AI 教程

学习如何使用 OpenAI 的 Realtime API 构建实时 AI 应用。本教程涵盖 WebSocket、Node.js 设置、文本/音频消息、函数调用，以及部署 React 语音助手演示。

Learn how to implement recursive retrieval in RAG systems using LlamaIndex to improve the accuracy and relevance of retrieved information, especially for large document collections.

Reflection Llama-3.1 70B 采用 Reflection-Tuning 训练，声称超越 GPT-4o 与 Claude 3.5 Sonnet，但目前在可复现与验证方面仍存问题。

通过猫学用猫抓柱的类比，学习强化学习的基本概念。

了解如何设置 Replit Agent，并通过示例演练和 10 个真实用例掌握其用法。

了解如何使用 Requesty 的统一 LLM 网关、故障切换、缓存与分析功能，在多个服务商之间构建可靠且具成本效益的 AI 应用。

了解如何安装和使用 Roo Code（开源 AI 编码助手），并将其功能与 Cline 进行对比。

学习如何使用神经网络、符号推理和蒙特卡罗树搜索（MCTS）的组合，创建 RStar 框架的简化实现。

使用 llama.cpp 和 Hermes Agent 在本地运行 Qwythos 9B，实现快速且私密的 AI 编码、浏览器聊天、Discord 自动化以及本地工具调用。

学习如何在 Windows 本地运行 PrismML 极速高效的 1 比特 Bonsai 模型：从下载与安装到使用 WebUI 测试，实测可达每秒 88.6 个 token。

在单张 NVIDIA H100 80GB GPU 上配置 llama.cpp 运行 GLM-4.7，通过 GPU 卸载、Flash Attention、上下文优化、高效批处理与调优 CPU 线程，最高可达每秒 20 个 token。

了解如何在 H100 GPU 上使用 llama.cpp 本地运行 GLM 5.1，进行测试、使用 WebUI，并与 Claude Code 集成。