基础理论结束，咱们今天的重心是使用快速高效的微调库Unsloth在Kaggle的T4显卡上，用15分钟将Qwen3-4B模型微调成认主咱们的专属模型。

大模型实战系列第一篇。拒绝晦涩理论，直接上手！我会带着各位友人们零基础安装 Ollama，利用国内 ModelScope 极速下载模型，详解服务端口配置与 Python 脚本调用，涵盖显存计算与常见避坑指南。

本节我们将理论付诸实践，利用 LlamaIndex 的 ReAct 框架和 Qwen3 模型，手搓一个全自动的博客监控 Agent。通过为大模型接入 RSS 读取、邮件与微信发送等外部工具，让它从‘聊天机器人’进化为‘能干活的数字员工’。

本文将带你走出 Agent 开发的“重复造轮子”困境，深入浅出地理解 MCP协议。我们将动手把之前写的博客监控与通知工具，封装成标准的 MCP Server，并无缝接入 OpenCode 客户端。

本文将带你走出 Agent 开发的“重复造轮子”困境，深入浅出地理解 MCP协议。我们将动手把之前写的博客监控与通知工具，封装成标准的 MCP Server，并无缝接入 OpenCode 客户端。

本篇作为大模型实战07的额外补充，我们将脱离本地算力的限制，介绍如何接入 Groq 和硅基流动的免费 API。同时，我们将把之前的单体 ReAct Agent 升级为 LlamaIndex 新一代的 Workflow 编排引擎，体验事件驱动的多智能体协作模式。

本节我们将理论付诸实践，利用 LlamaIndex 的 ReAct 框架和 Qwen3 模型，手搓一个全自动的博客监控 Agent。通过为大模型接入 RSS 读取、邮件与微信发送等外部工具，让它从‘聊天机器人’进化为‘能干活的数字员工’。

本节我们将理论付诸实践，利用 LlamaIndex 的 ReAct 框架和 Qwen3 模型，手搓一个全自动的博客监控 Agent。通过为大模型接入 RSS 读取、邮件与微信发送等外部工具，让它从‘聊天机器人’进化为‘能干活的数字员工’。

基础理论结束，咱们今天的重心是使用快速高效的微调库Unsloth在Kaggle的T4显卡上，用15分钟将Qwen3-4B模型微调成认主咱们的专属模型。

RAG 虽好，但无法改变模型的“性格”。本文通过实操对比 Base 模型与 Instruct 模型，揭秘大模型“炼丹”的核心心法——微调 (SFT)，并解析大模型从预训练到对齐的完整生命周期