动手学大模型应用开发-第六章 开源RAG项目学习

最新推荐文章于 2025-12-31 23:52:26 发布
原创 最新推荐文章于 2025-12-31 23:52:26 发布 · 410 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#python

【动手学大模型应用开发-第六章 开源RAG项目学习-哔哩哔哩】 https://b23.tv/7xyqgTR

零基础入门AI大模型应用开发——第一天：大模型本地部署，调用大模型API可直接工程化应用（全部代码和详细部署流程）
qq_34717531的博客
07-05 4080
Ollama 是一个开源框架，专为在本地机器上便捷部署和运行大型语言模型（LLM）而设计。以下是其主要特点和功能概述：1. 简化部署：Ollama 目标在于简化在 Docker 容器中部署大型语言模型的过程，使得非专业用户也能方便地管理和运行这些复杂的模型。2.轻量级与可扩展：作为轻量级框架，Ollama 保持了较小的资源占用，同时具备良好的可扩展性，允许用户根据需要调整配置以适应不同规模的项目和硬件条件。
【训练营】DateWhale——动手学大模型应用开发（更新中）
KLeinLAN的博客
04-17 1270
大模型时代从GPT爆发开始到现在已有一年多了，深度学习发展之快无法想象，一味感叹技术发展速度超越个人学习速度是没用的，倒不如花点时间参加一些活动，比如思考大模型时代下如何训练小模型呢？毫无例外，openai的GPT系列是我们值得了解的一个重要模型，不过很可惜其并未开源，现在我们常用的GPT是3.5-turbo，可以执行各种任务，包括代码编写、数学问题求解、写作建议等。其余模型见datawhale的开源学习文档。
【大模型书籍】24年最新大模型书籍，一书通关LLM大模型，＜大模型应用开发极简入门＞蛇尾书！
pythonhy的博客
06-25 2580
大家好，今天给大家推荐一本大模型应用开发入门书籍《大模型应用开发极简入门》，本书对很多AI概念做了讲解和说明！朋友们如果有需要 《》，👉优快云大礼包（安全链接，放心点击）👈​。
大模型应用，探索AI大模型的50个应用场景！
2301_76161259的博客
10-10 4139
随着人工智能技术的迅猛发展，AI大模型在各个领域的应用日益广泛。百度创始人、董事长兼首席执行官李彦宏在2024年世界人工智能大会上表示，目前AI技术发展路线发生了方向性改变，已从过去辨别式人工智能转向了未来生成式人工智能。本文将为大家盘点AI大模型的50个应用场景，并按，带您了解AI如何深刻改变我们的工作与生活。AI大模型在自然语言处理方面表现出色，广泛应用于对话系统、自动翻译、语音识别、文本生成和语义分析等领域。NLP技术已成为现代人工智能的重要组成部分，帮助企业和个人提升沟通效率和信息处理能力。
datawhale动手学大模型应用开发-第一章-大模型简介
fan_fan_feng的专栏
04-16 1137
这篇文章是关于大模型应用开发的入门指南，提供了对常见闭源和开源大模型的简介，包括它们的参数量、架构类型、词表上下文长度等技术细节。文章还介绍了检索增强生成（RAG）的基本原理和工作流程，这是一种结合信息检索和自然语言生成的方法，用于生成符合用户需求的文本结果。特别地，文章详细阐述了LangChain框架，这是一个用于构建由语言模型驱动的应用程序的工具，它提供了模块化的组件和特定用例链，以实现数据感知和主动性。此外，文章还概述了大模型开发流程的关键步骤，包括设计、搭建整体架构、Prompt Engineeri
动手学大模型应用开发第一章：大模型简介
raulyy7777的博客
04-17 1797
本文内容来自 https://datawhalechina.github.io/llm-universeLarge Language Model ， 简称 LLM，也称大语言模型，是一种旨在理解和生成人类语言的人工智能模型。LLM 通常指包含数百亿（或更多）参数的语言模型，它们在海量的文本数据上进行训练，从而获得对语言深层次的理解。目前，国外的知名 LLM 有 GPT-3.5、GPT-4、PaLM、Claude 和 LLaMA 等，国内的有文心一言、讯飞星火、通义千问、ChatGLM、百川等。
“动手学大模型应用开发”（学习记录）-- Datawhale LLM Universe April 2024 开源学习
qq_41572132的博客
04-16 1527
DataWhale 的 LLM 实战项目学习笔记
动手学大模型应用开发（第一章：大语言模型和RAG简介）
weixin_47667570的博客
05-04 2047
入门大语音模型基础知识，开发LLM应用：用LangChain搭建知识库助手
