Series: LLM 应用实战精通

All the articles in the "LLM 应用实战精通" series, in reading order.

• LLM 应用实战精通：系列总览

  15 Jun, 2026

  一段 10 周的 LLM 实战之旅。本系列系统讲解大语言模型从基础概念、提示工程、微调、RAG，到评估、应用构建、部署、挑战与前沿趋势的全流程，帮你把散落的知识拼成完整图景。

• LLM 应用实战精通（一）：LLM 基础与真实世界用例

  15 Jun, 2026

  从 AI/ML/神经网络的历史脉络讲起，厘清 LLM 的规模与训练方式，盘点内容生成、翻译、摘要、问答等真实世界用例，并梳理数据、伦理、技术与部署四类挑战。

• LLM 应用实战精通（二）：领域与任务自适应方法

  15 Jun, 2026

  通用大模型在垂直领域为何力不从心？本文对比领域预训练、领域微调与检索增强生成（RAG）三类自适应方法，结合 BloombergGPT、ChatDoctor 等案例，讲清各自的适用场景与取舍。

• LLM 应用实战精通（三）：提示工程

  15 Jun, 2026

  系统梳理提示工程的核心技巧——从零样本/少样本提示，到思维链（CoT）、ReAct、自洽性等进阶方法，并总结写出高质量 Prompt 的实用原则。

• LLM 应用实战精通（四）：微调大模型

  15 Jun, 2026

  讲清什么时候该微调、怎么微调大模型：从全量微调到参数高效微调（PEFT/LoRA），再到指令微调与 RLHF，并梳理数据准备与训练流程的关键要点。

• LLM 应用实战精通（五）：检索增强生成 RAG

  15 Jun, 2026

  深入拆解 RAG 的完整管线——文档摄取、分块与嵌入、向量检索、上下文增强与生成，讲清每个环节的设计要点与常见优化手段。

• LLM 应用实战精通（六）：构建 LLM 应用的工具生态

  15 Jun, 2026

  盘点搭建 LLM 应用所需的工具生态——编排框架（LangChain/LlamaIndex）、向量数据库、模型托管与前端原型工具，理清各类组件在技术栈中的位置。

• LLM 应用实战精通（七）：LLM 评估技术

  15 Jun, 2026

  如何科学评估 LLM 与 LLM 应用？本文梳理从传统指标（BLEU/ROUGE/困惑度）到基准测试（MMLU/HELM），再到 LLM-as-a-judge 的评估方法体系与实践要点。

• LLM 应用实战精通（八）：动手构建你的 LLM 应用

  15 Jun, 2026

  把前几篇的概念落到代码——本文带你端到端搭建一个 LLM 应用，串起数据准备、检索、提示编排与前端界面，理清从原型到可用产品的关键步骤。

• LLM 应用实战精通（九）：高级特性与部署

  15 Jun, 2026

  从原型走向生产：本文介绍函数调用、Agent、缓存与量化等高级特性，并梳理把 LLM 应用部署上线时在性能、成本与可靠性上需要权衡的关键问题。

• LLM 应用实战精通（十）：大模型面临的挑战

  15 Jun, 2026

  直面大模型的局限与风险——幻觉、对抗攻击、对齐与提示脆弱性等行为挑战，以及内存可扩展性、隐私等部署挑战，分析其成因并梳理当前可行的检测与缓解策略。

• LLM 应用实战精通（十一）：新兴研究趋势

  15 Jun, 2026

  展望 LLM 的前沿方向——多模态 LLM、开源模型、自主智能体、领域专用模型，以及 Mixture of Experts、Mamba、RWKV 等新架构，帮你把握领域的演进脉络与值得关注的研究热点。

• LLM 应用实战精通（番外）：LLM 架构基础

  15 Jun, 2026

  作为系列番外，带你走进 LLM 的底层架构——从 Seq2Seq 到 Transformer，理解自注意力机制、编码器-解码器与位置编码等核心概念，为深入研究打基础。