AI/ML
🤖 AI/ML 知识索引：围绕大语言模型的基础原理、应用开发与工程落地，重点覆盖 Prompt、RAG、Agent、结构化生成、模型部署和效果评估。
知识地图
- 基础原理：机器学习基础、神经网络、Transformer、注意力机制、Token 与 Embedding
- 模型使用：Prompt Engineering、上下文管理、结构化输出、Function Calling
- 知识增强：RAG、分块、Embedding、召回、重排与引用
- Agent 系统：工具调用、规划、记忆、多 Agent、权限与可靠性
- 推理部署：量化、KV Cache、批处理、SGLang / vLLM、性能与成本
- 评估与安全：离线评测、幻觉、Prompt Injection、可观测性与回归测试
推荐学习路径
- 理解机器学习、神经网络与 Transformer 基础
- 掌握 Prompt、结构化输出和工具调用
- 构建完整 RAG 链路并理解召回质量
- 学习 Agent 的规划、状态、记忆与权限设计
- 掌握推理服务、性能优化与成本评估
- 建立评测、安全和可观测性体系