本文用到的数据集为 LLaMA-Factory 自带的 identity 和 alpaca_en_demo，对 identity 数据集进行如下全局替换即可实现定制指令：{{name}} 替换为 Ascend-helper{{author}} 替换为 Ascend更多自定义数据集的构建请参考官方数据集构造指引(https://github.com/hiyouga/LLaMA-Factory/blo

兄弟们！现在用Cursor写代码确实爽，但你知道这玩意其实是慢性毒药吗？当编程变得和用Word一样简单，老板还需要花钱雇你写CRUD吗？未来5年真正值钱的程序员，都是懂大模型原理的程序员！随着模型架构的改进、硬件的国产化替代、算力资源的共享等方式，未来几年大模型训练的成本会急剧下降。当大模型的训练成本降低到一定程度的时候，中小企业也就能参与大模型的游戏了，到时候市场对懂AI大模型原理的程序员的需求

摘 要AI Agent作为2025至2026年间最具变革性的技术方向之一，正在重塑人机交互的边界，推动人工智能从被动响应向主动服务的跨越。通过构建感知、规划、决策与反思等核心模块，结合工具调用能力与分层记忆管理机制，AI Agent已具备多步骤推理与环境交互能力，成为大模型时代技术落地的核心应用形态。

小米AI Agent亮相，具备人车家全生态协同及复杂任务自主执行能力，标志着手机AI进入下半场。文章对比了华为、苹果、三星及小米的优劣势，并建议用户理性换机，从现在开始培养AI使用习惯，提升效率。小米新品发布会。我觉得这次的主角，不是新手机，不是新汽车。而是一个「看不见的管家」——小米 AI Agent，正式亮相。你只需要说一句自然语言指令，它就能帮你完成订餐、导航、日程安排、智能家居控制等一系列

微调相当于是可以使用自己的私有数据，私人定制一个专属大模型，比如法律领域、医疗领域、政务场景等。可以自定义模型回复的语气，个性和风格，你把大模型想象成一个小孩子，你想让他成为什么样，你就教他什么（训练语料数据集）。官话：微调LLM可定制其行为，增强领域知识，并针对特定任务优化性能。通过在特定数据集上微调预训练模型，旨在更有效地执行特定任务。实操部分。

摘 要AI Agent作为2025至2026年间最具变革性的技术方向之一，正在重塑人机交互的边界，推动人工智能从被动响应向主动服务的跨越。通过构建感知、规划、决策与反思等核心模块，结合工具调用能力与分层记忆管理机制，AI Agent已具备多步骤推理与环境交互能力，成为大模型时代技术落地的核心应用形态。

要理解智能体的运作，我们必须先理解它所处的任务环境。在人工智能领域，通常使用PEAS模型来精确描述一个任务环境，即分析其性能度量(Performance)、环境(Environment)、执行器(Actuators)和传感器(Sensors)。以上文提到的智能旅行助手为例，下表1.2展示了如何运用PEAS模型对其任务环境进行规约。表 1.2 智能旅行助手的PEAS描述在实践中，LLM智能体所处的数

实时将文本或结构化数据转化为“知识片段”（Episode）自动提取实体与关系，构建语义网络支持超低延迟的混合检索（语义关键词图路径精确追踪事件发生时间和被记录的时间（双时间维度）它不是传统的知识图谱工具，也不是简单的向量数据库，而是为 AI Agent 的大脑量身打造的记忆系统。然后告诉 Graphiti：“以后看到类似结构，就按这个模型提取！这样就能构建出高度定制化的专业知识图谱。简化复杂度：将

Anthropic 在 2024 年 11 月推出了 Model Context Protocol (MCP)，这是一个连接 AI Agent 到外部系统的开放标准协议。本文是 Anthropic 工程团队在 MCP 推出一年后，针对大规模工具连接场景下的性能瓶颈，提出的创新性解决方案——通过代码执行环境与 MCP 结合，实现 98.7% 的 token 使用率降低。这不仅是一次技术优化，更是 A

Anthropic 在 2024 年 11 月推出了 Model Context Protocol (MCP)，这是一个连接 AI Agent 到外部系统的开放标准协议。本文是 Anthropic 工程团队在 MCP 推出一年后，针对大规模工具连接场景下的性能瓶颈，提出的创新性解决方案——通过代码执行环境与 MCP 结合，实现 98.7% 的 token 使用率降低。这不仅是一次技术优化，更是 A