- 博客(1373)
- 收藏
- 关注
RSS订阅原创 AI工作流开发神器：扣子(Coze)平台详解，收藏级教程
本文详细介绍基于GUI的AI工作流框架，重点解析扣子(Coze)平台的核心功能和使用方法。文章阐述了工作流框架的类型和优势，通过实例演示如何搭建AI播客工作流，并对Coze、Dify、N8N等框架进行对比。最后展望"工作流即服务"的未来发展方向，鼓励开发者积极拥抱AI工作流框架，提升从创意到上线的全链路效率，实现从离线开发到在线服务的一键式切换。
2025-11-24 19:58:06
707
原创 【干货收藏】大模型智能体实战：从任务决策到ReAct Agent执行的完整开发指南
本文详细展示了一个AI辅助开发助手的完整实现，包括任务决策系统（自动识别不同类型任务）、计划生成（复杂任务拆分）、ReAct Agent执行（基于"思考-行动-观察"循环）以及文件操作、Git集成等工具能力。通过这一系统，大模型从"回答问题"升级为能够"自主规划"和"执行任务"的智能体，显著提升开发效率。
2025-11-24 19:49:39
362
原创 RAG检索优化全攻略：从混合检索到重排序，一篇搞定（建议收藏）
本文探讨了RAG应用中检索策略的优化，指出单一向量检索在处理专有名词和语义否定时的局限性。作者提出采用混合检索（结合向量检索和关键词检索）与RRF算法融合结果，提高召回率；并通过Cross-Encoder重排序模型对候选文档进行精排，提升精度。这种"粗排+精排"的分层架构在法律、医疗、金融等需要高精度检索的场景中尤为重要，是构建高可用RAG系统的关键实践。
2025-11-24 19:40:10
411
原创 大模型微调神器：QLoRA、QA-LoRA、S-LoRA技术详解 | 程序员必学收藏
文章介绍了三种大型语言模型高效微调技术：QLoRA实现在单GPU上微调650亿参数模型；QA-LoRA通过量化感知算法提高计算效率且不损失精度；S-LoRA实现数千个LoRA适配器的可扩展服务。这些技术显著降低显存消耗，提高微调效率，为大规模定制化模型服务提供可能。
2025-11-24 19:31:38
436
原创 【学习收藏】从零到一：AI产品经理——未来5年程序员最值得all in的高薪职业指南
文章指出AI产品经理是未来5年最具前景的职业，将产品经理分为工具型、应用型和专业型三个层次，其中应用型是普通人最可行的方向。提出三步学习法：夯实产品基本功、掌握AI项目落地能力、补充AI知识技能，
2025-11-24 18:48:28
488
原创 【深度收藏】一文详解提示链(Prompt Chaining)核心原理与实战应用，零基础小白收藏这篇就够了！！
提示链是将复杂任务分解为一系列逻辑关联子任务的设计模式，通过多个LLM调用接力处理，提升输出质量与系统可控性。它包括顺序链、分支链、条件链等多种类型，可应用于内容创作、数据分析、软件开发等领域。尽管面临性能开销、错误传播等挑战，但通过验证检查点、结构化输出等策略可有效缓解。提示链作为构建可靠AI应用的基础架构，是企业实现AI深度融入业务流程的关键技术。
2025-11-24 18:31:41
247
原创 程序员必学：AI+医疗技术与应用全解析 | 医学影像、药物研发与智能诊疗实战指南（值得收藏）
AI医疗在全球快速发展，2025年市场规模将达379.8亿美元。中国AI技术在医学影像诊断(准确率96.7%)、药物研发(周期缩短60%)和智能诊疗等领域取得突破。政策支持和市场需求推动产业爆发，但面临数据质量和算法偏见等挑战。未来AI医疗将向"人机协同"方向发展，重塑医疗资源分配格局，中国正走在全球前列。
2025-11-24 11:15:35
453
原创 收藏！2025大模型面试必备：17道RLHF高频题深度解析
本文是2025年大模型面试宝典，重点解析RLHF（基于人类反馈的强化学习）技术。涵盖17个高频面试题及详细解答，包括RLHF原理、训练流程、奖励模型、价值模型等核心概念。特别针对Deepseek等热门大模型，强调MLA注意力、MTP、GRPO等关键技术点。适合准备大厂面试的算法工程师，帮助掌握大模型对齐人类价值观的核心技术，提升面试竞争力。
2025-11-22 19:59:45
793
