有了自己的大语言模型之后，就可以对大语言模型进行一些私有化的改造，让他变成自己的私人助理，本公众号会往这个方向继续探索大语言模型更多的可能性。

一文搞懂：大语言模型的上下文工程（Context Engineering for Large Language Models）是什么？

程序员必看！一文彻底弄懂 AI Agent（智能体）到底是什么

我国 AI 人才缺口 500 万！在校生仅 4 万，35 岁职场人能转赛道学大模型再就业吗？

我国 AI 人才缺口 500 万！在校生仅 4 万，35 岁职场人能转赛道学大模型再就业吗？

深度学习核心原理与PyTorch实战指南 本文系统梳理了深度学习发展历程及关键技术要点。内容涵盖：1）从人工神经元到GPT-5的演进脉络；2）深度学习的三大支柱（架构创新、大数据、算力突破）；3）神经网络设计关键要素（架构选择、超参数优化、训练方法）；4）PyTorch框架的核心优势（动态计算图、张量运算、自动微分）。特别解析了CNN、RNN、Transformer等典型架构的应用场景，以及迁移学

摘要： Function Call 是大模型与外部世界交互的关键机制，通过调用外部函数获取实时数据、个性化信息并执行实际操作。文章详细介绍了其工作原理：模型根据用户问题生成函数调用参数，应用执行后返回结果，模型最终生成回答。通过注册函数定义（名称、参数、返回值等）到模型上下文，实现动态工具调用。文章还探讨了Function Call与MCP（工具接入标准化）和Agent（多步流程编排）的关系，指出

摘要： MCP（Model Context Protocol）是大模型与外部工具连接的标准化协议，解决了此前各厂商协议不统一导致的开发效率低下问题。其技术演进经历了RAG检索增强、Plugin插件机制和Function Call函数调用等阶段，最终通过标准化实现了前后端解耦，大幅降低AI应用开发门槛。MCP以服务粒度管理工具，支持开发者专注业务模块，同时兼容不同大模型厂商，推动行业生态繁荣。行业标

摘要： MCP（Model Context Protocol）是大模型与外部工具连接的标准化协议，解决了此前各厂商协议不统一导致的开发效率低下问题。其技术演进经历了RAG检索增强、Plugin插件机制和Function Call函数调用等阶段，最终通过标准化实现了前后端解耦，大幅降低AI应用开发门槛。MCP以服务粒度管理工具，支持开发者专注业务模块，同时兼容不同大模型厂商，推动行业生态繁荣。行业标

2025年可视化AI Agent编排平台全景指南：从入门到精通的选型手册