Knowledge Base

🤖 AI 应用与学习

做应用，也学原理。从 RAG 和 Agent 起步，逐步深入大模型背后的机制。

这个知识库聚焦 AI 大模型时代的应用开发与基础学习。一边记录 RAG、Agent 等真实应用工程实践中的设计与踩坑，一边沉淀 Transformer、注意力机制等模型原理的理解。两条线互为印证：做的时候知道为什么这么做，学的时候也清楚它最终怎么用。

Recommended

推荐文章

优先阅读这些内容，可以快速理解这个知识库的主线。

RAG2026-05

ANN 近似最近邻搜索入门

从精确检索的瓶颈讲起，梳理 ANN 的核心思想、主流算法（HNSW、IVF、PQ）和工程取舍。它是向量检索的引擎，也是 RAG 系统能跑起来的前提。

推荐理由：这是这个知识库的第一篇文章，也是 RAG 系统的地基：理解了 ANN，才能理解为什么向量数据库长这样、为什么检索质量和速度需要权衡。

Topics

当前包含的主题

按照学习和实践场景组织，而不是简单堆文章。

🔍

RAG 检索增强生成

记录从向量检索、文档切分、重排序到端到端 RAG 系统设计的完整链路。

• 向量检索与 ANN
• Chunking 与重排序
• 检索质量评测

🧠

Agent 设计与实现

探索 LLM Agent 的设计范式、工具调用、记忆机制和多 Agent 协作。

• ReAct 与工具调用
• 记忆与上下文管理
• 多 Agent 协作

📚

大模型基础原理

沉淀 Transformer、注意力机制、大模型训练与推理等理论学习笔记。

• Transformer 架构
• 注意力机制
• 训练与推理原理

⌨️

AI Coding

记录 Claude Code、Codex 等 AI 编程工具的使用技巧、命令详解与实践感悟。

• Claude Code 使用技巧
• 命令与工作流经验
• AI Coding 思考