#LLM
共 7 篇文章
LLM 基础入门2026/08/13
上下文窗口与 KV Cache：为什么 LLM 会「忘事」，长文本还越用越贵
深入解析 LLM 上下文窗口、自注意力机制与 KV Cache 的工作原理，理解模型为什么会「忘事」、长文本为什么越用越贵，以及如何科学管理上下文预算。
LLM 基础入门2026/08/13
Token 与分词器：为什么「你好」是 2 个 token，中文还比英文贵
从 Token 的本质讲起，深入解析 BPE 分词原理，解释为什么中文比英文更费 token、模型为什么数不清字数，以及如何精确估算成本、管理上下文预算——每个 LLM 开发者必懂的第一课。
rag进阶2026/08/09
RAG 的上下文窗口管理：检索到 20 个文档，但 LLM 只能吃下 5 个
Top-K 设得越大，LLM 的上下文窗口越不够用。本文从排序压缩、结构化过滤、渐进式阅读和上下文压缩四个维度，拆解在有限窗口内塞进更多有效信息的具体工程策略。
prompt-engineering进阶2026/07/31
少即是多：为什么「详细的负面约束」反而会诱导犯错？
从心理学的讽刺性过程理论到 LLM 的指令跟随盲区，揭示为什么「别用术语」「别编造」这类负面约束反而会降低模型输出质量——以及如何用正向引导写出更高效的 Prompt。
prompt-engineering进阶2026/07/31
被严重低估的 Temperature：0.0 与 0.7 之间，隔着一整个输出世界
深入解析 LLM Temperature 参数的数学本质——不是简单的「创造力开关」，而是概率分布的锐度控制。掌握不同场景下的 Temperature 调优策略，让模型输出质量产生质的飞跃。
prompt-engineering入门2026/07/25
Prompt Engineering 实战指南：从基础到高级技巧
系统学习 Prompt Engineering 的核心技巧，包括零样本、少样本、思维链、结构化输出等，提升 LLM 应用的输出质量和可控性。
rag进阶2026/07/15
RAG 从入门到精通：构建你的第一个检索增强生成应用
本文将手把手教你理解 RAG（检索增强生成）的核心原理，并使用 LangChain 和 Chroma 构建一个完整的 RAG 问答系统。