工程笔记
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。
标签：qwen
实用提示：ToolCallingAgent与CodeAgent：哪种在某方面表现更佳？
《实用笔记》操作指南：ToolCallingAgent与CodeAgent——对于采用该模式的团队而言，在处理合同、校验以及即插即用代码片段时，哪种工具表现更佳？
916 词阅读实用提示：用于图RAG提取的本地大语言模型：2026年中期重新基准测试
《实用笔记》操作指南：用于图结构RAG提取的本地大语言模型：2026年中期的重新基准测试，以及为采用该模式的团队提供的合同、检查清单及可直接使用的代码模板。
1567 词阅读Qwen在双3090配置下可达到220 tok/s的速率——需验证哪些内容。
通过精细的批量处理、量化以及测量记录来验证社区所宣称的吞吐量。
1409 词阅读LangChain与Ollama：本地Qwen链、工具及架构
通过 langchain-ollama 指向本地的 qwen 标签，即可实现链式处理、流式处理、工具功能以及结构化输出，而无需使用云 API 密钥。
890 词阅读在配备已修复版vLLM与DFlash2的RTX 3090上运行Qwen3.8-27B模型
带有重新量化嵌入层及DFlash2预测功能的固定版vLLM 0.28.0分支如何在24 GB显存上运行27B规模的混合模型，以及为何长上下文会降低其运行速度。
3259 词阅读在配备 RTX 3090 的设备上，通过 llama.cpp 张量卸载技术运行 Qwen3.8-Flash-Next。
为何88GB、1800亿参数的稀疏模型能够运行在消费级GPU上，以及llama.cpp中的-ot、-ncmoe和mmap等参数是如何将其分配到VRAM、RAM和NVMe中的。
2715 词阅读使用Qwen3.8-27B和Pi构建本地版愤怒的小鸟克隆程序
了解如何使用LM Studio和Pi agent搭建完全本地的AI编程工作流，进而借助Qwen3.8-27B创建可玩的《愤怒的小鸟》关卡。
2102 词阅读
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。