博客园增加Live2D看板娘教程，超级简单，一看就懂

最新推荐文章于 2025-04-11 14:23:49 发布
最新推荐文章于 2025-04-11 14:23:49 发布
阅读量4.3k 收藏 12
点赞数 4
分类专栏： 其他文章 文章标签： javascript js
本文为博主原创文章，欢迎大家转载，转载请注明出处：
本文链接：https://blog.youkuaiyun.com/Wjhsmart/article/details/107083930
版权

目录

一、前言

二、效果图

三、资源准备

1、相关的资源，可以点击下面的网盘链接直接下载

2、也可以通过下面的地址到Gitbuh中下载

四、实现教程

1、个人小站实现教程

2、博客园实现教程

一、前言

最近逛博客园发现个很有意思的东西，查了一下原来叫看板娘，看板娘是一种职业和习惯称呼，也是ACGN次文化中的萌属性之一。简而言之就是小店的女服务生，也有“吸引顾客，招揽生意，提高人气”等作用类似品牌形象代言人的含义。

如果想在自己的博客上放一个呆萌的看板娘非常的简单只需要简单的几行代码就能实现。不过优快云貌似不支持这个玩意，只能在博客园玩一玩，或者个人网站的玩一下。

二、效果图

可以到博主的小站查看效果图

博客园：https://www.cnblogs.com/wjhsmart/

个人小站：http://wjhsmart.vip

三、资源准备

1、相关的资源，可以点击下面的网盘链接直接下载

链接：https://pan.baidu.com/s/1mKMKMGuQkH_XouRHXYGLcQ 

提取码：m8x6 

2、也可以通过下面的地址到Gitbuh中下载

Github地址：

最低0.47元/天 解锁文章
RAG模型的社会影响与责任
AI天才研究院
03-13 96
1. 背景介绍 1.1 人工智能的崛起 随着计算机技术的飞速发展，人工智能（AI）已经成为当今科技领域的热门话题。从自动驾驶汽车到智能家居，AI技术正在逐渐渗透到我们的日常生活中。在这个过程中，研究人员和工程师们不断地探索和发展新的算法和模型，以提高AI系统的性能和适应性。
（13-1）RAG基础知识介绍：RAG模型概述
码农三叔
02-03 3879
RAG（Retrieval-Augmented Generation）是一种自然语言处理模型架构，旨在结合检索和生成两个关键的NLP（Natural Language Processing）任务。RAG模型可以应用于诸如问答系统、文本摘要、对话系统等多个领域。在本章的内容中，将详细讲解RAG的基础知识，介绍RAG技术的原理和架构知识，为读者步入后面知识的学习打下基础。
检索增强生成(RAG) 优化策略篇
Java架狗师知识框架速查表
11-18 3948
本文详细介绍了检索增强生成（RAG）技术的各个优化策略，包括文档块切分、文本嵌入模型、提示工程、大模型迭代、架构优化、索引优化、索引数据优化等多个方面。通过这些优化策略，RAG 技术在处理复杂查询和生成信息丰富回应方面展示了巨大的潜力。未来，RAG 技术将在垂直优化、横向扩展以及生态系统构建等方面继续发展，为多领域应用提供更低的训练成本和更优的性能表现。
大模型好书推荐 -挖到宝了，500页RAG神书几乎把RAG讲得透透的
2401_85378759的博客
03-10 1204
《基于大模型的RAG应用开发与优化——构建企业级LLM应用》 是一本专注于RAG（Retrieval-Augmented Generation，检索增强生成）技术应用的书籍。该书不仅为读者提供了全面深入的RAG技术知识，还注重实践性和可操作性，帮助读者快速掌握构建企业级LLM应用的能力。
RAG 的优化方案及评估入门基础教程（非常详细），RAG 的优化方案及评估入门到精通，收藏这一篇就够了！
weixin_58753619的博客
11-19 1098
组成，并分两步检索，首先将query与摘要匹配过滤掉不相关的文档，并只在相关组内检索第二层文档块。这种方式虽然能够通过。
揭秘 RAG 系统优化的 5 大挑战与 4 大关键指标：打造高性能生成应用
surfirst的博客
11-27 591
Retrieval Augmented Generation（RAG）是现代生成式 AI 应用的重要技术之一。本文将结合理论和实际案例，详细解析优化 RAG 系统的有效方法，为开发者提供从概念到实践的全面指导。
写给小白的大模型应用科普：RAG篇
2401_85375151的博客
11-30 888
前面小枣君给大家普及了大模型的基础（错过的请翻看：[写给小白的大模型入门科普]），但是缺乏应用的大模型是没有价值的。当然你可能使用过Kimi Chat、豆包这样的大模型工具，它们可能已经在生活中充当了我们的创作助手、咨询专家、甚至情感陪护等，但这样的应用还远远不能发挥出大模型的真正价值，我们期望大模型在更专业的生产领域发挥作用，提升生产力，引领真正的科技变革。
来自学术界的知识库 RAG 调优方案实践（一)
易迟的专栏
05-28 2065
