AaronZZH 的博客

正如 USB-C 提供了一种将计算机连接到各种外设的标准化方式一样，MCP 提供了一种 AI 应用连接到不同的数据源和工具的方式。将分散的工具链整合为可规模化的生态系统，MCP或将成为AI时代的“水电煤”，成为智能社会的基础设施之一。目前，MCP生态正处于“协议红利期”，早期参与者可以通过定义接口标准、积累AI工具资产以及构建聚合平台形成结构性优势。

服务端发送事件（Server-Sent Events, SSE）是一种允许服务器向客户端推送实时更新的技术。SSE 提供了一种单向的通信通道，服务器可以持续地向客户端发送数据，而不需要客户端频繁发起请求。这对于需要实时更新的应用场景非常有用。流式传输的特点是将数据逐步传输给客户端，而不需要等待完整的响应生成。这意味着在传输过程中，数据会逐步发送给客户端，而不是一次性发送所有数据，对于基于文本的AI对话来说，这意味着每个单词或短语可以随着模型预测它们时即时显示出来，从而营造出一种更加自然和动态的交流体验。

- AI 辅助业务建模：通过将模型转化为 Mermaid 格式，将我们的模型表达为大语言模型能够理解的形式。通过添加注释给 LLM 提供了更为具体的上下文指引。指导 LLM 帮助我们完成了模型展开, 是构造思维链一种简单的方法。- AI 辅助编码：使用大语言模型（Large Language Model，LLM）辅助软件开发的思路，也就是遵从测试驱动开发（Test Driven Development，TDD）的节奏，并与 LLM 结对编程（Pair Programming）完成需求。- 通过用户故事提

本文是关于在 PostgreSQL 14 中安装并使用向量相似度搜索插件(pgvector)的详细指南。此插件允许用户在数据库中执行高效的向量运算，特别适用于机器学习模型的向量数据存储与检索场景。

介绍 LangChain 的六大核心模块，理解其核心概念，为基于 LangChain 的应用开发打下基础

LangChain 是一个基于语言模型开发应用程序的框架。

机器翻译是最广泛和基础的 NLP 任务PDF-Translator PDF 翻译器是一个使用 AI 大模型技术将英文 PDF 书籍翻译成中文的工具。

OpenAI的 GPT (generative pre-trained transformer) 系列大模型，被训练用于理解和生成自然语言和代码，根据文本输入响应文本输出。GPT 的输入也被称为 “Prompts”。，通常通过提供一些完成任务的说明或示例来实现。GPT 可以用于各种各样的任务，包括内容或代码生成、摘要、对话、创意写作等等。

互联网时代，人们调用搜索引擎获取互联网上的非结构化的知识。而对于大语言模型而言，知识以参数的形式储存在模型中，通过自然语言的 Prompt 问答的方式就可以直接调用这些知识。可通过基于 Embedding 搜索 + 问答的模式，解决大模型没有最新数据或者输入长度限制的问题。

GPT(Generative Pre-trained Transformer)是 Google 于2018年提出的一种基于 Transformer 的预训练语言模型。它标志着自然语言处理领域从 RNN 时代进入 Transformer 时代。

大语言模型（英文：Large Language Model，缩写LLM） 是指参数规模极大的神经网络语言模型，大模型的基础理论主要包括深度学习理论、表示学习理论、迁移学习理论、模式识别理论、计算学习理论、分布式计算理论和统计语言模型理论,大模型集成了这些计算机科学核心理论的精华。通过大数据预训练加小数据微调，大大降低了使用门槛，将人工智能技术带入了一个新的阶段。

ChatGPT 是一种专注于对话生成的语言模型。它能够根据用户的文本输入，产生相应的智能回答。关于ChatGPT的十篇必看论文推荐