- 博客(1185)
- 收藏
- 关注
RSS订阅
原创 AI时代，一文彻底搞懂天天被提到的Agent是什么？
AI Agent（人工智能代理）是一种能够并的智能实体。与传统AI系统不同，Agent不仅能回答问题，还能主动完成一系列复杂任务。简单来说，如果把大语言模型LLM）比作一个"超级大脑"，那么AI Agent就是给这个大脑装上了"手脚"和"工具"，让它能够像人类一样主动行动，而不仅仅是被动回答问题。举个例子，如果你对ChatGPT说：“帮我写一篇关于气候变化的文章”，它会直接生成一篇文章。但如果你对AI Agent。
2025-03-25 10:09:42
10615
1
原创 一篇搞懂DeepSeek：三种部署方案+版本对比，普通用户这样选！
DeepSeek的爆火，不仅是技术的胜利，更是国产AI生态的突破。无论你是小白还是极客，总有一种姿势能解锁它的潜力！赶紧试试硅基流动方案，体验“人均AGI”的快乐吧！
2025-02-07 10:04:28
34416
原创 一文详解！大模型性能测试全指标、计算方法及优化指南
在当今智能化、实时化需求日益增长的背景下，性能和稳定性已成为评价大模型应用能力的核心指标。从响应速度到生成质量，从并发能力到稳定性，这些维度共同构成了大模型的综合性能评估体系。通过持续优化，未来的大模型必将在多样化应用场景中展现更强的灵活性和可靠性。以下是一个用于计算和记录大模型的首 token 时延、首句时延以及整个输出时延的 Python 脚本。该脚本假设你有一个函数。
2025-01-21 09:33:01
10625
原创 《2026届校招市场AI人才需求报告》解读：技术硬核者赢未来，算法岗薪酬再破新高
当DeepSeek等大模型掀起新一轮技术浪潮，“人工智能+”已从概念落地为产业升级的核心引擎。随着AI技术加速渗透千行百业，人才争夺战已从成熟职场延伸至高校校园——2026届校招市场中，AI相关岗位正成为企业争抢的“香饽饽”。国内权威人力资源机构前程无忧51job近期发布的《2026届校招市场AI人才需求报告》，通过对近千家校招企业及十余万应届生的调研揭示：企业对AI应届生的招聘逻辑已彻底迭代，泛AI概念不再吃香，垂直领域的技术硬实力成为突围关键。
2025-11-24 11:03:34
596
原创 收藏必备：9大高级RAG技术详解，从文本分块到模型微调，提升AI应用性能
本文详解9种高级RAG技术，包括文本分块、重新排序、混合搜索等，解决基本RAG系统结果嘈杂、上下文不相关等问题。通过智能优化检索过程，提高AI应用准确性和效率。同时介绍使用Meilisearch、LangChain等工具实现策略的方法，以及如何评估技术效果，帮助开发者构建更智能的RAG系统。下面我们开始深入探讨。文本分块是将长文档切分成更小的片段（即“块”），以便于索引和检索。RAG 管道处理的是这些文本块，而非整个文档，因此文本块的质量直接影响检索准确性和答案清晰度。
2025-11-24 11:01:40
587
原创 2025智能体框架全解析：一篇读懂AutoGen、AgentScope、CAMEL、LangGraph，建议收藏！
正如前文所述，AutoGen 的设计哲学根植于"以对话驱动协作"。它巧妙地将复杂的任务解决流程，映射为不同角色的智能体之间的一系列自动化对话。基于这一核心理念，AutoGen 框架持续演进。我们将以 0.7.4 版本为例，因为它是截止目前为止最新版本，代表了一次重要的架构重构，从类继承设计转向了更灵活的组合式架构。为了深入理解并应用这一框架，我们首先需要讲解其最核心的构成要素与底层的对话交互机制。工程化优先的多智能体平台。
2025-11-23 14:00:00
770
原创 【必学收藏】RAG+MCP：让AI助手拥有实时数据能力，小白也能轻松上手大模型开发
RAG是一种AI框架，它将传统信息检索系统（如搜索引擎和数据库）的强大功能与擅长自然语言生成的AI模型相结合。简单来说，RAG就像是在写详细报告之前，先向图书馆员咨询信息一样。它能够为AI模型提供外部知识，让模型在回答问题时更加准确、实时且具有上下文意识。实时且准确的回答：通过检索最新的信息，RAG能够确保AI的回答基于最新的数据。减少“幻觉”：AI模型有时会生成一些看似合理但实际上并不存在的信息，这种现象被称为“幻觉”。RAG能够通过检索真实数据来减少这种情况的发生。上下文感知的答案。
2025-11-23 10:15:00
833
原创 收藏！AI智能体架构选择指南：Cognition与Anthropic的实战经验
