aibi1

摘要： 目录一、先建立宏观三层框架① 流动性（Liquidity）② 经济增长（Growth）③ 通胀（Inflation）二、你作为个股交易者，真正需要盯什么？第一类：政策方向（最重要）第二类：利率第三类：增长拐点第四类：通胀三、为什么你之前亏？四、你该怎么系统学习？第一步：建立“宏观-市场传导逻辑”第二 阅读全文

摘要： 目录一、标准 LLM 指令微调（SFT 场景）不推荐作为核心指标①train/loss如何区分“lr 太小”和“容量太小”？②.eval/loss一、正常的 eval/loss 特征二、异常的 eval/loss 特征1️⃣ eval/loss 快速上升2️⃣ eval/loss 波动剧烈3️⃣ e 阅读全文

摘要： 目录找出进程编号sudo py-spy dump --pid 43091 找出进程编号 ps aux | grep "python.*agents/main.py" | grep -v grep sudo py-spy dump --pid 43091 Thread 0x2024A2C40 (idl 阅读全文

摘要： 目录优势1. 松耦合设计 - 独立性与集成性并存2. 动态可扩展 - 插件式架构3. 基于元数据的自描述能力Agent和skill 边界🤔 什么时候还需要独立智能体？subAgent VS AgentSkillsFunction Calling的Tools vs Agent ToolFunctio 阅读全文

摘要： 目录技术细节（和文本处理差异）优化 embedding 空间的几何结构*🔹通用图搜图（跨类语义检索）🔹细粒度分类型检索（如人脸、SKU级商品）🔹小数据 + 负样本难构造二、逐个拆解1️⃣ Contrastive Learning（广义）2️⃣ InfoNCE（工业主流）3️⃣ Triplet 阅读全文

摘要： 目录深度学习的主要应用方向1️⃣ 计算机视觉（Computer Vision, CV）2️⃣ 语音处理（Speech AI）3️⃣ 多模态（Multimodal）4️⃣ 推荐系统5️⃣ 强化学习（RL）6️⃣ 科学与工业领域核心认知（重要） 是的，而且不止视觉处理。 你要区分清楚两个维度： 深度学习 阅读全文

摘要： 目录二、pyproject.toml 做什么三、uv.lock 做什么正常流程（推荐）七、uv.lock 和 poetry.lock / requirements.txt 的关系 二、pyproject.toml 做什么 它只表达 约束和意图，例如： [project] dependencies = 阅读全文

摘要： 目录一、整体流程总览（先看全图）二、Step 0：数据 & 任务确认（非常关键，很多人跳过）三、Step 1：结构设计（一次性，别纠结）🎯 目标推荐起点（90% 场景适用）四、Step 2：基线训练配置（全部冻结）五、Step 3：学习率搜索（第一调参旋钮）🎯 目标操作方式📊 判断指标（核心） 阅读全文

摘要： 目录Agents Skills的价值Agent Skills定义instructions：指令举个例子：指令 vs workflowscriptsresources：资源1️⃣ 数据文件（Data files）2️⃣ 参考文档（Reference docs）3️⃣ 配置文件（Config files 阅读全文

摘要： 目录一、先给结论（重点）二、最抗跌的 5 大方向（按“防守力”排序）🥇 第一梯队（真正抗跌）1️⃣ 半导体设备（不是芯片本身）2️⃣ 电力基础设施 / 电网 / 能源输送🥈 第二梯队（条件性抗跌）3️⃣ 数据中心“卖铲子”的公司4️⃣ 国防 / 航空航天（不是太空概念炒作）🥉 第三梯队（“跌不 阅读全文