2025 年 178 篇
12月 6 篇
11月 7 篇
10月 7 篇
9月 10 篇
8月 5 篇
7月 16 篇
- Docker AI 功能详解与应用
- DXT(桌面扩展)开发指南
- Jetson AGX Orin大模型部署挑战与系统升级
- 探索多模态大模型 GLM-4.1V-Thinking
- 大模型风向标!OpenRouter平台谁最火?热门应用大揭秘!
- 英伟达全栈方案:LLM开发、推理与具身智能
- 华为 Atlas 800I A2 大模型部署实战(一):驱动/固件安装与MCU升级
- 华为 Atlas 800I A2 大模型部署实战(二):逻辑卷创建与大模型下载
- 华为 Atlas 800I A2 大模型部署实战(三):MindIE 安装与部署 LLM
- 华为 Atlas 800I A2 大模型部署实战(四):MindIE 多实例 LLM 部署
- 华为 Atlas 800I A2 大模型部署实战(五):vLLM 性能测试
- 华为 Atlas 800I A2 大模型部署实战(六):vLLM 部署 LLM
- 华为 Atlas 800I A2 大模型部署实战(七):完整的安装部署流程
- 华为 Atlas 800I A2 大模型部署实战(八):GPUStack 实现 GPU 集群化管理
- 京东通用智能体:JoyAgent-JDGenie
- 华为 Atlas 800I A2 大模型部署实战(九):Docker Swarm 分布式部署
6月 37 篇
- macOS 图像拼接工具(Automator)
- GitHub Copilot for VSCode v1.100
- SmolAgents 概念指南:Agent 介绍
- MCPHub:MCP 服务器聚合平台(智能路由)
- 快捷键大全
- 【生成式AI时代下的机器学习(2025)】第九讲:谈谈有关大型语言模型评估的几件事
- 【生成式AI时代下的机器学习(2025)】第十讲:人工智慧的微创手术 — 浅谈 Model Editing
- 【生成式AI时代下的机器学习(2025)】第十一讲:浅谈神奇的 Model Merging 技术
- 【生成式AI时代下的机器学习(2025)】第十二讲:概述语音语言模型发展历程
- macOS PNG重命名并转JPG(Automator)
- macOS 解压RAR(Automator)
- 华为云具身智能技术探索与实践
- 机器人智能操作系统研制与应用
- 北京智源人工智能研究院(BAAI)
- 腾讯混元多模态生成模型
- Qwen2.5-Omni:端到端多模态大模型
- Dify:开源 LLM 应用开发平台
- FunAudioLLM:用于人类与LLM自然交互的语音理解与生成基础模型
- Cherry Studio 分支策略指南
- MCPHub 自定义服务器配置及内网部署(一)
- MCPHub 自定义服务器配置及内网部署(二)
- 具身端侧芯片 NVIDlA Jetson Thor 和 NVIDIA Isaac ROS 介绍
- 具身模型 NVIDIA Isaac GROOT N1 详解
- 飞行机器人—从物理智能到具身智能
- 具身大脑 RoboBrain
- 跨本体具身大小脑协作框架 RoboOS
- Verdaccio:构建与管理内网 npm 仓库的实践指南
- 探索多模态大模型 Qwen2.5-VL
- vLLM:快速易用的 LLM 推理和服务库
- 人工智能时代的软件 (Software in the era of AI) - Andrej Karpathy
- 盘古大模型关键技术解读
- FastMCP 实战:构建计算器 MCP 服务器与客户端
- Gemini Robotics On-Device
- Gemini CLI - 开源命令行 AI 智能体
- DXT Manifest.json 规范
- Desktop Extensions (DXT)
- Gemini CLI 项目分析与开发指南
5月 8 篇
4月 37 篇
- MCP 服务器示例和实现列表
- 支持 MCP 集成的应用程序列表
- 使用 Trae 开发 RAGFlow 助手
- GitHub MCP 服务器
- MCP Inspector
- Continue Agent 使用 GitHub MCP Server
- git pull 批量更新多个仓库
- 企业级大模型定制解决方案
- 利用多张 GPU 训练大语言模型
- 构建AI代理:5个常见障碍及解决方案
- DeepSeek-V3 & DeepSeek-R1
- Visual Studio Code 2025年3月版本(1.99)的新功能
- RAGFlowAssistant
- 开发 RAGFlow MCP Server
- Git 命令
- 智能编码新范式 (Cline + DeepSeek) × MCP
- Agent2Agent 协议 (A2A)
- Agent2Agent 协议 (A2A) DEMO
- OpenAI o3 and o4-mini System Card
- 监测推理模型的不当行为以及提升混淆的风险
- A2A ❤️ MCP
- Sky-T1-32B-Preview: 在450美元内训练你自己的O1预览模型
- Sky-T1-32B-Flash:在不牺牲准确性的情况下将推理成本削减50%
- Sky-T1-7B:通过强化学习提升推理模型的潜力
- OpenAI: 构建智能体的实用指南
- Cline 提示指南 🚀
- Cline 自定义指令库
- Cline 的记忆库(Cline's Memory Bank)
- Cline Mentions 功能指南
- Cline 工具参考指南
- 使用 Cline 从零开始构建自定义 MCP 服务器:综合指南
- MCP 快速入门指南
- MCP 服务器开发协议
- Cline Documentation
- Cline 概览 - Cline 扩展架构和开发指南
- 鲁软慧码提示工程实战手册
- Text-to-SQL 解决方案
3月 23 篇
- 构建本地 AI 技术栈
- 大模型推理服务压测报告:vLLM、SGLang、LiteLLM 与 Higress 性能对比
- 推理 LLM 技术内幕 - DeepSeek-R1/o1
- 通义灵码2.0
- 使用 Cline 构建和管理 MCP 服务器:增强 AI 能力的全面指南
- 模型上下文协议 (MCP) 全面解析:原理、应用与实现
- continue: config.yaml Reference
- Model Context Protocol (MCP) 的核心概念和能力
- 大模型实战评测:语言 vs 推理 vs 代码
- RAGFlow
- RAG 2.0
- Easy Dataset:基于 LLM 微调数据集的工具
- Continue 开发环境搭建时遇到了 esbuild 缺失问题
- MCP Python SDK
- UV: An extremely fast Python package and project manager, written in Rust.
- create-mcp-server
- Model Context Protocol 规范
- MCP 架构
- MCP 基础协议
- MCP 服务器功能
- 生成式人工智能
- 探索生成式人工智能
- LLM 推理在软件任务中扮演什么角色?
2月 12 篇
- Claude: Developing a computer use model
- Claude API: Computer use
- DeepSeek Janus Pro 7B
- SWE-bench: Can Language Models Resolve Real-World GitHub Issues?
- Introducing deep research
- Open-source DeepResearch – Freeing our search agents
- 沐曦 MXC500 训练 GPU 的大模型推理性能压测
- 部署 DeepSeek-R1 蒸馏模型
- 构建自主答题的智能体
- Cline: 自主编程助手
- Qwen2.5-VL Technical Report
- 海光 DCU 的大模型推理性能压测