KDNuggets 中文 关注 KDNuggets是一个流行的在线平台，为数据科学、机器学习和人工智能提供新闻、观点和资源。该网站特色包括文章、教程、研究论文、数据集、网络研讨会和数据科学领域的工作列表。它还举办了各种比赛、投票和论坛，让用户可以参与和与社区互动。 KDNuggets kdnuggets.com RSS kdnuggets.com KDNuggets 中文 RSS thenote.app
使用键值缓存复用提示前缀以优化小语言模型 在本文，我们系列关于 SLM 优化技术的第二篇文章中，重点探讨利用键值缓存复用提示词前缀。 Reusing the Prompt Prefix with a Key-Value Cache for SLM Optimization kdnuggets.com +1
5 真正能提升大语言模型输出的提示词优化策略 本文涵盖五种提示优化策略，包括：提示优化、提示工程、大语言模型输出质量、少样本提示、思维链以及结构化输出。 5 Prompt Optimization Strategies That Actually Improve LLM Output kdnuggets.com +1
搜索结果中 24,723 个 Token 究竟包含什么？我们逐字段进行了拆解 看看 SerpApi 的 Markdown 输出如何将搜索结果 token 用量降低高达 74%，从而减少 AI 代理的成本和上下文窗口开销。 What’s Actually Inside 24,723 Tokens of a Search Result? We Broke It Down, Field by Field kdnuggets.com +1
ChatGPT 工作有何优势？以下是我的发现 本文深入剖析 ChatGPT 究竟如何赢得其声誉，其底层模型在哪些方面真正优于竞争对手，以及其诚实的局限性何在。 What’s So Good About ChatGPT Work? Here’s What I Found kdnuggets.com +1
5 个免费 Zoomcamps：从数据管道到 AI 智能体 探索五个免费的动手工作坊，涵盖数据工程、机器学习、MLOps、大语言模型（LLMs）、AI 代理和 AI 开发，通过实践课程、作业、项目以及基于社区的学习方式进行教学。 5 Free Zoomcamps From Data Pipelines to AI Agents kdnuggets.com +1
Scikit-LLM 中的估计器：KDnuggets 速查表 Scikit-LLM 将语言模型封装在 scikit-learn 估计器 API 中，因此可原生集成到 Pipeline 或交叉验证循环中。 Estimators in Scikit-LLM: A KDnuggets Cheat Sheet kdnuggets.com +1
如何构建高效的 AI 智能体评估体系 学习如何为 AI 代理构建有效的评估体系，涵盖设计清晰的任务、选择合适的评分器、构建可靠的评估框架以及追踪随时间的变化。 How to Build Effective Evals for AI Agents kdnuggets.com +1
编排与执行：JONI 如何切入 Agent 层 探索 JONI 如何通过持久化运行时、多模型路由、执行能力以及超越简单内容生成的可靠性来实现 AI 代理编排。 Orchestration and Execution: How JONI Approaches the Agent Layer kdnuggets.com +1
如何利用 Google Opal 实现更多 AI 自动化 Opal 是 Google Labs 推出的无代码工具，可将自然语言转化为可运行的 AI 微型应用，其构建于内部框架 Breadboard 之上。以下是我掌握最佳使用方法的经验。 How I’m Using Google Opal for Even More AI Automations kdnuggets.com +1
5 门免费的 Microsoft GitHub 课程，助你学习数据科学与人工智能 探索五门免费的 Microsoft GitHub 课程，涵盖数据科学、机器学习、人工智能、生成式 AI、大语言模型（LLMs）、检索增强生成（RAG）、微调以及 AI 智能体。 5 Free Microsoft GitHub Courses to Learn Data Science and Artificial Intelligence kdnuggets.com +1
7 位资深 Python 开发者遵循的最佳实践（初学者常会忽略） 高级 Python 实践，若近距离观察，主要是惊喜的减少。这七种习惯能在生产之前将惊喜显现出来。 7 Python Best Practices Senior Developers Follow (That Beginners Often Miss) kdnuggets.com +1
为何 DeepSeek-V4.1-Flash 是一款令人振奋的开源模型发布 DeepSeek-V4.1-Flash 展示了因果编码器 - 解码器架构、混合专家模型（MoE）、KV 缓存压缩、CSA2、更廉价的预填充以及高效解码，如何使强大的开源 AI 模型在运行效率上实现显著提升。 Why DeepSeek-V4.1-Flash Is Such an Exciting Open Model Release kdnuggets.com +1
从面条式代码到整洁的 Python：初学者指南 学习如何将杂乱的 Python 代码重构为清晰、可维护的函数。 From Spaghetti Code to Clean Python: A Beginner’s Guide kdnuggets.com +1
5 种用于高效资源编排的 Python 技术 本文介绍了 5 种用于高效资源编排的 Python 技术，并仅聚焦于当前稳定的版本：核心技术基于 3.11 及更高版本，其中明确指出一项 3.14 专用工具需要该特定版本。 5 Python Techniques for Efficient Resource Orchestration kdnuggets.com +1
