教程中心

GPT-4o mini 微调完全指南（2026）：用 OpenAI 微调 API 得到格式/风格稳定的托管模型、海量调用降本。含 JSONL 数据准备→上传→训练→调用真实代码、何时微调 vs 提示/RAG、数据质量 > 数量。

微调 LLM 可以在不从头训练的情况下，将强大的基础模型适配到特定领域。本指南涵盖 LoRA 和 QLoRA 的参数高效微调、数据集准备与质量过滤、指令微调格式、RLHF 和 DPO 对齐、在消费级 GPU 上使用量化进行微调、使用领域基准评估，以及使用 vLLM 或 TGI 部署微调模型用于生产服务。

检索增强生成（RAG）是将LLM与最新知识结合的主流模式。本指南涵盖向量数据库选型（Pinecone、Weaviate、Qdrant、pgvector）、嵌入模型选择与优化、文档分块策略、混合搜索（向量+关键词）、重排序、RAG质量评估，以及部署长期保持准确的生产级RAG系统。

AI Agent超越了聊天机器人——它们使用工具、维护记忆、规划多步任务，并与其他Agent协作。本指南对比了LangChain、LangGraph、AutoGen和CrewAI在不同场景下的应用，涵盖了可靠的Agent设计模式、工具调用最佳实践、记忆架构（短期、长期、情景记忆）、错误与幻觉处理，以及部署具有可观测性的生产级Agent。

企业级生成式 AI（enterprise generative AI）落地实操手册：用例优先级矩阵、构建与采购决策、RAG 知识接入、治理与成本结构、组织模式与衡量指标，助 PoC 走向规模化。

LLM 推理优化：vLLM、TensorRT-LLM 与规模化服务（2026）：KV 缓存是瓶颈——PagedAttention + 连续批处理是最大吞吐杠杆。vLLM vs TensorRT-LLM 选型、量化/投机解码/前缀缓存/选小模型等其余手段。

2026年OpenAI API、Anthropic API与Google Gemini API的完整开发者对比。涵盖身份认证、流式传输、函数调用、结构化输出、速率限制及成本比较。

使用 FastAPI、LangChain 和 Supabase 构建生产级 AI 应用的完整指南，涵盖项目设置、异步 AI 端点、RAG 流水线、向量搜索和部署。

多模态AI结合视觉和语言理解，解锁强大的实际应用。本指南涵盖GPT-4V、Gemini 1.5 Pro、Claude 3 Opus视觉能力、开源模型（LLaVA、Qwen-VL）、结合OCR和LLM的文档智能、构建视觉问答系统、视频理解以及在生产环境中部署多模态AI应用。

使用 YOLO v11 构建生产级计算机视觉系统，涵盖自定义训练、TensorRT 模型优化、边缘部署以及实时视频流处理。

使用统计方法、孤立森林、LSTM自编码器和现代时间序列基础模型，为基础设施和物联网监控构建生产级时间序列异常检测系统。

LLM 应用架构模式：RAG、Agent/工具调用、模型路由、缓存、评估(evals)、护栏(guardrails)与可观测性等真实模式与取舍。