概览 本文对比三款主流国产大模型的资源需求与使用成本，帮助开发者根据场景选择合适的方案。 模型 厂商 架构 最低可部署显存 API 是否可用 GLM-5 智谱AI Dense（多版本） 24GB（8B） ✅ Kimi K2.5 月之暗面 MoE（未公开） 24GB（轻量版） ✅ MiniMax M2.7 MiniMax MoE 2300亿 暂未开源 ✅ GLM-5（智谱AI） 版本与硬件需求 GLM-5 提供 4 个参数版本，是目前覆盖范围最广的国产大模型。
Continue reading →什么是驾驭工程？ 定义：驾驭工程是围绕 AI Agent 设计约束、反馈循环、工具系统和验证机制的工程学科。 这个定义可以用一个类比来理解： 驾驭一匹千里马：千里马（AI Agent）具备高速奔跑的能力，但如果没有人驾驭，它可能会随意奔跑、撞伤路人、甚至冲悬崖。驾驭工程就是为这匹千里马配备缰绳（约束）、刹车（安全控制）、马鞭（激励机制）和骑手（监控），让它在正确的道路上安全前行。
Continue reading →场景：信息正确，执行翻车 某公司部署了一个基于 RAG 的技术文档问答系统。这个系统工作得非常好——当用户问"如何配置 Redis 集群？“时，它能准确地从技术文档中检索出相关信息，并给出详细的配置步骤。
Continue reading →什么是上下文工程？ 2025 年 6 月，Andrej Karpathy 在 OpenAI 工程博客上给出了上下文工程的定义：“the delicate art and science of filling the context window with just the right information for the model to take the next step.” 这一定义点出了上下文工程与提示工程（Prompt Engineering）的核心区别：
Continue reading →问题描述 考虑这样一个提示词：主题是"Python MySQL连接最新最佳实践"，包含精心设计的角色设定（“你是一位有10年经验的Python数据库专家”）、明确的指令（“只提供2024年的最佳实践，不要过时的方法”）和具体的格式要求（“列出主要方法、优缺点、代码示例、安全注意事项”）。
Continue reading →什么是提示工程？ 提示工程（Prompt Engineering）的核心定义是：设计自然语言输入来引导大语言模型输出特定结果。 这个概念看似简单，但背后隐藏着一个深刻的假设：同一个模型，不同的提示 → 完全不同的输出结果。
Continue reading →