MHA、MQA 与 GQA 深度对比：大模型注意力机制演进全解析
深度解析大模型注意力机制的三种核心变体：MHA（多头注意力）、MQA（多查询注意力）和 GQA（分组查询注意力），从 Query/Key/Value 头数设计、KV Cache 显存占用、推理速度、模型精度等维度全面对比，助你理解 LLaMA、GPT 等模型的架构选择。
最新文章
LlamaIndex 核心概念：索引类型、检索策略与查询引擎全解析
深入解析 LlamaIndex 三大核心概念：索引（VectorStore/Summary/Tree/KeywordTable/KnowledgeGraph）是数据的结构化存储形态，检索策略（语义/关键词/混合/分层/路由）是从索引中查找内容的方法，查询引擎是封装检索与生成的完整问答接口，三者共同构成 RAG 流程的核心链条。
LlamaIndex 大厂面试 25 道核心题型全解析
LlamaIndex 大厂面试 25 道灵魂痛点题全解析，涵盖核心架构与数据流、高级 RAG 优化（混合检索/重排序/查询改写）、Agent 编排与工具调用、生产环境避坑指南四大模块，助你高效突击大厂 AI 工程师面试。
LlamaIndex 核心包 15 种分块策略完全指南
全面详解 LlamaIndex 核心包中 15 种分块策略，涵盖基础文本分块（Token/Sentence/Code）、语义分块（SemanticSplitter/SemanticDoubleMerging）、文件格式感知（HTML/Markdown/JSON）、关系层级分块（SentenceWindow/Hierarchical/MarkdownElement），附选择指南与代码示例。
LlamaIndex 索引类型全景：基础与高级索引一览
LlamaIndex 索引类型全景梳理，涵盖基础索引（VectorStore/Summary/Tree/KeywordTable）与高级索引（KnowledgeGraph/PropertyGraph/DocumentSummary/MultiModal），详解每种索引的核心原理、适用场景与选型建议。
LlamaIndex NodeParser：文档解析与分块策略完全指南
LlamaIndex NodeParser 完全指南，详解文档解析与分块策略，覆盖 SentenceSplitter、SemanticSplitter、HierarchicalNodeParser、JSONNodeParser 等核心分块器，以及分块大小、重叠窗口与语义完整性的最佳实践。
AI Agent 开发面试实战：RAG、LangGraph 与后端基础全记录
原力健康 AI Agent 开发岗位面试全记录，涵盖 RAG 检索流程、知识库构建、Chunk 切片优化、多路召回、LangGraph 编排、Redis 分布式锁与缓存、设计模式、排序算法等 23 道面试题详细解答。
LLM 应用开发面试 50 道模拟题及答案
LLM 应用开发面试 50 道核心模拟题及详细答案，覆盖 RAG 检索与评估、文本分块策略、多路召回、Agent 架构设计、LangGraph 编排、模型部署与推理优化、LLMOps 工程化等七大专题，助你全面备战大模型应用岗面试。
大模型应用开发工程师模拟面试笔记
大模型应用开发工程师模拟面试完整记录，包含自我介绍、RAG 系统搭建、Embedding 选型、文本分块策略、多路召回、Agent 架构设计、LangGraph 编排、模型微调部署等核心面试题的候选人回答与参考答案对比分析。
大模型面试八股文：量化、微调、部署全攻略
大模型岗位面试八股文全面深度版，涵盖模型量化（PTQ/QAT/GPTQ/AWQ）、微调技术（LoRA/QLoRA/全参微调）、部署推理（vLLM/TensorRT-LLM/TGI）、分布式训练（DeepSpeed/FSDP/Megatron）、Transformer 基础原理五大核心板块，120+ 道高频面试题详解。