- 博客(139)
- 收藏
- 关注
RSS订阅原创 零基础学AI大模型之Zero-Shot和Few-Shot
【编程博主"工藤学编程"技术文章集锦】该博主专注于AI大模型、SpringBoot、C++等实战开发，近期推出系列技术文章：1）AI大模型专题涵盖LangChain框架、RAG技术、向量数据库(Milvus)等36篇深度解析；2）实战代码系列包含C++图书管理系统、SpringBoot整合MinIO等开发案例；3）分布式技术涉及分库分表原理、RabbitMQ消息确认机制等核心知识。文章以零基础视角系统讲解技术原理与实战应用，形成完整学习路径，适合开发者进阶学习。
2026-01-08 16:33:40
598
15
原创 零基础学AI大模型之CoT思维链和ReAct推理行动
本文是"零基础学AI大模型"系列的第36篇，聚焦LangChain与Milvus的整合应用。作者工藤学编程详细讲解了如何利用LangChain框架结合Milvus向量数据库实现相似性搜索和MMR（最大边界相关）搜索功能。文章延续了该系列由浅入深的教学风格，从基本概念到实战案例，帮助读者掌握AI大模型开发的关键技术。该系列已涵盖Prompt工程、RAG技术、文档处理、向量数据库等核心内容，为开发者提供从零开始构建AI应用的完整学习路径。
2026-01-08 16:29:50
354
27
原创 零基础学AI大模型之LangChain Tool异常处理
【摘要】工藤学编程博主分享AI大模型系列教程，涵盖从基础概念到实战应用的全方位内容。包含LangChain框架详解（Prompt工程、聊天模型、输出解析等）、RAG技术实践（文档加载、文本分割、向量数据库）、Milvus向量数据库实战（部署架构、索引优化、Python整合）等核心主题。特别推出《LLM绑定Tool工具实战》新篇，并附33篇前序教程索引，系统化帮助开发者掌握大模型开发全流程技术栈。
2026-01-07 22:39:53
1109
41
原创 零基础学AI大模型之LLM绑定Tool工具实战
工藤学编程博主专注于AI大模型与编程技术分享，最新文章涵盖C++图书管理系统、SpringBoot整合MinIO等技术实战。特别推出"零基础学AI大模型"系列教程，包含35篇从入门到实战的完整指南，内容涵盖大模型原理、LangChain框架、Prompt工程、RAG技术、向量数据库(Milvus)等核心知识，并提供Docker部署、Python整合等实战案例。适合开发者系统学习AI大模型应用开发。
2026-01-05 16:58:23
1201
40
原创 【完整可运行】图书馆管理系统（SpringBoot+Vue+FastApi+LangChain）
《智能图书馆管理系统：AI赋能的现代化解决方案》 本文介绍了一款基于SpringBoot+Vue+FastApi+LangChain的智能图书馆管理系统，旨在解决传统图书馆管理中的痛点问题。系统采用前后端分离架构，核心功能包括： 智能AI助理：支持自然语言交互，提供24小时图书咨询服务 全面图书管理：实现图书上架、搜索、修改等全生命周期管理 智能借阅系统：自动化借阅流程，自动计算归还日期和逾期提醒 数据可视化：通过ECharts展示核心指标和实时统计数据
2026-01-05 16:56:15
2036
41
原创 零基础学AI大模型之LangChain Tool工具
工藤学编程是一位专注于编程技术分享的博主，涵盖C++、SpringBoot、分库分表、消息队列等技术领域。近期推出"零基础学AI大模型"系列教程，从大模型基础概念到LangChain框架应用、RAG技术、向量数据库(Milvus)实战等36篇深度解析，系统讲解AI大模型开发全流程，包括Prompt工程、文档处理、Embedding优化、相似度搜索等核心内容，适合开发者从入门到进阶学习AI大模型开发技术。
2025-12-27 17:44:35
992
43
原创 以代码为翼，以分享为光：我的 优快云 成长之路
本文回顾了作者从大一到大四的成长历程，展现了在优快云平台上实现技术分享与个人突破的蜕变。从自学C语言到选择Java后端开发，从分享课程作业到博客变现，作者坚持"保研与就业双线并行"的策略，最终获得保研机会并积累了就业优势。文章特别强调了真诚分享的技术博客如何成为连接学业与职业的桥梁，以及在创作过程中收获的读者认可和行业资源。作者表达了对优快云平台的感激之情，并承诺将继续深耕技术领域，秉持"干货为王"的理念，与读者共同成长。
