又给自己开了个天坑要填，在给自己挖坑这件事儿上，我一直都很清新脱俗…求鼓励求建议，要不然感觉很难坚持下去了哈哈哈…如果对这个系列有什么想法和诉求，十分欢迎交流讨论！

微调LLMs是一门艺术与科学的结合，该领域的最佳实践仍在不断发展中。在本篇博文中，我们将突出微调的设计变量，并给出我们迄今为止所见的最佳实践的方向性指导，以在资源受限的情况下微调模型。我们建议使用下面的信息作为制定微调实验策略的起点。

LLaMA-Factory 是一个国内北航开源的低代码大模型训练框架，专为大型语言模型（LLMs）的微调而设计。

多模态代理 AI（Multimodal Agent AI，MAA）是一类基于多模态感知输入理解而生成有效动作的系统。随着大语言模型（LLM）和视觉语言模型（VLM）的发展，许多 MAA 系统在从基础研究到应用的各个领域中不断涌现。尽管这些研究领域通过结合各自领域的传统技术（如视觉问答和视觉导航）迅速发展，它们在数据收集、基准测试和伦理视角方面具有共同的关注点。本文着眼于 MAA 的一些代表性研究领

文章系统介绍了大语言模型的核心技术，包括预训练策略(如优化任务设计、知识迁移)、适配微调(指令微调、参数高效微调如LoRA)、提示学习(少样本、零样本、思维链)及知识增强(知识增广、支撑、约束和迁移)。全面涵盖模型训练优化、任务适配和性能提升的关键方法，为学习者提供从基础到应用的完整技术路径。大语言模型技术主要包括: 模型预训练、适配微调、提示学习、知识增强和工具学习等。1.1 预训练高效预训练策

美团开源大模型Longcat-Flash-Chat采用560B MoE架构和"零计算专家"设计，在多项benchmark上表现优异，甚至超越DeepSeek-V3.1和Claude4 Sonnet。该模型通过动态参数激活、跨层快捷连接等技术实现高效计算，训练吞吐大幅提升。美团从2023年开始积极布局AI领域，投入大量资源研发大模型，并已推出多款AI应用，展示了这家"外卖公司"在AI技术上的深厚积累

本文详细介绍了RAG（检索增强生成）技术，这是一种结合信息检索与文本生成的人工智能技术，通过引入外部知识库解决大语言模型的幻觉问题。文章系统讲解了RAG的三阶段工作流程（检索、增强、生成）、数据准备与向量化方法、检索优化技术以及Prompt工程实践，同时阐述了RAG构建知识库和知识图谱的关键方法，为读者提供了从理论到实战的全面指导。****？********RAG结合了信息检索与生成模型，通过以下

大语言模型（LLMs）是经过大量文本数据训练的AI系统，用于理解和生成类似人类的语言。在训练过程中，它们通过分析来自书籍、文章、网站和其他书面来源的数十亿文本示例来学习语言中的模式、关系和结构。这使它们能够理解人类语言的语法和语义。当今使用的一些流行LLM包括：这些模型是专有的，这意味着它们的内部细节（权重、参数、训练数据、训练方法）不公开。GPT，或生成式预训练Transformer，是最早和最

本文详细介绍LangChain和LangGraph两大AI开发框架，从基础概念到实战应用。通过Cursor生成demo项目，展示如何构建智能体，并使用LangSmith进行调试追踪。最后介绍Agent-Chat UI的使用，为智能体提供可视化界面。文章提供从环境配置到项目实现的完整流程，帮助读者快速掌握AI智能体开发技术。

本质上，为Agent构建工具。就是一次思维从确定性到非确定性的转变。有效的工具，应该是有意图的、边界清晰的、懂得节约上下文的、能和Agent聊得来的。工欲善其事，必先利其器的道理不会变。