原创 零基础学Transformer：大模型核心架构详解，值得反复收藏学习
本文详细解析了Transformer架构，这是大语言模型的核心组成部分。文章从NLP基础概念讲起，介绍了词向量嵌入、RNN和LSTM的发展历程，然后深入探讨了Transformer的关键组件，包括输入嵌入、位置编码、多头自注意力机制、残差连接和层归一化等。特别强调了Transformer如何通过并行训练克服传统序列模型的局限性，以及其在自然语言处理领域的重要应用价值。
2025-11-22 19:41:19
590
原创 【建议收藏】大模型提示词完全指南：从基础到实用的7大核心技巧
这篇文章系统介绍了大模型提示词工程的基础知识和实用技巧。阐述了四大原则：语种差异、专一主题、简洁明了和避免歧义。详细讲解了七大实用技巧：角色扮演、提供例子、指定输出格式、限制约束、背景上下文、持续迭代和元提示词。强调随着模型智能化，掌握提示词技巧的人将建立"能力护城河"，释放出普通用户难以想象的生产力，帮助更有效地引导AI生成高质量输出。
2025-11-22 15:25:24
366
原创 【收藏必备】小白也能懂的Transformer：NLP发展历程与模型原理解析
文章从NLP发展历程出发，详细介绍了从规则模型、统计方法到神经网络模型的演进过程，重点分析了RNN和LSTM的局限性。然后深入解析了Transformer模型的设计原理，特别是自注意力机制如何解决长距离依赖问题，以及多头注意力机制的优势。Transformer通过并行处理和位置编码，有效克服了传统序列模型的缺陷，成为现代大语言模型的基础架构。
2025-11-22 14:53:52
670
原创 【干货收藏】别再盲目上AI！你的知识库需要先“第二大脑化“
本文指出企业应用AI效果不佳的根本原因在于知识而非AI技术。作者提出"第二大脑化"解决方案：通过PARA系统管理知识、创建原子笔记和建立反向链接，将知识转化为可计算的资产。当知识具备结构、元数据和关系时，AI才能成为高效的复用引擎，而非放大混乱的工具。强调在使用AI前，应先确保知识库可被机器理解，这样才能真正发挥AI的价值。
2025-11-22 14:08:58
847
原创 从提示词到上下文工程：构建高效AI智能体的关键技术（收藏必看）
文章介绍了上下文工程这一提示词工程的演进，关注如何筛选和管理AI智能体的有限上下文资源。探讨了上下文与提示词工程的区别、上下文作为稀缺资源的重要性、高效上下文的构成要素、上下文检索策略及长期任务管理技术（压缩、结构化笔记、子智能体架构）。核心原则是用最小规模的高价值tokens确保预期结果。
2025-11-22 12:00:09
737
原创 【必学收藏】AI产品经理大模型进阶指南，一文吃透RAG：7大核心概念，通俗易懂，零基础小白收藏这一篇就够了！！
本文介绍了RAG（检索增强生成）技术的7个核心概念及其在大模型应用中的重要性。RAG通过信息检索和内容生成结合，有效避免大模型幻觉。文章详解了向量数据库、混合检索、分块嵌入与索引、重排序、上下文融合、准确率与召回率、知识图谱等关键技术，并阐述了RAG系统的运行流程，强调这些技术对提升AI产品经理专业能力的重要性。
2025-11-22 11:41:59
962
原创 小白必学！一文搞懂向量数据库：大模型时代的存储利器，建议收藏
向量数据库是以向量嵌入形式存储非结构化数据的数据库系统，能够捕捉文本、图像等数据的基本特征。通过将数据转换为数值向量，向量数据库实现了高效的相似性搜索、聚类和分类等操作，解决了传统数据库难以处理非结构化数据的问题。在大模型时代，向量数据库成为推荐系统、搜索引擎等应用的核心技术，使用户能够基于语义而非关键词进行数据检索，极大提升了信息处理的效率和准确性。
2025-11-21 20:03:00
832
原创 langchain从入门到精通，大语言模型幻觉现象详解及RAG实战指南，建议收藏！！
大语言模型常出现事实性和忠实性幻觉，主要由数据缺陷、训练过程和推理因素导致。缓解方案包括数据清洗、模型架构改进和检索增强生成（RAG）。RAG通过外部检索权威知识库，使模型能引用最新、准确信息，无需重新训练，经济高效且增强用户信任。RAG流程包括检索相关内容、与用户查询合并为提示词，再由大模型生成响应。
2025-11-21 19:46:46
