第2页 | LLM | 人人都是产品经理

AI 模型降价了 300 倍，你公司的 AI 成功率还是只有 5%——因为你买错了「护城河」

Atlan联合创始人Prukalpa Sanwal的犀利观察揭示了AI应用的残酷真相：当LLM成本下降300倍时，95%的企业项目却仍在失败。核心公式「Performance = Intelligence × Context」直指要害——那些精巧的AI幻觉、跨系统数据断层、业务语义鸿沟，都在证明context基础设施才是真正的竞争壁垒。

深思 SenseAI

AI应用 Context LLM

AI,个人随笔

我们对AI的理解，从一开始就错了

AI是否真能取代人类？这个问题背后隐藏着一个更根本的误区——我们对“智能”的定义可能从一开始就错了。本文犀利指出：真正的智能不是寻找终极公式，而是在无数有条件成立的小规律之间灵活导航的能力。

冲量AI

AI认知 LLM 具身智能

AI,个人随笔

大模型面试/分析必备：从原理到面试题，一篇就够

大模型技术正重塑AI应用生态，但背后的Transformer架构、训练三阶段与RAG/Agent等核心概念仍令非技术从业者困惑。本文系统拆解LLM从预训练到RLHF的对齐逻辑，深入剖析检索增强与智能体两大应用范式，更提供数据构建方法论与高频面试题解析，助你跨越理论与实践的认知鸿沟。

赵小洛

AI Agent LLM RAG

如果你了解这 5 个 AI 术语，你就领先 90% 的人了

AI 领域的专业术语常常让人望而生畏，但理解 Token、上下文窗口、温度设置、幻觉和 RAG 这五个核心概念，就能掌握大语言模型的底层逻辑。本文深入浅出地拆解这些关键术语，揭示 ChatGPT、Claude 等产品背后的运行机制，助你在科技浪潮中抢占认知高地。

TCC翻译情报局

LLM RAG 产品分析

AI,个人随笔

成本压到 50 美元！nanochat 重新定义「轻量级大模型训练」

本文深度解析 Andrej Karpathy 开源项目 nanochat，从架构、流程、核心功能到数据与模型，完整还原一个极简全栈 LLM 训练框架。

界面与交互

LLM 开源项目技术原理

AI,个人随笔

我把卡帕西的LLM Wiki跑了一遍

LLM Wiki与RAG最大的区别：不是“问完就扔”，而是“问→答→答案变成新知识→下次问得更准”。Ingest一篇5000字文档消耗约500k tokens，Query一次约70k tokens。知识会积累、极简（没有向量库）、支持体检。适合个人和小团队，上限约100-200篇文章。

产品经理伯庸

LLM RAG 产品分析

AI,个人随笔

何时该用LLM？AI产品经理的LLM设计指南

LLM技术热潮下，盲目跟风可能导致资源浪费与产品失控。本文深入剖析LLM与传统逻辑的核心差异，提供清晰的决策框架与成本测算，揭示混合架构的最佳实践，助你在技术选型中做出理性判断，避免陷入'为AI而AI'的陷阱。

硬核PM

AI应用 LLM 决策框架

AI,个人随笔

多智能体（Multi-Agent）架构深度拆解：协作模式、框架与落地建议

企业级AI应用正从单智能体时代加速迈向多智能体系统（MAS），这场架构革命正在突破LLM的能力边界。从上下文窗口瓶颈到跨领域协作缺失，单智能体的致命短板在多智能体分工协作面前迎刃而解。本文将深度解析6种核心协作模式与8大主流框架，为AI产品经理提供从场景匹配到架构选型的完整解决方案。

西瓜姐姐

AI架构 LLM Multi-Agent

AI,个人随笔

大模型ASR

从传统ASR到端到端大模型，语音识别技术正在经历一场架构革命。本文深入解析两种技术路线的核心差异，揭示大模型ASR在语言理解、多任务处理上的突破性优势，同时指出实时性与部署成本仍是传统方案的护城河。更值得关注的是，行业已悄然走向混合架构——轻量级前端保障实时响应，LLM后端负责语义优化，这种取长补短的模式正在腾讯、字节等头部产品中落地实践。

卜小

AI技术 ASR LLM

AI,个人随笔

每天学一点AI知识：Claude code中有关memory（记忆）能力的设计

Claude的memory能力设计揭示了AI产品如何突破上下文限制的终极解法。从Session Memory的实时会话压缩，到extractMemories的长期知识沉淀，再到teamMemorySync的团队协作同步，这套三层记忆体系正在重新定义人机交互的深度。本文将深入解析每个模块的工程实现与产品逻辑，看顶尖AI如何用结构化记忆打破LLM的遗忘诅咒。