https://latent-site.pages.dev/posts/ Recent content in Posts on Latent Hugo zh 2026 Latent Sun, 05 Jul 2026 00:00:00 +0000 https://latent-site.pages.dev/posts/2026/07/ai-agent-%E5%AD%A6%E4%B9%A0%E8%B7%AF%E7%BA%BF%E4%BB%8E%E9%9B%B6%E5%88%B0%E7%94%9F%E4%BA%A7%E6%AF%8F%E4%B8%AA%E9%98%B6%E6%AE%B5%E9%85%8D%E4%B8%80%E4%B8%AA%E5%BC%80%E6%BA%90%E9%A1%B9%E7%9B%AE/ Sun, 05 Jul 2026 00:00:00 +0000 https://latent-site.pages.dev/posts/2026/07/ai-agent-%E5%AD%A6%E4%B9%A0%E8%B7%AF%E7%BA%BF%E4%BB%8E%E9%9B%B6%E5%88%B0%E7%94%9F%E4%BA%A7%E6%AF%8F%E4%B8%AA%E9%98%B6%E6%AE%B5%E9%85%8D%E4%B8%80%E4%B8%AA%E5%BC%80%E6%BA%90%E9%A1%B9%E7%9B%AE/ 一份系统的 AI Agent 学习路线图，分为 5 个阶段：LLM 基础 → Prompt 工程 → 单 Agent 开发 → 多 Agent 系统 → 生产部署。每个阶段推荐一个 GitHub 开源项目作为实战练手。 https://latent-site.pages.dev/posts/2026/07/%E7%90%86%E8%A7%A3%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6%E4%BB%8E%E7%BC%A9%E6%94%BE%E7%82%B9%E7%A7%AF%E5%88%B0%E5%A4%9A%E5%A4%B4%E6%B3%A8%E6%84%8F%E5%8A%9B/ Sun, 05 Jul 2026 00:00:00 +0000 https://latent-site.pages.dev/posts/2026/07/%E7%90%86%E8%A7%A3%E6%B3%A8%E6%84%8F%E5%8A%9B%E6%9C%BA%E5%88%B6%E4%BB%8E%E7%BC%A9%E6%94%BE%E7%82%B9%E7%A7%AF%E5%88%B0%E5%A4%9A%E5%A4%B4%E6%B3%A8%E6%84%8F%E5%8A%9B/ 深入解析 Transformer 中的注意力机制——从 Query-Key-Value 的直觉出发，经过缩放点积注意力，到多头注意力，配合具体数值示例追踪数据流。 https://latent-site.pages.dev/posts/2026/07/%E4%BB%8E%E9%9B%B6%E6%9E%84%E5%BB%BA-react-agent%E5%B7%A5%E5%85%B7%E8%B0%83%E7%94%A8%E4%B8%8E%E5%A4%9A%E6%AD%A5%E6%8E%A8%E7%90%86/ Sat, 04 Jul 2026 00:00:00 +0000 https://latent-site.pages.dev/posts/2026/07/%E4%BB%8E%E9%9B%B6%E6%9E%84%E5%BB%BA-react-agent%E5%B7%A5%E5%85%B7%E8%B0%83%E7%94%A8%E4%B8%8E%E5%A4%9A%E6%AD%A5%E6%8E%A8%E7%90%86/ 实现一个 ReAct 风格的 Agent，支持搜索、计算器、代码执行等工具。覆盖 Thought-Action-Observation 循环、Prompt 工程设计和错误恢复策略。 https://latent-site.pages.dev/posts/2026/07/rag-pipeline-%E5%AE%9E%E6%88%98%E4%BB%8E%E6%96%87%E6%A1%A3%E5%88%87%E5%88%86%E5%88%B0%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%9A%84%E5%AE%8C%E6%95%B4%E9%93%BE%E8%B7%AF/ Fri, 03 Jul 2026 00:00:00 +0000 https://latent-site.pages.dev/posts/2026/07/rag-pipeline-%E5%AE%9E%E6%88%98%E4%BB%8E%E6%96%87%E6%A1%A3%E5%88%87%E5%88%86%E5%88%B0%E6%A3%80%E7%B4%A2%E5%A2%9E%E5%BC%BA%E7%9A%84%E5%AE%8C%E6%95%B4%E9%93%BE%E8%B7%AF/ 搭建生产级 RAG 系统的全流程：文档切分策略、Embedding 模型选型、向量数据库对比、检索重排，以及 Prompt 注入的最佳实践。