写给真正
交付技术栈的人

关于 React、Node.js、TypeScript 与 AI 的原创文章，来自与我们操作层软件同一套工程实践。正文为英文。

22 篇文章 · 第 1 / 3 页

标签：AI Engineering

LLM RAG Fine-Tuning Prompt Engineering
诊断大语言模型输出问题：何时该使用提示词、检索或微调
一种以症状为导向的方法，用于判断弱人工智能功能是否需要更好的提示、检索层或微调，以及为何用事实数据训练模型反而会适得其反。
2026年9月24日阅读约 7 分钟
LLM Fine-Tuning MLX
在本地运行LoRA微调：验证、融合并避免隐性故障
证明LoRA适配器确实提升了小型模型的性能，将其融合并在本地兼容OpenAI的API后提供服务，同时检测那些会输出错误结果的故障情况。
2026年9月24日阅读约 12 分钟
LLM RAG AI Agents
六个能告诉你在信任某个答案之前应检查什么的人工智能概念
令牌、上下文窗口、温度参数、幻觉现象，以及被用作验证工具的RAG与智能体，帮助你发现错误、控制成本，并判断人工智能产品的宣传内容是否真实。
2026年9月24日阅读约 10 分钟
AI Engineering Multimodal AI LLM
将语音、视觉与生成模型整合为多模态应用
了解多模态人工智能的六大核心要素，掌握语音、视觉与生成模型如何串联成处理流程，以及适合初学者的开源工具和项目有哪些。
2026年9月24日阅读约 11 分钟
RAG LLM Evaluation
逐步优化RAG答案，一次只做一项调整
一种用于改进薄弱RAG回答的以度量为先的工作流程：依次调整分块、top_k、重排序、混合搜索和查询重写策略，并持续监控检索指标。
2026年9月24日阅读约 4 分钟
LLM AI Engineering RAG
通过一个客服机器人请求追溯出的十五个大语言模型概念
通过AI助手一步步解答客户问题，了解模型、令牌、嵌入向量、上下文、RAG、智能体以及评估机制的实际作用，以及每一种技术的应用边界。
2026年9月24日阅读约 13 分钟
LLM Evaluation AI Engineering
大语言模型应用评估工具：数据集、评分机制与回归阈值
了解什么是LLM评估工具，它的四个核心组成部分，以及它如何在内容呈现给用户之前检测提示词导致的性能下降，并实现模型间的公平比较。
2026年9月24日阅读约 9 分钟
OCR LLM Ollama
从扫描的实验报告到结构化数据：OCR架构的权衡取舍
预算有限的医疗初创公司在将医学扫描文件转换为结构化JSON时，该如何权衡OCR库、Google Cloud API以及自托管的视觉大语言模型？
2026年9月24日阅读约 8 分钟
LangChain LLM RAG
为何大语言模型调用不算应用：LangChain在RAG流程中的定位
通过追踪一个从PDF上传到生成精准答案的文档问答应用，了解LangChain的实际功能，并判断在何种情况下其他框架更为适用。
2026年9月24日阅读约 11 分钟

常见问题

关于这些文章

是。每篇都是为本站准备的英文原创改写。结构与代码跟随来源；正文重写并做过重合检查。

技术文先发英文，以保证代码与 API 名称准确。站点外壳提供全部九种语言。

草稿经编辑后进入发布队列。站点导入只收录新的或有变更的 slug，不会重复添加。

示例仅供说明。上线前请核对技术栈与许可。若需交付，请发来简报。

24小时评估

需要把同一技术栈做到生产操作层？发来简报，24小时内评估。

发送简报 React应用

写给真正交付技术栈的人

关于这些文章

24小时评估

写给真正
交付技术栈的人