Hands-On-Large-Language-Models-CN

在「模型 API 与开发平台」这一类工具里，Hands-On-Large-Language-Models-CN 是一个可以直接在网页打开的选择，官方地址为 yuanchaofa.com。打开官网，首先看到的标题是“袁朝发 | chaofa用代码打点酱油 — 大模型算法与工程实践技术博客”。

官方给出的一句话介绍是：袁朝发（Chaofa Yuan）的个人技术博客，专注大模型（LLM）算法与工程实践，涵盖 Transformer、LoRA 微调、RAG、Agent 系统设计等方向，同时分享播客「逃逸速度」与视频创作内容

首页还提到：Agent 系统中的 Prompt Caching 设计（上）：Cache 破坏、Prompt 布局与工具管理认真思考如何利用 Agent 把自己的工作效率提升到 10 倍甚至 100 倍，也尝试用 Multica 和 Hermes Agent 建立属于自己的工作流。同时，因为 B 站计税方式变化，我重新思考视频商业化，并决定放下数据焦虑，继续做让自己开心的视频。

本文依据 yuanchaofa.com 首页公开内容整理（2026 年 10 月抓取），具体以官网为准。

• chaofa用代码打点酱油
• Harness Engineering — Agent 不好用，也许不是模型的问题
• Kimi K2.5 技术解读：原生多模态联合训练与并行 Agent 编排训练
• Agent 系统中的 Prompt Caching 设计（下）：上下文管理与子代理架构
• Agent 系统中的 Prompt Caching 设计（上）：Cache 破坏、Prompt 布局与工具管理
• 理解 KV Cache 与 Prompt Caching：LLM 推理加速的核心机制
• Chaofa Yuan
• 同一个模型，只改 Agent Harness，性能从 Top 30 到 Top 5。Harness Engineering 到底是什么？和 Context Engineering …
• 官网链接了 GitHub 仓库（https://github.com/bbruceyuan/LLMs-Zero-to-Hero）

从官网介绍来看，Hands-On-Large-Language-Models-CN 比较适合：

• 大模型 API、推理、RAG 与开发框架
• 软件开发、原型搭建和技术集成
• 解读 Kimi K2.5 论文核心技术：原生多模态联合训练的反共识发现（Early Fusion + 低视觉比例优于 Late Fusion）、Zero-Vis…
• 深入分析 AI Agent 的上下文管理策略：Context Rot 问题、Cache-Safe Compaction、Plan 模式演进、文件系统作为延展记忆…

使用时可以注意：

• 把需求拆成小步提交，比一次性生成大段代码更容易审查。
• 不要把密钥、内部代码等敏感信息直接粘贴给第三方工具。

主要面向：开发者、技术团队以及想快速做出原型的产品人员；需要 API 或二次开发的开发者。

未在官网首页找到公开价格信息，请以官网为准。