- 博客(1379)
- 收藏
- 关注
RSS订阅原创 AI大模型探索之路-实战篇4：深入DB-GPT数据应用开发框架调研
DB-GPT：AI原生数据应用开发框架实战指南 DB-GPT是一个开源的AI原生数据应用开发框架，旨在简化大模型在数据库领域的应用开发。其核心特性包括私域问答与数据处理、多数据源支持、多模型管理、自动化微调、数据驱动的多智能体插件以及隐私安全保障。本文从环境准备到实战应用，详细介绍了使用DB-GPT的完整流程：通过JupyterLab配置服务器资源，启动DB-GPT服务并导入SQLite样例数据；演示数据对话功能，包括数据库安装、数据源添加、数据库绑定及对话体验；特别针对常见错误提供了处理方案。作为大模型领
2025-07-24 14:45:00
376
原创 【短视频创作】FunClip：阿里开源AI剪辑神器，零基础也能出精品！
阿里巴巴达摩院开源的FunClip是一款基于AI技术的视频剪辑工具，通过自动化语音识别(ASR)、热词定制、说话人识别等功能，大幅简化视频编辑流程。该工具支持文本定位剪辑、多段剪辑和自动字幕生成，提供Gradio交互界面和命令行操作两种方式。FunClip适用于教育视频、企业宣传片、社交媒体内容等多种场景，能帮助用户快速制作专业水准的视频。文章详细介绍了FunClip的功能特性、使用教程和本地部署方法，展现其在提升视频创作效率方面的创新价值。
2025-07-24 10:08:55
422
原创 RAG实战篇：优化查询转换的五种高级方法，让大模型真正理解用户意图
本文介绍了在RAG系统中优化Query Translation环节的五种方法：Multi-query（多查询）、Rag-Fusion、Decomposition（查询分解）、Stepback和HYDE。这些方法通过扩展查询、问题分解和优化检索结果等方式，提升大模型对用户意图的理解和回答质量。文章提供了具体的实现代码，包括生成相似查询、倒数排名融合算法以及问题分解策略等，帮助构建更高效的RAG系统。源代码可在文末获取。
2025-07-23 11:23:14
591
原创 RAG实战篇：构建一个最小可行性的Rag系统
摘要：《RAG实战篇》系列文章聚焦于构建高效RAG（检索增强生成）系统，解决AI Agent在专业垂直领域应用中的知识局限问题。文章从索引优化、查询转换、路由、查询构建、检索到生成，详细介绍了各环节的技术方案与优化策略，并演示了最小化Naive RAG系统的实现流程，包括文档加载、分块、向量存储、检索和生成等核心步骤。通过结合外部知识库和工作流约束，该系统能显著提升Agent在特定领域的表现。
2025-07-23 11:19:40
555
原创 重磅首发！大模型LLM学习路线图来了！_大模型学习路径
2023年AI大模型爆发式发展，从问答对话到编程辅助展现惊人能力，成为互联网从业者必备技能。大模型人才需求激增，相关岗位薪资普遍超3万元。主流大模型包括NLP、CV、科学计算和多模态四大类，应用场景广泛。学习路线分为7个阶段：从系统设计到微调开发，覆盖提示词工程、平台应用等核心技能。针对零基础、转行者和AI专业人员提供定制方案，帮助掌握大模型核心技术，实现职业转型或技术升级。大模型正重构各行业，是未来软件工程师的必备技能。
2025-07-22 14:35:02
879
原创 AI大模型学习路线非常详细，保姆级教程，爆肝熬夜整理，收藏我这一篇就够了
摘要： 大模型是人工智能领域的大型预训练模型，如GPT-3，通过海量数据学习语言理解和生成能力，参数规模可达千亿级。其核心价值在于突破自然语言处理、机器翻译等任务的技术瓶颈，并在医疗、教育等领域展现应用潜力。学习大模型不仅是掌握前沿AI技术的关键，还能提升个人竞争力，适应快速发展的数字化时代需求。从技术趋势、职业发展到跨领域创新，大模型正成为推动社会进步的重要工具。
2025-07-22 11:44:11
609
原创 【AI大模型】什么是AI模型推理，与训练有什么差异？
在 AI 领域，推理（Inference）和训练（Training）是 AI 模型生命周期中的两个核心阶段，训练时，模型借大量数据与算法学习规律，此过程计算资源消耗巨大且耗时漫长，旨在构建精准模型。而推理则是利用已训练好的...