674
原创 【AI大模型大厂面试真题】腾讯面试官问：动态RAG的数据质量怎么评估？看完这一篇你就知道该怎么回答了！！
本文详细解析了动态增量RAG系统的数据质量评估体系，从可解析性、去重质量、相关性、切片质量和时效性五个维度构建量化评估模型。通过5维综合评分体系实现数据质量监控和异常报警，解决了动态数据不可控、不可预测带来的RAG系统退化问题。这套评估方法不仅是动态RAG系统的核心，也是大厂面试中的高频考点，强调了工程能力而非单一embedding模型对RAG系统成败的关键作用。
2025-11-21 19:26:45
456
原创 【收藏学习】“人工智能+“重构产业格局：企业落地大模型的核心逻辑与实战策略
"人工智能+"与"互联网+"在技术阶段、价值层次和扩散路径上存在显著差异。AI技术仍处快速迭代期，价值层面实现计算增强而非简单连接，扩散路径遵循"生产端到消费端"。企业落地AI需关注应用牵引、模型工程化、数据飞轮和算力云化四大核心逻辑，同时政府应构建包容创新环境，推动数据要素市场建设和行业应用开放，促进AI技术与产业深度融合。
2025-11-21 14:25:50
987
原创 【干货分享】从个人笔记到企业文档：告别关键词搜索，构建精准垂直领域RAG知识库
文章介绍了一种垂直领域RAG系统的构建方法，通过智能菜谱问答助手案例展示了从数据理解、架构设计到工程化挑战的全过程。系统采用四个核心模块，解决了检索粒度、语义检索和用户意图三大工程挑战，适用于任何结构化文档知识库，提供精准检索和完整上下文。
2025-11-21 11:54:49
680
原创 【值得收藏】让AI变靠谱：LangChain多智能体系统HITL人工审核机制实战指南
本文通过智能个人助理示例，详解了如何在LangChain多智能体系统中引入HITL人工审核机制，实现对关键操作的人工干预。结合上下文注入与状态记忆，使系统在保持智能化同时具备可控性、可恢复性和安全性，为构建安全可靠的企业级智能体系统提供了实用模板。
2025-11-21 11:25:40
605
原创 【珍藏必读】Qwen3-VL源码深度剖析：从零开始掌握视觉语言大模型实现
本文详细解析了Qwen3-VL视觉语言大模型的源码实现，从图像预处理、模型入口到视觉编码器，全面剖析了模型如何处理多模态输入。文章重点讲解了Qwen3VLProcessor如何将图像转为pixel_value，Qwen3VLModel如何融合图像和文本特征，以及自研视觉编码器Qwen3VLVisionModel的工作原理，为理解视觉语言模型提供了深入的代码视角。
2025-11-21 11:04:07
841
原创 【值得收藏】大模型文本编码技术深度解析：零成本到高精度的三种实现路径
文章详解大模型文本编码三大技术路线：直接使用预训练模型隐藏状态(零成本但精度不足)、微调编码头适配特定任务(中等投入显著提升精度)、以及针对RAG场景的专门微调(高投入实现最佳检索效果)。三种方式对应不同资源条件和精度需求，是成本与效果的权衡。正确选择文本编码策略能显著提升下游任务表现，决定整个大模型应用的上限。
2025-11-20 19:58:46
548
原创 【必学收藏】构建时序AI代理：优化RAG系统中的动态知识库，零基础小白收藏这一篇就够了！！
文章介绍了如何构建一个时序AI代理系统，用于优化RAG系统中不断演化的知识库。详细描述了从语义分块、原子事实提取、实体解析、时序失效到知识图谱构建的完整流水线。通过LangGraph自动化整个处理流程，实现动态更新知识库，解决事实随时间变化的问题。最终构建了多步检索代理，能够与知识图谱交互，回答复杂的时间敏感问题，提高RAG系统的准确性和可靠性。
2025-11-20 19:47:32
779
原创 【必收藏】多AI-Agents协作实战：Plan-And-Execute模式的工程本质与代码实现
本文深入解析AI-Agent的工程本质，重点介绍Plan-And-Execute模式和多AI-Agents协作机制。通过给大模型添加"工作规则"和"工具"，AI-Agent能自主完成任务。多智能体协作解决了单Agent上下文限制、延迟高和稳定性差等问题，实现从"万能助手"到"专业团队"的范式转变。文章通过代码示例展示了AgentPlanAndExecute和AgentReAct的协作过程，强调了专业分工对任务效率的提升。
