大语言模型与推理
探索大语言模型、提示工程、模型推理及模型能力评估。
- Large Language Models
- Prompt Engineering
- Model Reasoning
- Model Evaluation
个人作品集 / 技术笔记
从意图出发，走向经过评估的结果。
探索 AI，构建有价值的事物。
继续探索关于我
在构建中学习。
我是一名 AI 学习者与开发者，关注智能系统的运行机制及其实际应用。通过独立实验和项目实践，持续探索大语言模型、智能体架构与自动化技术。
- 个人背景
- 一名 AI 学习者与开发者，通过动手实验探索智能系统。
- 技术兴趣
- 关注大语言模型、智能体架构，以及将想法转化为实际应用的工具。
- 当前方向
- 学习智能体的规划、构建与评估，同时开展独立工具开发。
研究与开发方向
三个相互关联的探索方向，从理解模型到构建实用工具。
智能体工程
探索智能体架构、工具调用、任务规划、记忆机制与多智能体协作。
- Agent Architecture
- Tool Calling
- Task Planning
- Memory
- Multi-Agent Systems
AI 自动化
探索 AI 工具、自动化工作流、Python 开发及开发者工具。
- AI Tools
- Workflow Automation
- Python
- Developer Tools
精选项目
记录正在构建的工具，从具体的问题出发，逐步完善。
GitHub 数据获取时间：
智能体实验室
以概念架构展示智能体如何从接收请求走向评估结果。这是一份架构示意，并非正在运行的系统。
概念设计展开节点，了解各模块的作用。
用户输入
接收任务及其约束。
- 输入
- 用户请求与相关背景。
- 输出
- 清晰的目标与约束条件。
- 设计说明
- 在规划前检查必要信息是否齐全。
任务规划
将目标拆解为可处理的行动。
- 输入
- 目标与可用能力。
- 输出
- 建议执行的步骤。
- 设计说明
- 规划应遵循任务范围与停止条件。
记忆与上下文
选择与当前步骤相关的信息。
- 输入
- 规划、对话与已有观察。
- 输出
- 当前步骤所需的工作上下文。
- 设计说明
- 保留有用信息，不假设系统已具备持久记忆。
工具调用
通过工具执行范围明确的操作。
- 输入
- 选定的工具与经过校验的参数。
- 输出
- 工具结果或明确的错误。
- 设计说明
- 检查权限，并在继续前处理失败情况。
结果评估
依据原始目标检查结果。
- 输入
- 工具结果与成功标准。
- 输出
- 完成、调整或停止的判断。
- 设计说明
- 采用明确标准，不将调用成功等同于任务完成。
最终输出
呈现结果及其局限。
- 输入
- 经过评估的发现与支持证据。
- 输出
- 有用且边界清晰的答复。
- 设计说明
- 区分已验证结果、假设与未完成的工作。
笔记与探索
记录技术笔记、实验过程，以及实践中获得的理解。
用 React 构建静态作品集：从页面生成到 Pages 部署
记录这次双语作品集的静态生成、JavaScript 体积优化，以及 Cloudflare Pages 部署中遇到的入口和生产分支问题。
阅读笔记
联系
欢迎交流。
欢迎交流技术想法、开发经验与合作机会。