免费大模型API服务商合集
本文整理了亲测好用的免费大模型API服务商，包括Nvidia NIM、火山方舟、openrouter和Google AI Studio。文章详细介绍了各平台的注册方式、免费额度策略及支持的模型（如DeepSeek、GLM-4.7等），并提供了相关链接，为开发者寻找低成本AI模型调用方案提供了实用指南。
全部文档 / 标签: LLM
1041 篇
爆肝 2 天，开发 OpenClaw 接入微信 bot，已开源！
作者针对微信个人号无法直接接入开源 AI Agent 项目 OpenClaw 的痛点，耗时两天开发了一款开源工具。该项目采用 iPad 协议和消息中转架构，解决了稳定性与风控问题。接入后，用户可在微信中实现文章总结存入知识库、群聊上下文总结、日程提醒及多模型智能交互，极大提升了个人效率。
Claude Skills 构建指南精华解读：打造专属 AI 技能
本文深入解读了 Anthropic 官方发布的 Claude Skills 构建指南。文章指出，Skills 允许用户将重复的指令、工作流和规范打包成文件夹，让 Claude 学会并长期复用。核心结构包含 SKILL.md 说明书及可选资源。文中详细介绍了三层加载机制、三大典型用法（文档生成、流程自动化、MCP 增强）以及从零创建 Skill 的实操建议，旨在通过封装经验提升 AI 交互效率。
xAI 全员大会实录：马斯克的 AI 帝国与百万 GPU 征程
本文记录了 xAI 全员大会的详细内容，展示了公司在成立仅两年半后，在语音、图像生成和预测能力上取得第一的成绩。马斯克披露了四大产品线（Grok、Coding、Imagine、Macro Hard）的组织架构调整，并详细阐述了从 10 万块 GPU 扩展到 100 万块的技术基础设施与 Memphis 超级计算中心的惊人建设速度。
我使用 Claude Code 的七大技巧（一定有你没看过的）
文章分享了作者在公司内部分享中总结的七大 Claude Code 使用技巧。核心内容包括：使用 Plan 模式先规划后编码；通过 Claude.md 自定义指令与懒加载上下文；利用自分形与自描述机制优化代码搜索与理解；编写清晰提示词；利用 MCP 进行精准检索；使用 Agent 协作与 SubAgent 节省上下文；以及将常用流程沉淀为 Skill。文章旨在通过这些进阶技巧提高开发效率与代码质量。
构建闭环 AI 公司：从 OpenClaw 到自主运营的架构实践
文章记录了作者使用 OpenClaw、Vercel 和 Supabase 在两周内搭建一家由 6 个 AI 代理自主运营的“公司”的完整过程。重点探讨了如何解决从“代理对话”到“代理实际运行程序”的关键闭环问题，详细解析了在构建过程中遇到的竞态条件、触发器失效、队列积压三大陷阱及其解决方案。文章最终提炼出一套基于策略驱动、心跳机制和反应矩阵的可复用架构。
品味 + 工程思维：AI 时代最难被替代的两件事
本文探讨了在 AI 时代，程序员最难被替代的核心能力并非代码编写技巧，而是做选择的'品味'和把结果做稳的'工程思维'。作者引用 ClawdBot 创始人 Peter 的观点，指出 AI 消灭了语法层面的痛苦，但保留了对架构设计的直觉和判断力。文章详细阐述了品味的定义（长期决策力）和工程思维的三个核心习惯（拆分、全局、三问），并强调 AI 是能力的乘数，只有具备扎实的基础，才能最大化 AI 的价值。
OpenClaw 实战 72 小时：那些文档不会告诉你的坑
本文是作者在深入使用 OpenClaw 72 小时后的实战避坑指南。文章详细记录了 OpenClaw 在模型混用、iMessage 回环、配置文件容错及服务稳定性等方面的潜在陷阱与解决方案。作者指出 OpenClaw 虽然具备强大的自主性和灵活性，但对使用者的技术维护能力有较高要求，建议通过 Git 管理配置、构建心跳监控等方式在生产环境中保障服务稳定运行。
2026年系统设计课程Top 5推荐
本文是作者基于对30多门课程的测试与评估，为2026年工程师精选出的5个最佳系统设计学习资源。文章涵盖了ByteByteGo、DesignGurus、Udemy及Exponent等平台，详细对比了它们在内容质量、实战案例、AI模拟面试等方面的优劣，旨在帮助开发者掌握可扩展性、微服务等核心架构技能，以应对FAANG级别的高难度面试。
如何成为一名机器学习工程师：完全指南
本文是一份详细的机器学习（ML）工程师学习路径指南。作者首先纠正了被动观看视频的学习误区，提出“两遍学习法”以建立深刻的技术理解。文章明确了ML工程师与数据科学家及研究员的区别，强调工程实现能力。随后，作者将学习路径分为两个阶段：第一阶段利用 3Blue1Brown 的视频构建数学直觉，涵盖神经网络、梯度下降、反向传播及 Transformer 架构；第二阶段（文中截断处未完）预告将通过 Andrej Karpathy 的课程来提升代码实现能力。
逆向工程LLM：让ChatGPT疯狂引用的8个方法
文章指出2025年LLM已成为巨大的流量入口。作者通过一年的逆向工程实践，总结出8个提高AI引用率的有效方法，包括：利用榜单建立共识、保持内容新鲜度、使用表格结构化内容、发布新闻稿、多平台品牌提及、优化FAQ、避免客户端渲染以及针对YMYL领域进行EEAT优化。文章强调在AI时代，核心仍是提供有价值的内容和建立信任。
