最近很多人在提Agent，有人說它是大模型的下一步，有人說它是通往AGI的路徑。但實際上，對于大多數做技術落地的人來說，Agent到底能干什么、適合解決哪些問題、怎么用才合適，反而是更值得關注的。我的觀點“先規劃，再執行，還能自查”的過程，其實就是Agent的基本思想。Agent是一種思想，不是技術！一、先說最本質的一點：為什么會需要Agent？我們先從現實出發。大模型出來之后，最開始大家用它寫點文案、改代碼、問點問題，...

最近不少人在聊“大模型蒸餾”，但說實話，很多介紹都太學術、太高深，讓人一看就頭大。其實這件事背后的邏輯沒那么復雜，本質上就是想辦法讓大模型變得更輕、更快、更好用。我覺得蒸餾不是縮小模型，是提煉能力！一、先說微調，是“教大模型學點你的事兒”現在很多大模型（比如ChatGPT、DeepSeek）都是通用模型，它們懂得挺多，但不一定了解你具體要解決的問題。比如：它沒看過你公司內部的數據；它不知道你要的回答格式；它對...

最近很多人在提Agent，有人說它是大模型的下一步，有人說它是通往AGI的路徑。但實際上，對于大多數做技術落地的人來說，Agent到底能干什么、適合解決哪些問題、怎么用才合適，反而是更值得關注的。我的觀點“先規劃，再執行，還能自查”的過程，其實就是Agent的基本思想。Agent是一種思想，不是技術！一、先說最本質的一點：為什么會需要Agent？我們先從現實出發。大模型出來之后，最開始大家用它寫點文案、改代碼、問點問題，...

現在很多人讓大模型調用外部工具，最常見的做法就是FunctionCalling。乍一看，能調起來沒問題。但真要接多個服務、跑一個完整流程，FunctionCalling就顯得太粗糙了——定義繁瑣、結構不統一、模型換一個就得重寫一遍。本質上，它解決的只是“能不能調用”，但沒解決“怎么標準、高效地調用”。而MCP出現，就是為了解決這個“工程化不成體系”的問題。我認為FunctionCalling更像是“你教模型怎么用某個函數”；而MCP，是“你把這...

很多人想部署大模型，比如GLM、ChatGLM、DeepSeek、MiniCPM，一到實際部署就開始發愁：到底要不要3090？用A10行不行？這個模型說自己是7B，我電腦夠嗎？為啥有的說13G能跑，有的一跑就爆顯存？其實這些都不是玄學，只要你搞清楚：模型有多大、怎么壓縮、你準備怎么用，機器需求是能算出來的。給大家一個計算顯存的公式：顯存≈參數量×精度字節數×1.52（考慮運行中額外占用）一、先把問題拆開：我們到底要算啥？按照Agent的思...