大模型概念速读笔记

LLM、Token、Context、Prompt、Agent、Skill……，最近我在尝试 Gemini CLI 的使用过程中，为了和这些“数字化工具”更顺手地协作，把大模型里几个关键概念又重新梳理了一遍。这些内容并非追求教科书式的严谨定义，更像是我结合近期摸索得到的个人理解。因此在这里做个记录和分享，算是一份学习笔记，也期待和大家互相交流。当我们把信息交给大模型时，这些输入通常可以分成：LLM 可以理解为“被关在盒子里的大脑”。它具备思考能力，但无法感知“硅基生命世界”中其他“存在”。也因此，它没办法直

AI编程系列教程现已推出！

根据大家的反馈，我们近期为网站增添了关于AI编程的系列课程：https://labuladong.online/zh/ai-coding/ai-guide/这部分内容仍在不断完善中，因此暂时未进行目录划分，我近期会着手整理。新技术出现时，往往伴随着一轮炒作，但实际上大多数产品和个人开发者可能用不上，反而会因此感到焦虑。因此，我的目标是提炼出最实用、最关键的知识点，让大家学完即能应用，从而切实提高工作效率，甚至能够独立开发产品。目前这套教程已涵盖了大型语言模型（LLM）的核心机制与概念、Agent的开发、C

AI预判要点

在早期的谈判阶段，公司的估值已经被推高到250亿美元。相比之前的标杆规模，数亿甚至更高的幅度意味着增长大约是前者的两倍以上。就在同一周，Walden Yan 的“Multi-Agents:What's Actually Working”帖子在网上迅速扩散；据称，Devin 的企业使用率在短短六个月里提升了8倍。围绕单个接口背后所做的六种推测解码思路，给出了对应的参考仓库。Shreyansh Singh 在 Qwen2.5-7B 上采用共享评估来实现 EAGLE-3、Medusa-1、PARD、Dr

AI冲击就业仍弱于百年两次转型

3个重点研究受限成因4条后续研究准则3种常被忽略的影响路径起步阶段对整体研究进程的判断据美国智库研究译整理重点摘要自大语言模型（LLM）大范围进入公众视野后，关于AI怎样影响劳动力市场的讨论迅速升温，但目前有关人工智能影响劳动力市场的证据仍未形成一致结论。本报告梳理了最新研究进展，指出三项研究局限，归纳三类被忽视的影响路径，并提出四条提升研究价值的实用准则。近三年里，职业结构的变动速度，大体与商业计算机时代（1984年）和商业互联网时代（1996年）开启后的头几年相近，而且自ChatGPT推出以来并没有明

高盛重申小米买入评级，目标价41港元

高盛发布研究报告指出，小米集团-W(31.22, 0.04, 0.13%)（01810）本周三（22日）推出了MiMo-V2.5系列模型，包括MiMo-V2.5、MiMo-V2.5-Pro及MiMo-V2.5-TTS，距离3月发布的MiMo-V2-Pro系列仅相隔约一个月。其中MiMo-V2.5-Pro作为新一代旗舰基础模型，目前在Artificial Analysis智能指数中位列全球前五，在中国模型中与Kimi K2.6并列第二，在编码代理、通用代理及推理等多项感知模态上接近Gemini 3.1 Pr

《从零构建AI智能体》书籍解析

篇幅达2340字，预估阅读时长约12分钟本书由Manning出版社于2026年推出MEAP版本，涵盖《从零构建AI智能体》前7章全部核心内容，体系化呈现基础定义→LLM中枢→工具调用→ReAct智能体→RAG知识库→记忆机制→规划反思完整链路，全程围绕Python、GAIA基准、上下文工程三大主线展开。作为全书的开篇导论，本书摒弃直接套用LangGraph/CrewAI等黑盒框架的理念，倡导从底层自建智能体，唯有洞悉每个模块的运作原理，方能实现真正的调试与优化。智能体本质上即具备自主思考、工具调用、循环执

揭秘AI基石：知识图谱如何打破“幻觉”

然而，知识图谱的价值远非如此。过去两年，生成式AI的兴起使得“幻觉”成为AI应用落地的主要障碍——大型语言模型虽然能流利地编造事实，却无法确保回答的真实性。而知识图谱正是解决这一难题的“定海神针”。据市场调研机构预测，全球知识图谱平台市场有望在2026年达到32亿美元，并以24.4%的年复合增长率攀升，预计到2034年将达到186亿美元。这背后，是众多企业正利用知识图谱搭建自身的AI基础架构。本文将带你深入了解知识图谱，探究其如何连接万物、为AI赋能，并悄然改变企业的运营模式。知识图谱，顾名思义，是由“知

