AI 辅助游戏开发实战流水线：从自然语言到可玩关卡
系统讲解小游戏引擎中 AI 辅助开发的完整流水线。涵盖 LLM → JSON 关卡生成 → 场景自动搭建 → Diffusion 素材风格迁移 → 数值平衡 RLHF 的全链路实现。提供完整的 Prompt Engineering 模板、LevelGenerator / AssetStylizer 类实现、AI 工作流架构图与质量评估指标。
tag
Llm
共 9 篇文章。
AI 代码审查工具生态：从语法检查到智能评审的演进
全面分析 AI 代码审查工具的技术栈、市场格局和最佳实践，探讨如何将 AI 审查能力集成到开发者工作流中，以及 Birdor 在代码质量工具领域的定位。
面向工具的 LLM 提示工程：让 AI 成为开发者工具的智能核心
从提示工程的基础原理出发，为开发者工具设计高效的 LLM 提示系统，覆盖正则生成、日志分析、JSON 解释等核心场景，并提供可复用的提示模板和评估框架。
Rust AI 与大模型集成：Candle、llm.rs 与 Python FFI
Rust AI 开发生态深度解析：HuggingFace Candle 纯 Rust 推理框架、llm.rs 本地大模型部署、ONNX Runtime、Rust 与 Python FFI 互操作、向量数据库 Qdrant 集成，以及 AI 推理性能优化策略。
Go 与 AI：构建智能应用
深入探索如何用 Go 构建 AI 驱动的应用程序。从调用 OpenAI/Claude API、流式响应处理、Function Calling，到向量嵌入、RAG 实现、AI Agent 构建，全面覆盖 Go 与 AI 结合的最佳实践。
大语言模型应用开发框架Eino介绍
引言 随着大语言模型（LLM）技术的快速发展，其在自然语言处理、智能客服、内容生成等领域的应用日益广泛。然而，开发高效、可靠的大语言模型应用仍面临诸多挑战，如复杂的流程编排、高维护成本、弱类型语言带来的调试困难等。
RAG 高级优化实战：查询扩展、重排序与混合检索深度指南
深度剖析 RAG 系统瓶颈，覆盖 HyDE/Query2Doc 查询扩展、Cross-encoder/ColBERT 重排序、Dense+Sparse+图混合检索三大优化方向。提供完整 Python 实现与端到端性能基准对比，含延迟-质量权衡矩阵。
LLM 安全实战：Prompt Injection 攻击分类与防御体系
全面解析 Prompt Injection 攻击原理，覆盖直接注入、间接注入、越狱攻击等类型，提供企业级分层防御策略（输入过滤/提示加固/输出校验/运行时沙箱），含完整 Python 防御代码与 OWASP 合规框架。
AI 安全红队测试：构建企业级 LLM 对抗评估体系
从0到1构建 AI 红队测试体系，覆盖自动化漏洞扫描、对抗样本生成、多智能体红队博弈。提供 PyRIT 和 Garak 框架实战、风险评分矩阵、CI/CD 集成方案，输出可落地的企业级安全基线。