Software 2.0

基于LLM的检索和推荐

在过去的一年里，我一直探索如何将LLM用作检索和推荐代理，并整理了这篇博客文章作为该主题的简单介绍。

Chronos-2 时序大模型

Chronos-2 时序大模型

本文介绍亚马逊最新发布的开源权重模型—— Chronos-2 ，并展示它如何基于历史销售数据和温度作为协变量来预测产品需求。

AI时代的 Σ 人才

多年来，设计和技术团队一直依赖形状隐喻来描述专业知识。我们曾经拥有T型人才，然后是M型人才......但人工智能时代有些不一样了。

为什么大模型会产生幻觉？

为什么大型语言模型 (LLM) 会产生看似合理但实际上错误的信息，我们应该如何避免幻觉？

MIT Iceberg：AI深刻重塑就业

MIT Iceberg：AI深刻重塑就业

一项新的MIT模型显示，人工智能正在以政府、公司或工人都无法应对的速度改变工作，并且它将影响比大多数人想象中更多的工作。

构建专业AI应用的10个教训

两年来与工程领域专家合作构建 LLM 应用的实践笔记，涵盖工作流程、结构和评估等方面。

构建AI驱动的股票筛选器

我花了两个月时间构建了一个代理AI研究工具，运行成本约为10美元，拒绝了大约95%的候选股票，并让我能够将更多精力集中在真正关心的股票上。

Anthropic 收购 Bun，为什么？

Anthropic 收购 Bun，为什么？

我们早已过了争论 AI 是否会改变软件开发的阶段。现在的问题是，谁来构建让 AI 软件开发成为现实的底层架构？Anthropic 正是押注于此，押注未来。

vLLM-Omni 多模态AI服务框架

vLLM-Omni 多模态AI服务框架

现代推理流程不再仅仅依赖于自回归 (AR) 语言模型。这种转变需要一个能够高效处理文本、图像、音频、视频和扩散架构的服务引擎，而无需工程师在多个框架之间切换。

强化蒸馏简明教程

一个小型的PyTorch模型如何仅通过+1/-1反馈从大型语言模型（LLM）中学习？这就是强化蒸馏的作用。

我微调了自己的”第二大脑“

多年来，我的笔记只是些毫无生气的文本文件，直到我用它们微调了一个1B参数的语言模型。

AI工程师必备的7个开发框架

我至今仍记得那个夜晚，我意识到自己一直以来都在走弯路。这七个框架彻底改变了我构建人工智能系统的方式。

16个最佳 AI 工具 (2026)

16个最佳 AI 工具 (2026)

本文介绍我找到的最佳 AI 工具，按类别整理并按S/A/B等级排名。你还可以找到大多数工具的学习指南。

AI，垃圾工作，垃圾学位

学生们用AI写论文，教授们用AI批改论文，学位变得毫无意义，科技公司赚得盆满钵满。欢迎来到高等教育的终结。

OpenAI + Coursera

OpenAI + Coursera

去年在Brandon Hall会议期间，我说过，“静态的知识型学习内容已经死亡。” 我仍然相信这一点。

Argilla：开源的数据策展工具

Argilla：开源的数据策展工具

如果你想更进一步，微调自己的模型，那么可以使用Argilla构建自己的数据集。

人工智能与卢德分子

卢德主义者或者叫卢德分子，被嘲笑了两个多世纪，被认为是反进步、反技术，只是固执己见。

AI代理：思考工具 vs. 推理模型

AI代理：思考工具 vs. 推理模型

如果你之前使用过推理模型，你就会知道它们对于代理使用非常糟糕；从不使用提供的工具、遗漏重要细节，甚至直接不按顺序使用工具的情况都屡见不鲜。

机器学习过时了吗？

在本文中，我们将分析人工智能领域的演变，传统 ML 角色是否面临风险，以及在基础模型时代，数据专业人士的未来会怎样。

Grep与语义搜索的细微差别

Cursor发布了一篇博客，介绍了他们如何结合向量搜索和grep使用。谁曾想到会有这样的细微差别！

AI工程师需要掌握的10个技能

AI工程师需要掌握的10个技能

人工智能工程正从实验阶段转向生产规模部署，将机器学习专业知识与可扩展的基础设施相结合。

数据科学：2026年还值得学吗？

数据科学：2026年还值得学吗？

您是否正在考虑在 2026 年转行从事数据科学？请参考一位拥有十年经验的人工智能工程师的坦诚观点。

2026 年数据和AI十大趋势

2026 年数据和AI十大趋势

这些顶级数据和人工智能趋势将改变我们对 2026 年数据和人工智能的看法！

2026 年人工智能预测

2026 年很可能成为人工智能的标志性年份。

真正的AI创业机会

每一次淘金热都会造就亿万富翁。如今，我们都知道，真正的问题不在于黄金，而在于如何赚钱。