第2页 | LLM | 人人都是产品经理

AI

LLM Wiki实战篇：少花token，多沉淀知识

构建一个高效的LLM Wiki系统，关键在于解决超长文档处理、精准检索与稳定调用等核心挑战。本文详细拆解了基于qmd的本地知识库架构设计，从CLI封装到目录结构规划，再到CLAUDE.md操作手册的编写，提供了一套可落地的解决方案，让LLM真正成为知识管理的得力助手。

秋孝隱

Claude LLM qmd

产品设计

一个人跑完 AI 情绪产品从 0 到 1，我沉淀了一套练手项目复盘方法论

从零到一打造AI情绪产品的背后，藏着练手项目的黄金法则。一位产品人通过「月光灯」项目，将泰语塔罗占卜与AI共情结合，实战演练了BRD假设驱动、安全底线分层、LLM双Provider架构等核心方法论。本文揭示如何在非商业项目中建立严谨框架，让每个技术债务和未验证假设都成为可量化的学习成果。

新伟的科技小院

AI产品 BRD LLM

AI,个人随笔

万字解读 Avi Chawla《2026 LLM工程师路线图》，8 层能力框架看 AI 应用工程

LLM应用工程正在重构AI行业准入门槛。从Prompt Engineering到Agent系统部署，一套覆盖8大支柱的完整能力框架，揭示了从碎片化学习到生产级落地的关键跃迁。本文拆解LLM工程师路线图，为普通人指明高性价比的AI职业切入路径。

叶小钗

AI应用 LLM 市场分析

AI,个人随笔

产品经理的RAG决策地图：什么阶段该加什么，什么时候该停手

RAG调优绝非简单的策略堆砌，而是一场精准的工程减法。本文揭示90%团队忽视的数据摄入层才是成败关键，拆解混合检索与重排序的黄金组合，并警告Agentic RAG等‘超前优化’陷阱，带你用诊断思维重建RAG调优决策地图。

芒果爸爸AI产品笔记

AI工程 LLM RAG

AI,个人随笔

ChatGPT之后，AI的下一个终局：机器人正在迎来自己的“GPT时刻”

从ChatGPT到家用机器人，AI的物理化进程为何步履维艰？红杉资本AI峰会揭示：机器人行业正在复制大语言模型（LLM）的成功路径，通过世界动作模型（WAM）、数据飞轮和虚拟训练场（DreamDojo）三大突破，让机械手臂也能拥有'脑补'物理常识的能力。当AI从数字世界走向物理世界，2026年或将迎来真正的家庭机器人革命。

冒泡泡

AI应用 LLM WAM

AI,个人随笔

动手LLM Wiki前，建议你先想明白这些

知识管理的未来正在被LLM Wiki重新定义，但盲目跟风可能让你陷入新的效率陷阱。本文深度解析Karpathy提出的知识编译理念，揭露那些教程不会告诉你的五大真实痛点——从规模天花板到惊人的API成本，同时带来突破性解决方案qmd的完整拆解。这是一篇给真正想建立可持续知识体系的工作者的避坑指南。

秋孝隱

Karpathy LLM qmd

AI,个人随笔

图解：资管行业「大模型」50个核心名词（首篇)

大模型技术正深刻重塑资管行业的智能投研与合规生态。本文以10个核心概念为脉络，系统拆解LLM在金融领域的垂直应用——从Transformer架构的底层原理，到行业大模型的知识蒸馏；从Token计费机制的成本控制，到多模态处理的财报分析实战。这是一份面向金融科技从业者的AI认知升级指南。

围炉喝茶聊产品

LLM Token Transformer

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。