2025-12-27 17:39:02
1485
29
原创 零基础学AI大模型之Agent智能体
本文是"零基础学AI大模型"系列的第36篇，主要介绍LangChain与Milvus向量数据库的整合应用。内容包括相似性搜索和MMR（最大边界相关）多样性搜索实战，帮助读者掌握AI大模型与向量数据库的结合使用。作者工藤学编程通过系列教程，从基础概念到私有化部署、LangChain框架、RAG技术等，系统讲解AI大模型开发全流程。本文是该系列向量数据库实战的重要篇章，适合AI开发入门者学习参考。
2025-12-24 17:50:40
987
50
原创 AI Ping 赋能：基于 GLM-4.7（免费!)+ LangChain + Redis 打造智能AI聊天助手
本文介绍基于AI Ping平台开发的智能AI聊天助手，整合GLM-4.7大模型、LangChain框架和Redis技术，实现流式对话、记忆存储和工具调用功能。AI Ping提供统一API接口和智能路由，简化多供应商模型接入，保障服务稳定性。系统采用FastAPI后端和Vue 3前端，响应延迟控制在100ms内，支持高并发访问。通过Redis存储对话历史实现上下文理解，结合LangChain扩展工具调用能力，为用户提供实时、连贯的交互体验。AI Ping平台免费开放GLM-4.7模型，提供可视化监控和成本优化
2025-12-24 17:42:58
667
12
原创 零基础学AI大模型之RunnableBranch
本文是"零基础学AI大模型"系列教程的第36篇，主要讲解LangChain与Milvus向量数据库的整合应用。内容包括：1) 相似性搜索原理与实现；2) MMR(Maximal Marginal Relevance)多样化搜索技术；3) 实战演示如何通过LangChain调用Milvus进行高效向量检索。文章延续了该系列由浅入深的特点，适合AI初学者学习大模型与向量数据库的交互应用。
2025-12-22 17:58:27
945
26
原创 C++实现餐厅管理系统（QT C++ GUI界面版）
本文介绍了一个基于Qt框架的C++餐厅点餐系统，包含顾客端和商家管理端两大模块。顾客端支持桌位预订、菜品点餐和订单查询功能；管理端提供菜品管理、订单管理、桌位管理和数据统计功能。系统采用面向对象设计，通过CTable、COrder、CDish等核心类实现数据管理，并利用文件IO实现数据持久化。模块化设计覆盖餐饮业务全流程，无需数据库即可稳定运行。
2025-12-22 17:54:42
1087
20
原创 零基础学AI大模型之RunnableLambda
本文介绍了LangChain中的RunnableLambda组件，它能够将普通Python函数转换为符合LangChain协议的Runnable对象，使其无缝接入LCEL链式调用。文章通过类定义解析了RunnableLambda的工作原理，指出其核心功能是包装任意函数并实现Runnable接口方法。该组件解决了自定义逻辑（如数据处理、日志记录等）无法直接嵌入LangChain链的问题，只需简单封装即可让普通函数获得链式调用的能力。文中还提供了基础使用示例，展示了如何用RunnableLambda将自定义函数
2025-12-19 11:59:35
760
102
原创 零基础学AI大模型之RunnableParallel
本文是《零基础学AI大模型》系列教程的第36篇，聚焦LangChain与Milvus向量数据库的整合应用。文章延续了该系列对AI大模型技术的系统性讲解，通过实战案例展示如何实现相似性搜索功能。作为编程学习博主"工藤学编程"的最新作品，本文与其他技术文章（如C++图书管理系统、SpringBoot整合MinIO等）共同构成其技术分享矩阵。系列教程已涵盖从大模型基础概念到私有化部署、Prompt工程、RAG技术等核心内容，为读者提供全面的AI学习路径。
2025-12-17 19:45:37
988
50
原创 零基础学AI大模型之RunnablePassthrough
重点推出"零基础学AI大模型"系列教程，包含36篇LangChain和Milvus向量数据库实战指南，从大模型原理到私有化部署、Prompt工程、RAG技术、文档处理全流程均有详细解析，适合开发者系统学习AI大模型应用开发。
