LLM 教程

在本地（RTX 3090）用 Claude Code 和 Ollama 运行 GLM 4.7 Flash，只需几分钟，无需云端、无锁定，速度与掌控兼得。

了解视觉-语言-动作（VLA）模型的工作原理、它们与VLM的区别，以及在2026年如何在 OpenVLA、pi0 和 SmolVLA 之间做出选择。

了解如何使用 Docker 在本地，以及使用 Google Cloud 在云端，设置并运行 vLLM（虚拟大型语言模型）。

学习如何使用阿里巴巴开源的视频生成模型 Wan 2.1，从文本和图像生成视频。

了解如何设计并维护一份精炼的 CLAUDE.md 文件，让 Claude Code 在每次会话中都能可靠遵循您项目的规则、约定和工作流。

学习如何使用 MetaStone 的 XBai o4 模型构建交互式推理演示，涵盖其反思式生成推理。

使用 GPT-6.1 Sol、OpenAI Agents API 和托管沙盒构建 AI 事件响应代理，以调查事件、运行检查并生成结构化报告。

节点负责干活，边决定下步运行，共享状态在它们之间承载信息。本文讲解何时多智能体图确实优于单循环，并演示在 LangGraph 中构建包含条件重试边的研究员、写作者与审稿人流水线。

在 Muse Code 和 Meta Model API 中设置 Muse Spark 1.3，选择贡献者或标准层级，并检验 Meta 的效率宣称是否成立。

学习如何在 Python 中使用 Gemini 3.8 Flash API：设置 Interactions API、调整 thinking_level、PDF 到 JSON 的抽取，以及带代码的函数调用。

通过 OpenAI API 使用 GPT-6 Astra 构建一个 Python 发布检查代理，具备异步工具、推理控制、结构化输出与成本跟踪，并测试电脑操作与转向。

学习如何使用 Anthropic 最新旗舰模型构建一个 Python 代理，在规划变更前读取一个 Flask 仓库。添加进度更新、只读文件工具与成本控制。