分类

AI

追踪大模型的实战前沿：模型横评与选型（Fable、GPT、Gemini、DeepSeek）、AI Agent 架构（浏览器代理、Computer Use、多智能体协作）、判断模型（Jev、Laya）、本地化部署（AnythingLLM、WebLLM）与开源 AI 生态全景。从原理拆解到落地配方，给出可复制的选型与工程结论。

共 6 篇文章（已按标签筛选）

全部Agent 47Python 6经验 32模型 34Prompt 27知识库 13MCP 7UI 3Plugin 1
Ultralytics 详解：YOLO 视觉开箱即用
AI

Ultralytics 详解：YOLO 视觉开箱即用

做计算机视觉的工程师大概都绕不开 YOLO，而提起 YOLO 的工程化落地，Ultralytics 几乎就是默认答案。这个仓库把检测、分割、姿态估计、深度估计这些原本要拼多个框架才能完成的任务，收进了一个统一的 API …

# 模型# Python
108
PydanticAI 详解：类型安全的 Python AI SDK
精选AI

PydanticAI 详解：类型安全的 Python AI SDK

PydanticAI 详解：类型安全的 Python AI SDK写 LLM 应用最疼的两件事：模型返回的 JSON 不合预期、换一家模型商要改一串代码。pydantic/pydantic-ai（PydanticAI）用 Pydantic 团队的老本行回答了第一件——输出用 BaseModel 定义、运行前先校验，错误从运行时提前到编码时；第二件则用"模型即字符串"回答：换个厂商只改一个参数。如今

# Python
122
vLLM 详解：大模型推理引擎
AI

vLLM 详解：大模型推理引擎

大模型应用上线后，第一个撞上的墙往往不是模型效果，而是推理成本和吞吐。原生 Hugging Face 推理一次一个请求、KV 缓存整块预留显存，GPU 利用率低得可怜。vLLM 就是为解决这个问题生的：它用 PagedA…

# 模型# Python
109
PocketFlow 详解：100 行代码的 LLM 框架
AI

PocketFlow 详解：100 行代码的 LLM 框架

PocketFlow 详解：100 行代码的 LLM 框架LangChain 40 万行、装完胖 166MB——"框架膨胀"是这两年 LLM 应用开发最常被吐槽的痛点。The-Pocket/PocketFlow（Pocket Flow）给出的答案激进到近乎行为艺术：整个框架只有 100 行 Python，零依赖、零厂商锁定，只保留一个核心抽象——图（Graph）。在此之上，Agent、Workfl

# Python
87
speech-to-speech 详解：HuggingFace 的开源语音 Agent 流水线
AI

speech-to-speech 详解：HuggingFace 的开源语音 Agent 流水线

speech-to-speech 详解：HuggingFace 的开源语音 Agent 流水线语音 Agent 的"全开源"路线一直有个尴尬：框架开源了，模型却离不开云端 API。huggingface/speech-to-speech 把这条路走通了：VAD → STT → LLM → TTS 四段低延迟流水线，每个组件都可换成开源模型本地跑——Apple Silicon 一台 Mac 就能撑起

# Agent# Python
311