2025-12-12 21:29:47
1571
32
原创 零基础学AI大模型之LangChain核心：Runnable接口底层实现
AI大模型系列教程(36篇)，从基础概念到LangChain框架应用，涵盖Prompt工程、RAG技术、向量数据库(Milvus)部署与实战等核心内容。该系列特别适合零基础开发者系统学习AI大模型开发技术，包含
2025-12-12 21:26:14
1261
37
原创 零基础学AI大模型之MultiQueryRetriever多查询检索全解析
工藤学编程博主分享AI大模型系列教程，涵盖从基础概念到实战应用的完整学习路径。内容包括：大模型API调用、SpringAI整合、私有化部署、可视化界面开发等基础知识；LangChain核心模块详解、Prompt工程、流式输出等进阶内容；以及RAG技术、文档处理、向量数据库(Milvus)部署与实战等高级应用。该系列循序渐进，结合代码实例与最佳实践，为零基础学习者提供全面的AI大模型开发指南。
2025-12-11 19:43:08
1188
31
原创 零基础学AI大模型之LangChain Retriever
内容聚焦LangChain与Milvus的整合应用，包括：1）LangChain六大核心模块解析；2）RAG系统构建与文档处理技术；3）Milvus向量数据库的部署、索引优化及Python整合；4）相似性搜索与MMR多样化检索实战案例。该系列已形成包含36篇的完整学习路径，适合零基础开发者系统掌握AI大模型开发技术。
2025-12-11 19:34:40
1406
29
原创 零基础学AI大模型之LangChain+Milvus实战：相似性搜索与MMR多样化检索全解析
本文是"零基础学AI大模型"系列的第35篇，聚焦LangChain与Milvus向量数据库的整合应用。文章详细介绍了如何在LangChain框架中实现Milvus数据的新增与删除操作，为开发者提供完整的实战案例。作为系列教程的一部分，本文延续了从基础概念到实战应用的教学路径，帮助读者掌握AI大模型开发中的关键技术环节。系列前文已涵盖大模型API调用、私有化部署、Prompt工程、RAG技术等内容，形成完整的AI大模型学习体系。
2025-12-09 21:56:00
1273
46
原创 零基础学AI大模型之LangChain整合Milvus：新增与删除数据实战
本文是"零基础学AI大模型"系列第34篇，重点讲解LangChain与Milvus向量数据库的整合应用。文章将详细演示三种数据新增方式：批量插入、指定ID插入和增量追加；同时深入剖析Milvus数据删除的三大核心场景，包括按ID删除、批量删除和过滤删除操作。作为系列教程的延续，本文承接前文对相似度搜索与MMR算法的探讨，为开发者提供完整的向量数据库操作指南。通过实战案例解析，帮助读者掌握LangChain框架下Milvus的高效使用方法。
2025-12-08 20:31:14
1371
39
原创 AI Ping 赋能：基于 Kimi-K2-Thinking + LangChain 打造网盘在线文档总结助手
本文介绍一款基于 AI Ping 平台搭建的网盘在线文档总结助手，通过集成 Kimi-K2-Thinking 大模型与 LangChain 框架，实现网盘文档 “上传即总结” 的智能体验。应用采用前端轻量化架构，依托 AI Ping 提供的性能评测、统一 API 与智能路由能力，解决开发者在模型选型、多平台适配、成本管控上的痛点，完成从文档上传、AI 解析到总结生成的全流程自动化，为网盘用户高效处理海量文档提供新方案。
2025-12-08 20:25:03
760
16
原创 零基础学AI大模型之相似度Search与MMR最大边界相关搜索实战
摘要：本文介绍AI大模型学习系列文章，涵盖LangChain、向量数据库等技术实战，重点解析相似度搜索与MMR搜索的核心差异、参数配置及业务场景应用。通过电商推荐案例直观展示两种搜索策略的区别，帮助开发者掌握基于向量数据库的搜索实现方案。
2025-12-07 21:50:07
1387
42
原创 零基础学AI大模型之新版LangChain向量数据库VectorStore设计全解析
