SERIES共 11 篇 · 连载中
AI 工程实战
从 Agent、RAG 到本地部署与成本治理——一套面向开发者的 LLM 工程化系列，系统讲透怎么把大模型真正用起来、用在生产里。
查看系列文章 →
WGQ // BLOG
AI 工程 · 技术随笔 · 随手记录
// 系列专题
Agent≈ 2 分钟
AI 编程助手架构拆解：以 WCode 为例
从分层架构、Agent Loop、计划模式到工具集与 token 压缩，完整拆解一个真实桌面 AI 编程助手（WCode）是怎么设计出来的。
成本≈ 3 分钟
推理成本治理与性能优化：让大模型既快又省
流式输出、Prompt 缓存、模型路由、量化与 token 压缩——系统讲解如何把 LLM 的账单和延迟都压下来，并附 WCode 实战。
安全≈ 2 分钟
LLM 安全与提示注入防御：大模型的软肋在哪里
提示注入、越狱、数据泄露、红队测试——拆解 LLM 特有的安全威胁，并给出最小权限、输出校验、隔离边界等可落地防御。
量化≈ 2 分钟
模型量化与本地部署：把大模型"搬"回你的机器
为什么要把模型跑在本地？GGUF、Ollama、llama.cpp、INT4/INT8 量化与端侧推理全解析，并结合本地 Qwen 实战经验。
多模态≈ 2 分钟
多模态大模型：当 AI 不止"读文字"
图像、语音、视频如何被大模型理解？拆解 CLIP、视觉编码器与多模态 Agent，并看它如何"看图操作界面"。
微调≈ 2 分钟
微调还是 RAG？一道大模型落地的灵魂选择题
Prompt、RAG、Fine-tuning 三者到底怎么选？本文给出清晰决策树、LoRA/QLoRA 简介与成本对比，帮你不再为"该不该微调"纠结。
长上下文≈ 2 分钟
长上下文与长文本处理：当文档比窗口还长怎么办
上下文窗口越大越好吗？本文拆解 KV Cache 成本、注意力稀释、长文档的切分/摘要/Map-Reduce 与滑动窗口策略，并给出可运行示例。
Agent≈ 3 分钟
Function Calling 工程化封装：把"工具"安全可靠地交给大模型
裸的 function calling 远远不够。本文讲透工具 schema 设计、并行调用、错误重试、结果截断与安全边界，并给出可复用的执行器实现。
Prompt≈ 2 分钟
提示工程进阶：从"写清楚"到"结构化驾驭大模型"
提示工程不止把话说清楚。本文拆解 RTCDF 框架、few-shot、结构化输出、思维链，以及最容易被忽视的提示注入防御。
Agent≈ 7 分钟
AI Agent 深度解析：从「会聊天的模型」到「能干活的数字员工」
一文讲透 AI Agent 的架构、规划推理、工具调用、记忆系统与多智能体协作，并附可运行的 ReAct 最小实现与工程落地经验。
RAG≈ 3 分钟
RAG 检索增强生成实战：让大模型"读懂你的私有数据"
从文档切分、Embedding、向量检索到重排与生成，手把手拆透 RAG 全链路，并附可运行的最小实现与常见陷阱。