实践：运用大语言模型构建智能诊疗助手

AI 热门论文精选（2026-04-15）

本报告由Euler通过全网检索汇总，聚焦于大语言模型、多模态技术、视觉语言交互、强化学习以及AI智能体这五大核心领域。作者: Peiyang Song et al. |发表: TMLR 2026 链接: https://arxiv.org/abs/2602.06176 摘要: 本文深入剖析了大语言模型在推理过程中出现的失效问题，创新性地构建了分类体系：依据推理性质将其区分为具身与非具身两类，后者再细分为非形式（直觉）与形式（逻辑）推理；依据失效模式则分为三类：架构层面的固有缺陷、应用场景的特殊局限以及对细

AI模型有望成为数学界的通用语

星期二 多云 31℃/21℃AI模型有望成为数学界的通用语· 核心摘要不少人寄希望于AI简化证明验证流程。· 正文验证过程往往漫长。同行数学家耗费十余载反复推敲，才确认黑尔斯的计算无误。数学结论要获“证明”地位，每一步都得逐符号、逐命题核查。美国国防高级研究计划局（DARPA）的帕特里克・沙夫托指出，这凸显了数学界的“核心瓶颈：信任问题”。沙夫托博士率领团队，旨在利用AI加速纯数学发展，其中关键在于简化“形式化”流程。若具备高深数学素养的大语言模型（LLM）真能验证既有证明并协助构建新证明，众多数学家相信

AI核心术语速查手册

●AGI(Artificial General Intelligence)：通用人工智能,人工智能的终极愿景，指具备像人类一样处理各类复杂认知任务的智能系统。●AIGC(AI Generated Content)：生成式人工智能,借助AI技术进行内容创作，涵盖代码编写、图像绘制、视频制作等领域。●Model：AI大模型，例如LLM大型语言模型、视频生成模型、音频处理模型、图像创作模型等●多模态 (Multimodal)：AI具备同时处理文本、语音、图像、视频等多种格式信息的能力。●LLM(Large La

解密AI调研真相：神经符号AI与LLM的核心差异及行业实践

解密AI调研真相：神经符号AI与LLM的核心差异及行业实践过去半年，我们收到最频繁的疑问是："用ChatGPT模拟目标用户填问卷，这不就等于虚拟调研吗？既高效又省钱！"这种观点乍听之下合情合理，实则将两种截然不同的概念混为一谈。为了阐明这个问题，我先打个比方。角色演绎（纯LLM构建虚拟样本） vs. 精密仪器（神经符号AI驱动预测）第一种方式，如同聘请一位表演出色的演员。你向演员描述："你是月入两万的上海白领，精通护肤。"接着提问："这款面霜你会购买吗？"演员能演绎出一段生动的内心戏——"我正关注抗衰老，

AI科技前沿日报 | 2026年04月13日：个人AI协作与机器人应用新进展

本研究关注个人AI工具日益普及但相互隔离的痛点。随着AI编码代理的进步，用户能通过自然语言指令生成个性化数字工具（如健康追踪、停车计时应用）。然而，这些工具生成后常形成信息孤岛，难以协作，导致用户在跨应用场景（如结合心率、运动量与停车状态评估健康）时面临数据碎片化难题。这种碎片化长期制约了个人计算环境的效能。PSI提出一种共享状态架构来破解这一集成困境。其核心是引入“个人上下文总线”作为连接独立模块的系统层。每个模块（包含GUI、数据提供者及可选服务）被定义为“工具”，具备持久性（无需重复生成即可用）、连

Pramana：借助印度古逻辑让LLM实现更扎实推理

AI Paper Daily｜ 🔥 论文速递Pramana：借助2500年传承的印度逻辑，让LLM学会“真正地思考”📄 论文信息论文：Pramana: Fine-Tuning Large Language Models for Epistemic Reasoning through Navya-Nyaya作者：Sharath Sathish（英国约克大学）发布时间：2026年4月8日（arXiv）arXiv：2604.04937🎯 核心概述当AI碰上东方思想！约克大学研究团队引入拥有2500年历史的印度N

AI论文解读：大型语言模型中的“谄媚”与论证图挑战

未来打算分享几篇AI领域的学术文章，既是为了给自己做个网络存档，也希望能给从事智能传播研究的朋友带来一些灵感~摘要：AI系统中的“谄媚”现象，特别是在大型语言模型（LLMs）里，对保持客观、批判性思考及平衡论证构成了巨大阻碍。所谓“谄媚”，是指AI系统倾向于迎合用户的偏见、喜好或主流观点，而不是提供理由充分、公正无偏的论据。这个问题在论证框架里尤为严重，因为AI模型本应基于逻辑一致性而非顺从性来分析、评估和生成论证。随着法律、政策分析和决策支持等领域对AI驱动论证系统的依赖增加，迫切需要建立有效机制来减少