大模型

对比朴素 RAG，记下 GraphRAG 落地时图库、抽取、Schema 和检索怎么选。

整理 Agent Skills：把一类问题的指令和脚本收成可以反复使用的技能。

从 RAG 检索不准讲到 MCP，看模型怎么用统一协议连接外部工具和数据。

用更低精度保存权重和激活，并记下 GPTQ、AWQ、SmoothQuant 各自保住的是哪一块精度。

按论文记 DeepSeek 从基础语言模型到 MoE，结构上做了哪些取舍。

分开推理和训练，估算大模型占用的内存和显存。文中的数字还待实测。

按训练流程整理 LlamaFactory 的微调参数，查某个开关时可以直接定位。

以 Qwen2.5 AWQ 为例，看模型目录里 config、权重和分词器各管什么。

记 OpenAI 文本生成模型能接什么输入、能做哪几类应用，以及调用时要看的概念。

用 Gradio 给 chatbot 做网页，在页面上换模型、调参数。