AI
未读
kimi-k2.5 为何能屠榜（国货之光）
一、大模型训练过程回顾 1、文本大模型训练 数据语料先通过 BPE 算法分词得到文本 Token（1 个 token ≈ 1.2–1.5 个汉字），再通过 词汇表（Vocab） 映射为数字 ID，数字 ID 经过 Embedding 层转换成向量，最后输入 Transformer 模型进行训练。 2
AI
未读
OpenClaw Prompt上下文构建思路
（本文由AI生成） 一、整体架构：分层上下文组装 OpenClaw 构建了一套完整的、分层的上下文工程体系，可以理解为一个五层叠加模型： ┌──────────────────────────────────────────────────────────┐
│ Layer 5: Plugin H
AI
未读
OpenClaw 记忆系统
（本文由AI生成） 一、系统概述 OpenClaw 的记忆系统以纯 Markdown 文件为源数据，以 SQLite（含 FTS5 全文索引 + sqlite-vec 向量索引）为检索引擎，通过工具调用（Tool Call）将检索结果注入对话上下文。整套系统实现了"人类可读存储 + 机器高效检索"的
AI
未读
OpenClaw 安装部署记录🦞
3.1 变更： 上个月在 NAS 上通过虚拟机方式部署了 OpenClaw ，但想体验下多 agent 场景以及更多玩法，继续在 NAS 上操作不太便捷，以及对于硬件要求会更高，这两天切换到 mac mini 上部署，后续更多实践再保持更新。 本地的 OpenClaw 工作文件和记忆文件已保持和 N
AI
未读
MCP 和 Agents Skills 关系
glmos-code-explain MCP 回顾： 统一传输协议：jsonrpc 2.0，明确输入参数（jsonrpc、method、params、id）、输出参数（jsonrpc、result/error、id）格式及字段，否则各家模型公司标准不统一，各家接口服务协议不统一，没有统一规范。 统一
AI
未读
AI 相关技术及工具的应用认知
glmos-code-explain 一、模型介绍 1.1 模型分类 模型应用 按输入数据类型：语言模型、视觉模型、语音模型、多模态模型 按核心能力：语言模型、推理模型（OpenAI o1、o3，Anthropic Claude 3.7 Sonnet、Baichuan-M1-preview、Deep
AI
未读
程序员入门 AIGC
本文思想： AI、AIGC、GPT...几个专业名词是什么？有什么联系？ AI 浪潮从22年底开始变得火热，全民 AI 的时代已经到来，为何？ 程序员如何学习大模型，需要掌握什么 ？ 扫盲+使用入门为主，不知道自己不知道什么？不知道怎么用？ 一、名词概念 1.1 名词解释
