Agent 评测不能只看“最终回答对不对”，而要同时评估：是否正确理解任务、规划是否合理、工具是否正确调用、环境状态是否真正改变、失败时是否恢复、安全边界是否守...

LLM RAG Agent 三类场景的评估工具对比，按“工具→定位→核心能力→适用场景”结构化呈现。

HAR（HTTP Archive），是W3C事实标准的HTTP会话存档文件，本质是JSON格式，完整记录一次会话下全部HTTP/HTTPS请求与响应全量数据。

在深入拆解 Medusa 技术之前，我们先铺垫一个业界主流的大模型提速方案"投机解码"。相信看过前文的朋友都清楚，投机解码核心是Draft-Target 双模型...

做本地大模型部署调试这段时间，直观感受真的是一山更比一山高。最开始落地医疗场景AI项目，我一直用的是ChatGLM3-6B，日常的语义对话、简单信息解读都很流畅...

在这一过程中，模型训练完成只是应用链路的起点，如何实现模型服务化部署、计算任务管理、运行状态监控以及结果分析，成为算法工程化落地过程中需要重点解决的问题。

本地私有化部署ChatGLM系列模型是比较普遍的落地场景，实际过程中也必定会碰到一个硬性资源瓶颈：一张24G的 RTX4090 显卡，原生框架只能串行加载Cha...

一份 SKILL.md，配上脚本、工具声明和领域知识，就能让 Agent 获得一项相对完整的能力：代码审查、依赖升级、数据分析、发布计划、故障排查、测试执行……

但随着模型类型增多、使用人员扩大，仅依靠人工确认或直接发布的方式，容易出现： 模型上线缺少统一审核节点；发布申请信息不完整；模型变更过程难以追踪；审核结果缺少记...

针对 2026 年 7 月 McAfee 与 KnowBe4 披露的新型网络威胁，本文系统研究开源视觉语言模型（VLM）基于社交平台公开旅游照片实现无元数据地理...

过去，很多团队更关注模型能不能训练出来、指标是否足够高、能不能部署到线上。但当模型真正进入生产环境后，新的问题会持续出现。

生成式大语言模型（LLM）普遍存在事实幻觉缺陷，模型会自主生成不存在、符合语义逻辑的域名地址。攻击者利用该稳定幻觉特征，提前注册此类虚构域名并部署仿冒站点实施钓...

2026 年，AI 应用不再只依赖单一模型。一个真实系统里，可能同时使用大语言模型、Embedding 模型、图像模型、语音模型和本地小模型。不同模型有不同价格...

五渠道、三阵营、一张表。从如何选到如何配，本文是 WorkBuddy 模型体系的完整索引。