文章首先介绍系列课程已涵盖的32篇AI大模型技术文章，包括RAG技术、Prompt工程、LangChain框架等核心内容。核心目标包括：理解VectorStore架构设计、掌握抽象类核心方法、适配不同向量数据库特性、实现知识库冷启动流程以及在RAG系统中的实际应用。文章采用"抽象统一+插件化实现"的设计理念，通过架构流程图展示LangChain向量存储体系，既降低了学习门槛又保证了系统灵活性。
2025-12-06 14:45:56
1199
43
原创 零基础学AI大模型之Milvus向量Search查询综合案例实战
本文是"零基础学AI大模型"系列的第32篇，聚焦Milvus向量数据库的DML实战。文章首先介绍了实战的五大核心目标，包括混合数据类型集合创建、批量数据插入、带过滤条件的向量查询等。重点解析了Milvus Search接口的核心语法结构和使用场景，详细说明了collection_name、data、anns_field等必选参数，以及metric_type、nprobe等搜索配置参数的使用方法。通过实际案例演示如何实现结构化与非结构化数据的混合查询，为读者构建RAG系统提供实践指导。
2025-12-04 20:07:07
1320
42
原创 零基础学AI大模型之Milvus DML实战
本文摘要： 文章系统讲解Milvus向量数据库的DML（数据操作语言）实战应用，包含数据插入、删除、更新等核心操作。首先介绍DML基础概念与关键术语，如集合(Collection)、动态字段、自动主键等。随后详细展示环境搭建步骤，包括PyMilvus安装与数据库连接。核心实战部分提供Python代码示例，演示批量数据插入、条件删除等典型场景操作，并强调数据加载(load)的必要性。最后总结DML操作的性能优化建议与注意事项，为开发者提供全面的Milvus数据操作指南。
2025-12-04 20:03:04
1446
39
原创 零基础学AI大模型之Milvus索引实战
摘要 本文介绍Milvus向量数据库索引的核心价值与应用实践。索引作为Milvus的"核心加速器"，通过特定数据结构预处理向量，可提升10-100倍查询效率，并优化资源使用。主要内容包括： 索引价值：平衡召回率与速度，避免暴力比对；节省存储计算资源 索引选型：对比FLAT、IVF_FLAT、IVF_SQ8等4种索引的适用场景、数据量建议及性能特点 实战应用：演示索引创建、查询参数调优等核心操作 适用于需要处理10万级以上向量数据的高效检索场景，帮助开发者在召回率和查询速度间取得最佳平衡。
2025-12-02 09:36:39
1198
52
原创 零基础学AI大模型之Milvus实战：Attu可视化安装+Python整合全案例
本文介绍了AI大模型实战系列文章，重点分享Milvus向量数据库的Attu可视化工具安装与Python整合案例。Attu作为官方开源的图形化管理工具，提供跨平台支持、数据库全生命周期管理、向量检索等核心功能。文章详细讲解Attu的安装部署流程（包括Docker方式），并给出Python代码示例展示集合创建、数据插入和相似度查询的完整操作链路。该教程适合零基础开发者快速掌握Milvus的实战应用，降低学习门槛。
2025-12-01 18:48:05
1585
67
原创 MateChat 智能应用：落地实践与创新探索之给企业CRM系统嵌入MateChat智能助手
本文介绍了在企业CRM系统中嵌入MateChat智能助手的实践过程。针对销售团队存在的三大效率痛点（信息查询繁琐、重复问答耗时、工单创建复杂），MateChat凭借即插即用、VUE技术栈适配、多模型兼容等优势成为理想解决方案。通过三步集成：1）部署Ollama服务与本地模型；2）配置MateChat连接业务接口；3）自定义对话逻辑实现CRM功能调用，显著提升了操作效率。实测表明，该方案开发周期短（2天）、业务适配性强，为B端系统智能化提供了可复用的技术路径。
2025-11-19 16:02:51
1602
79
原创 零基础学AI大模型之Milvus部署架构选型+Linux实战：Docker一键部署+WebUI使用
本文介绍了Milvus向量数据库的部署架构选型和实战操作。首先对比了三种核心部署方案：轻量级Milvus Lite适合快速原型开发，单机版适合中小项目，分布式版满足企业级需求。对于新手推荐使用Docker一键部署单机版，并详细讲解了Linux环境下通过Docker Compose的安装步骤和验证方法。文章还演示了如何通过WebUI管理Milvus，包括集合创建、数据插入和向量搜索等基本操作。最后提供部署架构选型建议，帮助开发者根据项目规模选择合适的方案，从开发测试到生产环境实现平滑过渡。
