记忆，是智能的基石，也是认同的来源。如果要让 AI 从“工具”进化为“伙伴”，它首先得像个老朋友一样，记得你的习惯，懂得你的言外之意。别让你的 Agent 永远停留在“初次见面”。给它装上记忆，从今天开始，在数字荒原里与它共同进化。今天的分享就到这里，如果您觉得还不错，请关注我吧～

发现模型在某方面能力不足通过训练更新模型参数得到能力提升的新模型微调本质:学习参数的改动量Δ全量微调:学习所有参数,资源消耗大LoRA灵感:参数改动存在冗余性微调悖论:我们希望改动有限,避免遗忘矩阵分解:用两个小矩阵近似大矩阵Rank参数:控制信息量和参数量的平衡资源节省:可降低90%以上的成本。

简单来说，智能体就是一个超级聪明、能干活的AI小助手。它就像你请的“数字员工”，可以根据你设定的任务进行聊天、回答问题、处理信息，甚至实现自动化操作。例如，你可以拥有一个帮你推荐电影的AI，或是一个能自动整理新闻并发送到微信群的工具，这些都属于智能体的应用场景。智能体开发平台最早于2022年在国外出现，主要面向开发者，需要通过编程语言进行开发，技术门槛较高。随着平台不断进化，智能体开发逐渐向可视化

作者深度评测了9大AI智能体搭建平台(Dify、Coze、豆包、腾讯元器、文心智能体平台、通义、智谱清言、讯飞星辰Agent平台和纳米)，重点关注提示词长度、语音输入、AI绘图和移动端支持等功能。通过对比测试，最终推荐智谱清言作为创建小学英语口语陪伴智能体的最佳选择，因其提示词支持度高、AI绘图功能完善且操作简单。上篇文章，分享了通过Agent平台，搭建一个小学口语陪伴的智能体。结果接下来，原本要

尽管 Claude 4 的表现令人惊艳，但这仍是刚发布的产品，实际部署中还需更多场景验证。特别是上下文窗口管理、稳定性与企业 API 支持等方面，建议等待更多独立评测与长期使用反馈再下结论。现在，是时候结合你的使用场景，选择真正适合你的下一款 AI 伙伴了。

混合专家模型（Mixture of Experts，MoE）是一种基于分而治之策略的机器学习架构，它将复杂的任务分解为多个子任务，每个子任务由一个专家网络（Expert Network）负责处理。这些专家网络通常是深度神经网络，它们在训练过程中学习如何处理特定类型的输入数据。混合专家模型的核心在于如何选择和组合这些专家网络的输出，以达到最优的性能。混合专家模型的基本架构包括三个主要部分：专家网络、

Agentic 系统是一种能够感知环境、做出决策并自主执行行动以实现目标的计算实体。与传统软件不同，智能体具备自主性主动性响应性和目标导向的特性。其关键能力包括工具使用记忆和通信。Agentic 设计模式是经过实战检验的模板和蓝图，为智能体行为设计与实现中的常见挑战提供可复用解决方案。使用设计模式能提升智能体构建的结构性、可维护性、可靠性和效率，避免重复造轮子，并使开发者能专注于应用创新。

给你学习，我国在这方面的相关人才比较紧缺，大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当

是一个开源的深度强化学习库，专为量化金融设计，旨在帮助用户开发自动化、智能化的股票交易策略。与其他通用DRL框架不同，FinRL 充分考虑了金融市场的独特性，提供了多种专为金融交易优化的功能和工具。：FinRL 提供了多种数据接口，支持从Yahoo Finance、Alpaca、JoinQuant等多个数据源获取金融数据。用户可以轻松地接入历史和实时数据，并进行清洗和特征工程。这一层的设计极大地简

近期Coze开源的消息刷爆了朋友圈，这对于想通过搭建Agent解决复杂问题的企业开发者而言简直是超大好消息！通过Coze平台，企业用户可以通过零代码或低代码的方式，快速搭建出解放生产力的AI工作流，辅助员工高效完成各类的复杂任务。今天，我就来分享一个用Coze搭建文档智能问答Bot的保姆级教程。图片来自扣子官方我们经常会遇到从产品手册、技术白皮书、合同条款、内部报告……等文档中快速精准地提取所需信