- 博客(515)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 词根词缀 = 英语的 IDE 智能补全
从软件分层架构出发，构建一份从词根视角出发的分层词汇体系词表，就像构建一个有层次的 API 文档，把英语的单词按“词根 + 词源 + 应用场景”分类整理，方便你系统性学习、精准记忆、迁移运用。
2025-04-04 13:20:33
464
原创 从软件分层架构视角理解英语学习
英语就像一个强大的操作系统，从日耳曼内核起步，不断集成法语服务、拉丁/希腊模块，最后通过全球插件包，实现了强大的表达力和适应性
2025-04-04 13:02:59
389
原创 二语习得理论（Second Language Acquisition, SLA）如何学习英语
二语习得理论提供了一个有力的框架，帮助我们理解学习第二语言的过程。通过有意识的输入、输出、互动以及避免语言石化现象，我们可以有效地掌握外语。、
2025-04-03 23:47:15
455
原创 通过发音学英语单词：从音到形的学习方法
但不像拼音文字（如汉语拼音、西班牙语等）那么规则，而是。，否则可能会受到英语的不规则拼写影响。：希望通过语音提高拼写能力的学习者。：想要通过听说强化单词记忆的学习者。：希望通过节奏感强化记忆的学习者。来学习单词，但需要结合一些。CVC 结构、常见发音规则。拆解单词音节，提高拼写能力。查询单词发音（各国口音）使用 IPA 辨别近音词。：喜欢互动学习的学习者。跟读音频提高发音和拼写。通过游戏强化发音和拼写。：初学者到中级学习者。通过视频查找单词发音。通过音素规则拼读单词。通过押韵强化单词记忆。
2025-04-03 21:58:43
874
原创 如何像母语一样学习英语
要像母语一样掌握英语听说读写，以下是被广泛验证过的学习策略和方案。每个方法都有不同的适用人群和学习侧重点，并且能够解决特定的学习难点。
2025-04-03 18:53:04
956
原创 OpenAI Function Calling 函数调用能力与外部交互
如果您遇到标记限制，我们建议限制函数数量或您为函数参数提供的描述的长度。为 OpenAI 模型提供了一种强大而灵活的方式与您的代码或外部服务进行交互。定义的，所以您可以利用它的许多丰富的功能，如属性类型、枚举、描述、嵌套对象和递归对象。流式传输可用于显示进度，通过显示在模型填充其参数时调用哪个函数，甚至实时显示参数。函数由其架构定义，架构告知模型其功能以及其所需的输入参数。然后，您将执行函数代码，发回结果，模型会将它们合并到最终响应中。但是，您不是将各块聚合成单个字符串，而是将各块聚合成编码的。
2025-04-03 15:20:08
515
原创 AI创业机会：寻找技术可实现但认知未普及领域
信息差（Information Asymmetry）确实是商业竞争中的核心变量，尤其在技术变革期会催生结构性机会。
2025-04-03 14:43:07
384
原创 大模型ReAct：思考与工具协同完成复杂任务推理
ReAct框架可以让现有应用得到一次智能化的进化的机会。以前需要人工编排服务调用链路会成为历史。
2025-04-03 11:46:19
509
原创 定制化自己的 RAG 框架：结合 LlamaIndex 与自定义优化
本篇文章将介绍如何定制自己的 RAG 框架，并重点探讨 LlamaIndex 在索引管理与句子窗口解析方面的优化，以及如何整合 RAG 框架的优点到自己的项目中
2025-04-02 22:37:29
456
原创 不同向量数据库（FAISS / Pinecone / Weaviate）在 RAG 中的优缺点
FAISS、Pinecone 和 Weaviate 是当前主流的向量数据库，它们各有优缺点，适用于不同的应用场景。
2025-04-02 22:06:24
926
原创 RAG 在 AI 助手、法律分析、医学 NLP 领域的实战案例
RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合信息检索和生成模型的技术，广泛应用于 AI 助手、法律分析、医学 NLP 等领域
2025-04-02 22:03:08
892
原创 RAG（Retrieval-Augmented Generation）检索的实现原理
