做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 LLM大模型

一句话核心: LLM大模型(Large Language Model) = 基于Transformer架构的海量参数模型，通过万亿级文本训练，将人类语言规律压缩为数学表示，实现理解、生成、推理三位一体的通用智能。

5分钟AI知识点学到LLM大模型，其实基本上对AI知识点有大概的认知了，对于目前大多数接触AI的人第一个接触的肯定是LLM大模型，知道怎么用，但是不知道它是怎么来的。通过上面5分钟AI知识点学习，能够大概了解到一些脉络。

从我个人理解来讲，LLM大模型目前的定义来说，是AI技术发展到一定阶段的可实际应用的产品，有点类似电脑时代的 晶体管超级电脑（占地170平方米）发展到个人电脑时代，大家开始可以接触与应用到AI技术，不再局限于某个少数高端领域中。

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 Transformer算法模型

一句话核心: Transformer = 完全基于自注意力机制的序列建模引擎，通过并行计算全局依赖关系，彻底取代循环神经网络（RNN）的串行瓶颈

通俗的理解就是，原先的算法都一个接一个单词单独循环遍历相关的关联性，Transformer是把整个句子所有单词一起互相计算关联性，也可以简单理解为串行和并行区别。

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 循环网络 RNN

一句话核心: 循环网络 RNN = 带记忆功能的神经网络​​，通过循环连接保留历史信息，专为处理序列数据（文本、语音、时间序列）而生

做一个有温度和有干货的技术分享作者 —— Qborfy

工作流是什么

前面我们对LangGraph知识有一个基础入门，如果要完成一个真正的Agent工作流应用开发，还是远远不够的。

一个复杂且完整的Agent工作流应用，需要完成以下几个方面：

1. 确定工作流目标，如：规划未来的旅游行程
2. 按照目标规划和拆分任务清单，如：预定酒店、饮食推荐、景点参观时间等等
3. 单执行任务（包含异常中断且重试机制），如：预定酒店
4. 更新任务状态给工作流，如：预定酒店成功或失败
5. 对任务清单状态进行重新思考或规划，如：预定酒店失败后需要重试其他渠道
6. 对任务状态反馈给到用户，如：给用户酒店预定失败，是否选择其他渠道预定

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 损失函数

一句话核心：损失函数 = 用来衡量模型预测值与真实值之间差异的函数，是优化算法的目标

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 激活函数​

一句话核心：激活函数(Rectification Function): 在神经网络模型里，如何把“激活的神经元的特征”通过函数把特征保留并映射出来， 通常f(x) = wx + b中 f就是激活函数。

也简单理解成神经网络的 “智能开关”​。

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 深度学习

一句话理解：让计算机像人类大脑一样，通过堆叠多层的‘神经元网络’，从原始数据中自动学习由简单到复杂的多层次特征表达，最终实现智能决策。

对比之前 机器学习， 就是让计算机学会“举一反三”的深度思考能力，如：从认识鸟，到自动分辨出老鹰和麻雀的特征。

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 神经网络算法

一句话核心：“神经网络 = 模拟人脑的计算网络，通过层层传递数据自动学习规律，​​输入→加工→输出​​是它的核心工作流”

做一个有温度和有干货的技术分享作者 —— Qborfy

今天我们来学习 卷积网络CNN

一句话核心：CNN = 模拟人类视觉系统，用局部感知+参数共享机制高效处理​​图像、视频、医学影像​​等网格数据

简单理解就是将图片数据降低复杂度，在拆分成一个个小块（局部特征），结合统一的参数规划，最终完成图像识别。

做一个有温度和有干货的技术分享作者 —— Qborfy

前面我们学了LangChain的使用和Agent开发，Langchain是一个线性工作流，如果想要在实际开发复杂的Agent，那么实现非常麻烦，比如可能会遇上一以下一些问题：

• 当调用某个工具方法出现错误或不是所需要的结果，需要循环调用工具方法直到返回需要的结果
• 当需要一次任务中，需要保存不同工作节点的状态
• 当需要调用不同LLM模型时候
• 当链路中断，需要从上一个工作节点继续执行
• ……

为了解决这些问题，LangChain抽象出一个高级框架: LangGraph，接下来就开始学习LangGraph的开发。