2025-07-21 11:54:14
616
原创 超全大模型训练流程，教你如何训练自己的大模型
摘要：本文介绍了大模型训练的核心要素和基本流程。大模型训练主要包括训练数据和机器学习模型两大核心部分，以及成果验证环节。训练数据需经过收集、清洗、整理和NLP处理四个步骤；机器学习模型则根据不同类型算法实现不同功能。文章还提供了AI大模型学习路线图，包含系统设计、提示词工程、平台应用开发等七个阶段的学习内容，帮助开发者从零开始掌握大模型应用开发技能。最后附赠100套商业化方案、视频教程等学习资源。
2025-07-21 11:51:27
913
原创 什么是提示词工程(prompt engineering)？为什么需要提示词工程？
提示词工程是一种不需要调整大模型参数就能引导AI输出特定结果的技术。作为大模型应用的关键方法，它通过优化输入提示（如任务说明、上下文、示例、角色设定等）来提升输出质量。文章解析了提示词的本质、作用及编写技巧，强调其作为过渡技术的重要性。同时提供AI大模型学习路径，包含系统设计、提示词工程、平台开发等7个阶段，并附赠丰富的学习资料，帮助开发者掌握大模型应用能力。
2025-07-18 11:17:27
917
原创 Prompt Engineering 深入指南：技术、挑战与最佳实践
本文基于最新的研究综述，系统性地介绍了 Prompt Engineering 的概念、关键术语和核心技术，包括 In-Context Learning、Chain-of-Thought、分解法等。此外，本文还探讨了多语言、多模态 Prompting 和 Agent 技术等...
2025-07-18 10:37:47
1169
原创 如何基于向量数据库+LLM（大语言模型）打造企业专属Chatbot
摘要： 通用大语言模型（LLM）在垂直领域知识问答表现不足，而结合向量数据库与大模型可构建高效的智能问答系统。该方案通过向量化处理企业知识库数据，结合LLM实现精准检索与自然语言生成，适用于IT/HR问答、客服机器人等场景，提升效率与用户体验。方案分为数据预处理与检索服务两大流程，支持实时、准确的问答服务。同时，文章介绍了AI大模型全栈开发课程，涵盖提示词工程、微调开发等核心技能，助力开发者掌握垂直领域模型训练与应用能力。免费提供大模型学习资料包，含商业化方案、视频教程等资源。
2025-07-17 15:07:52
771
原创 揭秘”大模型加速器”如何助力大模型应用
本文探讨了大模型在中文处理中的三大挑战：语料稀缺、文档解析困难和语料质量问题，并介绍了合合信息推出的"大模型加速器"解决方案。该加速器包含文档解析引擎，能高效处理复杂文档结构，支持多种输出格式，百页文档解析最快仅需1.5秒。同时还介绍了TextIn智能文档处理平台和acge文本向量化模型，通过技术创新提升大模型的训练效率和性能表现。这些工具共同为解决大模型在中文领域的应用难题提供了有效支持。
2025-07-17 14:33:30
692
原创 解锁DeepSeek-R1大模型微调：从训练到部署，打造定制化AI会话系统
大模型微调技术入门与实践 本文介绍了大模型微调技术及其在行业应用中的重要性。针对大模型存在的"AI幻觉"问题，提出通过微调技术优化模型在特定领域的表现。文章从微调概念入手，分类讲解有监督/无监督/半监督微调及全量/部分微调方法，对比了Hugging Face、DeepSpeed等主流框架特性。重点演示了基于LLaMA-Factory框架的DeepSeek R1大模型微调实战过程，包括环境安装、模型训练、部署及与AI会话系统的整合。该方案可帮助企业在私有化部署中实现精准的行业AI应用。
2025-07-16 15:02:40
1230
原创 AI智慧医疗：探索机器学习在医疗保健中的应用与进展
AI智慧医疗：机器学习在医疗保健中的应用与挑战 人工智能和机器学习正深刻改变医疗行业，从疾病预测到诊疗效率提升。文章探讨了AI在多个医疗场景的应用：通过分析健康数据预测心脏病风险；优化医院排班系统提升服务效率；辅助医生进行肺炎诊断等决策支持；分析遗传数据评估疾病风险；利用虚拟助手管理患者用药。AI还能改善慢性病管理，并通过虚拟模拟器提升医学生培训效果。尽管面临数据隐私等伦理挑战，AI在医疗领域的潜力巨大，有望提升诊疗质量与资源利用率，推动精准医疗发展。
