大模型后训练：方法与实践分析引言大模型的后训练（Post-training）是指在大规模预训练之后，针对特定能力或任务进行的额外训练过程。通过后训练，模型可以获得调用插件的能力、支持MCP（Multi-turn Conversation Protocol）等特定功能，从而提升模型在实际应用中的表现。本文将详细介绍大模型后训练的常用方法，并深入分析DeepSeek的后训练实践。 后训练方法概述后训练

常见问题测试‘’’对实现的功能，给出测试数据样例，并进行测试’’’ Cursor工具使用问题Cursor的问题问Cursor，往往比Google效果好。可以直接截图提问。比如：资源管理器（展示项目文件列表等）关闭，不知道如何打开，甚至不清楚正确的名称和问题，可以直接截图提问。 依赖索引库mac pro m1安装faiss索引github下载源码编译后安装 参考https://www.youtube

微信小程序开发环境搭建1. 安装必要工具下载【微信小程序开发工具】和【cursor】。 2. 创建小程序项目使用Cursor AI开发小程序步骤： 使用kimi生成小程序PRD 1. 项目结构设计2. 页面开发3. 组件开发实践与技巧陷入修复bug云控函数 webAPI数据加密 参考https://www.youtube.com/watch?v=87jXLqMIeDE

现在存在 AI Context 悖论：LLM 在复杂推理、综合信息、代码生成、数学计算等方面表现惊人（对人类“难”），但在理解和应用特定上下文信息 (Context) 方面却很困难，而这恰恰是人类凭直觉和专业知识能轻松做到的。 企业要实现从 AI 中获得差异化价值和业务转型（而不仅仅是便利性或效率提升），就必须依赖于深度、准确的企业上下文信息。目前大多数应用还停留在低上下文信息需求的“便利性”阶

“学有余力”是孩子教育的关键。避免因为过度的学业压力失去好奇心和探索的动力。 家庭教育采取反向用力：（1）学校压力本身已经很大，家里要多给孩子释放压力；（2）家庭成为孩子放松和探索兴趣的空间。 教育资源的选择和组合：中等学校可能是个不错的选择，宁当鸡头不当凤尾。 从小学会价值交换，学会商业的本质 孩子在嵌入社会规则的同时，保留自我独立性。 艺术与审美教育的重要性。艺术教育不仅培养技能，更重要的是

Agent框架实战应用本文介绍两个流行的Agent框架——CrewAI和Flowise的实际应用案例，重点展示多Agent协作场景的实现方法和效果。 CrewAI多AI Agents实战CrewAI是一个专为构建和编排多Agent系统设计的框架，它简化了多个智能体之间的协作流程，使开发者能够轻松创建复杂的多智能体应用。 房地产投资分析案例下面展示一个房地产投资分析应用，通过多个专家Agent协作完

SimAgent: 基于Genesis-World的机器人仿真数据自动化生成系统背景与挑战机器人训练，特别是涉及操作多样物体的任务，需要大量高质量的数据支持。然而，在现实世界中收集这些数据不仅耗时费力，还面临以下挑战： 样本多样性受限：现实环境中难以覆盖所有可能的物体变体和交互场景 数据标注成本高：物理世界的数据需要大量人工标注工作 失败场景重现困难：现实中的失败案例难以系统性地复现和分析 硬件

Genesis_WorldGenesis_World是一个先进的机器人仿真环境，为人形机器人和灵巧手的研究与开发提供了高保真的仿真平台。 公开数据集 Partnet Objaverse：https://objaverse.allenai.org/ DeepMind Models：https://github.com/google-deepmind/mujoco_menagerie/blob/mai

单Agent框架VS多Agent框架单Agent框架，主要关注智能体的感知、决策、学习，不涉及多个智能体的交互。开发单智能体的常用策略包括：（1）LLM配备工具调用能力，如代码执行器、web浏览器等；（2）通过提示策略获取更好的推理和规划能力，提示策略包括：思维链提示、ReAct、少样本提示等。 多智能体系统在各个领域已展现出显著的成就，通过利用专业智能体之间的协作与协调来增强单个 LLM 的能力

简介构建索引全量索引实时索引实时索引构建的流程 根据段生命周期选择合并方式 文档去重（主键索引） 重分配文档ID 合并正排、倒排、删除表、主键索引 写配置文件 合并段策略 内存段合并 内存段生命周期提升 内存段生命周期提升，转为磁盘段 内存段、磁盘段合并 磁盘段合并