如何与 AI 共写一篇长文：ChatGPT 给出的六个建议
本文分享了如何利用 ChatGPT 作为“合作者”而非简单的“全文编辑器”来优化文章的六个步骤。核心方法包括：先提供“编辑意图说明书”明确目标；按“逻辑单元”而非字数拆解文本；每一轮仅执行一种修改动作以确保质量；以及最后进行全文一致性处理。文章强调方法比模型本身更重要，旨在实现与 AI 的真正共写。
通过 Agent Skills 访问 Huntly SQLite 实现知识库对话
文章分享了作者为其开源项目 Huntly 实现“知识库对话”功能的巧妙思路。作者受技术帖启发，放弃了原本复杂的 Markdown 和 MCP 方案，转而让 Agent 直接通过 Skills 文档访问 SQLite 数据库。验证表明，该方案配合 glm-4.7-free 模型效果拔群，Agent 能轻松总结收藏、分析 RSS 文章并生成热门推文周刊。文章还展示了基于此逻辑生成的“lcomplete 的 X 精选”，涵盖了 AI 编程、投资哲学、工具生态及 Huntly 项目更新等内容。
2025 大语言模型年度回顾
本文是对 2025 年大语言模型（LLM）领域发展的深度回顾。主要趋势包括：推理模型的普及（OpenAI o 系列）、Agent 和编码 Agent 的爆发式落地（特别是 Claude Code）、中国开源模型在排行榜上占据主导地位、长任务处理能力的翻倍增长、Google Gemini 的全面崛起以及 OpenAI 领先优势的缩小。此外，文章还涵盖了图像编辑、学术竞赛表现、模型安全与“告密”现象等热点话题，指出 2025 年是 AI 实用化和工具化的一年。
Collaborative Intelligence
文章探讨了 AI 如何从个人智能进化到协作智能。作者指出，目前的 AI 虽然提升了个人效率，但在组织层面收效甚微，因为缺乏对上下文和社会协作的理解。通过回顾科学学会、电话交换机和 Git 等历史案例，文章认为真正的突破在于将 AI 视为具备社交能力的参与者，嵌入到人类的协作工作流（如邮件、文档、代码库）中，从而实现组织生产力的指数级跃升。
从零构建 Claude Code：AI 编程代理的实现原理
文章深入剖析了 Claude Code 背后的核心架构，指出其本质是一个“感知-行动-观察”的循环系统。作者演示了如何从简单的命令行脚本开始，逐步构建一个具备文件读写、精确编辑、代码库搜索及权限控制的 AI 代理。文章详细讲解了 Agent Loop（代理循环）、结构化工具调用、子代理上下文管理以及 CLAUDE.md 项目上下文等关键技术点，并最终提供了一个约 150 行的完整 Python 实现示例。
你可能不再需要 workflow，大部分场景 skills 足矣——五步框架把 Workflow 变成可进化的 Skill
文章通过对比传统 Workflow 编排与 AI Agent + Skills 架构，提出大部分场景下后者可以取代前者。作者提出了五步框架（拆分、编排、存储、分摊、迭代），并结合自身写作工作流演示了如何利用 Claude Code 的 Skills 功能构建可进化的自动化系统。文章还回应了关于稳定性、成本和门槛的三大质疑，指出 Skills 在灵活性、可维护性和自我迭代方面的显著优势。
Claude Code 完整教程：从架构思考到上下文管理
本文是拥有 7 年经验的 CTO 分享的 Claude Code 进阶教程。作者通过实战经验，总结出“先思考后编码”的重要性，深入讲解了如何有效利用 Plan Mode 模式、编写高质量的 CLAUDE.md 配置文件，以及如何应对 LLM 上下文窗口的限制。文章旨在帮助开发者构建更稳健的系统，避免常见的 AI 编程误区。
Claude Skills 入门：一篇文章搞懂 AI 怎么从「嘴替」升级成「打工人」
本文深入浅出地解析了 Claude Skills 的概念与价值，构建了从「编程函数」到「函数调用」再到「Skills」的三层认知框架。文章指出，Skills 不仅是工具的集合，更是包含指令、脚本和资源的完整解决方案，使 AI 能处理复杂工作流。通过实战案例（如自动排版发布）展示了其如何提升生产力，并介绍了如何使用和创建 Skills，强调非程序员也能通过定义工作流将专业知识转化为 AI 能力。
斯坦福 AI & ML 课程清单：从入门到大模型
本文列举了斯坦福大学关于人工智能与机器学习的 10 门顶级课程，涵盖了人工智能基础、机器学习、深度学习、强化学习、自然语言处理（NLP）、计算机视觉（CV）、大语言模型（LLMs）及深度生成模型等核心领域，旨在帮助学习者掌握 AI 第一性原理。
LLM 工具链与环境配置讨论
文章截图展示了一场关于大型语言模型（LLM）开发工具的讨论。主要涉及开源 CLI 工具的选择、本地开发环境的重要性、模型代理设计差异，以及在不同电脑环境下进行 AI 开发的常见问题（如闲鱼二手机器、环境报错等）。参与者认为统一的训练环境对模型兼容性至关重要，并指出新手只要教程得当上手并不难。