该怎么挑
2026 RAG 选型指南：Vector、Graph、Vectorless 该怎么挑
作者信息