在之前的文章详细梳理过工业界的 RAG 方案QAnything和RagFlow，这次主要整理下来自学术界的一系列 RAG 优化方案。主要关注优化方案对应的设计思想以及相关的实现，希望可以对大家的 RAG 服务效果提升有所帮助。在综述论文Native RAG: 原始 RAG 架构，对应最原始的 RAG 流程，和之前搭建离线私有大模型知识库介绍的流程基本一致；Advanced RAG：高级 RAG 架构，在原始 RAG 上增加了一些优化手段，之前实践过的RAG Rerank。
阿里云 AI 搜索 RAG 大模型优化实践.pdf
11-16
在优化大模型性能方面，阿里云AI搜索团队进行了深入的实践探索，特别是在文档解析、信息抽取、语义理解与检索服务等环节上，不断迭代改进以提升搜索效率和准确性。 RAG模型主要通过检索增强的方式，结合知识库中的...
24-大模型（LLMs）RAG 优化策略 —— RAG-Fusion篇.pdf
12-31
RAG模型，即Retrieval-...RAG-Fusion试图通过引入和优化多个步骤，包括多查询生成和逆向排名融合，来提升大型语言模型的性能和实用性。这种方法在搜索和信息检索领域展现了巨大的潜力，尽管也存在一些技术挑战。
重磅推荐-2024最新大模型RAG（检索增强生成）最佳实践PPT合集（38份）.zip
12-09
精心整理，2024最新大模型RAG（检索增强生成）最佳实践PPT合集，共38份。 大模型×领域RAG：打造高效、智能化的用户服务... AI 搜索 RAG 大模型优化实践 AI搜索RAG应用实践 OpenSearch RAG应用实践 ……等等38份。
RAG模型性能优化与部署实践
AI天才研究院
04-01 636
近年来，基于Transformer的自然语言处理模型取得了巨大的成功,其中包括广受关注的GPT系列模型。这些大型语言模型具有强大的生成能力,在文本生成、问答、摘要等任务上取得了州际水平的性能。然而,这些模型通常体积庞大,训练和部署成本高昂,这限制了它们在实际应用中的推广。随着研究的不断深入,出现了一系列轻量级的语言模型,如DistilBERT、TinyBERT等,它们在保持较高性能的同时大幅减小了模型规模。这些模型为实际应用提供了可能性。但是,即使是这些轻量级模型,在部署和优化方面仍然存在一些挑战。
大模型RAG应用优化实战
lvaolan的博客
06-19 1122
影响RAG应用性能的因素中，大模型本身的能力相对不是最关键的。当然更快更好更强的大模型肯定会带来更好的RAG性能，只是很多时候我们没的选择，又没有能力自己搞出一个吊打一切的大模型来，所以提升RAG应用性能的主要工作都是在想办法提升知识库的质量和检索质量。著名AI大模型博主Greg Kamradt说“All you need is retrieval”这句话，甚得我心。想要RAG性能好，关键在于如何从具有大量内容的知识库中找到跟用户提问最相关最准确的那部分内容，而且没有其它不相干的内容。
免费送书 | 全面介绍RAG应用---《基于大模型的RAG应用开发与优化》！
wholeliubei的博客
02-26 722
基于大模型的RAG应用开发与优化——构建企业级LLM应用》是一本全面介绍基于大语言模型的RAG应用开发的专业图书。预备篇、基础篇和高级篇。预备篇旨在帮助你建立起对大模型与RAG的基本认识，并引导你搭建起RAG应用开发的基础环境；基础篇聚焦于经典RAG应用开发的核心要素与阶段，介绍关键模块的开发过程，剖析相关的技术原理，为后面的深入学习打下坚实的基础；
大模型RAG | 进阶RAG-提升RAG效果
AAI666666的博客
11-16 1230
在本博客中，我将解决这些挑战，更重要的是，我们将深入研究提高RAG性能的解决方案，使其可用于生产环境。
大模型RAG优化方案与实践（非常详细）从入门到精通，看这一篇就够了
玩赚AI大模型的博客
07-17 4041
RAG通过检索现有的大量知识，结合强大的生成模型，为复杂的问答、文本摘要和生成任务带来了全新的解决方案。本文详细的介绍了RAG遇到的挑战、通用范式、工程实践、优化实现策略等。一、RAG的背景介绍随着ChatGPT的兴起，大语言模型再次走进人们的视野，其在NLP领域表现出的语言识别、理解以及推理能力令人惊叹。越来越多的行业开始探索大语言模型的应用，比如政务、医疗、交通、导购等行业。通义系列、GPT系列、LLama系列等模型，在语言交互场景下表现十分抢眼。
基于大模型的RAG应用开发与优化
最新发布
weixin_29009401的博客
04-11 338
本文介绍了如何构建和优化企业级的大型语言模型（LLM）应用，涵盖了RAG（Retrieval-Augmented Generation）模型的应用开发与优化策略。文中详细阐述了使用向量索引和元数据过滤进行信息检索的方法，以及如何通过两级检索（摘要检索和内容检索）来提高检索效率。此外，还探讨了多文档Agentic RAG的架构和实现方案，其中包括创建工具代理和顶层代理来处理复杂的知识密集型任务。
评论 10
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Wjhsmart

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值