Code · Cloud · Think · Repeat

OpenAI 推出新一代视频生成模型 Sora2，在视频质量、音画同步、可控性等方面显著提升，新增个性化 Cameo 功能及社交平台 Sora App。Sora2 标志着AI视频从"可用"到"好用"的跨越，同时完善了安全审核、肖像保护等内容治理机制。

本文介绍了使用 Dify 平台搭建个人在线旅游助手 AI Agent 的实战教程。文章分为准备工具、构建 Agent 和优化输入三个部分：首先需要配置 Google 搜索、webscraper 爬虫和 Wikipedia 工具；然后通过创建空白 Agent 应用并添加这些工具；最后通过设置变量（目的地、旅行天数、预算）来规范化用户输入。教程包含详细操作步骤和示例输出，展示了如何打造一个能提供酒店推荐、行程规划等服务的 AI 旅游助手，帮助用户掌握 Agent 构建、提示词撰写和变量使用等核心技能。

本文介绍了使用 Dify 平台快速搭建 AI 图片生成应用的方法。主要内容包括：1）获取并配置 Stability API 密钥；2）设置模型供应商（如 OpenAI 或 Groq 平台）；3）通过 Dify 构建 Agent 智能体，配置 LLM 模型和绘画工具；4）提示词工程基础，包括系统提示词撰写和约束设置；5）应用发布与分享。文章还探讨了画风指定、请求拒绝等实用技巧，并解释了模型幻觉的概念。该教程为开发者提供了完整的 AI 绘图应用构建方案，适合快速入门图像生成技术。

本文介绍了如何利用 Dify 平台快速创建具备自主任务处理能力的 AI 助手。文章从定义智能助手的核心能力（目标规划、任务拆解等）入手，详细说明了操作流程：选择模板或自定义创建，配置推理模型，编写任务指令，添加知识库和工具，设置 Function calling 或 ReAct 推理模式，并配置对话开场白和文件上传功能。最后强调调试预览后即可发布为 Web 应用，适用于财务报表分析、Logo 设计等多样化场景。

本文介绍了如何使用 Dify 平台构建对话型聊天助手应用。文章首先说明了对话型应用的适用场景，包括客户服务、在线教育、医疗保健和金融服务等领域。然后详细讲解了应用编排步骤：从创建应用、编写提示词、添加上下文和文件上传功能，到调试和最终发布。特别展示了如何创建面试官应用的示例，包括设置对话开场白和问题建议。

Dify 提供了 5 种基于大语言模型的应用类型：聊天助手（多轮对话）、文本生成应用（单次任务）、Agent（智能推理）、对话流（复杂流程）和工作流（批处理任务）。用户可通过三种方式创建应用：基于模板（新手友好）、空白创建（自定义开发）或导入 DSL 工程文件（快速部署）。不同应用类型在交互方式、API 接口和上下文管理上存在差异，开发者可根据需求选择适合的构建方式。Dify 同时提供 API 封装、WebApp 托管和开发工具界面，支持各类 AI 应用的快速实现与部署。

AI Agent 的工作流程是一个 “感知 → 思考 → 行动 → 学习” 的智能闭环。目前该领域处于爆发期，既有像 LangChain / AutoGen 这样的强大开发框架，也有 AutoGPT / BabyAGI 这样的概念先驱，更有 GPTs 这样的易用平台和 Devin 这样的专业领域标杆。优秀的 Agent 产品正在从实验走向实用，在客服、编程、数据分析、个人助理等多个领域展现出巨大潜力。衡量 Agent 好坏的核心在于其自主完成任务、有效使用工具、动态规划调整和持续学习进化的能力。随着 LLM

Dify 是一款基于大语言模型的 AI 应用开发平台，支持接入多种主流模型供应商（如 OpenAI、Anthropic、讯飞星火等）。平台将模型分为系统推理、Embedding、Rerank和语音转文字四类，用户可根据需求选择。

Dify 是一款开源的大语言模型应用开发平台。它融合了 后端即服务和 LLMOps 的理念，使开发者可以快速搭建生产级的生成式 AI 应用。即使你是非技术人员，也能参与到 AI 应用的定义和数据运营过程中。由于 Dify 内置了构建 LLM 应用所需的关键技术栈，包括对数百个模型的支持、直观的 Prompt 编排界面、高质量的 RAG 引擎、稳健的 Agent 框架、灵活的工作流，并同时提供了一套易用的界面和 API。这为开发者节省了许多重复造轮子的时间，使其可以专注在创新和业务需求上。

ChatGPT（由 OpenAI 开发）和 DeepSeek（由深度求索公司开发）都是基于大语言模型（LLM，Large Language Model）的技术，但它们在模型架构、训练数据、优化目标和具体应用上存在差异。

2025 年被广泛视为 AI Agent 元年，随着技术的成熟，AI Agent 将从辅助工具（Copilot）进化为自主执行者（Agent），甚至成为 “数字员工”，重塑企业工作流和人机协作模式。未来，AI Agent 可能会进一步结合具身智能（机器人控制）和多 Agent 系统，实现更复杂的自动化任务。

大语言模型是基于海量数据和参数训练的 "超级文字预测器"，通过统计概率模仿人类语言，能完成聊天、写作、编程等多任务。与传统 NLP 技术相比，LLM 具有通用性、无需标注数据、参数规模超大等特点，实现了从专用工具到全能助手的进化。虽然 LLM 属于 NLP 范畴，但其 "涌现能力" 和模糊需求理解能力标志着技术的质变。作为 NLP 的 "究极形态"，LLM 未来或将融合多模态，但语言核心仍植根于 NLP 基础技术。

ChatGPT 的卓越表现得益于其背后多项核心算法的支持和配合。本文将分别介绍作为其实现基础的 Transformer 模型、激发出其所蕴含知识的 Prompt / Instruction Tuning 算法、其涌现出的思维链能力、以及确保其与人类意图对齐的基于人类反馈的强化学习算法。

在本篇博客中，我们将介绍一种新的模型 Transformer，一种使用注意力机制来提高模型训练速度的模型。Transformer 是在论文 Attention is All You Need 中首次提出的。Tensor2Tensor 包提供了其基于 TensorFlow 的实现版本。哈佛大学的 NLP 小组也创建了一个指南，使用 PyTorch 实现了对论文的注释。

在过去的数年里，基于 Transformer 的相关模型层出不穷。本文将对当下最流行的 Transformer 模型做一个简单全面的介绍。

近年来，随着大规模预训练语言模型的发展，自然语言处理领域发生了巨大变革。BERT 和 GPT 是其中最流行且最有影响力的两种模型。在本篇博客中，我们将讨论 BERT 和 GPT 之间的区别以及它们的演变过程。

本文简要介绍了 BOW、TF-IDF、Word2Vec、Transformer、BERT、GPT、RoBERTa、 XLM、Reformer、ELECTRA、T5 等模型。