《Candid Abacus AI 评测：面向专业人士与企业的一体化 AI 平台》 如果您同时为 ChatGPT、Claude 以及其他 AI 工具付费，这篇评测就是为您准备的。它将介绍像 Abacus AI 这样的 AI 平台实际包含哪些功能，信用体系在实际中如何运作，以及它是否真正能够替代您现有的工具栈，还是仅仅作为补充。 A Candid Abacus AI Review: The All-in-One AI Platform for Professionals & Enterprises kdnuggets.com +1
Scikit-Learn 中的特征工程：KDnuggets 速查表 一旦特征工程被纳入 Pipeline，每一步都仅在训练数据上进行拟合，而模型则基于其实际获得的分数进行评估。这正是这份新速查表背后的理念。 Feature Engineering in Scikit-Learn: A KDnuggets Cheat Sheet kdnuggets.com +1
2026 年成为前出部署工程师的 7 个步骤 FDE 正成为人工智能领域最紧缺的工程师之一。以下是 2026 年成为 FDE 的七步路线图。 7 Steps to Become a Forward Deployed Engineer in 2026 kdnuggets.com +1
5 个用于自动化 CSV 处理的实用 Python 脚本 使用这 5 个 Python 脚本自动化常见的 CSV 任务，涵盖清洗、验证、转换和处理 CSV 文件，全部基于标准库实现。 5 Useful Python Scripts to Automate CSV Processing kdnuggets.com +1
构建一个具备资深分析师思维的人工智能数据分析师 一个六阶段流水线，在将任何结果称为答案之前先校验其数值。 Build an AI Data Analyst That Thinks Like a Senior Analyst kdnuggets.com +1
在有限硬件上高效训练大语言模型的七种方法 学习七种工程技巧，以便在消费级 GPU 上训练大型语言模型而不会耗尽显存。 7 Approaches to Efficient LLM Training on Limited Hardware kdnuggets.com +1
从 RAG 到智能体 AI：构建下一代智能企业系统 在过去的几年里，我经历了三代智能检索系统的迭代，每一代都解决了前一代无法解决的问题。以下是我的心得。 From RAG to Agentic AI: Building the Next Generation of Intelligent Enterprise Systems kdnuggets.com +1
ArrowJS 真的是智能体时代的 UI 吗？这是我发现的结论 我们构建接口的方式正在发生变化。随着 AI 代理编写越来越多的代码，我们用于渲染这些代码的工具也可能需要随之改变。 Is ArrowJS Really the UI for the Agentic Era? Here’s What I Found kdnuggets.com +1
我免费获取编码模型的5种方法 探索五种免费途径，以访问 AI 编程代理、专有编程模型和开源权重模型，而无需支付昂贵的订阅费或 GPU 成本。 5 Ways I Access Coding Models for Free kdnuggets.com +1
Switchyard：NVIDIA 开源路由库 别再将所有 AI 请求都发送到最昂贵的模型上。了解智能路由如何在不显著牺牲质量的前提下，降低延迟并减少成本。 Switchyard: NVIDIA’s Open Source Routing Library kdnuggets.com +1
2026 年可用的 5 个免费 LLM API 提供商 探索五个免费的人工智能 API 提供商，以访问大型语言模型、实现快速推理、多模态人工智能及代理应用，而无需为 API 使用付费。 5 Free LLM API Providers You Can Use in 2026 kdnuggets.com +1
我让 ChatGPT 分析 3 个数据集，它每次都犯了同样的错误 审查阶段修正了行数，并批准了两个错误的结论。 I Asked ChatGPT to Analyze 3 Datasets. It Made the Same Mistakes Every Time kdnuggets.com +1
5 门免费课程：从 LLM 初学者到从业者 一个精心策划的线性资源管道，提供高信号量的免费内容，引导您从反向传播基础到部署生产级大语言模型应用。 5 Free Courses to Go From LLM Beginner to Practitioner kdnuggets.com +1
量化用户行为模式以构建更优的预测特征 仅仅知道一名 35 岁的男性上个月在西雅图点击了 12 次，几乎无法揭示其意图。 Quantifying User Behavior Patterns to Build Better Predictive Features kdnuggets.com +1
此 Python 库可将 Pandas 工作负载的运行速度提升高达 20 倍 了解 FireDucks 如何通过惰性执行、编译器优化和多线程处理加速 pandas 工作负载，在我们的基准测试中实现了高达 20 倍的 DataFrame 性能提升。 This Python Library Can Run Pandas Workloads Up to 20x Faster kdnuggets.com +1
企业自动化中智能体 AI 的五大现实应用 在 SRE、财务、法律、迁移和安全领域部署具有确定性安全约束的代理式人工智能。 5 Real-World Applications of Agentic AI in Enterprise Automation kdnuggets.com +1
AI 工作流中应避免的 7 个常见 Python 错误 一次干净的运行仅证明流程已执行。它并未说明管道从哪些行学到了什么、处于何种状态，或保存的结果是否可在其他地方被信任。 7 Common Python Mistakes to Avoid in AI Workflows kdnuggets.com +1
