语音与音频深度学习：从 ASR、TTS 到流式部署
语音是时序信号的典型代表，本文系统讲解语音信号的采样与分帧、梅尔频谱与 MFCC 声学特征、CTC 与注意力两种 ASR 建模范式、Conformer 架构与流式识别的分块机制、Whisper 的弱监督大规模预训练与多语言能力、TTS 的 Tacotron/FastSpeech 与神经声码器、说话人识别与语音克隆、WER/MOS/RTF 评测指标、以及流式管线的工程部署与生产踩坑清单。
category
ai
共 143 篇文章。
图神经网络实战：消息传递、GCN/GAT/GraphSAGE 与大图训练
图神经网络把深度学习从规则网格推广到任意拓扑结构，本文系统讲解消息传递范式的三个阶段与数学形式、GCN 的对称归一化传播推导、GraphSAGE 的邻居采样与归纳学习、GAT 的注意力加权聚合、过平滑的成因与残差跳跃缓解、大图训练的邻居采样与 GraphSAINT/Cluster-GCN、节点边图三类任务与图级读出、与 Neo4j 等图数据库的特征协同，以及生产落地中的数据泄漏与邻居爆炸踩坑。
MCP 多语言 SDK 生态：Python、Go、Rust 与自定义 SDK
MCP 多语言 SDK 生态全景：Python/Go/Rust 官方与社区 SDK 的对比选型、类型系统与异步模型、自定义 SDK 的传输层与协议层实现、框架绑定（LangChain/LlamaIndex），帮你选对语言落地 MCP。
MCP 成本与 Token 优化：预算、缓存、批处理与降级
MCP 工具调用的成本与 Token 优化：token 预算管理、工具结果缓存、批处理与惰性加载、上下文压缩、降级策略与成本监控，帮助你在保证效果的前提下控制 LLM 调用成本。
MCP 网页抓取工具：内容提取、结构化输出与合规边界
MCP 网页抓取工具实践：抓取流程设计、HTML 内容提取、结构化 JSON 输出、robots 合规与反爬边界、会话管理、JS 渲染页面处理，帮助 LLM 安全合规地获取网页信息。
MCP 文件系统工具：安全边界、路径隔离与流式处理
MCP 文件系统工具的安全实践：访问根目录白名单、路径隔离与防穿越、读写权限边界、大文件流式处理、文本与二进制处理、临时文件生命周期与沙箱，帮助 LLM 安全操作文件。
MCP 向量检索与 RAG 工具：Embedding、向量库与混合检索
MCP 向量检索与 RAG 工具实践：Embedding 工具设计、向量数据库接入、检索增强、混合检索与重排、元数据过滤与上下文管理，帮助 LLM 构建可靠的检索增强能力。
GraphQL 与 LLM/Agent 集成：工具调用、结构化输出与 MCP 对比
GraphQL 与 LLM/Agent 集成深度：Function Calling 工具定义、结构化输出、Schema 作为工具契约、GraphQL MCP Server 与 MCP 协议对比，帮助 AI 应用安全高效地调用数据层。
MCP 数据库工具：SQL 查询、Schema 暴露与安全边界
MCP 数据库工具的设计与安全：SQL 查询工具、Schema 资源暴露、读写权限边界、防注入、审计与多数据库适配，帮助 LLM 安全可靠地访问数据层。
AI 智能体与可观测性：MCP 工具接入与智能排障
深度讲解 AI 智能体如何通过 MCP 协议接入可观测性数据：智能体需要什么观测数据、MCP 工具与 schema 定义、让 Agent 查询指标/日志/trace（PromQL 沙箱/日志检索/trace 分析）、结构化工具响应与置信度、权限与安全边界（只读/范围/审计）、从辅助排障到自动修复的落地路线。
AI 推理安全：内容安全、提示注入与模型防护
LLM 推理服务的安全攻击面远超传统 API：提示注入、越狱、权重泄露与滥用。本文从攻击面出发，讲透输入输出过滤、鉴权配额、模型权重保护、沙箱降级与合规审计的纵深防御体系。
LLM 服务可观测性：吞吐、时延、token 与成本监控
LLM 推理服务没有可观测性就像盲人开车：TTFT、TPOT、吞吐、token 计量、GPU 利用率、链路追踪与成本核算缺一不可。本文给出从指标定义到看板、压测、告警的完整方法论。
AIOps 异常检测：从阈值告警到机器学习根因
深度讲解 AIOps 异常检测工程实践：固定阈值告警的局限、时序异常检测方法（统计/机器学习/监督）、动态基线（Madlib/Prophet/内置模型）、告警关联分析与根因定位、噪声与误报治理（收敛/去重/聚合）、AIOps 平台能力与落地路线。
FlashAttention 与高效注意力内核：IO 感知与分块计算
标准注意力的瓶颈不是算力而是显存 IO：中间矩阵 S、P 的写入读出把 HBM 带宽吃满。FlashAttention 用分块 + 重算 + online softmax 把 IO 从 O(N²) 降到 O(N)，成为长上下文推理的基础设施。
MoE 混合专家推理：路由、负载均衡与显存策略
MoE（混合专家）用稀疏激活换参数容量：推理时每个 token 只经过 Top-K 个专家。本文讲透 MoE 的推理特性——路由、负载均衡、专家并行、激活内存与显存策略，以及多机推理的性能与成本权衡。
Prefill/Decode 分离与连续批处理：吞吐与延迟的平衡
Prefill 计算密集、Decode 带宽受限，两种阶段在同一个 GPU 上互相拖累。连续批处理与 Chunked Prefill 让请求动态进出批次，再进一步把 Prefill 与 Decode 物理分离，是吞吐与延迟平衡的完整方法论。
MCP 发布与生态：让工具被更多人发现和使用
MCP 发布与生态工程：MCP 服务器的分发形态（SDK 包/远程端点/容器镜像/注册表）、服务器目录与发现机制、发布前的质量门（清单/README/测试/示例）、远程服务器的注册与托管平台、版本管理与兼容（semver/protocolVersion）、运行环境的覆盖（桌面/IDE/CI/云端）、生态中的客户端与服务器角色、商业与社区生态，以及发布的运维与演进。
KV Cache 与 PagedAttention：显存复用与长上下文推理
KV Cache 是自回归推理最大的显存开销来源，PagedAttention 用操作系统页式管理思想把显存复用做到极致，配合 KV 量化、剪枝与前缀共享，共同支撑长上下文推理。
类别不平衡与异常检测：从重采样到半监督方法
欺诈、故障、医疗等场景天然类别极度不平衡，本文系统讲解类别不平衡的本质与度量（Imbalance Ratio/混淆矩阵/PR-AUC）、重采样方法（SMOTE 及变体/欠采样/集成采样）、代价敏感学习与 Focal Loss、异常检测的统计方法（Z-score/隔离森林/单类 SVM/深度方法）、半监督与标签稀缺、以及生产评估（Precision-Recall 优先、阈值调优、误报成本）的完整方法论。
MCP 浏览器与网页工具：让 Agent 操作真实网页
MCP 浏览器与网页自动化工具设计：浏览器工具的典型场景（网页抓取/表单操作/登录态/多步流程）、浏览器工具的模式（导航/查询/点击/填表）、DOM 操作与选择器、等待与稳定性（元素可见/网络空闲/重试）、无头浏览器与沙箱、截图与可访问性树、浏览器工具的并发与会话隔离、防检测与合规边界，以及浏览器工具的测试与安全。