学习笔记之动手学大模型应用开发之RAG - 2024年04月
linyixian1990的博客
04-20 1059
title: 动手学大模型应用开发之 RAG。
动手学大模型应用开发--Chapter 06构建个人知识助手
dream__me的博客
04-28 412
本学习笔记为datawhale动手学大模型应用开发。
动手学大语言模型LLM-01
sinat_41341777的博客
06-14 2146
LangChain 框架的核心库、核心组件，提供了基础抽象和 LangChain 表达式语言（LCEL），提供基础架构和工具，用于构建、运行和与 LLM 交互的应用程序，为 LangChain 应用程序的开发提供了坚实的基础。统计学习的方法，分析前面的词汇预测下一个词汇-------------> 假如神经网络模型，把模型更好的捕捉和理解语言的复杂关系---------------->Transformer架构的神经网络模型，通过学习大量文本理解语言规则和模式—>大语言模型的实现。
[小白学大模型]dify-终于用mac intel跑起了大模型
xqdd的专栏
01-20 2505
FILES_URL=LOG_TZ=UTC# Example:DB_HOST=dbREDIS_DB=0@#123如果您需要自定义配置，请参考文件中的注释，并更新.env文件中对应的值。此外，您可能需要根据您的具体部署环境和需求对文件本身进行调整，例如更改镜像版本、端口映射或卷挂载。完成任何更改后，请重新运行。
上海交大《动手学大模型》实战教程全栈开发指南
《动手学大模型》是上海交通大学推出的一套系统性、实战导向的大模型技术学习教程，其核心目标是帮助学习者从零开始掌握大规模语言模型（LLM）的全栈开发能力。该教程源于2024年春季课程《人工智能安全技术》的教学...
Datawhale AI夏令营第四期魔搭-大模型应用开发方向Task1笔记
2301_79387683的博客
08-10 1337
为了对人类语言的内在规律进行建模，研究者们提出使用语言模型（language model）来准确预测词序列中下一个词或者缺失的词的概率。如下图所示，截止到目前，语言模型已经演化了四代，分别是：统计语言模型（Statistical Language Model, SLM）：使用马尔可夫假设（Markov Assumption）来建模语言序列的 𝑛 元（𝑛-gram）语言模型。
从零开发基于DeepSeek的端侧离线大模型语音助手：全流程指南
最新发布
2301_80211119的博客
12-31 608
引言端侧离线大模型语音助手的核心价值在于隐私保护、低延迟响应、无网络依赖，尤其适合对数据敏感或网络不稳定的场景（如家庭、车载、工业设备）。本文将基于DeepSeek大模型（如DeepSeek-R1-7B），结合端侧优化技术（量化、蒸馏、硬件加速），从需求分析、技术选型、架构设计、核心模块实现、优化策略等方面，提供一套可落地的开发指南。一、需求分析与技术定位• 核心功能：语音交互（唤醒、识别、合成）、任务自动化（设备控制、信息查询、日程管理）。
Python 抽象属性 (@property + @abstractmethod) 详解
nvd11的专栏
12-28 283
本文介绍了在Python中使用@property和@abstractmethod组合定义抽象属性的方法。这种模式能够强制子类提供一个只读的数据接口，同时保持实现的灵活性。子类既可以用简单的类属性赋值实现，也可以通过@property方法动态计算属性值。这种设计使接口语义更清晰（表示特征而非动作），调用方式统一（都通过obj.field访问），并兼顾了简单静态配置和复杂动态逻辑两种实现需求。示例展示了静态配置和动态计算两种实现方式，体现了Python在抽象属性设计上的优势。
使用 Hugging Face 镜像加速
yilvyangguang520的博客
12-26 384
使用 Hugging Face 镜像加速
anaconda是如何实现在cmd命令行前面加上环境名称
猛犸象
12-26 177
anaconda是如何实现在cmd命令行前面加上环境名称
【论文代码测试】SteganoGAN
qq_69146676的博客
12-26 1244
不使用项目里面的预训练模型，而是用自己训练的模型进行decode，还是会出现decode失败的问题。直接用项目里面的预训练模型进行decode会报下面的错误。项目版本：v0.1.4，所用载体图像和含密图像分别为。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

doublewei1

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值