大模型服务化的四种典型故障：都和「显存」有关
传统服务的手慢从 CPU 和连接数上看出来，大模型服务的手慢几乎总是…
本地大模型 RAG 与推理部署实战：资源评估与加速
从模型选型、显存/资源测算到 Ollama/vLLM 部署与 RAG…
本地大模型运维进阶：显存、并发与成本调优
讲服务化的显存构成（权重+KV cache×并发）、量化对效果与显存…
Ollama 多卡 GPU 与并发服务实战
覆盖 ollama serve、模型拉取/加载、OLLAMA_SCH…
大模型选型对比表：常见开源大模型怎么选
一张表看清常见开源大模型的参数量、显存、方向与适用场景，附选型思路与…
本地大模型 vs 云端 API：选型与成本测算
不背结论，教你算清本地 vs 云端的成本与选型逻辑，并明确提示以实测…
大模型幻觉治理与安全加固实践
讲清幻觉与安全风险的成因，按业界公认做法给出一套治理与加固清单。
AI 大模型专业名词全解析：一次看懂所有术语与英文缩写
从 LLM、Token、Transformer 到量化、RAG、推理…
大模型本地部署全攻略（四）：服务化与调优——API、并发与显存
从 KV Cache 原理到并发与限流，把本地模型服务化成可用的公共…
大模型本地部署全攻略（五）：提示词、结构化输出与工具调用实践
用角色、约束与工具调用让本地模型稳定干活，附运维场景实战案例。