📘
模型学院
从原理到部署，把 AI 学透、跑起来
9
篇文章
3
大主题
🧠
核心基础概念
Transformer、微调、RAG、Agent 等底层知识
Transformer 原理图解：自注意力、位置编码、Encoder-Decoder
从第一性原理拆解 Transformer 架构：它为什么能取代 RNN，自注意力在算什么，位置编码解决什么问题。
Transformer注意力机制架构
阅读全文 →模型微调全解：全参 vs 参数高效，深解 LoRA / QLoRA / Adapter
微调不是只有一条路。全参微调、LoRA、QLoRA、Adapter 各适合什么场景？为什么现在几乎都用 LoRA？
微调LoRAQLoRA
阅读全文 →RAG 检索增强生成：架构、向量库、分块策略（与微调对比）
RAG 是让大模型'会查资料'的技术。讲清架构、向量检索、分块策略，以及它和微调到底该怎么选。
RAG向量数据库检索
阅读全文 →Agent 思维框架：规划-执行-反思与工具调用原理
Agent 不是'更聪明的聊天'，而是一套'想-做-查-改'的循环。拆解规划-执行-反思框架和工具调用的本质。
Agent工具调用ReAct
阅读全文 →提示工程心法：Few-shot、Chain-of-Thought 等实用技巧
不堆术语，讲清提示工程最实用的几个核心方法：Few-shot、CoT、角色设定、结构化输出，附可直接套用的模板。
提示工程PromptFew-shot
阅读全文 →扩散模型简介：图像生成背后的原理（去噪的魔法）
Midjourney、Stable Diffusion 背后的扩散模型是怎么工作的？用最直观的方式讲清'从噪声到图像'的过程。
扩散模型Stable Diffusion图像生成
阅读全文 →多模态模型简介：CLIP、GPT-4V 与视觉语言模型
多模态模型让 AI 同时理解文字和图像。从 CLIP 的对比学习，到 GPT-4V 的图文对话，讲清它们如何对齐不同模态。
多模态CLIPGPT-4V
阅读全文 →⚙️
本地部署实践
Ollama / vLLM / 量化部署实战