2025-11-13 21:00:25
2432
55
原创 零基础学AI大模型之Milvus核心：分区-分片-段结构全解+最佳实践
摘要 本文深入解析Milvus向量数据库"分区-分片-段"三层核心架构。通过图书馆管理的通俗比喻：分区对应主题楼层（逻辑划分），分片是平行书架（物理分布），段则是书架上的图书组合（存储优化）。这种分层设计实现了海量向量数据的高效组织与检索。文章还提供了实际场景下的最佳实践方案，帮助开发者理解如何利用这三层结构提升系统性能。作为"零基础学AI大模型"系列的第27篇，延续了对向量数据库技术的系统性讲解。
2025-11-13 20:57:22
1393
60
原创 零基础学AI大模型之Milvus向量数据库全解析
摘要 本文介绍了Milvus向量数据库的核心概念和应用场景。Milvus是一款高性能、可扩展的开源向量数据库，专门用于存储和检索高维向量数据，支持从单机到分布式系统的全场景部署。文章从三个方面展开：首先解释Milvus作为AI大模型生态核心存储组件的定位，其次分析其千亿级向量存储、亚秒级查询等核心特性与性能指标，最后介绍从轻量版到分布式集群的多种部署方式选择。文章特别强调Milvus在RAG技术链路中的关键作用，以及与传统关系型数据库在处理非结构化数据上的差异，为读者提供向量数据库选型的技术参考。
2025-11-10 20:25:05
1422
53
原创 零基础学AI大模型之向量数据库介绍与技术选型思考
摘要 本文探讨了向量数据库在AI大模型中的关键技术选型问题。首先分析了传统数据库（如MySQL）存储高维向量的三大局限：维度灾难导致索引失效、缺乏高效相似度计算能力、实时性与扩展性不足。随后阐述了向量数据库的核心能力，包括高效相似性检索、实时数据处理和大规模扩展性。通过对比SQL查询与向量检索的差异，指出向量数据库在语义匹配场景的独特优势。文章为开发者提供了技术选型参考，强调向量数据库是支撑RAG系统实时检索的关键组件。
2025-11-10 20:17:22
1277
45
原创 零基础学AI大模型之嵌入模型性能优化
前情摘要1、零基础学AI大模型之读懂AI大模型2、零基础学AI大模型之从0到1调用大模型API3、零基础学AI大模型之SpringAI4、零基础学AI大模型之AI大模型常见概念5、零基础学AI大模型之大模型私有化部署全指南6、零基础学AI大模型之AI大模型可视化界面7、零基础学AI大模型之LangChain8、零基础学AI大模型之LangChain六大核心模块与大模型IO交互链路9、零基础学AI大模型之Prompt提示词工程10、零基础学AI大模型之LangChain-PromptTemplate。
2025-11-08 11:52:37
1453
50
原创 零基础学AI大模型之LangChain Embedding框架全解析
摘要：本文是"工藤学编程"博主关于LangChain Embedding框架的深度解析。文章首先指出Embedding模块的核心价值在于解决模型适配难题，通过标准化接口统一不同Embedding模型的调用方式。然后详细介绍了LangChain Embedding的两个核心功能：接口统一和实现多样化，以及这种设计带来的开发优势。最后从源码层面解析了Embedding的"标准协议"，展示了抽象基类的关键代码实现。该系列文章为零基础学习AI大模型提供了系统化的知识体系。
2025-11-08 11:43:09
1386
45
原创 零基础学AI大模型之Embedding与LLM大模型对比全解析
摘要：本文深入解析文本嵌入（Embedding）与大语言模型（LLM）的核心差异与协作关系。通过类比“语义地图”形象说明Embedding如何将文字转换为可计算的向量坐标，实现语义相似度判断。文章对比了两者的关键特性：Embedding专注语义编码（固定维度、高效检索），LLM侧重文本生成（上下文理解、创造性输出）。结合RAG系统实例，展示了二者如何分工协作——Embedding负责快速筛选知识片段，LLM进行深度加工。最后探讨了开源与商用Embedding模型的选择策略及典型应用场景。
2025-11-06 20:22:00
1443
49
原创 零基础学AI大模型之LangChain文本分割器实战：CharacterTextSplitter与RecursiveCharacterTextSplitter全解析
