DoubleR的博客

AI基础概念

本文简单介绍了AI相关的基础概念，包括Prompt、Agent/Agent Tool、Function Calling、MCP

AI学习计划

面向iOS/跨端开发者的AI进阶学习路径，涵盖LLM基础、Agent架构、MCP协议、AI Coding等核心领域，提供系统性的学习资源和实践建议

Agentic Design Patterns-反思

探讨智能体设计模式中的反思模式，通过让智能体对自身输出进行评估、批判与迭代改进，显著提升任务质量与可靠性。

Agentic Design Patterns-并行化

探讨智能体设计模式中的并行化模式，通过并发执行多个LLM调用、工具使用和子智能体，显著提升智能体系统的效率与响应能力。

Agentic Design Patterns-工具使用、规划

探讨智能体设计模式中的工具使用与规划模式。工具使用通过函数调用机制赋予智能体与外部世界交互的能力；规划模式则使智能体能够自主将复杂目标分解为可操作的步骤序列。

Agentic Design Patterns-提示词链

前言提示词链（Prompt Chaining）是 Agentic Design Patterns 中的核心模式之一，它通过将复杂任务分解为多个有序的子任务，并通过一系列提示词逐步引导 AI 完成最终目标。提示词链模式概述提示词链（Prom

Agentic Design Patterns-路由

前言路由（Routing）是 Agentic Design Patterns 中的核心模式之一，它通过智能决策机制，将用户请求导向最合适的处理路径，实现高效的任务分发和处理。路由模式概述虽然通过提示词链进行顺序处理是使用语言模型执行确定性

深度学习—GPT与Transformer

深入解析Transformer架构和GPT模型的工作原理，包括自注意力机制、位置编码、多头注意力等核心概念。

深度学习-反向传播算法

前言上一章我们学习了梯度下降法，在那一章中提及了计算梯度所需使用的反向传播算法，这一章我们将进一步探讨什么是反向传播算法反向传播算法（Backpropagation，简称 BP）是神经网络训练中最核心的算法之一。它通过计算损失函数对每个权重

深度学习-梯度下降法

上一章学习了神经网络的结构，但也留下了一个问题，就是神经网络是如何学习的。这一章，我们将进一步讲解深度神经网络的学习基础——梯度下降算法如何调整参数上一章我们讲到，识别2828像素手写数字的神经网络整体可以整体看作一个函数，输入就是28

深度学习-注意力机制

前言上一章我们为逐步了解了Transformer内部运作机理开了个头，这是大语言模型的核心技术之一，也广泛应用于现代AI热潮中的其它工具。它首次出现于2017年一篇论文《Attention is All You Need》。因此本章将深入讨

深度学习-神经网络的结构

什么是神经网络假设现在有一个28*28像素的图片，例如下图人脑可以轻松快速识别图像中的数字是3。但是如果要写一个程序去识别图片中的数字，就非常的困难。这就涉及到了我们今天内容，神经网络。那么什么是神经网络，它又是如何工作的呢。一个简单的神经