在深入争议之前，首先需明确其核心概念：AI智能体是以大语言模型（LLM）为推理引擎，负责主导应用程序控制流程的系统。根据架构设计，主要分为单智能体与多智能体两大类型。
2025-11-22 10:54:06
644
原创 【值得收藏】大模型技术入门到精通：构建属于自己的语言模型
大语言模型是一种用于理解、生成和响应类似人类语言文本的神经网络。这类模型属于深度神经网络（deep neural network），通过大规模文本数据训练而成，其训练资料甚至可能涵盖了互联网上大部分公开的文本。“大语言模型”这一名称中的“大”字，既体现了模型训练时所依赖的庞大数据集，也反映了模型本身庞大的参数规模。这类模型通常拥有数百亿甚至数千亿个参数这些参数是神经网络中的可调整权重，在训练过程中不断被优化，以预测文本序列中的下一个词。下一单词预测。
2025-11-22 10:52:01
841
原创 收藏学习！大模型行业爆发在即，2026年市场规模将破700亿，高薪岗位全攻略
2024年中国大模型市场规模已达294.16亿元，预计2026年将突破700亿元。市场竞争呈现阿里、字节跳动等第一梯队，DeepSeek、智谱AI等第二梯队，以及垂直行业企业第三梯队的格局。行业人才需求旺盛，字节跳动大模型算法工程师年薪高达128万。OfferShow平台同步更新大厂招聘信息，提供求职群组、简历模板等服务，助力求职者把握大模型行业发展机遇。最新数据显示，2024年中国大模型市场规模已达294.16亿元，其中多模态大模型贡献156.3亿元，数字人、游戏等场景应用增长迅猛；
2025-11-21 15:00:00
711
原创 【必学收藏】UltraRAG：基于MCP架构的零代码RAG框架，小白也能轻松构建专业级应用
在 UltraRAG 中，检索器（Retriever）、生成器（Generator）、路由器（Router）等都被封装为独立的 MCP Server。Server 层：每个功能模块都是一个独立的 Python 进程，功能通过函数级的@tool接口暴露。Client 层：负责解析用户的 YAML 配置文件，并根据定义的逻辑调度各个 Server。这种设计的优势在于：开发者只需要编写YAML 配置文件，就能定义包含串行、循环、条件分支的复杂推理流程，真正实现了“配置即代码”。
2025-11-21 14:45:00
1391
原创 收藏！AI高薪时代来临：零基础到年薪百万的完整指南
本文揭示了AI人才市场的高薪现状和三大新兴赛道：大模型基建层、跨学科融合层和机器人协同层。针对不同背景人士提供了入门指南，包括技术小白从AI应用岗切入、传统IT人叠加行业技能、应届生瞄准垂类企业。文章强调选对赛道比努力更重要，无论技术背景如何，掌握正确方向和技能都能在AI高薪时代获得发展机会。
2025-11-21 10:16:16
535
原创 【精华收藏】AI智能体：从咖啡机到咖啡师的跃迁，构建能自主执行复杂任务的AI
下一件大事？AI 智能体（AI Agents）将是未来的关键技术。OpenAI、Nvidia 和 Microsoft 正在大力投入，甚至像 Salesforce 这样在 AI 领域一向低调的公司，也已悄然下注。而毫无疑问，这项技术目前正迅猛崛起。那么，这一趋势背后真正的是什么？自主性（Agency）。不同于传统的生成式 AI 系统，智能体不仅仅是对用户输入做出回应。它们能够处理一个完整且复杂的问题——例如，一起保险理赔案件——从头到尾自动完成。这意味着它们可以理解理赔中的文本、图片与 PDF；
2025-11-21 10:14:54
996
原创 【收藏】RAGFlow完全指南：手把手教你搭建大模型知识库
RAGFlow是一种融合了数据检索与生成式模型的新型系统架构，其核心思想在于将大规模检索系统与先进的生成式模型（如Transformer、GPT系列）相结合，从而在回答查询时既能利用海量数据的知识库，又能生成符合上下文语义的自然语言回复。该系统主要包含两个关键模块：数据检索模块和生成模块。数据检索模块负责在海量数据中快速定位相关信息，而生成模块则基于检索结果生成高质量的回答或文本内容。
2025-11-20 14:45:00
628
原创 建议收藏：RAG架构演进之路：从Naive到Agentic，大模型应用开发必备指南
检索增强生成（英语：Retrieval-augmented generation, RAG ) 是赋予生成式人工智能模型信息检索能力的技术。检索增强生成优化大型语言模型(LLM) 的交互方式，让模型根据指定的一组文件回应用户的查询，并使用这些信息增强模型从自身庞大的静态训练数据中提取的信息。检索增强生成技术促使大型语言模型能够使用特定领域或更新后的信息。应用案例，包括让聊天机器人访问公司内部资料，或来自权威来源的事实信息。简易RAG流程元宝 RAG示例架构提出动因主要特点Naive RAG。
