- 博客(15)
- 收藏
- 关注
RSS订阅原创 Datawhale 开源学习 | Handy n8n 学习笔记 C03
javascript// 获取上一个节点传入的所有数据项// 添加新字段item.json.summary = `这是一位名叫 ${name} 的用户，今年 ${age} 岁。模块作用关键词工作区可视化画布节点 + 连接 + 凭证触发器启动流程手动 / 定时 / Webhook核心节点控制逻辑IF / Switch / Merge / 复用Code 节点扩展能力JavaScript / 灵活 / 无限可能🌟学习建议先用标准节点搭建简单流程，再逐步引入 Code 节点处理复杂逻辑。
2025-11-16 14:11:25
666
原创 Agent 应用开发与落地全景：从工作流到自主智能体｜学习笔记
Agent（智能体）是一个能够感知环境 → 决策推理 → 执行动作的自主实体。它不是简单的 API 调用，而是一个具备上下文理解、任务规划与工具调用能力的“数字员工”。维度工作流（Workflow）自主智能体（Autonomous Agent）目标提效降本创造新价值可控性高低落地速度快（数天~数周）慢（需反复调优）当前主力✅ 企业应用首选🔮 未来演进方向核心启示不要盲目追求“全自动智能体”。先用工作流解决 80% 的确定性问题，再用自主智能体攻克 20% 的复杂挑战。
2025-11-16 09:30:46
525
原创 产品拆解学习笔记：AI Agent Store —— 让“人人可用 AI 代理”成为现实
AI Agent Store 的核心创新不在于技术本身，而在于产品形态的重构它把分散、晦涩的 AI Agent 能力，变成了像“应用商店”一样直观、可逛、可试的产品；通过内容驱动 + 社区运营，降低了整个 AI 自动化生态的入门门槛；为 Robomotion/Skydis 构建了从“工具 → 平台 → 生态”的战略跳板。愿景：让每一个普通人，都能拥有自己的“数字员工”。参考资料AI Agent Store 官网Product Hunt 发布页及用户评论。
2025-11-13 06:10:33
575
原创 产品拆解学习笔记：cto.new —— 免费、全栈、多模型的 AI 编程代理平台
cto.new 不仅仅是一个 AI 编程助手，更是一种“普惠 AI”理念的实践。免费模式在开发者工具领域依然有效；多模型融合 + 全流程集成是下一代 AI 编程代理的方向；在巨头林立的市场中，精准切入细分人群（如学生、初创者）仍有机会突围。愿景：让每一位开发者，无论预算多少，都能拥有自己的“AI CTO”。参考资料cto.new 官网Medium 博文（创始人分享）Product Hunt 发布页TechCrunch 报道（2025年10月）📢欢迎讨论。
2025-11-13 06:00:51
853
原创 Datawhale 开源学习 | Handy n8n 学习笔记 C01-C02
最近开始接触 n8n 这款开源的自动化工作流工具。在学习了 Datawhale 推出的 handy-n8n 项目的前两章后，我记录下了一些初步的思考和笔记。总的来说，n8n 的设计理念和灵活性给我留下了深刻的印象，尤其是在工具选型对比和多场景部署方面，对于有经验的开发者来说非常友好。
2025-11-10 21:22:33
745
原创 RAG项目实战系列（三）：Chapter3 向量嵌入与多模态检索学习笔记
本文围绕RAG系统的向量化技术展开，介绍了文本、图片等多模态数据的嵌入与检索方法。核心内容包括主流文本嵌入模型（BERT等）、多模态数据处理以及向量数据库（FAISS等）的应用。通过实践，作者验证了不同嵌入模型的效果，并掌握了向量检索流程。文章强调该技术对RAG系统落地的关键作用，建议读者结合实际需求优化配置，并预告后续将探讨混合检索等进阶主题。项目链接已附供参考。
2025-09-20 02:23:49
215
原创 RAG项目实战系列（二）：Chapter2 数据加载与文本切分学习笔记
本文分享了RAG项目中数据预处理的学习心得。重点介绍了多格式数据加载（txt、pdf等）、文本切分策略（字符/段落等）和数据清洗流程，强调合理切分对检索效果的影响。通过实操体会到数据格式多样性的挑战，掌握了基础文本处理工具。文章指出数据预处理虽基础但对项目效果至关重要，建议结合实际需求优化处理流程，为后续向量化与检索模块开发奠定基础。
