这篇文章系统复盘了大模型全量SFT、LoRA、QLoRA微调与AWQ/GPTQ量化技术的底层原理、显存精算及工程落地决策。

Claude Code三层记忆架构：长期记忆层（CLAUDE.md与MEMORY.md）实现跨会话持久化；当前轮召回层通过语义匹配加载记忆，并采用Session Memory动态压缩上下文；会话持久层完整保存对话日志。该设计兼顾智能检索与成本控制。

DeepSeek V3以MLA低秩压缩KV缓存，结合DSA闪电索引器动态筛选Top-k Token做稀疏注意力，将复杂度从O(L²)降至O(Lk)。DeepSeek V4进一步提出HCA+CSA混合架构：HCA以128:1激进压缩并采用FP4精度存储，CSA以4:1保守压缩后索引筛选再做MLA，两者交替堆叠，在百万Token长上下文下实现FLOPs降至27%、KVCache降至10%

主要介绍claude code常用的快捷键。

本文主要介绍国内国外主力模型使用效果比较及测评第三方网站

文本介绍了预防与应对Codex二次验证的核心方法，包括绑定境外号、开启高级安全等。

本文概述大模型中的精度类型（浮点与整数）及四种主流量化方法（NF4、GPTQ、AWQ、GGUF），对比其原理、优缺点与适用场景。

当AI让我们丰衣足食，为何我们可能更加痛苦？赫拉利与马斯克之争，戳中了人类文明最尴尬的真相。

手相测试小游戏

从Prompt到Context到Harness，三次技术流的跃迁。