- 博客(932)
- 资源 (10)
- 收藏
- 关注
RSS订阅原创 LangChain检索增强生成介绍
RAG是一种结合外部知识检索与大语言模型生成的技术。（1）RAG的核心目的是解决LLM的两大痛点：① 知识时效性不足：LLM的训练数据有截止时间，无法回答最新信息（如今年的新政策）。② 幻觉问题：LLM可能生成错误但看似合理的内容（如虚构学术论文并引用）。（2）RAG的工作逻辑是：当用户提出问题时，先从外部知识库（如文档、网页、数据库等）中检索与问题相关的信息，再将这些信息作为“上下文”输入LLM，让LLM基于检索到的事实生成回答。
2025-12-22 08:15:23
538
原创 LangChain框架中的记忆
在LangChain框架中，记忆是一种机制，用于存储和检索对话历史或其他上下文信息，使得模型能够“记住”之前的交互内容。RunnableWithMessageHistory是LangChain中用于构建带记忆功能的可运行组件的工具类。BaseChatMessageHistory是LangChain中用于管理消息历史的抽象基类，定义了消息存储和检索的标准接口。本节将详细介绍LangChain框架中的记忆（Memory）系统，包括概念、接口实现和实际应用。基于LangChain的聊天机器人。
2025-12-22 08:09:57
518
原创 LangChain表达式语言
RunnableLambda是LCEL中的一个基础组件，用于定义简单的函数转换。它允许你将任意Python函数转换为可运行的组件，以便在LCEL工作流中使用。LCEL（LangChain表达式语言）使用声明式的、简洁的方式来构建和组合LangChain的组件。它提供了更直观的语法，使你能够以类似表达式的方式来定义复杂的工作流程，而不需要编写大量的样板代码。LCEL的核心优势是其简洁性和可读性，尤其适合快速原型开发和小型项目。【示例8.5】一个使用RunnableLambda的示例。
2025-12-19 08:52:48
303
原创 LangChain框架的链
在LangChain中，链是将多个组件组合在一起形成一个单一、连贯的工作流程的方式。链可以包含模型调用、数据处理、工具使用等多个步骤，使你能够构建复杂的应用程序。链的特点：把LLM、提示、工具、输出解析等组件按顺序或并行地组装成可复用的执行单元，可独立调用，也可以使用LCEL重新组合。【示例8.4】基础链示例（LangChain+Qwen）。代码执行流程如图8.1所示。图8.1 代码执行流程。
2025-12-19 08:41:56
452
原创 LangChain框架的输入输出
语言模型接收提示并生成文本输出，主要分为大语言模型（LLM）和聊天模型（Chat Model）。输出解析器（Output Parser）用于处理语言模型的输出，将其转换为结构化的数据（如JSON、列表等）。LangChain框架的输入输出（I/O）流程是一个标准化的数据处理管道，主要由提示、语言模型和输出解析器三个核心组件构成，它们协同工作实现与语言模型的交互。（1）模板化：使用PromptTemplate将用户输入（如变量）动态嵌入预定义的文本模板（如“解释{term}的概念”）。
2025-12-18 11:03:34
642
原创 LangChain框架简介
LangChain是用于开发由语言模型驱动的应用程序的框架，用于开发由大语言模型驱动的应用程序，特别是AI智能体系统。
2025-12-18 11:02:29
1298
原创 智能体的记忆与知识管理
（1）谷歌Dialogflow通过“意图识别”和“实体提取”跟踪对话状态：若用户说“明天下午3点订从北京到上海的高铁”，DST会记录“时间=明天下午3点”“出发地=北京”“目的地=上海”“任务=订高铁票”，后续对话中即使用户简化表达（如“改到后天”），智能体仍能关联到“时间”参数进行更新。搜索操作会返回与查询向量最相似的向量的ID和相似度得分。（1）向量索引与搜索：FAISS提供了多种索引和搜索向量的方法，如暴力搜索（Flat）、倒排索引（IVF）、分层可导航小世界图（HNSW）和乘积量化（PQ）等。
2025-12-15 10:37:40
722
原创 智能体的感知与理解技术
AI智能体的感知技术是其与外部世界交互的“感官系统”，旨在将物理世界的信号转换为机器可以处理的数字信息。理解技术是AI智能体的“大脑”，负责将感知到的信息转换为语义理解和逻辑推理能力。