RAG 主要依赖于 向量数据库 和 相似度计算 进行信息检索，填补大模型的知识盲区，提高回答的准确性。
2025-04-02 21:56:49
557
原创 中小创业公司差异化定位出海案例
中小企业的出海本质是用中国效率收割全球市场红利，通过差异化定位与精细化运营成功实现出海盈利，在SHEIN、TikTok等巨头阴影下，唯有更灵活、更凶悍、更懂数据者方能生存。
2025-04-02 10:11:49
436
原创 创业实战经验学习与资源清单
以下是一份系统整理的创业学习资源清单，涵盖传记、访谈、公开课、书籍、行业报告等类别，重点聚焦中国本土创业者实战经验与全球创业方法论
2025-04-01 17:41:05
857
原创 BabyAGI 快速上手应用
BabyAGI 是一个轻量级、自我迭代的任务管理 AI Agent，基于 OpenAI API 和 Pinecone 向量数据库构建。
2025-03-31 14:22:05
193
原创 使用 Spring AI 和 LangChain4j 实现聊天机器人对比分析
使用 Spring AI 和 LangChain4j 实现聊天机器人对比分析
2025-03-31 10:00:59
960
原创 AI大模型下传统 Spring Java工程开发的演进和变化方向
传统的Spring Java工程正经历从“业务逻辑+数据库”向“业务逻辑+AI推理+数据智能”的演进。
2025-03-31 09:54:40
484
原创 人工智能、机器学习经典计算机课程
以下是人工智能（AI）、机器学习（ML）和 AI 大模型相关的经典计算机课程，从入门编程、数学基础到深度学习、强化学习、自然语言处理（NLP）及 AI 领域实践等，适合不同阶段的学习者
2025-03-31 09:36:55
927
原创 Stanford CS230 Deep Learning 课程内容
斯坦福大学 CS230 课程是 Andrew Ng 主讲的深度学习课程，专注于神经网络、优化技术及其在计算机视觉、自然语言处理等领域的应用。
2025-03-31 09:27:44
434
原创 AI Agent 人工智能相关公开比赛汇总
参与 AI 相关比赛是提升技术能力、接触前沿算法、积累项目经验的绝佳方式。以下是全球知名的比赛，以及适合不同水平选手的竞赛分类。NeurIPS/CVPR/ICML 竞赛、Facebook FAIR、NASA Space Apps。Kaggle 初级比赛、Google Kick Start、AI4Good Hackathon。Devpost Hackathons、Tianchi 天池、Baidu AI 竞赛。ACM-ICPC、Google Code Jam、Kaggle 竞赛。你对哪些比赛最感兴趣？
2025-03-30 20:59:09
1002
原创 使用FastAPI-MCP，让 FastAPI 应用秒变 MCP 服务器
FastAPI-MCP 是一款零配置工具，可让 FastAPI 应用自动暴露所有端点，并兼容 Model Context Protocol (MCP)。
2025-03-30 17:49:40
139
原创 LangChain 应用解析
以上示例展示了如何使用 LangChain 快速封装 OpenAI API，并实现一个简单的问答应用。：支持 OpenAI、Anthropic、Hugging Face 等主流大模型。：允许将多个 LLM 调用、数据处理步骤串联。：集成搜索引擎、API 访问、代码执行等功能。：提供短期/长期记忆机制，优化对话状态管理。：能够自主决策调用不同工具完成任务。
2025-03-30 16:39:16
97
原创 什么是向量数据库
嵌入模型会将各种数据 (例如文本、图像、图表和视频) 转换为数值向量，以便捕捉其在多维向量空间中的含义和细微差别。嵌入技术的选择取决于应用需求，同时要兼顾语义深度、计算效率、要编码的数据的类型、维度等因素。baeldung通过将向量映射到多维空间，可以对向量的语义相似性进行细致的分析，从而显著提高搜索和数据分类的准确性。在使用AI 聊天机器人大语言模型 (LLM)检索增强生成 (RAG)和向量数据库的 AI 应用中以及在搜索引擎和许多其他用例中，嵌入模型发挥着至关重要的作用。
2025-03-30 16:13:45
170
原创 AI Agent 中的 MCP 模型上下文协议详解
