/ pathways / research
极客研究
RESEARCH · 21 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。
Loop Engineering 循环工程:让 Agent 突破上下文窗口的工程范式
从手动写提示词到设计自动化循环,让 AI Agent 真正能在长周期项目中自主协作的工程方法论。
学遍 Agent、RAG、MCP,依旧找不到 AI 相关工作
基于抖音 @AI 大模型果果姐 视频整理。一个学了 Agent、RAG、MCP 的 AI 学习者的真实困境--技术栈学了一堆,简历发了几十份,依然没有 AI 相关 offer。问题到底出在哪?是市场不友好,还是学习路径本身就是坑?
美的 Agent 实习面:基础题也考工程落地
基于抖音 @小哲讲面经 视频整理。美的 AI Agent 实习面试10道基础题,表面问概念实际考工程落地能力。覆盖 Agent 定义、RAG 流程、幻觉缓解、LangChain 选型、Function Calling、多轮对话、记忆机制、ReAct 原理、重排优化、文本相似度计算。
RAG Query 改写：决定检索效果的最后一公里
为什么 Query 改写是 RAG 系统的核心环节？三种技术方案从规则到 LLM 逐层拆解，附多路召回、跨轮补全、标准化表达等实战技巧与面试核心认知。
五类 Agent，对号入座：按自主程度分层的选型指南
市面 Agent 产品名繁多，按"自主程度"分五层更实用：对话辅助（ChatGPT）→ 任务执行（Manus/Claude Code）→ 流程编排（Coze/Dify）→ 系统集成（LangGraph/AutoGen）→ 多体协作。附按场景选 Agent 类型的速查表。