2025-12-15 10:32:07
1154
原创 智能体的多Agent协同
多Agent系统是由多个自主或半自主的智能Agent组成的系统，这些Agent通过协作来完成单个Agent难以完成的复杂任务。在多Agent系统中，角色分工是关键，不同的Agent承担不同的职责，通过协同工作提高整体效率。
2025-12-12 11:49:48
1110
原创 智能体的自适应学习
自适应学习是指AI智能体根据环境变化、任务需求或交互数据，动态调整自身行为、策略或模型参数的能力。其目标是实现持续进化，无须人类频繁干预。
2025-12-12 11:42:16
1011
原创 使用FastGPT知识库构建智能客服的示例
本节将使用知识库来构建一个简单的智能客服，步骤包括创建知识库、在智能客服工作流中使用知识库，以及基于知识库进行智能问答。
2025-12-04 10:03:24
854
原创 智能体开发环境安装
Python与AI Agent（人工智能智能体）之间有着密不可分的关系。作为当前人工智能领域主流的编程语言，Python凭借其简洁的语法、丰富的科学计算库（如NumPy、Pandas）以及强大的AI框架支持（如TensorFlow、PyTorch、Hugging Face），成为开发AI Agent的首选工具。AI Agent是能够感知环境、进行决策并采取行动的智能实体，广泛应用于智能对话系统、自动化决策、机器人控制和自主学习系统中。
2025-12-03 09:38:52
872
原创 FastGPT企业知识库介绍
FastGPT采用分层存储结构（库-集合-数据），使用双数据库系统：PostgresSQL处理向量检索，MongoDB存储元数据。其创新性地采用多向量映射机制，通过将单组数据映射到多个向量来平衡内容长度与语义丰富度。在搜索方面，系统结合了语义检索（基于向量相似度）和全文检索，通过RRF算法融合结果，并引入ReRank模型进行精准重排，显著提升了搜索的准确性和全面性。这种混合检索策略有效克服了单一检索方式的局限性，同时多向量设计增强了知识库的数据表达能力。
2025-12-03 09:27:24
896
原创 FastGPT版本体系概览
其中，开源版与SaaS版主打轻量化体验，SaaS版作为FastGPT的经典云端方案，基于官方云服务器运行，无须本地部署成本，数据由官方托管，主打便捷性与轻量化体验。开源版、商业版、企业版：均支持本地化部署（单机或集群），数据存储在用户自有服务器，企业可完全掌控数据主权，满足金融、医疗等行业的数据合规要求，适合对数据隐私敏感的企业。商业版作为FastGPT的主流企业级方案，分为轻量版、标准版、专业版、旗舰版，支持单机买断或按年订阅，核心差异体现在用户规模、功能深度与技术支持等级，如表1-1所示。
2025-12-02 09:31:16
793
原创 FastGPT的特点与优势
同时，工作流支持与外部系统的联动，通过“HTTP请求”节点对接企业ERP、CRM、MES等系统，实现数据的实时同步与流程的跨系统触发，真正打通AI应用与业务执行的“最后一公里”。企业的数据往往分散在各种格式的文档中，从.txt、.md等轻量文本，到.pdf、.docx等复杂格式，再到.pptx演示文稿、.csv数据表，甚至包含图片、图表的混合文档，这些“数据孤岛”一直是企业知识整合的痛点。FastGPT秉持开放兼容的理念，构建了多模型适配的技术生态，让企业能“按需选择”最适合的模型组合。
2025-12-02 09:24:42
751
原创 FastGPT简介
我们将大模型比作“顶级食材”，比如新鲜的龙虾、珍贵的松露，它们本身具备极高的品质，却需要精湛的烹饪技艺才能转换为美味佳肴；从证券机构的财报分析到医院的病历辅助解读，从工厂的设备检修预警到学校的个性化教学辅导，FastGPT正以多元化的应用场景证明着自身的价值。无论是让AI深度理解企业内部的专属知识库，还是搭建贴合复杂业务场景的智能工作流，FastGPT都能轻松实现，让企业无须投入大量资源，从零搭建底层架构，就能快速拥有属于自己的AI能力，真正做到“即插即用”式的高效落地。图1-1 大模型应用开发流程。
2025-12-02 09:23:40
324
原创 FastGPT：高效构建企业级大模型应用的利器