2025-11-20 19:38:35
971
原创 建议收藏：一文搞懂大语言模型(LLM)：小白也能理解的核心原理
大语言模型(LLM)是现代AI应用的核心基础，通过海量文本学习语言规律。其工作原理分为三层：预测下一个词、利用神经网络学习词语关联、通过海量数据和参数记忆规律。虽然本质是概率预测，但通过上下文理解和逻辑推理，能够实现类似人类的"思考"过程，是ChatGPT等AI应用的底层技术。
2025-11-20 14:30:27
626
原创 大模型完全指南：程序员必学技能，从入门到精通，一文看懂大模型热门核心概念：LLM、Prompt、AI Agent、RAG
本文为大模型入门指南，系统介绍大模型基础概念、特点及核心技术。涵盖Prompt工程技巧、AI Agent工作原理及与大模型的关系，以及检索增强生成(RAG)如何解决大模型幻觉问题。内容全面，从基础到进阶，适合程序员及AI初学者系统学习大模型技术，提升AI应用能力。
2025-11-20 11:56:00
684
原创 上不了生产环境的Agent，都是耍流氓式的自嗨！
2025年，很多人都说，是AI Agent的元年。伴随着大模型技术的井喷，我们确实看到了各种各样的Agent实践案例，感觉好像一夜之间，能跟我们对话、帮我们办事的智能体就遍地开花了。但是，在这股热潮背后，其实有一个挺普遍的问题，那就是绝大多数的Agent开发，都存在一种 “重原型、轻生产” 的倾向。
2025-11-20 11:13:28
714
原创 【值得收藏】多模态情感分析实战：LLMs与LMMs的情绪识别技术详解
本文综述了基于LLMs和LMMs的多模态情感分析方法，聚焦于以文本为中心的14种情感分析任务。分析了各类任务的表现特点，探讨了LLMs在多模态情绪识别中的优势与挑战，包括零样本学习能力。文章还展望了该技术在智能伴侣、客户服务等领域的应用前景，为研究者提供了全面的技术参考和未来研究方向。
2025-11-20 10:24:44
858
原创 【珍藏版】RAG技术入门：为什么你的大模型需要它？（附工具实操）
RAG（检索增强生成）通过数据准备（文档切片、向量化、存储）和数据使用（问题匹配、上下文拼接）两个阶段，实现语义层面的知识检索，解决大模型缺乏特定领域知识的问题。它能弥补"缺数据"痛点，但存在数据质量、嵌入模型性能等问题，可通过优化策略和先进框架如Advanced RAG、HybridRAG等提升效果。
2025-11-19 16:37:42
588
原创 【必学收藏】用AI解决物流难题：基于大语言模型的车辆路径规划智能体框架实战
本文提出AFL多智能体框架，通过大语言模型解决复杂车辆路径规划问题。框架将流程拆分为三个子任务，由四个专用智能体(生成、判断、修订和错误分析)协作实现全自动化。在60种VRP任务测试中，代码可靠性达100%，方案可行性接近100%，性能媲美专业算法，显著优于其他LLM方法，为物流配送等场景提供高效自动化解决方案。
2025-11-19 16:22:24
812
原创 【必收藏】大模型微调全攻略：从入门到精通的5种方法详解，助你打造专属AI助手
文章详细介绍了大语言模型的五种主流微调方法：全量微调、Adapter、LoRA/QLoRA、前缀微调及指令微调。每种方法都涵盖原理、代码实例和优缺点分析。提供了方法选择指南，帮助读者根据资源需求和任务特点选择最适合的微调策略，特别推荐从LoRA/QLoRA开始，因其性价比高且能达到接近全量微调的效果。
2025-11-19 15:37:40
572
原创 收藏！一文读懂LoRA：大模型高效微调的数学本质与实现机制
LoRA技术通过低秩矩阵分解实现大模型高效微调，将全秩权重更新矩阵ΔW分解为两个低秩矩阵A和B的乘积，参数压缩比达256:1。训练时冻结原始权重，仅优化A和B矩阵，推理时合并至原始权重不增加延迟。该技术灵活应用于Transformer的MHA/FFN层，适用于各种模型结构，是降低大模型微调成本的关键技术。
2025-11-19 14:54:11
804
原创 【必看收藏】微软R&D-Agent-Quant：用AI驱动量化投资研发，大模型赋能自动化策略全流程