2025-09-20 02:14:22
257
原创 RAG项目实战系列（一）：Chapter1 学习笔记与心得
本文分享了学习《all-in-rag》项目chapter1的收获，重点介绍了RAG技术的原理与价值。RAG通过结合外部知识检索与生成模型，有效提升问答系统的准确性和可靠性。文章梳理了环境配置、项目结构等准备工作的关键要点，并总结了学习RAG架构的收获。该章为后续深入RAG技术实践打下基础，建议开发者关注环境配置细节，理解技术原理。后续将探讨数据处理、向量检索等核心内容。
2025-09-20 02:10:51
308
原创 动手学Ollama：应用案例实战 - 构建本地RAG和Agent应用
《动手学Ollama实战指南》摘要：本文介绍了使用Ollama构建AI应用的完整流程，重点讲解RAG（检索增强生成）技术和Agent智能体的开发实践。通过LangChain和LlamaIndex框架，详细展示了文档加载、向量存储、语义检索等核心功能的实现方法，并提供了Streamlit/Gradio两种Web界面集成方案。文章包含企业知识库和个人助手两个完整案例，涵盖性能优化、安全部署等生产环境注意事项，帮助开发者从理论到实践快速掌握本地AI应用开发技能，适用于文档问答、智能客服等多种场景。
2025-08-29 01:16:29
732
原创 动手学Ollama：Ollama 在 LangChain 中的使用详解
本文介绍了如何将Ollama本地大模型与LangChain框架集成使用，涵盖Python和JavaScript环境下的实现方法。主要内容包括：环境准备（安装依赖、启动Ollama服务）、Python集成实战（基础调用、聊天模型、模板链式调用、流式输出）、JavaScript集成示例，以及高级功能（自定义配置、错误处理）和实际应用场景（智能问答系统、文档摘要生成）。通过统一接口，LangChain简化了Ollama模型的调用过程，为开发各类智能应用提供了便利。
2025-08-29 00:58:17
1021
原创 动手学Ollama： Ollama REST API 详解与实战指南
Ollama本地大模型部署指南 摘要：本文详细介绍了Ollama轻量级本地大语言模型框架的REST API使用指南。主要内容包括：核心API端点解析（如文本生成的/api/generate接口）、多模态调用方法、性能优化技巧（上下文窗口设置、keep_alive参数）以及实际应用场景（文本生成、智能问答系统）。重点阐述了本地部署优势：数据安全、响应速度快、成本可控等特点，并提供了错误处理和调试技巧。文章还包含完整的Python调用示例，帮助开发者快速上手Ollama API开发。
2025-08-24 01:27:59
1120
原创 动手学Ollama：自定义使用Ollama
本文详细介绍了Ollama自定义模型功能，重点讲解Modelfile的核心用法。通过FROM指定基础模型、SYSTEM定义角色提示、PARAMETER调整参数，用户可创建专业AI助手。
2025-08-21 15:02:19
573
原创 动手学Ollama：CPU玩转大模型部署完整指南
DataWhale开源"动手学Ollama"项目，提供CPU环境下部署大模型的完整指南。开发者无需GPU也能构建智能客服、代码助手等AI应用，实现大模型技术的普惠化应用。项目文档和代码已开源，为开发者提供了从入门到进阶的全方位学习资源。
2025-08-20 02:36:15
631
原创 “Datawhale AI 冬令营”（第一期）学习笔记
通过这次学习，我对AI在未来社会中的作用有了更加清晰的认识，并且激发了我对探索更多应用场景的兴趣。它不仅提升了我的技术能力，更重要的是培养了我的创新思维和团队协作精神。### 1. 动手实践的重要性 通过实际操作，我不仅加深了对AI理论的理解，还学会了如何将这些理论转化为实用的解决方案。这个过程让我明白了从数据准备到模型训练再到部署上线的每一个步骤，也增强了我的编程能力和解决问题的能力。## 结语 通过参加这样的活动，不仅可以让更多人了解到人工智能的魅力，还能提高个人技能，为未来的职业发展打下坚实的基础。
2024-12-10 21:59:31
233
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人