FastGPT 是由国内团队开发的一款面向企业场景的大模型应用开发平台。它支持通过可视化界面快速构建基于知识库的问答系统、智能客服、文档助手等应用，并能灵活对接多种主流大语言模型（如 GPT-4、Claude、通义千问、GLM 等）和向量数据库（如 Milvus、Pinecone、Weaviate 等）。FastGPT 的核心理念是“低代码 + 高灵活性”：用户无需编写复杂代码，即可通过拖拽式工作流（Workflow）定义 AI 的推理逻辑，实现从用户提问到答案生成的完整链路定制。
2025-12-01 11:48:35
489
原创 智能体的规划与推理
它推广了流行的“链式思维（Chain of Thought，CoT）”方法，通过允许模型探索作为解决问题中间步骤的连贯文本单元（"思想"），使模型能够考虑多种不同的推理路径并自我评估选择。智能体的规划与推理能力是其实现复杂任务的核心，其中Chain-of-Thought（CoT，思维链）、Tree-of-Thought（ToT，思维树）和ReAct框架是三种关键技术。CoT技术显著提升了大型语言模型解决复杂问题的能力，通过展示推理过程增强了模型的可解释性，是当前AI解释性和可靠性研究的重要方向之一。
2025-12-01 09:43:28
944
原创 【新书推荐】《玩转FastGPT：像搭积木一样构建智能体》
智能体（Agent）是大模型落地应用的重要方向，也是AI应用的一个重要风口。FastGPT是一个企业级 AI Agent 搭建平台，可以基于 LLM 大语言模型搭建 AI 知识库问答系统，提供开箱即用的AI Agent 工具集及大模型调用等能力，并可通过可视化 workflow 编排功能实现复杂的AI应用。本书面向企业级AI Agent应用开发，由FastGPT官方认证技术专家和智能体生态伙伴联手打造。本书配套作者微信群答疑服务、案例文件、演示操作视频、配图PDF文件、PPT课件等。
2025-12-01 09:25:07
913
原创 《AI Agent智能体与MCP开发实践：基于Qwen3大模型》章节试读
《AI Agent智能体与MCP开发实践：基于Qwen3大模型》读者学习心得与案例重现-优快云博客内容简介、前言 【新书预告】《AI Agent智能体与MCP开发实践：基于Qwen3大模型》_ai agent智能体与mcp开发实践 基于qwen3大模型 电子书、-优快云博客目录 《AI Agent智能体与MCP开发实践：基于Qwen3大模型》目录_ai agent智能体与mcp开发实践电子书-优快云博客 从大模型到自主智能体的能力跃迁_ai agent qwen3王晓华-优快云博客大模型工
2025-11-28 11:29:27
265
原创 智能体与大模型的关系
例如，在一个智能客服智能体的场景中，大模型可以帮助智能体理解客户用自然语言提出的复杂问题。智能体可以利用大模型的知识来弥补自身知识库的不足。当遇到一些罕见疾病或者新的医疗研究成果相关的问题时，大模型可以提供相关的知识信息，帮助智能体做出更全面的判断。大模型的运行机制主要是基于深度学习算法，通过大量的文本数据训练神经网络，学习语言的规律，然后在给定的输入文本基础上进行语言生成或理解等操作。比如，在用户和智能语音助手进行连续对话时，大模型可以记住前面的对话内容，使智能体能够给出连贯、合理的回答。
2025-11-28 10:54:42
354
原创 智能体发展历程
早期的智能体模型相对简单，主要侧重于解决特定领域的问题，例如在专家系统中，智能体利用预先设定的规则和知识库来处理特定领域的知识，为用户提供决策支持。2016年，AlphaGo凭借强化学习战胜人类围棋冠军，展示智能体在复杂环境中的规划能力，智能体在机器人控制、游戏 AI 等领域崭露头角，但对大量标注数据和固定训练环境有依赖。1986年，马文・明斯基提出智能体概念，强调多智能体互动协作，但此时 AI 系统主要依赖预定义规则和符号逻辑，灵活性不足。1950年，图灵测试叩响机器智能大门，为智能体概念奠定基础。
2025-11-28 10:53:49
322
原创 【新书推荐】《AI Agent智能体开发实践》
本书系统介绍AI智能体（Agent）技术原理、开发方法和实践案例。本书从基础概念出发，逐步深入智能体的核心技术、开发框架、开发流程、开发方法和行业应用，帮助读者系统掌握构建高效、智能的AI Agent的关键技能。本书配套示例代码、PPT课件、读者微信技术交流群，示例代码经过测试均可运行无误。
