零基础认识大语言模型（LLM）工作原理(16.未来的大模型与 AI Agent：从模型竞争到系统竞争)--结尾篇

这些指标当然还是很重要，因为它直接反映了模型本身的能力。(包括最新出来的kimi k3 参数已经达到了2.8万亿)

零基础认识大语言模型（LLM）工作原理(15.Agent Runtime：智能体真正的大脑)

前面我们已经知道，Agent Runtime 是整个智能体系统的控制中心。那么，它究竟是如何驱动整个 Agent 持续工作的？

零基础认识大语言模型（LLM）工作原理(14.Skill：为什么 Agent 可以拥有专业技能？)

同样，对于 Agent 来说，仅仅拥有大模型、Memory 和 Tool，还不足以解决复杂的专业任务。

零基础认识大语言模型（LLM）工作原理(13.Memory：从 RAG 到 AI Brain，Agent 如何拥有长期认知能力？)

但是，一个真正长期工作的 AI 助手，还缺少一个非常重要的能力：它必须能够积累经验。

零基础认识大语言模型（LLM）工作原理(12.Workflow：为什么企业 AI 都离不开工作流？)

我们先概括一下: Workflow等于用确定性的流程，组织不确定性的 AI 能力。

零基础认识大语言模型（LLM）工作原理(11.MCP：为什么 AI 世界需要统一的工具协议？)

这些能力让 AI 从一个"只会聊天"的模型，逐渐变成一个能够完成任务的 Agent。

零基础认识大语言模型（LLM）工作原理(10.Tool Calling：让 AI 第一次拥有行动能力)

无论模型多么强大，它始终只能完成一件事情：根据已有上下文，预测下一个 Token。

零基础认识大语言模型（LLM）工作原理(9.从聊天机器人到智能体：AI 为什么必须学会完成任务?)

在过去的几年里(2023 2024 2025)，大语言模型（LLM）取得了令人惊讶的发展。

零基础认识大语言模型（LLM）工作原理(8.为什么大模型会“胡说八道”?)

通读了前面7章内容,其实我们应该就能明白：因为它的训练目标，从来不是“事实正确”，而是“概率最优续写”。

零基础认识大语言模型（LLM）工作原理(7.为什么“预测下一个 Token”会产生智能？)

大模型的智能，不是来自“理解”，而来自对人类语言分布的极致拟合，而语言本身已经编码了世界结构。

零基础认识大语言模型（LLM）工作原理(6.从 SwiGLU 到 MoE —— FFN 才是大模型真正的算力核心)

但在现代大模型（LLaMA / Qwen / DeepSeek / GPT 系列）中，有一很重要的现实情况：

零基础认识大语言模型（LLM）工作原理(5.Transformer的FFN模块到底是什么?)

在上一章中，我们已经知道,Attention 的作用是：让模型能够在生成每个 Token 时，回看并加权所有历史信息。

零基础认识大语言模型（LLM）工作原理(4.Attention：模型是怎么看懂上下文的?)

零基础认识大语言模型（LLM）工作原理(3.大模型绕不开的架构--Transformer到底是怎么工作的?)

事实上，即使不知道任何数学公式，也完全可以理解 Transformer 的核心思想。

零基础认识大语言模型（LLM）工作原理(1.引子--为什么 AI 突然变聪明了？)

如果你是在 2022 年底第一次接触 ChatGPT，可能会有一种非常强烈的感觉：

零基础认识大语言模型（LLM）工作原理(2.Token 到底是什么？)

其实在3月23日中国发展高层论坛2026年年会上，国家数据局局长刘烈宏正式公布，AI领域核心概念Token的标准中文译名为 词元 。这一中文语义其实是相当精准...

GZY.Quartz.MUI(基于Quartz的UI可视化操作组件) 2.8.0发布 新增仪表盘和检索功能

1.新增任务界面搜索功能,可根据任务名称和任务分组名进行检索 2.新增任务仪表盘界面,方便随时监控定时任务情况 3.修复秒级任务在项目启动时偶尔会执行一次的BU...

记一次ASP.NET CORE线上内存溢出问题与dotnet-dump的排查方法

项目又都运行在docker容器中,容器为了最小化,采用了极简的系统,几乎任何常见命令都没有.

.NET Core奇技淫巧之WinForm使用Python.NET并打包

之前整了一个GZY.EFCoreCompare 的库,可以用做对比实体与数据库结构.感兴趣可以去看看,地址:GZY.EFCoreCompare

开源EFCore 对比实体与实际数据库结构的工具-GZY.EFCoreCompare

GZY.EFCoreCompare 是一个用于 对比数据库结构和 EF Core 代码中的 DbContext 的库。