返回资源列表

Sebastian Raschka (Ahead of AI) · Sebastian Raschka

Understanding and Coding the KV Cache in LLMs from Scratch

Understanding and Coding the KV Cache in LLMs from Scratch是Sebastian Raschka (Ahead of AI)的免费文章(en)。前置条件:需要了解 Transformer 自注意力机制(K/Q/V)与基本 PyTorch 张量操作。

理解 KV cache 的作用与代价,并能读懂、运行从零实现带 KV cache 的 GPT 文本生成代码。

打开官方课程
难度
见前置条件
类型
博客 · 文章
语言
en
规模
3 个课节
内容费用
免费
动手
需要动手环境

使用限制

无需账号即可阅读文章;运行配套代码需本地 Python/PyTorch 环境,代码托管于 GitHub。

学习材料
GitHub 用于获取配套脚本(浏览器直接下载即可)

第一次学这门课?先完成学前准备,把课程目录搭好。

每节课这样学

  1. 发提示词把下面的每课提示词发给 AI Agent,它会准备这一课的练习文件。
  2. 学官方课节打开对应课节学习,按提示从第一道练习做起;它不会替你写答案。
  3. 记进度学完让 AI Agent 在 progress.md 勾选,并把疑问整理到 questions.md。
每课提示词 · 每次学习前用
继续学习「Understanding and Coding the KV Cache in LLMs from Scratch」。课程目录是 understanding-coding-kv-cache-llms/(不知道完整路径就先问我)。
1. 读 progress.md,找到下一课;如果我指定了第几课,就准备那一课。
2. 打开这一课的官方页面和本地讲义,列出本课练习要用的工具、文件和样例数据。缺少的先告诉我,等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习:exercises/ 里给每道题建一个文件,写上题号和题目原文链接,不写答案;已有文件保留,样例数据放到 data/。拿不到官方题目或起始代码时记录限制,不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单,并检查本课新增工具能否正常使用。
5. 告诉我:本课先读哪几节、从哪道练习开始、大约需要多久。我学完后,帮我在 progress.md 勾选并把问题整理到 questions.md。

边界:
- 需要管理员权限、会产生费用或需要填写密钥的操作,先告诉我原因,等我同意。密钥由我在本机配置,不发到聊天,不写进笔记或版本库;原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案,也不替我提交。我卡住时只给提示;我明确要求时才给解答。
- 只下载许可允许个人保存的材料;其余只放链接。不把未运行的命令说成成功。

课节共 3 节 · 官方顺序

  1. 01Understanding and Coding the KV Cache in LLMs from Scratch(文章主页)
  2. 02gpt_ch04.py(无 KV cache 版本)
  3. 03gpt_with_kv_cache.py(带 KV cache 版本)

常见问题

免费吗?

免费:节选可直接读到文章的主要讲解正文与代码片段,未显示本篇内容被付费墙或登录拦截;文末的 paid subscription 属站点订阅入口。实践无额外费用:网页未提及练习需要付费云服务、API 或 GPU。

需要什么基础?

需要了解 Transformer 自注意力机制(K/Q/V)与基本 PyTorch 张量操作。软件、账号与硬件:本地 Python 与 PyTorch 环境(运行仓库脚本);无需 GPU 或付费服务(网页未提及要求)。

有中文吗?

本站记录的语言是en;是否有中文字幕或译本本站未核实,请以原站为准。

怎么开始?

从原始资源入口开始:https://magazine.sebastianraschka.com/p/coding-the-kv-cache-in-llms。本页“学前准备”列出环境与工具,“学习指南”给出开课提示词,可以在自己的电脑上按步骤开始。开课提示词尚未完整验证。学习材料需要自备:GitHub 用于获取配套脚本(浏览器直接下载即可)。

来源与使用须知

收录时间
本站首次收录 2026-10-24原站首次发布 2025-06-17
指南参考

版权与转载

  • 课程材料未标明许可:仅供个人学习,转载、修改或商用前请先联系原作者。
  • 本站只提供原始链接和学习指南,不转载、不镜像课程材料;引用时请注明原作者与出处。