2025-07-16 11:37:11
1002
原创 “开源 vs. 闭源：大模型的未来发展趋势预测“——探讨大模型未来的发展方向
本文探讨了大模型发展中的开源与闭源之争。开源模式公开源代码和训练数据，促进技术共享和创新；闭源模式则保持代码私密性，以获取商业优势。文章分析了两者的定义、特点及优劣势，指出开源有利于技术民主化但可能影响商业化，闭源更易变现但限制技术发展。同时强调不同企业应根据自身战略选择开源或闭源策略，而开发垂类模型时需综合考量技术、商业等因素。最后提出开源与闭源并非对立选择，未来可能走向优势互补的混合模式，共同推动大模型技术发展。
2025-07-15 10:37:05
1379
原创 AI 大模型赋能行业：从场景应用到技术落地的深度变革
人工智能正加速渗透金融、医疗、教育、制造等行业，通过大模型技术驱动产业变革。金融领域AI提升风控精度至92%，医疗AI诊断准确率超95%，教育实现个性化学习路径，制造业缺陷检测效率提升7倍。关键技术包括：行业定制的大模型微调、优化交互的提示词工程、融合多数据类型的多模态应用，以及保障落地的企业级解决方案。随着技术迭代，AI与大模型的深度融合将持续重塑产业生态，掌握相关技术者将获得显著竞争优势。为帮助学习者快速入门，现提供包含学习路线、实战案例等全套AI大模型资源包。
2025-07-15 10:18:27
1388
原创 大模型—Ollama 本地部署大模型，保姆级教程，收藏这一篇就够！
Ollama 是一个开源的本地大模型部署工具，降低了运行开源大语言模型的门槛。它支持多种主流模型如Llama2、Qwen2等，通过简单的命令行操作即可下载和运行。用户只需下载安装包或使用Docker镜像，就能快速在本地体验大模型能力。Ollama会自动调用GPU加速，并提供交互式对话模式。该项目GitHub星标超22K，为开发者和爱好者提供了便捷的本地大模型实验环境。
2025-07-12 14:41:24
654
原创 RAG：如何从0到1搭建一个RAG应用
本文介绍了RAG（检索增强生成）技术的基本概念、搭建方法和开源应用。RAG通过结合知识库检索和大语言模型生成，有效解决了传统LLM的信息滞后、幻觉、私有数据匮乏等问题。文章详细阐述了RAG的四个核心环节：数据处理、检索、增强和生成，并推荐了相关学习资料和工具（如Streamlit）。同时提供了开源RAG应用参考和个人博客资源，帮助读者从0到1构建RAG系统。
2025-07-12 09:45:00
857
原创 【RAG检索增强生成】RAG技术革新数据库：Vanna框架的高效SQL生成策略
Vanna是一款基于RAG技术的开源Text2SQL工具，通过结合检索增强生成和大语言模型，实现自然语言到SQL的智能转换。它支持多种数据库和大模型，简化了数据库查询流程，使非技术用户也能轻松获取数据。本文介绍了Vanna的工作原理、安装配置和使用方法，展示了如何利用其自然语言处理能力高效完成数据库交互。Vanna的创新应用为数据分析和决策提供了更智能的解决方案。
2025-07-11 14:34:39
384
原创 RAG 架构地基工程-Retrieval 模块的系统设计分享
本文探讨了RAG（检索增强生成）系统中的检索优化策略。首先概述了检索模块作为连接语言模型与知识世界的桥梁作用，及其在性能、精度与可扩展性之间的权衡。其次分析了外部知识源的多样化趋势，包括非结构化、半结构化、结构化数据及LLM自生内容，并讨论了不同检索粒度的选择策略。随后重点介绍了索引优化方法，如文档切分、元信息附加和结构化索引（分层索引与知识图谱）。最后探讨了查询优化技术，包括查询扩展（多查询与子查询分解）和验证链等方案，以提升RAG系统的检索精度。全文揭示了检索模块作为RAG"地基工程"
2025-07-11 14:02:37
1117
原创 推荐收藏！大模型 RAG 项目实践经验总结！
