文章

我发布的全部文章。

• 大模型常见术语解释

  更新于:2026年10月7日

  从模型与参数、Token 与上下文、生成速度与采样，到 API 计费、RAG、Agent 和微调，按使用场景解释大模型常见术语及容易混淆的概念。

• RAG 与 LLM Wiki：两种 AI 知识库方式怎么选

  2026年10月7日

  RAG 在提问时检索资料，LLM Wiki 在资料进入时整理知识。用同一套文档解释两者的工作流程、失败原因、维护成本，以及什么时候应该结合使用。

• 大模型并行的几种切法

  2026年9月29日

  DP、TP、PP、EP、CP 各自切什么？同样八张卡，DP=8、TP=8、DP=4 加 TP=2、DP=4 加 PP=2 有什么不同？从显存、通信、单请求延迟和总吞吐讲清多机多卡的取舍。

• 本地模型该用哪套运行时

  2026年9月24日

  先按硬件和并发把常见模型运行时分成表，再逐个说明它解决的问题。本机看 llama.cpp、Ollama、LM Studio、GPT4All、llamafile、TextGen、LocalAI 和 MLX；多请求服务看 vLLM、SGLang、TGI、TensorRT-LLM、LMDeploy 和 Xinference；超大混合专家模型看 KTransformers；多阶段音视频看 vLLM-Omni 和 SGLang-Omni。