微软亚洲研究院推出R&D-Agent-Quant，以"用AI驱动AI"理念构建智能量化研发体系。系统包含规范、构思、实现、验证和分析五大功能单元，实现从假设生成到策略回测的全链路自动化。通过因子-模型协同优化机制，在实验中展现出效率、稳健性与收益表现的显著优势，使用因子数量减少70%以上同时提升性能。相关代码已在GitHub开源，论文被NeurIPS 2025接收，为量化投资提供了智能化新方向。
2025-11-19 11:57:48
923
原创 大模型必备技能：RAG技术详解，让AI回答更准确、可追溯（收藏学习版）
文章详解RAG（检索增强生成）技术，通过"先检索后生成"的机制解决AI"幻觉"问题。RAG让AI在回答前从可靠知识库获取信息，具备知识实时更新、回答可追溯、降低幻觉风险等优势。已在金融、医疗、客服等领域广泛应用，未来将向多模态检索、智能知识库管理等方向发展，使AI成为更可靠的知识助手。
2025-11-19 11:44:45
637
原创 AI时代需求编写指南：如何编写让AI也能看懂的高质量需求（必学收藏）
文章讨论了在AI参与代码生成时代，需求必须具备更高标准的关键特质。重点阐述了三个核心特质：文档化（需被明确记录成为AI可直接使用的输入）、正确性（确保需求准确无误，避免"垃圾进，垃圾出"）和完整性（包含所有必要细节如边缘情况、错误处理等）。这些特质是确保AI能正确理解需求并生成符合项目约束代码的基础。
2025-11-19 10:38:04
856
原创 2026年AI必备技能：从提示词到智能体，掌握这9大核心能力，收藏学习！
文章指出2026年AI技术将进入"驾驭"和"构建"阶段，职场需掌握九大核心技能：精准交互与多模态理解、RAG与微调、自动化与智能体、创意与管理。这些技能将帮助人们从AI使用者转变为"智能编排者"，通过整合模型、数据与工作流，在智能时代掌握主动权，成为定义未来的创造者。
2025-11-18 15:24:07
250
原创 收藏必备：AI编程革命 - 从高级插件到自治执行体的范式转移
AI编程正从辅助工具转变为具备自治能力的执行体(Agent)，引领软件工程进入"提示驱动开发(PDD)"范式。开发者角色从"写代码"转变为"设计规则和提示"，未来软件研发将由架构师指挥Agent协作完成。文章系统分析了Agent发展的六个维度，强调AI不是取代人类，而是增强人类，让开发者成为更高维度的设计者与指挥者。
2025-11-18 15:11:52
244
原创 【必学收藏】模块化RAG架构：大模型检索增强生成新范式，看到就是赚到，建议收藏！！
文章介绍了模块化检索增强生成架构(Modular RAG)的设计理念与结构，将复杂RAG系统拆分为三层架构：顶层(关键阶段管理)、中层(子模块)和底层(操作符)。详细阐述了索引、检索前优化、检索等核心模块的功能与优化方法，包括块优化、查询扩展、稀疏/稠密/混合检索等技术。这种模块化设计提高了RAG系统的可扩展性、可维护性和性能，为解决传统RAG系统复杂性问题提供了有效方案。
2025-11-18 15:03:51
238
原创 【收藏必备】深入理解Transformer：Attention机制如何改变大模型格局
Transformer架构是大型语言模型的核心技术，彻底改变了AI领域。文章详解了其工作原理：输入分词后通过嵌入矩阵转换为向量表示，注意力模块使词语根据上下文相互作用更新语义，MLP模块进一步优化表示。模型通过反向传播训练，调整大量权重矩阵以预测下一个token。这种架构使模型能够捕捉长距离依赖关系，理解复杂语义关系，从而实现强大的文本生成能力。
2025-11-18 14:36:48
627
原创 大模型入门必备：图解Transformer与生成式AI，一篇搞定，建议收藏
本文详细解析了Transformer模型架构，包括编码器和解码器的结构、自注意力机制原理、多头注意力机制、位置编码方法以及残差连接等关键技术。文章通过图解方式深入浅出地展示了Transformer如何通过注意力机制捕捉上下文关系，实现高效并行计算，以及在大模型训练中的应用，为理解现代生成式AI提供了系统化指南。
2025-11-18 11:55:20
850
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