MCP（Model Context Protocol，模型上下文协议）是一种专门用于 AI Agent 之间共享上下文信息的通信协议。
2025-03-30 15:57:13
265
原创 AI大模型、机器学习以及AI Agent开源社区和博客
• 内容: Transformers库、开源模型（如BERT、T5）、社区贡献的预训练模型和数据集。• 内容: GPT系列模型文档、研究论文、API使用指南（如GPT-4、ChatGPT）。• 内容: LLaMA系列大模型、多模态研究（如ImageBind）。• 内容: 多模态模型（如MUM、CLIP）、视觉-语言对齐技术。• 内容: 大模型技术细节（如Transformer、BERT）。• 内容: 多模态大模型（如CM3）、AI Agent研究。• 内容: 多模态模型、大模型优化技术（如稀疏注意力）。
2025-03-29 23:30:11
1022
原创 从ChatGPT到AutoGPT——AI Agent的范式迁移
AutoGPT 代表了 AI Agent 的最新发展趋势，极大地提升了 AI 在自主任务执行方面的能力。然而，技术成熟度、伦理问题和商业化落地仍然是当前需要解决的关键挑战。未来，随着 AutoGPT 和其他 AI Agent 的不断演进，我们有望见证 AI 在生产力提升和企业运营中的更大突破。
2025-03-29 22:22:06
578
原创 实现 Transformer：从原理到代码实现
本文介绍了 Transformer 的基本原理，并基于 PyTorch 实现了完整的 Transformer 结构，包括编码器、解码器和多头注意力机制。Transformer 作为当前 NLP 领域的核心技术，在机器翻译、文本摘要、对话生成等任务中广泛应用，理解其实现有助于深入掌握深度学习的前沿技术。
2025-03-29 22:14:11
381
原创 深入浅出 Embedding
Embedding（嵌入）是一种将高维数据映射到低维连续空间的技术，用于表达数据的语义关系。简单来说，它是一种向量化表示，将文本、图像、用户行为等信息转换为数值向量，使得相似的数据在向量空间中距离更近。
2025-03-29 21:17:44
558
原创 RAG（Retrieval Augmented Generation）检索增强生成详解
RAG（Retrieval Augmented Generation，检索增强生成）是一种结合信息检索（Retrieval）和文本生成（Generation）的 AI 技术框架，旨在提升大模型（如 LLM）的知识能力和准确性。与纯粹的生成式模型（如 GPT-4）不同，RAG 通过实时检索外部知识库的信息，增强模型的回答能力，减少幻觉（Hallucination）问题。
2025-03-29 17:25:50
572
原创 理解思维链（Chain of Thought, CoT）技术
是一种通过显式生成中间推理步骤（类似于人类逐步思考过程）来提升大模型复杂任务性能的技术。将问题拆解为多步逻辑推导，能帮助模型更准确地逼近正确答案。•技术起源：最早由Google Research在2022年论文《》中提出。•关键思想：通过提示（Prompt）引导模型生成“思考过程”，而非直接输出答案。问题：小明有5个苹果，吃了2个，又买了3个，现在有多少个？模型输出（传统方式）：答案：6模型输出（CoT）：小明一开始有5个苹果，吃了2个后剩下3个，再买3个，总共6个。答案：6。
2025-03-29 15:16:29
553
原创 20篇AI大模型与Agent开发必读论文
证明模型参数与训练数据的均衡缩放法则（70B参数+1.4T tokens最优）。：提出推理（Reasoning）与行动（Action）协同的Agent架构。：学习数据缩放定律（Scaling Laws）与Prompt工程基础。：验证大规模预训练模型（175B参数）的上下文学习能力。：学习具身智能（Embodied AI）的实现路径。：在《我的世界》中实现终身学习的自主探索Agent。：提出混合专家模型（MoE）实现万亿参数级别扩展。：基于人类反馈的强化学习（RLHF）实现模型对齐。
2025-03-28 18:21:34
471
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人