2025-11-28 10:47:21
1483
原创 AI智能体应用场景
案例：ChatGPT、Copilot、Siri的升级版（如Apple Intelligence）、亚马逊的Alexa Guard（家庭安全监控）。案例：AI医生助手（如Ada Health）、心理健康聊天机器人（Woebot）、老年人陪护机器人（如 ElliQ）。数字人：虚拟主播（如央视AI手语主播）、数字员工（如韩国SK Telecom的A.X）。案例：电商客服（如阿里小蜜）、AI销售顾问（如Gong.io分析销售对话）。诊断辅助：AI影像识别（如腾讯觅影）、手术机器人（如达芬奇系统）。
2025-11-25 11:29:36
1180
原创 AI Agent智能体的核心组件
不同应用场景（如自动驾驶、智能客服、工业机器人）的智能体可能在组件实现上各有侧重，但图1.1所示的框架是其功能实现的基础。智能体（Agent）是指能够在特定环境中自主感知、决策并执行动作的实体，其核心组件通常包括以下几个部分，不同类型的智能体（如软件智能体、物理智能体、AI智能体等）在组件细节上可能有所差异，但整体框架具有共通性。负责从环境中获取信息，将物理世界的信号（如视觉、听觉、触觉等）或数字环境的数据（如传感器数据、网络信息、用户输入等）转换为智能体可处理的内部表示。
2025-11-25 11:23:43
1029
原创 AI Agent智能体的概念、类型与功能
什么是智能体（Agent）？简单来说，智能体就是“能自主执行任务的AI”。传统AI（如ChatGPT）主要依靠用户输入指令，而智能体（Agent）可以自主思考、决策，并执行复杂任务，就像一个AI助手，能够独立完成多步操作。用一句话总结就是：智能体=AI+目标驱动+自主行动。以日常生活中的智能语音助手为例，当你向它发出“查询明天天气”的指令时，它能迅速感知你的语音信息，通过对语音的识别和语义理解，在庞大的天气数据中进行搜索，然后做出决策，最后以清晰的语音告知你明天的天气状况。
2025-11-24 10:10:07
948
原创 RAG框架简介（LangChain、Amazon Kendra、Google Cloud Search）
同时，随着业务的发展和数据量的增加，如何对LangChain构建的系统进行有效的维护和管理，以及确保数据安全和隐私保护，也是开发者面临的重要挑战[45]。自发布以来，LangChain以其强大的功能和便捷的使用方式，受到了广大开发者的青睐，在智能客服、内容创作、智能助手等多个领域得到了大量应用，成为RAG技术应用开发的重要工具之一。并且，其功能和配置相对固定，在满足高度个性化的业务需求时，灵活性不足，如需实现特定行业的专业术语处理、特殊业务逻辑，往往需要额外的定制开发，进一步增加使用成本。
2025-11-24 08:58:43
895
原创 《AI Agent智能体与MCP开发实践：基于Qwen3大模型》学习心得与案例重现
第2章 Agent开发环境配置-优快云博客第3章 从零到一，深度实践大模型微调——《AI Agent智能体与MCP开发实践》第三章学习心得-优快云博客第6章 从零到一，深度实践大模型微调——《AI Agent智能体与MCP开发实践》第六章学习心得_基于华为versatile agent与mcp service的智能体构建与api调用实践,如何学习-优快云博客第7章 AI Agent 智能体与MCP开发实践第7章案例实现--基于Qwen3的多Agent智能客服实战-优快云博客第8章 AI A
2025-11-19 11:34:28
178
原创 《HarmonyOS NEXT应用开发实践:视频教学版》配套资源与目录信息
HarmonyOS NEXT应用开发实践:视频教学版》配套资源包括源码、PPT课件、教学视频，对想学HarmonyOS手机应用开发的朋友有点参考价值，有需要的可用WX扫一下样章中前言给出的二维码下载。链接: https://pan.baidu.com/s/1tI-86rQivNilYXW0X4RX6Q?6.5.3 使用TextInput组件实现账号和密码的输入 195。4.2.4 Foreground和Background状态 41。7.2.2 不依赖UI组件的全局自定义弹出框（推荐） 208。
2025-11-18 09:36:24
799
