Tag: LLM
All the articles with the tag "LLM".
-
把 LLM 当知识库编辑：Karpathy 的个人研究工作流
Published: at 03:40 AMAndrej Karpathy 分享了一套用 LLM 构建和维护个人研究知识库的完整方法：把原始文献编进 .md wiki，用 Obsidian 做前端，让 LLM 自主管理、查询和增强知识，而不依赖 RAG 或复杂向量数据库。
-
RAG 入门指南：在正确的时机用正确的方式构建检索增强生成系统
Published: at 12:27 AM本文基于 Daniil Shykhov 的 RAG 实战经验，聚焦三个问题：RAG 究竟是什么、你真的需要它吗、以及在哪些环节最容易出错。如果你曾被向量数据库和 embedding 模型的教程绕晕，从这里开始。
-
GitHub Copilot SDK 与 Semantic Kernel：C# 中如何选择
Published: at 02:20 AMGitHub Copilot SDK 和 Semantic Kernel 都能帮你在 C# 里构建 AI 功能，但它们解决的是完全不同的问题。本文对比两者的架构差异，给出实际代码示例和清晰的选择决策框架。
-
在编码 Agent 中使用 Git：从基础操作到历史重写
Published: at 02:00 AMSimon Willison 总结了如何配合 AI 编码 Agent 发挥 Git 的全部潜力——从常用提示词到撤销提交、bisect 调试、从旧仓库提取模块，让 Git 的高级功能对每个人都变得触手可及。
-
Agentic engineering 为什么离不开代码执行回路
Published: at 12:48 AMSimon Willison 这篇文章最值得记住的，不是又给 AI 起了一个新名字，而是把一个经常被说虚的概念说实了：所谓 agentic engineering，说到底就是让会写代码的模型还能自己跑代码、调工具、看结果，然后继续迭代。真正的分水岭不在提示词更花，而在软件开发终于接上了可执行、可验证的反馈回路。
-
为什么和 LLM 干活会让人这么累
Published: at 12:17 AM这篇文章最有价值的地方，不是单纯吐槽 LLM 难用，而是把那种真实的疲惫感拆开了：人累了以后，提示质量会下降；反馈回路一慢，实验就像十几分钟才转一次的老虎机；上下文又越滚越大，模型越来越像在硬撑。问题很多时候不只是模型本身，而是人类认知状态、上下文压力和实验节奏一起把工作流拖进了低质量循环。
-
AI 辅助编程的 8 个层级
Published: at 12:00 AM从 Tab 补全到自主 Agent 团队，作者梳理了 AI 工程实践的 8 个进阶层级，每一层都是一次生产力的跃升。模型能力在快速增长，但能不能用好它，取决于你所在的层级。
-
LLM 写形式化规约，看着像回事，其实什么都没验证
Published: at 12:00 AMHillel Wayne 分析了 AI 生成的 TLA+ 和 Alloy 规约：代码不能编译、属性只是同义反复、真正有价值的并发和活性属性 LLM 写不出来。形式化方法要普及，光能生成规约远远不够。