本文介绍了LangChain中的文本分割器CharacterTextSplitter和RecursiveCharacterTextSplitter的核心原理与实战应用。文章首先阐述了文本分割的必要性，包括适配大模型输入限制、提升检索精度和减少语义丢失。然后详细讲解了CharacterTextSplitter的固定长度切割特性及其参数配置，并提供了按空格分割长文本的实战案例。此外，还介绍了更智能的RecursiveCharacterTextSplitter的递归分割原理及其在保留语义完整性方面的优势。
2025-11-06 20:17:33
1352
45
原创 零基础学AI大模型之RAG系统链路构建：文档切割转换全解析
本文介绍了AI大模型实战中的文档转换与切割技术，重点讲解了RAG系统中文档预处理的重要性。文章从三个核心痛点（模型token限制、信息密度不均、格式混乱）出发，分析了文档切割转换的必要性，并详细解读了LangChain中的文档转换器（Document Transformers）功能与实现方式。通过TextSplitter抽象类及其子类的源码解析，展示了如何实现文本分块、去噪处理和元数据增强三大核心任务，为RAG系统的向量化和检索环节提供标准化数据预处理方案。
2025-11-04 20:07:24
1393
53
原创 零基础学AI大模型之LangChain WebBaseLoader与Docx2txtLoader实战
本文介绍了LangChain中的WebBaseLoader和Docx2txtLoader两大文档加载工具，用于从网页和Word文档中提取文本构建RAG系统知识库。WebBaseLoader通过BeautifulSoup解析静态网页内容，需设置USER_AGENT避免反爬；Docx2txtLoader则直接处理.docx文件，保留基础格式。文章通过代码实例演示了单网页、多网页加载以及Word文档提取的实现方法，并强调了两者在企业知识管理中的实际应用价值。
2025-11-04 20:05:20
1879
48
原创 深入Rust：Tokio多线程调度架构的原理、实践与性能优化
本文深入剖析了Rust生态中Tokio运行时的多线程调度架构。Tokio通过"Reactor+Worker+阻塞线程池"三层设计，实现了高性能异步任务处理：Reactor监听IO事件，Worker线程池通过任务窃取机制均衡负载，阻塞线程池隔离非异步任务。文章详细解析了各组件的协同流程，并揭示了Tokio的优化细节，如任务优先级调度、本地队列的SPMC设计等，这些创新使Tokio成为Rust异步生态的事实标准运行时。
2025-10-30 12:38:25
1532
50
原创 深入Rust：async/await语法糖的底层展开原理与实战指南
本文深入解析Rust中async/await语法糖的底层原理，首先揭示其本质是Future trait的语法糖，所有async函数都会被编译成实现Future的结构体。通过手动实现DelayFuture的示例，展示无语法糖时的复杂状态管理，进而对比async/await自动生成状态机的优势。重点剖析async函数被编译为匿名Future结构体的过程，包括状态标记、局部变量保存和执行步骤管理，说明await实际是对Future::poll方法的调用。文章旨在帮助开发者从原理层面理解异步编程机制，写出更高效可靠
2025-10-30 12:37:04
1146
10
原创 深入Rust：迭代器适配器的设计原理、实战指南与性能优化
本文深入探讨了Rust中的迭代器适配器，重点解析其设计原理、应用场景和性能优势。文章通过对比传统循环和适配器链式调用的代码差异，展示了适配器在减少内存占用和提高代码可读性方面的优势。核心内容包括： 适配器本质：实现了Iterator trait的结构体，具备惰性求值、零临时存储和类型安全三大特性。 底层机制：通过类型嵌套和next()触发传递实现高效处理，数据仅遍历一次。 分类讲解：重点介绍了map、flat_map和filter_map等高频转换型适配器，通过代码示例演示其应用场景和性能差异。 文章强调适
2025-10-30 12:34:56
886
3
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