<?xml version="1.0" encoding="UTF-8"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>Atomind 原子思维 - AI 技术博客</title><description>拆解 AI 的最小单元：大模型、Agent、RAG 与工程实践的原子级笔记。</description><link>https://blog.atomind.cn/blog</link><language>zh-CN</language><managingEditor>atomind@163.com (Atomind)</managingEditor><webMaster>atomind@163.com (Atomind)</webMaster><lastBuildDate>Mon, 02 Nov 2026 00:00:00 GMT</lastBuildDate><atom:link href="https://blog.atomind.cn/feed.xml" rel="self" type="application/rss+xml"/><item><title>从零实现一个最小可用的 RAG：切分、向量化、召回与生成</title><link>https://blog.atomind.cn/members/build-a-minimal-rag</link><guid isPermaLink="true">https://blog.atomind.cn/members/build-a-minimal-rag</guid><description>【会员专栏】不依赖任何 RAG 框架，用不到 150 行 Python 搭出可以回答私有文档问题的检索增强系统，并逐步分析每个环节对效果的影响。</description><pubDate>Mon, 02 Nov 2026 00:00:00 GMT</pubDate><category>RAG</category><category>LLM</category><category>Python</category><author>atomind@163.com (Atomind)</author></item><item><title>大模型是怎样「一个字一个字」生成文本的</title><link>https://blog.atomind.cn/blog/how-llm-generates-text</link><guid isPermaLink="true">https://blog.atomind.cn/blog/how-llm-generates-text</guid><description>从 Tokenizer 到 logits，再到 temperature 与 top-p 采样，用 30 行 Python 看清自回归生成的完整流程。</description><pubDate>Mon, 02 Nov 2026 00:00:00 GMT</pubDate><category>LLM</category><category>Python</category><author>atomind@163.com (Atomind)</author></item><item><title>你好，Atomind：一个把 AI 拆成原子的博客</title><link>https://blog.atomind.cn/blog/welcome-to-atomind</link><guid isPermaLink="true">https://blog.atomind.cn/blog/welcome-to-atomind</guid><description>为什么开这个博客、会写什么、免费文章与会员专栏怎么划分。</description><pubDate>Mon, 02 Nov 2026 00:00:00 GMT</pubDate><category>随笔</category><author>atomind@163.com (Atomind)</author></item></channel></rss>