T E X T M A T R I X

BitNet:微软 1-bit LLM 推理框架完全指南

学习目标

通过本文,你将全面掌握以下核心能力:

  • 深入理解 BitNet 的项目定位、1-bit LLM 原理和技术架构
  • 掌握在 CPU 和 GPU 上构建和运行 BitNet 的方法
  • 学会使用官方预训练模型和量化工具
  • 理解 I2_S、TL1、TL2 等量化内核的技术细节
  • 掌握性能基准测试和优化技巧
  • 理解与 llama.cpp 的关系和差异化定位

1. 项目概述

1.1 是什么

BitNet 是微软官方发布的 1-bit LLM 推理框架,核心理念是让 1-bit 大语言模型(如 BitNet b1.58)能够在 CPU 和 GPU 上实现快速、无损的推理。

Page Agent:阿里巴巴开源的网页内置 GUI Agent

学习目标

通过本文,你将全面掌握以下核心能力:

  • 深入理解 Page Agent 的项目定位、技术架构和设计理念
  • 掌握在网页中集成 Page Agent 的两种方式(CDN 一行代码 + NPM)
  • 学会使用文本化 DOM 操作进行自然语言浏览器控制
  • 理解 MCP Server 的架构和外部控制能力
  • 掌握 Chrome 扩展实现多页面 Agent 的方法
  • 理解与 browser-use 的差异化定位

1. 项目概述

1.1 是什么

Page Agent 是阿里巴巴开源的网页内置 GUI Agent,核心理念是:The GUI Agent Living in Your Webpage——让网页拥有自己的 AI Agent,通过自然语言控制网页界面。

Browser-Use:让 AI Agent 控制浏览器完成任何任务

学习目标

通过本文,你将全面掌握以下核心能力:

  • 深入理解 Browser-Use 的项目定位、技术架构和工作原理
  • 掌握在 Python 项目中安装、配置和使用 Browser-Use
  • 学会使用 CLI 工具进行快速浏览器自动化
  • 掌握为 Claude Code 安装 Browser-Use Skill 的方法
  • 理解自定义工具(Tools)的扩展方法
  • 学会处理认证、CAPTCHA 和生产环境部署
  • 理解 Open Source 与 Cloud 的权衡选择

1. 项目概述

1.1 是什么

Browser-Use 是一个开源的 AI 浏览器自动化库,它的核心理念是:Tell your computer what to do, and it gets it done——告诉计算机要做什么,它就能完成。

Material UI:Google Material Design React 组件库完全指南

学习目标

通过本文,你将全面掌握以下核心能力:

  • 深入理解 Material UI 的项目定位、设计理念和技术架构
  • 掌握 Material UI 的核心组件体系和高级特性
  • 学会在 React 项目中安装、配置和定制 Material UI
  • 掌握主题定制、CSS-in-JS 和组件变体的高级用法
  • 理解从旧版本(v4/v5)升级到最新版本的最佳实践
  • 学会参与 Material UI 开源贡献的流程

1. 项目概述

1.1 是什么

Material UI 是一个全面的 React 组件库,独立实现了 Google 的 Material Design 设计系统。它被一些世界顶级产品团队信任,因为在超过十年的开发过程中,经过了数千名开源贡献者的严格实战检验。

FFF.nvim:让 AI 和 Neovim 拥有极速文件搜索与记忆能力

FFF.nvim:让 AI 和 Neovim 拥有极速文件搜索与记忆能力

学习目标

通过本文,你将全面掌握以下核心能力:

  • 深入理解 FFF.nvim 的项目定位与设计理念
  • 掌握在 AI Agent(Claude Code、Codex、OpenCode)中集成 FFF MCP 服务的方法
  • 学会在 Neovim 中安装、配置和使用 FFF.nvim
  • 理解 Frecency(频率+时效)排序算法的原理
  • 掌握多种搜索模式(Plain/Regex/Fuzzy)的使用场景
  • 熟练运用 Git 状态高亮、多选、Quickfix 集成等高级功能
  • 学会故障排除和日志查看方法

1. 项目概述

1.1 是什么

FFF.nvim(Freakin Fast Fuzzy file finder)是一个极速文件搜索工具,同时为 AI Agent 和 Neovim 提供内置记忆的文件搜索能力。

LiteRT-LM:Google 生产级边缘设备 LLM 推理框架完全指南

LiteRT-LM:Google 生产级边缘设备 LLM 推理框架完全指南

学习目标

通过本文,你将全面掌握以下核心能力:

  • 深入理解 LiteRT-LM 的项目定位与边缘 AI 推理的技术价值
  • 掌握 LiteRT-LM 的核心特性、技术架构和支持的模型
  • 学会在 Android、iOS、Web、桌面端和 IoT 设备上部署 LLM
  • 掌握 LiteRT-LM 的多语言 API(Kotlin、Python、C++、Swift)
  • 理解 Tool Use / Function Calling 在边缘设备上的实现方式
  • 学会使用 LiteRT-LM CLI 进行快速原型开发和测试
  • 掌握从源码编译和定制优化的方法
  • 了解 Gemma、Llama、Phi-4、Qwen 等模型的部署实践

1. 项目概述

1.1 是什么

LiteRT-LM 是 Google AI Edge 推出的生产级、高性能、开源边缘设备 LLM 推理框架。它专为在资源受限的边缘设备上部署大型语言模型而设计,覆盖 Android、iOS、Web、桌面端和 IoT(如树莓派)等全平台。