利用 DSpark 推测性解码加速 LLM 推理 学习如何使用 DSpark 推测解码，在相同的 GPU 上利用 Qwen3-8B、llama.cpp 和 CUDA 提升本地 LLM 生成速度。 Speed Up LLM Inference with DSpark Speculative Decoding kdnuggets.com +1
7 个 Python 初学者常犯的错误（以及应该怎么做） 它关乎导致运行程序出错的那些错误。以下是其中七个。针对每一个，您将获得其隐藏原因，以及首先值得检查的内容。 7 Python Mistakes Beginners Make (And What to Do Instead) kdnuggets.com +1
面向生产型 SLM 的本地 AI 栈 为本地 AI 架构的每一层选择合适的实用框架，涵盖从模型服务到上下文检索。 The Local AI Stack for Productive SLMs kdnuggets.com +1
量化与剪枝方法：让大语言模型更轻量 本文深入剖析了各项技术的具体作用，解释了跳过它们将导致真实的成本增加和延迟上升，并随后对当前生产环境中正在运行的五种具体方法进行了实操演示。 Quantization and Pruning Methods to Make Your LLM Leaner kdnuggets.com +1
我们能从谷歌工程师不可或缺的提示词中学到什么 嘿，Google 工程师：你们个人最离不开、拒绝没有它就无法工作的提示词是什么？为什么？ What We Can Learn From Google Engineers’ Indispensible Prompts kdnuggets.com +1
理解人工智能对就业市场的影响 探索人工智能重塑就业岗位的五个不同方面，从自动化常规任务到缩减初级岗位招聘。 Understanding the Impact of AI on Job Markets kdnuggets.com +1
从 AI 编程代理处获得更好结果的 10 条规则 大家都在使用 AI 编程代理。以下是让你的代理真正发挥作用的秘诀。 10 Rules for Getting Better Results from AI Coding Agents kdnuggets.com +1
定义企业 AI 下一阶段的数据与 AI 领导力问题 如果您负责将数据与人工智能战略转化为企业现实，那么这场对话值得您参与其中。 The Data & AI Leadership Questions That Will Define the Next Stage of Enterprise AI kdnuggets.com +1
超越样板代码的 Python 数据类 学习 Python 数据类如何通过自定义字段、验证、计算属性、不可变性以及内存优化技术，超越减少样板代码的范畴。 Python Data Classes Beyond the Boilerplate kdnuggets.com +1
我试用了 Kimi Agent，以下是我的发现 "Kimi Agent"是一个涵盖庞大家族的名称，在评判其任何组成部分之前，理清这一关系至关重要。 I Tried Kimi Agent and Here’s What I Found kdnuggets.com +1
如何利用本地小语言模型赋能您的项目 在您的自有硬件上运行紧凑且保护隐私的语言模型的实用指南，以实现更快、更经济且更具可控性的 AI 驱动应用。 How to Leverage Local Small Language Models for Your Projects kdnuggets.com +1
使用 Grok Build 和 Grok 4.6 构建端到端数据科学项目 使用 Grok Build 构建生产就绪的数据科学工作流，涵盖 EDA、scikit-learn、模型训练、FastAPI、API 测试及云端部署。 Build an End-to-End Data Science Project with Grok Build and Grok 4.6 kdnuggets.com +1
使用 llama.cpp、DFlash 和 Pi 本地运行 Muse Glimmer 进行氛围编码 在 RTX 3090 GPU 上本地运行 Muse Glimmer，采用 llama.cpp、DFlash 推测解码和 Pi，实现快速、私密且具备代理能力的 AI 编程。 Run Muse Glimmer for Local Vibe Coding with llama.cpp, DFlash, and Pi kdnuggets.com +1
AI 代理变革行业的五大现实应用场景 看看如今 AI 代理如何自主处理支持、编码、供应链、医疗保健和欺诈检测等工作。 5 Real-World Use Cases for AI Agents Transforming Industries kdnuggets.com +1
如何构建人工智能职业生涯：三条不同的路径 三种定位，三张不同的技能图谱，以及如何找到与你当前所处位置相匹配的那一张。 How to Build a Career in AI: 3 Distinct Pathways kdnuggets.com +1
2026 年 AI 编程代理十大开源基准 SWE-bench、Terminal-Bench、SlopCodeBench、ProgramBench 等。探索用于评估 AI 编程代理的十大开源基准测试。 Top 10 Open-Source Benchmarks for AI Coding Agents in 2026 kdnuggets.com +1
如何回答 AI 系统设计面试问题 访谈从 Design YouTube 转向 Design ChatGPT。以下是该框架。 How to Answer AI System Design Interview Questions kdnuggets.com +1
用于在生产环境中构建和部署 AI 代理的 5 种工具 本文介绍了五个工具，分别对应从构建代理逻辑到大规模运行全部组件的堆栈每一层。 5 Tools for Building and Deploying AI Agents in Production kdnuggets.com +1