本文介绍了RAG（检索增强生成）技术及其在大模型中的应用。RAG结合信息检索与生成模型，通过索引、检索、生成三步骤提供更准确的内容。相比长文本处理，RAG成本更低且减少模型幻觉。智谱RAG方案展示了从文档解析到智能问答的全流程技术实现，包括文件处理、语义检索和答案生成。文章还探讨了RAG在客服、文档撰写等场景的应用优势，并展望了其与长文本、Agent技术的结合前景。最后提供了AI大模型学习资料获取方式。
2025-07-10 12:02:07
775
原创 【AI大模型】ChatTTS——颠覆传统，赋能未来的文本到语音技术
ChatTTS是一个基于Transformer架构的开源语音合成系统，通过T5模型实现高质量的文本到语音转换。项目采用PyTorch框架，结合T5Tokenizer进行文本预处理，并使用自回归机制生成语音波形。其技术特点包括预训练模型微调、子词单元分解以及多维度语音质量评估。该方案适用于语音助手、导航系统等场景，具备自然流畅的语音生成能力，未来可通过模型优化扩展多语言支持。
2025-07-08 11:48:26
1372
原创 AI大模型赋能中医药产业发展分析
以大模型为代表的人工智能技术正在加速改变世界，成为引领新一轮科技革命和产业变革的关键驱动。近年来，在数据、算法和算力等关键要素的快速迭代下，AI大模型迅速发展，应用领域不断拓宽，正在与中医诊疗、中药研发等深度融合，带来了众多创新与突破。中医药模型如同一位博学的古代名医，穿越时空，与现代科技携手，共同守护着人类的健康。
2025-07-08 10:47:02
772
原创 【AI落地应用实战】DeepSeek大模型应用探讨与RAG技术全景——从实验室榜单看向真实业务场景
DeepSeek开源大模型技术突破引发关注，但落地应用面临四大困境：知识边界有限、训练数据时效滞后、概率生成存在幻觉、在线服务数据安全风险。RAG技术（检索增强生成）通过动态知识融合和推理干预，成为解决这些问题的关键技术。其流程包括构建知识库、检索相关文本、增强输入信息、生成准确答案，有效降低幻觉现象。技术细节涵盖文档解析、切片、向量化等环节，为大模型应用提供了一条可行的落地方案。该技术有望突破大模型封闭世界假设与真实场景开放复杂性之间的矛盾，推动AI技术在行业中的实际应用。
2025-07-07 17:15:48
1372
原创 AI大模型赋能工业工程：挑战、应用、趋势及人才培养
AI 大模型，即人工智能大语言模型，是指具有大规模参数和复杂计算结构、泛化能力强的深度学习模型。大模型在吸纳长序列知识、处理复杂任务以及捕捉和理解多模态信息等多方面都有显著提升。这些关键技术的进步不仅推动了人工智能技术的发展，也为解决真实场景中的复杂问题提供新工具，进一步拓展了人工智能的应用场景。当前，AI 大模型正处于爆发式的发展阶段，已广泛应用于智能制造等多个领域，推动了各个领域的转型与创新发展。为适应 AI 大模型引发的市场变化、需求变更以及技术变革，工业工程需要在已有的理论方法基础上不断创新，并将
2025-07-04 11:45:31
1333
原创 迭代1000次！筛选50个顶级Deepseek喂饭指令，2小时辅助完成论文
摘要： 本文探讨了如何使用Deepseek全流程生成高质量的学位论文，涵盖了选题、题目与摘要、引言、材料与方法、结果等关键环节。通过系统化的提示（Prompts）引导，研究者可精准定位创新研究方向，优化论文题目与摘要，构建逻辑严密的引言，详细描述研究方法，并客观呈现研究结果。该方法注重学术严谨性、跨学科整合及可重复性，旨在提升论文的学术价值与影响力。适用于不同学科领域的研究者，为学位论文撰写提供结构化指导。
2025-07-04 11:02:06
1091
原创 AI 大模型赋能行业：从场景应用到技术落地的深度变革
在发展浪潮中，人工智能（AI）早已从实验室走向各行业的实际应用场景，深刻改变着传统的工作模式与产业生态。AI 在金融、医疗、教育、制造业等领域的广泛落地，与大模型技术的不断突破紧密相连。大模型微调、提示词工程、多模态应用以及企业级解决方案，如同强大的引擎，驱动着 AI 在各行业的应用不断深入，实现从全局行业变革到局部技术创新的全面重塑。
