强化学习（Reinforcement learning，RL）讨论的问题是一个**智能体(agent)** 怎么在一个复杂不确定的环境(environment) 里面去极大化它能获得的奖励。通过感知所处环境的状态(state) 对动作(action) 的反应(reward)，来指导更好的动作，从而获得最大的收益(return)，这被称为在交互中学

#强化学习

2026.09.206 分钟

上下文工程

上下文工程关注的不是“模型能装下多少 Token”，而是：在当前这一步，模型应该看到哪些信息，才能以最低噪声完成正确决策。

#Agentic #上下文与记忆

2026.09.201 分钟

Mission: 掌握多模态 LoRA 与 QLoRA

能够读懂并改造仓库现有的 Qwen2-VL 微调脚本，根据任务和显存条件选择 LoRA 或 QLoRA，而不是只会复制训练参数。

#大模型微调 #LoRA-QLoRA学习

2026.09.2011 分钟

MLA 结构代码实现及优化

MLA 结构的可视化图如下所示：

#llm_note #2-transformer_model

2026.09.202 分钟

ReAct系统提示词

你需要解决一个任务。为此，你需要将任务分解为多个步骤。对于每个步骤，首先使用 Thought: 思考要做什么，然后使用可用工具之一决定一个 Action:。接着，你将根据你的行动从环境/工具中收到一个 Observation:。持续这个思考和行动的过程，直到你有足够的信息来提供 FinalAnswer:。

#VideoCode-main #MCP终极指南-番外篇

2026.09.2013 分钟

AI Coding 面试实战题

下面几道题是我从公开面经和牛客内容里整理出来的。练习时别背整段答案，至少要亲手跑一遍“澄清需求—拆任务—让 AI 实现—看代码—做测试”的过程，不然面试官追问两句就容易露馅。

#AI辅助编程

2026.09.201 分钟

weather

weather，AI相关学习记录。

#VideoCode-main #MCP终极指南-进阶篇 #weather

2026.09.2011 分钟

vllm 优化之 cuda_graph 详解

vllm 是 pythonic 的 llm 推理框架，在 cpu 进行 cuda kernel launch（启动）的 eager mode 时，其存在可较大的 kernel launch 开销，尤其是对于 batch较小/模型较小的情况，kernel 启动开销过大！由此，作者基于 torch 使用 cuda graph 来直接减少 kernel launc

#llm_note #3-llm_infer_optimize

2026.09.2017 分钟

讯飞星辰 MaaS 平台使用指南

讯飞星辰 MaaS 精调平台是一个全链路的大模型精调解决方案，支持快速定制专属大模型。本指南将详细介绍如何使用该平台完成大模型精调。

#大模型微调