Common Use
Temporary Storage
Python
Anaconda
Jupyter
JavaScript
TypeScript
CSS
React
Next.js
FastAPI
Django
Celery
Pydantic
Git
MySQL
PostgreSQL
SQLite
MongoDB
Redis
Milvus
Qdrant
zvec
RabbitMQ
Kafka
Docker
Kubernetes
Harbor
Jenkins
Linux
WSL
Process Management
Machine Learning
PyTorch
Large Language Models
- 01-large-language-models — LLM 从原始世界知识到可对话服务的完整工业流程:数据工程 → 预训练 → 后训练(SFT + 偏好对齐)→ 推理部署 → 模型压缩。所有阶段用具体技术栈描述,避免抽象/比喻。
- 02-inference-deployment — vLLM 与 SGLang 在生产环境的完整使用方法:显存优化参数、并发机制、Prometheus 指标、token 吞吐率量化、Grafana 面板、日志配置;附 vLLM vs SGLang 选型对比。所有结论来自公开文档与官方博客。
LLM Evaluation
- opencompass — 上海 AI Lab / 书生·浦语出品的大模型评测框架:架构、本地 / 远程模型测试、60+ 内置数据集、自定义数据集、评测指标、生产环境特性。覆盖 v0.5.3。
- evalscope — 阿里魔搭出品的一站式大模型评测框架:四大后端、本地 / 远程模型测试、191 个内置 benchmark、CollectionSchema 权重采样、LLM-as-Judge、Arena 对战、推理压测、Web Dashboard。覆盖 v1.8.1。
Prompt Engineering
- prompt-engineering — 2026 年工业级 Prompt 工程:Anthropic 官方 7 大原则、DSPy 编译器范式(35.7k stars)、结构化输出四件套(Instructor / Outlines / TypeChat / Prompty)、Prompt 优化工具、模板管理三件套(LangSmith / Helicone / PromptLayer)、注入防护(NeMo Guardrails)、Few-shot/CoT/ReAct 现状、完整工业流程。
RAG
- rag-industrial-solutions — 2026 年最新 RAG 工业级方案选型:范式演进(Naive → Advanced → Modular + Agentic RAG)、9 大开源框架(RAGFlow / LightRAG / GraphRAG / Dify / FastGPT / MaxKB / LangChain / LlamaIndex / Haystack)、文档解析、Embedding、向量库、评测体系(RAGAS)、完整工业链路、场景化选型决策树。
- rerank — 2026 年工业级重排序:4 种范式对比(Cross-encoder / Bi-encoder / Late Interaction / LLM-based)、主流模型(BGE v2/v3 / Cohere v3.5 / Jina m0 / Qwen3-Reranker / gte-rerank)、LLM-based 重排序(RankGPT / RankZephyr / PRP / RankT5)、工业级部署(TEI / vLLM / SGLang / TensorRT-LLM)、场景化选型决策树。
Agent
MCP
Skills
AI Coding Assistants
Figma
UI/UX Design
Computer Networks