2025-07-03 14:27:43
952
原创 教程 | 从零部署到业务融合：DeepSeek R1 私有化部署实战指南
DeepSeek-R1是由中国科技公司DeepSeek推出的开源推理大模型系列，包含完整版(671B参数)和蒸馏版(1.5B-70B参数)。该模型擅长数学、代码和自然语言处理任务，性能对标OpenAI o1正式版。完整版需高端硬件(350GB显存)，而蒸馏版经过量化处理后可在普通设备(最低4GB显存)运行。本文详细介绍了模型版本区别、硬件需求(Windows/macOS/Linux)及本地部署优势(隐私保障/零成本/完全控制)，推荐使用Ollama、LM Studio等工具进行安装。DeepSeek-R1完
2025-07-03 11:33:14
1518
原创 大模型LangChain框架基础与使用示例
LangChain：大语言模型应用开发框架 LangChain是当前LLM应用开发的事实标准框架，通过两大核心功能简化大语言模型的使用：1）集成外部数据到LLM；2）提供Agent机制让LLM与环境交互。其优势包括高度抽象的组件、可自定义的Chains，以及活跃的社区生态。 框架主要包含三大核心组件： Model I/O：直接与LLM交互的部分，包括语言模型、提示模板和输出解析器 Memory：管理对话历史记忆 Chains：连接多个组件的执行流程 在Model I/O中，LangChain支持三种语言模型
2025-07-02 14:29:09
1045
原创 教你一套从0到1搭建商用AI Agent（智能体）的系统方法论
摘要： 构建有价值的商业智能体需系统化方法论，避免"自嗨式"开发。核心流程包括： 场景与需求定义：优先定位高频、紧急的真实需求（如写字楼打印店案例）； 需求分析：拆解工作流，区分AI/人工任务（可用Mermaid流程图梳理）； 技术选型：根据场景选择平台（Coze/Dify）、大模型（OpenAI/DeepSeek）及工具（API/RPA）； 优化关键点：提示词工程影响效果与成本，数据存储需分敏感级别； 测试部署：关注准确性、成本及持续迭代。 方法论强调从用户场景出发，而非技术先行，方能
2025-07-02 11:31:57
908
原创 别再自己造轮子了！企业自建RAG系统的“坑”比你想象的多
企业自建RAG系统的挑战与替代方案 虽然个人搭建RAG知识库可行（需求明确、工具成熟、成本低），但企业级应用面临巨大差距：规模复杂性、资源支持、风险责任等问题。自建RAG系统常因低估预处理、格式兼容、幻觉问题等陷入"简单变噩梦"的困境，带来高昂隐性成本（基础设施、人员、持续运营）。安全维护更成"无底洞"，仅特殊监管、核心业务或资源极充足的企业适合自建。建议大多数企业选择现成方案，聚焦核心业务而非重复造轮子。AI时代，竞争优势属于率先掌握工具者，需系统学习提示词工程、R
2025-07-01 11:14:28
802
原创 Cherry Studio+DeepSeek R1 + 嵌入模型：企业与个人都能用的知识库（附详细教程）
Cherry Studio + DeepSeek R1 模型：快速搭建个人/企业知识库 在数字化时代，高效管理信息是关键。利用 Cherry Studio（跨平台桌面工具）+ DeepSeek R1 模型（高性能AI）+ 嵌入模型，可轻松搭建专属知识库。 步骤简述： 安装 Cherry Studio：下载并配置工具（支持 Windows/Mac/Linux）。 配置 DeepSeek R1：获取 API 密钥并集成模型。 构建知识库：上传文档（PDF/Word 等），通过嵌入模型转化为可检索数据。 应用场景
2025-07-01 11:12:35
704
原创 一文读懂RAG（检索增强生成）
RAG技术解析：检索增强生成的应用与挑战 RAG（检索增强生成）结合信息检索与自然语言生成，通过外挂知识库解决大模型的局限性、幻觉和时效性问题。其核心流程包括：知识分块、向量化存储、问题检索（关键词/相似度）及大模型生成。相似度检索通过Embedding模型将文本转为向量，匹配语义相近内容，但存在知识分块策略、意图识别、多模态处理等挑战。高级RAG技术持续优化，实际应用中需平衡检索精度与生成质量。 （全文149字，提炼技术原理、流程、痛点及价值）
