编程王饱饱-优快云博客

原创 RAGFlow: 一个完整的RAG使用解决方案

RAGFlow是一款基于深度文档理解的开源RAG（检索增强生成）引擎，为企业及个人提供精简的RAG工作流程，结合大语言模型（LLM）处理复杂格式数据，提供可靠问答及引用支持。其核心特性包括：深度文档理解，支持各类文件类型；基于模板的可控文本切片；可视化调整以降低幻觉；兼容异构数据源；自动化RAG工作流，支持多路召回和重排序。为帮助开发者系统学习大模型（LLM），文章还推荐了经典书籍、640份行业报告、视频教程及开源项目（如LLaMA、ChatGLM），并提供了分阶段学习路线（基础理解、API开发、应用架构、

2026-07-19 11:33:38 196

原创提示工程（prompt engineering)：技术分类与提示词调优看这篇就够了

本文探讨了人工智能时代新兴的提示工程（Prompt Engineering）技术。文章指出，优质的提示词能显著提升AI在文本和视觉领域的表现。针对当前提示工程技术分类混乱的现状，作者提出了一套清晰的技术分类框架，将现有方法分为三大类：单一提示技术（如零次学习、少次学习、思维链提示等）、多重提示技术（如自我一致性、定向刺激提示等）以及结合外部工具的方法。文章还总结了编写有效提示词的七条通用规则，并分析了大型语言模型目前存在的主要缺陷（如幻觉、偏见等问题）。通过系统梳理各种提示技术的原理和应用场景，本文为从业者

2026-07-19 11:20:12 179

原创【AI大模型】一文了解思维链（Chain-of-Thought, CoT），零基础小白收藏这一篇就够了！！

思维链（Chain-of-Thought, CoT）是一种通过引导大型语言模型生成中间推理步骤来提升复杂任务表现的提示方法。其核心思想是在少样本学习（few-shot learning）中，通过展示从输入到输出的完整推理路径，而非仅提供最终答案，从而激活模型的逻辑推理能力。少样本学习是指在训练数据有限的情况下，模型能够快速适应新任务并进行有效学习的一种学习方式，在思维链中，通过这种方式让模型理解并生成推理过程，进而提高其在复杂任务中的表现。

2026-07-17 11:13:09 288

原创学习人工智能需要哪些基础知识?（非常详细），零基础入门到精通，看这一篇就够了

本文介绍了学习人工智能所需的基础知识，包括数学（线性代数、微积分、概率统计）、编程（Python、数据处理）、算法与数据结构、计算机基础（组成原理、网络）以及逻辑思维能力。文章还提供了一份AI大模型学习路线图和资源合集，涵盖视频教程、技术文档、面试题等，帮助读者从零开始掌握AI大模型开发技能。学习这些基础知识和资源将帮助读者在AI领域打下坚实基础，并应用于实际项目开发。

2026-07-15 11:02:03 185

原创全民AI时代：手把手教你用Ollama & AnythingLLM搭建AI知识库，无需编程，跟着做就行！

本文介绍了如何在本地电脑上运行大语言模型（LLM）并构建个人知识库。通过Ollama和AnythingLLM工具，无需编程经验即可实现。首先安装Ollama，下载适合本地运行的模型（如Gemma），并通过命令行或现代聊天窗口工具进行交互。随后安装AnythingLLM，支持多种文件类型和多用户模式，便于管理知识库。操作简单，适合个人或企业使用。

2026-07-14 11:12:53 180

原创 AI智能体（Agent）是什么？（非常详细），零基础入门到精通，看这一篇就够了

本文介绍了AI智能体（Agent）的核心概念、构成要素（大语言模型+规划+记忆+工具）及其应用场景（如文案创作、编程助手等）。文章强调学习AI智能体的必要性在于提升效率与竞争力，并提供了零基础入门AI大模型的资源包，包含学习路线图、视频教程、技术文档和面试题集等。作者旨在帮助读者理解智能体的工作原理，并通过实践构建自己的AI解决方案。

2026-07-14 11:10:12 223

原创 2026年最新AI大模型学习路线（超详细，小白/程序员必收藏）从入门到精通！

2026年AI大模型学习指南：从入门到精通系统路线核心内容：分阶学习路线：L1基础原理→L2 RAG开发→L3 Agent架构→L4模型微调，覆盖Prompt工程、Langchain框架等关键技术点。配套资源包：含经典PDF书籍、视频教程、实战项目（如企业知识库/多智能体应用）及面试题库，支持零基础到进阶。实战导向：通过ChatGLM/Llama3等案例强化模型微调与私有化部署能力，配套商业化项目提升就业竞争力。免费获取：完整资源无需转发，扫码即可领取系统化学习资料，助力抓住AI大模型技术风口。

2026-07-09 11:33:30 192

原创一文详解AI大模型14个核心基础概念：Transformer、Token、MoE、RAG、Embedding、对齐、预训练、微调、Agent、MCP 猫先生猫先生

本文系统梳理了AI大模型的14个核心概念，从基础架构到训练优化，再到前沿应用模式。主要内容包括： Transformer架构：现代大模型的基础，通过自注意力机制实现并行处理，突破传统RNN的局限。 Token：大模型处理语言的最小单位，直接影响计算成本和功能设计。嵌入模型：将非结构化数据转化为数值向量的工具，支撑语义理解与检索功能。混合专家模型(MoE)：实现"高参数、低计算"的架构创新，提升模型容量与效率的平衡。预训练与扩展定律：模型性能与参数、数据量、计算量的幂律关系，指导训练优化。微调技术：适

2026-07-09 11:04:01 474

原创国内外知名大模型及应用——模型/应用维度

国内外AI大模型最新动态（2026年6月） **国内进展：**Step开源组推出推理模型Step-3.7-Flash，MiniMax即将发布Agent模型MiniMax M3。国产模型在LMSYS竞技场表现仍有差距，Muse Spark排名异常。 **国外动态：**闭源模型竞争激烈，OpenAI推出GPT-5.5系列（含Thinking/Pro/Instant版本），强化自主智能体与多模态能力；Google Gemini 3.5 Flash专注Agent与编码场景；Claude Opus 4.8巩固领先优势

2026-06-09 16:21:22 531

2601_96293261的博客