2025-11-19 15:00:00
1003
原创 程序员必藏！AI冲击下，让你的技术经验成为黄金跳板的实战指南
近期 “淘宝首位程序员”多隆离职引热议：这是多隆个人的选择，也是时代浪潮的必然取向，正如毕玄在公告中所说，“是AI Agent 的发展，让他们看到了改变的机会”如今AI正冲击着固有的技术体系。不少技术人都陷入了相似的焦虑：积累了扎实的经验，却只能看着手里的技术不断贬值。如何破局？我想大佬的行动已经说明了一切。与其在固有的模式里自我内耗，不如主动跳出舒适区。行业数据显示，AI 相关岗位的薪资普遍比传统技术岗位高出 30%-50%，而且岗位需求还在持续增长。
2025-11-19 10:30:52
831
原创 从零开始学大模型：AIGC、Agent与MCP核心技术详解，程序员必收藏指南
Function Calling（函数调用） 是大型语言模型的关键技术。前面有提到过 RAG技术 是为了解决模型无法和外接数据交互的问题，但是 RAG 的局限在于只赋予了模型检索数据的能力，而 Function Calling 允许模型理解用户请求中的潜在意图，并自动生成结构化参数来调用外部任何函数/工具，从而突破纯文本生成的限制，实现与真实世界的交互，比如可以调用查天气、发邮件、数学计算等工具。
2025-11-19 10:26:41
907
原创 必学收藏】大模型重塑金融行业：10个智能助手应用场景解析
本文详细介绍了大模型在金融行业的智能用数应用，涵盖10个具体场景：客户经理绩效助手、智能问数助手、数据资产问答、贷款分析助手等。这些应用通过自然语言交互、专家经验沉淀和标准化分析流程，帮助金融业务人员高效处理数据、提升决策能力、降低技术门槛，实现从"经验驱动"到"数据驱动"的转型，为金融机构带来显著的业务价值和效率提升。
2025-11-18 15:00:00
1831
原创 收藏！企业AI应用架构全景图：MCP协议详解与多场景实践指南
本文详解企业AI应用架构，基于MCP协议连接大模型与外部数据源工具，包含应用网关、AI Agent、MCP网关等核心组件。支持纯编码、低代码或混合开发方式，覆盖接入内部系统、第三方服务和构建新应用等多种场景，同时介绍传统架构及新兴A2A、AG-UI协议，为企业AI应用开发提供全面参考。首先我们先要明确一个概念，AI应用是一个泛指的概念，而我们传统意义上说的智能体也可以叫做AI应用。大多数场景下，企业开发AI应用往往面临着这几种情况：需要接入或扩展企业内部已有的各种业务系统，加入AI功能；
2025-11-18 14:30:00
348
原创 拆解企业级AI Agent：从数据到决策的智能进化之路
高质量的分析结果需要高效的呈现方式，可视化与用户交互模块作为“展示艺术家”，让数据洞见以最直观的形式触达用户。一个能落地的企业级AI Agent，本质是一套“数据全连接、模型巧协同、服务深适配”的智能体系。数据接入→语义解析→模型编排→知识检索→智能推理→可视化呈现。AI Agent的核心竞争力，早已不是单一模型的参数大小，而是各模块的协同效率与业务适配能力。对于正在布局AI中台、智能问答系统的企业而言，这套架构逻辑提供了清晰的落地路径——先打通数据壁垒，再构建调度中枢，最后聚焦业务场景打磨能力。
2025-11-18 10:19:48
1035
原创 收藏！企业高薪抢AI人才：大模型学习必备指南
在大模型热潮推动下，AI人才需求激增，高科技企业成为招聘主力，近60%已将AI人才纳入核心目标。AI研发类岗位薪酬亮眼，大模型算法工程师月薪中位数达2.48万。华为、京东等头部企业开放大量AI岗位，麦肯锡预测2030年中国AI人才缺口将达400万。具备扎实算法基础和项目经验的AI人才将成为市场最大赢家。
2025-11-16 13:00:00
715
原创 收藏！2025年大模型四大趋势：从小白到程序员必学指南
本文分析了2025年AI发展的四大核心趋势：应用革命从生成式AI向行动式AI转变；代理AI重塑交互范式，从"对话AI"变为"干活AI"；硬件+AI，具身智能多点开花，商业化加速；基础设施层，算力与数据成为发展基石。中国AI正告别"百模大战"，向头部大模型集中，发展核心从追求模型"可用"转向实现场景"好用"。
2025-11-15 10:45:00
978