2025-07-01 10:32:49
1089
原创 提示词（Prompt）工程入门（非常详细），零基础入门到精通，看这一篇就够了
提示词工程（Prompt Engineering）指南摘要 本文系统介绍了提示词工程的核心概念与应用技巧。第一部分定义提示词工程是通过优化输入指令（prompt）来提升语言模型输出质量的方法。第二部分提出四大基本原则：1）编写清晰指令（使用分隔符、结构化输出、条件检查、示例说明）；2）给予思考时间（分步骤执行、先自我推导）；3）认识模型局限性；4）总结五大优化策略。第三部分展示基础Prompt结构公式（任务+角色+要求+示例）及其在文案撰写、竞品分析等场景的应用范式。第四部分详述7大实用技巧，包括角色设定、
2025-06-30 17:32:49
1122
原创 大模型必学基础：Transformer架构的扩展与优化方法论
Transformer是一种基于Encoder-Decoder结构的模型，用于序列到序列任务如机器翻译。其核心创新在于自注意力机制(Self-Attention)，通过计算查询(Q)、键(K)、值(V)矩阵来捕获序列中词语间的长距离依赖关系。模型输入由词嵌入和位置编码相加组成，解决了RNN无法并行处理的问题。Encoder包含多层自注意力和前馈网络，Decoder则额外使用掩码自注意力以预测下一个词。Transformer通过多头注意力机制并行计算不同子空间的注意力，结合残差连接和层归一化提升训练效果。该架
2025-06-30 16:47:04
795
原创 大模型学习路径（非常详细）零基础入门到精通，收藏这篇就够了_大模型语言的学习路径
大模型学习路径（非常详细）零基础入门到精通，收藏这篇就够了_大模型语言的学习路径
2025-06-28 14:31:05
790
原创 小白也能看得懂的LLM入门指南
童年时期，我最热衷的乐趣就是拆解心爱的玩具，探究内部运作的奥秘。虽然大多数玩具最终都无法恢复原状（被我拆得七零八落），这个习惯却让我对乐高积木越来越着迷。当我第一次拥有乐高玩具时，终于明白制造商为同龄孩子们提供了多么精妙的设计——让我们能够学习、搭建并改造这个积木世界。如今长大成人，我的"玩具"也变成了被多数人视为"黑匣子"的大语言模型（LLMs）。在这个被DeepSeek和OpenAI搅动的时代，理解LLMs的本质显得尤为重要。
2025-06-28 11:25:59
749
原创 本地部署大模型？看这篇就够了，Ollama 部署和实战
Ollama本地大模型部署与使用指南 Ollama是一款便捷的本地大模型部署工具，支持macOS、Windows和Linux系统。Linux用户可通过命令行一键安装，或选择Docker容器化部署。安装后可通过浏览器访问11434端口验证服务状态，并支持自定义配置模型存储路径和GPU使用。 Ollama提供类似Docker的指令集，包括模型下载(run/pull)、运行管理(list/ps)和删除(rm)等功能。其官方模型库涵盖从0.5B到236B的各类模型，用户可根据设备配置选择合适模型。 作者以0.5B的
2025-06-27 14:52:08
675
原创 用Coze扣子工作流一键生成爆款沉浸式历史故事，一条视频轻松破万赞
本文详细介绍了如何利用Coze扣子AI工作流快速生成沉浸式第一人称视角视频。通过9个步骤演示从工作流创建到最终视频输出的完整流程，包括：1)创建英文名称工作流；2)复制配置文档；3)输入历史典故自动生成内容；4)通过剪映整合配音和特效。文章展示了某博主使用该技术15条作品获24万粉丝的成功案例，并强调AI生成的差异化内容可保证原创性。同时提供了Dify本地部署包、知识库等AI智能体学习资源，帮助读者快速掌握这一高效的内容创作工具。
2025-06-16 11:23:57
1503
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