RAG 入门实战：用 LangChain 从零搭文档问答（附可跑代码）
一、背景：大模型为什么需要 RAG 大模型有两个硬伤，靠换更大的模型也解决不了： 知识截止：模型只知道训练时见过的东西。上周发的论文、公司内部文档、昨天的销售数据，它一概不知，问就是编（幻觉）。 更新...
排序
像素级 RAG 实战：把文档渲染成图像从零构建检索管线
一、背景：为什么传统 RAG 在富版式文档上翻车 经典 RAG 管线是”文本中心”的：PyPDF 解析文字 → 按字符数切块 → 文本 embedding → 向量检索。这一套...
SkillSpector 实战：构建 AI 技能安全审计流水线
一、背景：Agent 技能正在成为新的供应链攻击面 2026 年 Agent 生态爆发，技能（skill）成了新的”应用商店”：一个技能就是一个目录，里面有提示词、脚本、可执行...
Meta Ax 实战：约束与多目标超参优化完整指南
一、背景：调参为什么不能只靠网格搜索 训练一个随机森林、XGBoost 或者微调一个小模型，超参数空间动不动就是几十种组合：树的数量、最大深度、学习率、最小分裂样本……网格搜索在高维空间里是指数灾难...
LLM 可观测性与评测平台全景指南：Langfuse、LangSmith、Braintrust 怎么选
一、背景：为什么传统监控管不住大模型应用 做过 RAG 问答、Agent 助手的团队都遇到过这类灵异事件：同样的提示词，今天答得好好的，明天换了个模型版本就开始胡说八道；HTTP 状态码全是 200...
LangGraph 教程：用 Python 从零构建有状态的 AI Agent
LangChain 的链式调用（Chain）跑线性流程很顺，可一旦流程需要”记状态、做分支、循环重试”，链就撑不住了。LangGraph 把 LLM 应用建模成图：节点是步骤...
LangChain 官方教程：用 Deep Agents 把文档问答升级成带引用的 AI 助理
给大模型接文档问答（RAG）人人会做：切块、向量化、检索、拼进提示词。但 demo 级 RAG 和生产级文档助手的差距，恰恰藏在那些”看着能跑”的细节里：检索到的长文本把主上下...
IMDB 影评情感分析实战：从 TF-IDF 基线到 DistilBERT + LoRA 微调
情感分析是 NLP 的”Hello World”，但把 demo 做成可靠结论需要一整条工程链：数据审计、经典基线、可解释参照、参数高效微调、多维度评估、概率校准、鲁棒性检查...
DeepSeek Harness 教程：十分钟跑通你的第一个编程智能体
DeepSeek Harness（命令行里叫 dsh）是 DeepSeek AI 开源的智能体运行底座（Agent Harness），口号是”一切皆插件”。它不只是一个聊天前端...
DeepEval 实战：LLM 与 RAG 应用的端到端 AI 测试指南
传统软件测试是确定性的：输入 2+2，断言输出等于 4，测试通过。但大模型应用彻底打破了这个假设——同一个提示词，两次调用可能给出措辞不同、推理路径不同、甚至正误不同的答案。改一行提示词、换一个切块策...