文章基于Google发布的上下文工程白皮书《Context Engineering: Sessions & Memory》，系统介绍了构建智能Agent的两大基础：会话(Sessions)与记忆(Memory)。通过精读、翻译与结构化整理，提供了理论框架和实践指南，帮助读者理解如何打造更聪明、更个性化、可持续学习的AI Agent，以PPT形式呈现便于掌握关键思想与应用方法。Google 在上月发

文章基于Google发布的上下文工程白皮书《Context Engineering: Sessions & Memory》，系统介绍了构建智能Agent的两大基础：会话(Sessions)与记忆(Memory)。通过精读、翻译与结构化整理，提供了理论框架和实践指南，帮助读者理解如何打造更聪明、更个性化、可持续学习的AI Agent，以PPT形式呈现便于掌握关键思想与应用方法。Google 在上月发

简单来说,AI智能体是一个能够感知环境并采取行动以实现特定目标的系统。它是大语言模型(LLM)的进化版本,增强了规划、使用工具和与环境交互的能力。接受任务:你给它一个目标,如"整理我的日程"扫描环境:收集所有必要信息——读取邮件、检查日历、访问联系人制定计划:思考实现目标的最佳方法执行行动:发送邀请、安排会议、更新日历学习改进:观察结果并适应调整,持续优化这种循环机制让AI智能体能够像人类助手一样

简单来说,AI智能体是一个能够感知环境并采取行动以实现特定目标的系统。它是大语言模型(LLM)的进化版本,增强了规划、使用工具和与环境交互的能力。接受任务:你给它一个目标,如"整理我的日程"扫描环境:收集所有必要信息——读取邮件、检查日历、访问联系人制定计划:思考实现目标的最佳方法执行行动:发送邀请、安排会议、更新日历学习改进:观察结果并适应调整,持续优化这种循环机制让AI智能体能够像人类助手一样

文章深入解析大模型推理引擎技术演进，对比Transformers动态图、llama.cpp量化优化与vLLM分页内存管理三大核心技术，通过操作系统类比帮助理解技术本质，并提供针对不同硬件环境与业务需求的精准选型指南，助力开发者高效落地。后台收到了不少朋友的留言。大家在尝试部署本地大型语言模型（LLM）时，面对llama.cppvLLMOllama等 LLM 领域技术名词，往往感到困惑：它们是对开发

文章深入解析大模型推理引擎技术演进，对比Transformers动态图、llama.cpp量化优化与vLLM分页内存管理三大核心技术，通过操作系统类比帮助理解技术本质，并提供针对不同硬件环境与业务需求的精准选型指南，助力开发者高效落地。后台收到了不少朋友的留言。大家在尝试部署本地大型语言模型（LLM）时，面对llama.cppvLLMOllama等 LLM 领域技术名词，往往感到困惑：它们是对开发

本文提出NRAG框架，创新性地融合大语言模型与医学知识图谱，专注于门急诊神经外科疾病诊断。该框架通过知识图谱检索补充缺失症状信息，实现可解释的智能诊断，F1分数达0.8150，为临床辅助决策提供可靠依据。原文pdf：https://t.zsxq.com/5kL64NRAG框架代表了人工智能辅助医疗诊断领域的重大突破，成功解决了传统诊断系统长期面临的核心挑战。通过创新性地融合大语言模型与医学知识图谱

本文提出NRAG框架，创新性地融合大语言模型与医学知识图谱，专注于门急诊神经外科疾病诊断。该框架通过知识图谱检索补充缺失症状信息，实现可解释的智能诊断，F1分数达0.8150，为临床辅助决策提供可靠依据。原文pdf：https://t.zsxq.com/5kL64NRAG框架代表了人工智能辅助医疗诊断领域的重大突破，成功解决了传统诊断系统长期面临的核心挑战。通过创新性地融合大语言模型与医学知识图谱

MiniMind是轻量级大模型开源项目，仅25.8M参数却实现对话能力。项目提供从环境准备到模型训练的极简路径，使用PyTorch原生实现，降低学习门槛。当大语言模型还在比拼千亿参数、百亿算力时，一个反其道而行之的项目悄然走红——MiniMind用25.8M参数（仅为GPT-3的1/7000）、3元服务器成本和2小时训练时间，实现了从0到1构建可对话的语言模型。这个完全开源的项目，正在重新定义普通

MiniMind是轻量级大模型开源项目，仅25.8M参数却实现对话能力。项目提供从环境准备到模型训练的极简路径，使用PyTorch原生实现，降低学习门槛。当大语言模型还在比拼千亿参数、百亿算力时，一个反其道而行之的项目悄然走红——MiniMind用25.8M参数（仅为GPT-3的1/7000）、3元服务器成本和2小时训练时间，实现了从0到1构建可对话的语言模型。这个完全开源的项目，正在重新定义普通