原创 RAG框架简介（LangFlow、LlamaIndex、Haystack）
RAG技术的核心在于构建一个“检索-生成”的协作体系。当用户提出问题时，检索器会从外部知识库（如企业文档库、专业数据库、网页内容等）中，依据关键词匹配、语义相似性等策略检索相关信息；随后，检索到的信息与用户问题一同被输入至生成器，经过处理后输出更准确、可靠的回答[28]。在RAG技术生态中，商用框架多由大型企业主导研发，这类框架通常具备功能完备、稳定性强、技术支持体系完善等优势，但存在使用成本高、定制化难度大等问题；
2025-11-05 10:25:59
1148
原创 RDD的特点、算子与创建方法
本节将对RDD的基本概念、特点、分类、使用方法进行详细讲解。RDD作为Spark的核心数据结构，承载着弹性分布式数据集的特性。本节将深入探讨RDD的特点、算子的精细分类以及多样化的创建方法，为Spark数据处理奠定坚实基础。
2025-11-05 10:13:00
875
原创 Spark专有名词
DAG中的节点代表RDD（Resilient Distributed Dataset，弹性分布式数据集）的转换操作（如map、filter、reduce等），DAG中，边是连接节点的线条，用于表示节点之间的关系。在Spark的Standalone集群管理模式中，Master是一个关键的组件，它负责接收来自客户端的Spark作业请求，管理集群中的Worker节点，以及进行资源分配和作业调度。每个TaskSet中的任务是并行执行的，每个任务对应着RDD中的一个分区的数据处理。
2025-11-03 16:53:54
875
原创 AI Agent智能体的概念与特征
AI智能体（AI Agent）是人工智能领域一个关键的范式转变，其核心在于赋予机器更高的自主性。AI智能体可被定义为能够感知其环境、通过内部机制进行认知（包括推理和规划）、做出决策并采取行动以达成特定目标的自主实体。它通常是一个持续运作的系统，能够与动态环境进行交互并从中学习[1]。与传统AI应用（例如，图像分类器、推荐系统或传统的基于规则的聊天机器人）相比，AI智能体存在本质差异。传统AI应用通常是针对特定任务设计的，它们接收输入、产生输出，但通常缺乏自主性。
2025-11-03 11:43:24
716
原创 ArkUI组件布局设计要素
组件按照布局的要求依次排列，构成应用的页面。在声明式UI中，所有的页面都是由自定义组件构成，开发者可以根据自己的需求，选择合适的布局进行页面开发。布局是指用特定的组件或者属性来管理用户页面所放置UI组件的大小和位置。
2025-10-31 09:07:01
1120
原创 ArkUI布局系统概述
概 述ArkUI（方舟UI框架）为应用的UI开发提供了完整的基础设施，包括简洁的UI语法、丰富的UI功能（组件、布局、动画以及交互事件），以及实时界面预览工具等，可以支持开发者进行可视化界面开发。ArkUI框架示意如图5-1所示。图5-1 ArkUI框架1. ArkUI的基本概念2. 两种开发范式针对不同的应用场景及技术背景，方舟UI框架提供了两种开发范式，分别是基于ArkTS的声明式开发范式（简称“声明式开发范式”）和兼容JavaScript的类Web开发范式（简称“类Web开发范式”）。
2025-10-31 09:00:33
957
原创 UIAbility组件的用法与数据传递
UIAbility组件的基本用法包括指定UIAbility的启动页面以及获取UIAbility的上下文UIAbilityContext。UIAbility组件与UI之间的数据同步则包括EventHub、AppStorage/LocalStorage。
2025-10-30 10:28:16
812
原创 RAG技术演进与研究进展
检索增强生成技术的发展并非一蹴而就，而是在自然语言处理与信息检索两大领域的长期探索中逐步成型的。这一技术的演进历程，既体现了学术研究对技术瓶颈的持续突破，也反映了工业界对智能应用落地的迫切需求。从早期基于规则的简单检索式问答系统，到如今融合深度学习的复杂RAG架构，其发展轨迹见证了人工智能技术从理论研究向实际应用的深度转化。
2025-10-29 16:26:02
961
PHP＋MySQL动态网站开发全程实例
2012-11-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人