调用大模型时，默认是"一次性返回"：你发请求，模型把整段答案生成完，再一次性返回给你。这种方式叫同步调用。问题在于：大模型生成一段长文本可能要十几秒，这期间用户只能干盯着 loading 图标转圈，体验很差。流式输出（Stream）改变了这个模式：模型一边生成、一边把已经生成出来的"碎片"（token）推送给客户端，客户端边收边显示，像打字机一样逐字出现。ChatGPT 那种"文字一个个蹦出来"的

在构思Prompt时，首先要回答一个问题：我想做什么样的东西？对于3D小世界编辑器，定位是“摆在桌子上的小模型”，而不是“开放世界探索游戏”。这两者的差异巨大：模型世界：规模有限（8×8网格），视角固定俯瞰，物体像积木一样拼接，强调手作感和可控性。开放世界：无边无际，需要LOD（细节层次）技术、动态加载、第一人称或第三人称漫游。将定位明确写入Prompt，可以防止模型生成过于复杂或不切实际的方案。

本文核心讲解了编程底层哈希容器体系：哈希表是 Dict、Set 的底层核心，依靠 key 哈希运算实现 O(1) 极速查询；Dict 适合高速键值检索，内存开销大；List 节省内存，大数据查询低效。同时明确了可哈希规则：只有不可变对象可作为字典、集合的键，可变对象会直接抛出类型错误。最后区分了可变与不可变对象的本质差异，联动 JS 变量提升优先级知识点，打通前后端底层逻辑。

Token：LLM 最小计价/工作单位，BPE 子词切分产物，不是字符也不是单词。Tokenization 必要性：神经网络只认数字，文本必须转 ID 再 Embedding 为连续语义向量。BPE 算法：从字符开始反复合并高频字节对，兼顾语义完整性和词汇表效率。Embedding：完成"离散符号 → 连续语义"的关键一跃，让语义相似度可计算。余弦相似度：衡量语义相似度的标准工具，只看方向不看长度

在模型之上，是数据的艺术；在模型之下，是数据的地基。智能 = 数据 × 算力 × 算法，数据决定智能上限，是三者中最关键的一环。训练集学规律，验证集调参数，测试集测泛化——三者严格分离，测试集绝不可反复使用。K 折交叉验证让每份数据轮换充当训练/测试集，防止单次划分偏差，适合中小数据集。LLM 数据工程是动态循环：质量评估 → 动态验证集 → 覆盖率分析 → 去重与污染检测。实战要点：seed 固

Harness Engineering 代表的是 AI 工程化从"调 Prompt"到"建系统"的范式跃迁。演进路径：Prompt → Context → Harness，每一步解决前一步的局限核心比喻：模型是引擎 / 马，Harness 是整车 / 挽具缺陷驱动设计：无状态→记忆层记忆层是基石：CLAUDE.md 作为导航地图，/init建立记忆，持续更新——这是 Harness 的首要切入点。

让任何 AI 模型以统一的方式访问任何外部资源和工具。它类比于硬件领域的 USB-C——统一接口、即插即用、生态共享。

概念层面：蒸馏 = 把大模型（教师）的知识精华提炼出来，迁移到小模型（学生），就像化学蒸馏去其糟粕取其精华，也像无崖子传功给虚竹。原理层面：核心在于软标签 vs 硬标签的区别。硬标签是"标准答案"，软标签是"概率分布"。软标签里藏着暗知识——类别之间的相似性和关联关系。蒸馏让小模型学会这个概率分布，本质上是学会了思维方式而不仅仅是答案。价值层面：蒸馏是 AI 商业化的关键技术，让"便宜、快速、可私

LangChain = Lang(uage) + Chain（链）。它的核心思想很简单：AI 应用不是"调一次 API 就完事"的，它往往是一个多步骤的工作流（Workflow）——接收输入 → 套用提示词模板 → 调用 LLM → 解析输出 → 执行下一步操作。LangChain 做的事情，就是让这个工作流中的每一步都可复用、可组合、可维护。LLM 的本质是概率预测，不是确定性计算。它输出的每个

这篇文章我们完整拆解了一个"浏览器本地大模型"应用。浏览器跑大模型是可行的，靠的是 WebGPU 提供 GPU 算力 + 量化压缩模型体积；架构上采用主线程 + Web Worker分离：Worker 负责吃力的推理，主线程只做渲染，两者靠消息协议通信；流式输出是体验的关键，靠逐个 token 解码回调，主线程增量拼接实现"打字机"效果；思考/回答的区分利用了<think></think>特殊 t