LLM

小米面试的一些不足和学习。

SPARC 框架源码分析，记录量子启发意识编程范式、PolarisOne 自适应 Token 加权技术、意识编码智能体架构，以及它对软件开发工作流的影响。

分析 Claude Code 架构设计与 Unix 哲学，通过 gemini-cli 源码理解 AI 编程工具实现原理，梳理 grep 搜索策略、命令行工具设计模式和 Unix 风格编程思想。

Claude Code Router 和 MCP Router 配置笔记，记录 CLI 工具安装、多模型路由、API 集成等常用配置。

通义 DeepResearch 开源研究智能体笔记，记录 ReAct 模式、Heavy Mode、WebWalker 网页逆向工程和合成数据训练方案。

AutoGen 多智能体框架入门笔记，梳理 AssistantAgent、UserProxyAgent 等核心组件，并记录代码实例、架构设计和工具使用方式。

一套提示词调优流程：先用 35 项标准打分，再根据反馈迭代改写，适合拿来评估和打磨复杂提示词。

解释大语言模型的工作原理，从数据收集清洗到模型训练全流程。梳理参数与词元概念、微调技术、工具使用减少幻觉、强化学习优化等核心技术，理解 LLM 的运作机制。

提示工程技巧笔记，记录清晰直接的示例、思维链推理、XML 标签、角色设定和评估方法。

vLLM 推理性能压测笔记，记录 PagedAttention 内存分配、KV Cache 优化、参数调优和吞吐量测试结果。