我們將使用 Qwen2.5-1.5B 加上 QLoRA 進行情緒語句的訓練與測試，原本的參數量來説 0.8B 模型就必須 12.8GB vram（全量微調），需要在消費級顯卡上進行測試，那麽就必須將參數量降下來，所以我們將在這裏使用 QLoRA 進行訓練推理，QLoRa 可以將 4bytes 降到 0.5bytes，并且凍結梯度、優化器狀態。

全量微調

所以 0.8B × 16 = 12.8 GB，結果就是消费级顯卡（4080/16GB）連 1.5B 全量微調都做不到。

- 閱讀剩餘部分 -

Lab 2：摩擦點偵測器（Day 17-19）

要找出高摩擦 session，分類摩擦原因，輸出改善建議

2-1 摩擦偵測模組

- 閱讀剩餘部分 -

下面我們來開發使用 claude code 的效率指標圖表功能

效率指標計算器

目標：計算每個 session 的效率分數，找出你的高效與低效 session

新增效率指標模組

- 閱讀剩餘部分 -

今天來看下這篇文章，第一次看的時候沒意識到重要性，後來看某個面試官在闡述 agent 工程師的區別時特地説到這篇文章才想起來

Anthropic building-effective-agents

Anthropic 觀察了幾十個在生產環境落地的 LLM 系統，發現一個反直覺的規律：最成功的實作往往不是用最複雜的框架，而是用最簡單、可組合的模式。

他們把所有涉及 LLM 自主行動的系統統稱為 agentic system，但在這個概念下做了一個關鍵的架構區分——

- 閱讀剩餘部分 -

過度均勻才是真異常，這個看似微妙的論點正是本章節要説明的重點

1936 年，統計學之父 Fisher 質疑遺傳學之父 Mendel 的豌豆實驗造假。
證據不是數據「太不規律」，而是「太完美」。
這個方法後來也用在彩票造

圖裡有 4 個子檢驗：

• [A] Dispersion Index：觀測方差 / 理論方差，比值 < 1 就是過度均勻
• [B] Monte Carlo Chi² 百分位：實際 chi² 比多少比例的純隨機更小？百分位 > 95% 就是強烈過度均勻
• [C] 分段一致性：把資料切 10 段，看段間波動。波動太小 = 各時段過度一致
• [D] 滑動視窗 Chi²：用 50 期的窗口逐期掃，看 chi² 序列的時間變化

- 閱讀剩餘部分 -