原创 【必收藏】全球AI人才缺口400万！大模型程序员薪资溢价超30%：从零到精通的完整学习路线（2025版）
使用QLoRA在特定领域数据上微调开源大模型，展示微调后模型在特定领域任务上效果的提升。技术栈：PEFT、Hugging Face Transformers、LoRA/QLoRA微调技术。
2025-11-15 10:15:00
1621
原创 收藏！2025大模型人才缺口500万，零基础也能高薪入行，50万年薪只是起步
AI大模型领域人才缺口高达500万，供需比达1:10，50万年薪以上岗位占比超30%。主要岗位包括算法工程师、应用开发工程师等，人才需求呈年轻化、高学历化趋势。文章提供了针对不同背景人士的系统学习路线和实战项目建议，强调掌握AI技能将成为未来职场核心竞争力，现在入场正当时。这意味着什么？意味着每一个合格的AI大模型人才，平均就有10个工作机会在等着他！
2025-11-14 14:00:00
565
原创 【收藏必备】智能体(AI Agent)完全指南：从大模型到自主系统的实战教程
狭义智能体：核心在于模型本身原生支持工具调用与任务闭环执行，能够在无需持续人工干预的情况下，实现自我学习与优化，具备高度的环境适应与泛化能力。广义智能体：泛指一切能够感知环境、决策和执行任务以达成目标的系统——基于“模型推理能力（Reasoning）+ 任务指令（Instruction）”实现“引导式自主”（Guided Autonomy），并通过“工作流（Workflow）+ 工具调用（Tool Use）”完成“预定义行动”（Pre-defined Action）。
2025-11-14 11:45:00
681
原创 智能体协作指南：深入解析A2A与MCP协议，架构工程师必备收藏
A2A与MCP的结合，标志着AI从“单智能体时代”迈向“协作智能体时代”。它不仅是通信协议的演进，更是AI系统架构的革命。当智能体之间能够像人类团队一样合作、分工、协调时，AI将真正具备系统级智能，而不仅仅是语言模型的堆叠。保证100%免费。
2025-11-14 09:30:00
1677
原创 建议收藏！2025程序员破局指南：从AI寒冬到大模型机遇，转型路径全解析
如果说市场周期的变化是外部挑战，那么人工智能（AI）的崛起则是对程序员工作模式的根本性重塑。AI正在从辅助工具进化为开发伙伴，甚至是部分工作的替代者。
2025-11-13 10:49:04
599
原创 【强烈推荐】Google A2A协议详解：智能体之间沟通协作的开放标准
A2A是一个用于链接不同封闭Agent，并实现其相互操作的开放协议。1.1 A2A 诞生背景目前为止，比较公认的一个观点是：2025年是Agent元年。虽然说是元年，但是其爆发式的普及速度，远远超过了元年这个词的含义。所以，发展快是一个前提。另外一点，Agent作为一个智能体，它本身具备自主性主动性社会性和反应性。其社会性在以人为本构建的产品和服务的世界中，并不能快速的成长。
2025-11-13 10:44:31
817
原创 【收藏必看】零基础也能学会！大模型微调实战：教育孩子与AI训练的惊人相似
首先，我们先大致了解一下，什么是微调？常规大模型语言模型的训练路径分为以下几个阶段：1. 预训练（通识教育）模型：通过自监督学习（如阅读海量文本），掌握基础语言规则，但还不会针对具体问题回答。比喻：就像孩子上学前大量听大人说话、读绘本，积累了词汇和常识，但还不会完整表达观点。2. 微调（专项训练）模型：用Q&A对训练，教会它如何组织语言、精准回答问题。比喻：类似家长或老师通过“问答练习”教孩子：问：“天空为什么是蓝色的？教：“因为阳光散射…”。→ 孩子会使用专业的术语，清晰高效的表达。
2025-11-12 14:15:00
697
原创 医疗AI必备：一文搞懂大模型的“算力货币“token，收藏级学习指南
在大语言模型的世界里，token是文本处理的基本单位，可以看作是文本的"原子"。简单来说，token是将原始文本分解后得到的最小有意义单元，类似于人类语言中的"词"或"字"，但又不完全相同。当大模型接收到一段医疗文本（如病历、护理记录），会让分词器将其切成很多个小块，这些小块就是token。token可以是单个汉字、词语、短语、标点符号，甚至是单词的一部分。当大模型输出时，也是一个token，一个token生成的，因此在回答界面看起来好像大模型在打字回答你一样。[案例分析]
2025-11-12 09:55:52
1014
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