/ pathways / research
极客研究
RESEARCH · 6 ARTICLES
深入源码、模型架构、训练流程、硬件优化。面向有工程背景的用户，每篇都有硬核实测数据和对标生产环境的结论。AMD ROCm / QLoRA / 训推一体 / ComfyUI 全覆盖。
实测硬件环境
QLoRA 4-bit 量化：从原理到 AMD 显卡实战
用 LLaMA-Factory 在 AMD AI Max+ 395（128G 统一内存，RDNA 3.5）上跑 QLoRA 微调 Qwen2.5-3B。完整流程：数据集构建 → Prompt 模板 → 训练参数 → 效果评估。附 loss曲线和下游任务准确率对比。
AWQ vs GGUF vs GPTQ：三种量化方案横向测评
在 Ryzen AI Max+ 395 + Radeon 8060S 上实测三种量化方案的性能/精度权衡。Qwen2.5-7B 为例，AWQ 精度损失最小但速度最慢，GGUF 在 CPU+GPU混合推理下兼容性最好，GPTQ 速度最快但需要 CUDA。
训推一体架构：跨境电商 LLM 落地的最优路径
为什么选择 Linux Ubuntu 24.04 + ROCm + LLaMA-Factory。硬件选型、框架对比和成本核算。结论：AMD 128G 统一内存是中小团队训推一体的最优解。
国产算力优化：AMD 显卡跑大模型是现实的吗
深度分析 AMD RDNA 3.5 架构在 LLM 推理上的真实表现。96G 统一内存实际可用量测试、Flash Attention 2 支持情况、MIOpen vs cuBLAS 性能差距、Wan2.1 VAE 兼容性问题。
从0训练小模型：MiniMind 项目复盘
复盘 jingyaogong/minimind 全流程（51k stars）：从 0 训练 64M 参数 LLM，成本 $3 + 2 小时，预训练/SFT/DPO/PPO/GRPO 全链路。分析如何在你们的场景里复用其训练框架。
ComfyUI 图生视频工作流深度优化
在 AMD 机器上跑 ComfyUI 图生视频的完整调优记录。Realistic_Vision / JuggernautXL / LTXV / CogVideoX 实测出图质量对比。Flux2 CLIP 问题分析，视频模型 I2V 黑帧根因排查。
Qwen3.6 27B 从 20 到 184 tokens/s：单卡 4090 推理优化实战
量化 + MTP + D-Flash 三层优化叠加，RTX 4090 单卡从 20 tokens/s 一路飙到 184 tokens/s。附完整测试数据与生产级多并发方案。
Oracle Cloud Always Free 永久免费 VPS：2026 最新注册避坑完整攻略
中国大陆用户注册甲骨文云保姆级教程。5 项必做准备、注册流程详解、账户升级、免费 AMD VPS 创建与 SSH 连接。附常见失败原因分析。
8G 显存逆天跑 35B：CPU Overload 模式 + Qwen3.6 多模态部署实战
仅凭一张 RTX 3070 8GB 显卡，利用 llama.cpp 的 CPU Overload 混合推理模式，即可流畅运行 Qwen3.6-35B 多模态大模型。核心原理、环境变量、量化选型与多模态测试一次性说清楚。
NVIDIA 显卡全系编年史：从 GeForce 256 到 RTX 50 系
基于抖音 @哈气黄豆 视频整理：从 1999 年 GeForce 256 一战封神、收购 3DFX，到 GTX/RTX 消费级分代、Quadro 改名 RTX A，再到 RTX 核心三大件与 DLSS 1→4 进化路径。一篇看懂 NVIDIA 显卡命名体系与 AI 算力来源。
GPT 是如何工作的：预测下一个词
从完形填空、统计语言模型到 Transformer，深度拆解 GPT 核心工作原理。清华漫士科普风，小白友好的"预测下一个词"完整解读。
从 LLM 到 Agent Skill：一期视频打通底层逻辑
Token / Context Window / Prompt / System Prompt 四大核心概念 + Agent 任务规划全流程。小白友好，一次搞懂为什么 LLM 能变成 Agent。
别再用 Ollama 了！OpenClaw 秒级响应方案（vLLM + 本地模型）
手把手教你用 vLLM + 本地模型免费部署 OpenClaw，避开 Ollama 性能瓶颈。附安全授权边界、工具调用避坑指南。
100 hours of Hermes Agent lessons in 23 minutes
23 分钟浓缩 100 小时 Hermes Agent 实战经验。Nous Hermes 系列模型在 Roleplay 与 Agent 任务中的能力边界与最佳实践。
赋予本地 LLM 灵魂：如何编写完美的上下文文件
不写代码也能给 LLM 注入灵魂。系统提示词 + 身份卡文件 + 向量数据库 RAG 记忆机制，让 AI 从"问答机器"变成"专属私人助理"。
social-analyzer 深度研究：跨 999 站点的开源 OSINT 身份聚合器
基于 GitHub qeeqbox/social-analyzer 23k stars 真实代码拆解 4 层级联检测 + fast-scan/slow-scan 双引擎 + 用户名排列组合关联算法 + tesseract.js OCR 兜底机制。
Claude Code 深度研究：Anthropic 官方 CLI 智能体工具
本篇文章基于 github 源信息（anthropics/claude-code | ⭐132,086 | 🍴21,388 | Python | None）由 video-to-article skill v2 端到端生成。