#Transformer

• 大语言模型

  向量数据库与 Embeddings 实战：从原理到生产部署

  2025 年所有 AI 应用都在做一件事：把"语义"塞进数据库。RAG、Agent、推荐系统底层都是向量检索。本文从原理到生产，搞懂 Embedding 模型选型、向量数据库对比（Qdrant/pgvector/Milvus）、Hybrid Search 混合检索、量化与索引优化。

• 大语言模型

  AI 微调实战：LoRA / QLoRA 让 7B 模型学会你的业务

  通用大模型很强，但不懂你的业务。微调是 AI 应用从 demo 走向生产的关键一步。本文带你从原理到实战，在单张 A100 上用 LoRA/QLoRA 微调 7B 模型，并把它部署到生产环境。

• 大语言模型

  LLM 推理优化实战：把 7B 模型部署到生产环境，从 80 tok/s 到 2000 tok/s

  部署 LLM 到生产，第一关不是训练，是推理性能。同样的 7B 模型，从 80 tok/s 到 2000 tok/s 只需 4 步：vLLM 推理引擎 + AWQ 量化 + Flash Attention + Prefix Caching + Continuous Batching。本文讲清每一步的原理、配置、实测数据与成本模型。

• 大语言模型

  DeepSeek V3 / R1：中国 AI 如何颠覆全球格局

  DeepSeek 在 2024-2025 年连续发布 V3、R1 等顶级开源模型。本文深度解读其技术创新、商业影响，以及对中国 AI 产业的启示。