放家中電腦跑一週，做出獨有的LLM

放家中電腦跑了一個禮拜的驗證，不停地收集參數，再進行自我蒸餾，然後再加參數，再寫演算法加速，不停的這樣自我循環了一週過後，靠自己累積出來的資料，變成自己獨有的LLM了，完全獨立開發，沒有用到任何的open source，只有少部分讓LLM參與，其他都是燒本機端的CPU、RAM、硬碟空間，最終，弄出了個自己獨有的LLM。
不是廣泛可以回答問題的LLM，但是可以做好各種任務校正，還有確保任務「不出錯」，提高AI Agents使用的正確性，降低人們用openclaw還需要花很多時間去裝Skill，以及降低用openclaw自動化作業會燒掉大量API token的費用。
現在已經有6個RAG併發任務做各種應用，同時搭配Afu Brian LLM，來完成所有的AI Agent工作。在AI Agent的賽道上，好像走向跟大家完全不大一樣的道路，好多人在做Skill，而我是在做架構跟基礎建設，讓AI Agent變得更穩定，更不會犯錯。
有時候不是做不到，是不知道自己原來有能力做到。