大语言模型（LLM）的能力日益强大，我们在与其互动时，经常会体验到一种奇特的现象：涌现行为。这些并非模型错误或幻觉，而是指模型在没有经过额外训练、微调或提示语改写的情况下，表现出超出预期、甚至是令人惊叹的能力。这种现象引发了人们对于人工智能是否具备意识的思考，但更重要的是，它揭示了人类如何与这些看似智能的系统建立联系。本文将深入探讨大模型中的涌现行为，分析其背后的机制，并探讨其在用户体验设计中的重
想象一下，你的手机不再只是一个连接互联网的工具，而是一个真正拥有人工智能的强大设备。不再依赖于科技巨头的云端服务器，而是在你的Android设备上私密运行强大的大模型。这不仅仅是未来的愿景，而是一个正在实现的现实。本文将带你探索如何在你的Android手机上，即使是旧款的华为手机，运行AI大模型，让你的“智能”手机变得更智能。 告别云端依赖，拥抱本地AI 传统的AI应用通常需要连接到云端服务器才能
在人工智能（AI）浪潮席卷全球的2025年，各大科技巨头纷纷亮剑，从Google I/O到Microsoft Build，再到OpenAI和Anthropic的新模型发布，人工智能领域的竞争日趋白热化。本文将深入剖析这些关键事件和技术突破，探讨AI Agent、AI模型的演进，以及AI应用在各行各业的落地情况，并对AI安全、人才缺口等挑战提出思考，展望人工智能驱动的未来。 Google I/O 2
Agentic AI（自主智能）正在迅速改变人工智能的格局，它不仅仅是被动地响应查询，而是能够推理、计划并采取行动以实现复杂的目标。要构建有效的 Agentic AI 系统，理解其基本设计模式至关重要。本文将深入探讨七种关键设计模式，这些模式正在改变我们构建 AI 智能体 的方式，从简单的反应式系统到复杂的 多智能体 协作。 什么是 Agentic AI？ 与传统 AI 系统简单地处理输入并生成输
大型语言模型 (LLM) 的强大之处在于它们能够理解并生成人类语言。但这些模型并非直接处理文字，而是通过一个关键步骤——Tokenization（分词），将原始文本转化为机器能够理解的数字符号。正如我们上一篇文章中提到的，LLM需要在大规模互联网数据上进行预训练。而Tokenization 就如同连接人类语言和机器理解的桥梁，是LLM预训练流程中至关重要的一环。本文将深入探讨 Tokenizati
大型语言模型（LLM）是人工智能领域一项引人瞩目的突破，它能够生成与人类写作水平相近的文本，这激发了专业人士和公众的想象力。 本文将深入探讨大型语言模型（LLM）的基本概念、起源和核心思想，并概述从零构建大型语言模型（LLM）的关键步骤，为读者提供一个全面而实用的学习路径。 什么是大型语言模型（LLM）？ 大型语言模型（LLM）是一种专门用于处理和生成人类语言的深度神经网络。我们可能已经在各种流行
Prompt Engineering（提示工程），作为有效驾驭生成式AI背后的关键学科，正日益被认为是成功将大型语言模型（LLMs）集成到生产环境中的关键。它不仅仅是简单的命令或查询，而是一种精细的平衡艺术，需要在约束、清晰和创造力之间找到微妙的平衡。开发者、数据科学家和产品经理们必须掌握这只“隐形的手”，巧妙地设计Prompt，既能优雅地限制生成模型的自由度，又能确保输出内容有意义且在上下文中精
最近，各种关于AI Agent的帖子、演示和视频铺天盖地，展示了它们在自动化电子邮件回复、数据库查询甚至整个工作流程方面的强大能力。看着这些炫酷的功能，你是否也渴望亲手打造一个，将其从“看起来很棒”的演示转变为“真正运行在公司生产环境”的实用工具？如果你是一位数据工程师、机器学习从业者或者开发者，那么本文将为你提供一个清晰的学习路径，教你如何使用 Databricks 从零开始构建并部署属于你自己
随着领域特定语言模型的兴起，数据的重要性日益凸显。对于代码生成模型而言，预训练阶段所使用的源代码质量、多样性和纯净度，直接影响其下游任务的性能表现。本文将探讨如何从零开始，构建一个高质量的代码数据集，并以此训练出一个强大的代码生成大模型。 本文主要参考了一篇英文文章，该文章详细描述了作者 Wasi Ullah 如何利用 GitHub API，构建一个可扩展、去重且定制化的源代码数据集，并基于此预训
关键词：工具即状态 (Tool-as-State), 大语言模型 (LLM), 状态管理, 工具接口, 用户体验, 能力增长, 上下文 (Context), 协议 (Protocol) 传统软件开发中，状态通常隐藏在内存中，对用户不可见，更重要的是，大语言模型 (LLM) 也无法直接访问和推理这些状态。 这篇文章探讨了一种名为“工具即状态 (Tool-as-State, TaS)”的新模式，旨在通
llmtrend