- 博客(766)
- 收藏
- 关注
RSS订阅原创 AI进阶实战：大模型（LLM）、智能体（Agent）与提示词（Prompt）
本文介绍如何基于KIMI大模型开发一款带记忆功能的AI问答系统。通过FastAPI+Redis搭建服务框架，实现对话历史存储与上下文感知。文章详细展示了环境配置、工程搭建、API接口开发等实操步骤，并演示了模型交互效果。该系统采用moonshot-v1-32k模型配合精心设计的提示词策略，使AI能理解并延续多轮对话，为用户提供更智能自然的交互体验。测试表明，该方案能有效实现对话记忆功能，展现了AI大模型在实际应用中的强大潜力。
2025-11-18 14:05:58
886
原创 Java程序员如何在AI大模型时代破局？从焦虑到机遇的转型指南
AI赋能Java程序员技术转型新路径 面对大模型技术浪潮，Java程序员既面临技术迭代和行业竞争的压力，也迎来AI赋能的重大机遇。文章指出AI并非取代者而是能力放大器，通过掌握AI技术可显著提升开发效率，实现从代码编写到架构设计的角色升级。内容涵盖三大关键：分析当前Java开发者面临的技能瓶颈；揭示AI带来的效率提升与跨界融合机会；提供从基础认知到项目实践的渐进式学习路线。特别强调"AI+Java"复合型人才的发展方向，建议通过Python工具链学习和小项目实践快速入门。文章最后呼吁开发
2025-11-18 14:02:30
839
原创 AI | 基于 Dify + 大模型（LLM）+ 智能体（Agent） 手把手从0-1构建私有化智能助手_dify 智能体
本文介绍了如何基于Dify平台、大模型（LLM）和智能体（Agent）构建私有化智能助手。详细阐述了Dify开源平台的安装部署过程，包括Windows系统下的Docker安装步骤。重点演示了如何搭建私有化知识库，以"译点架构圈手册"为例展示了数据上传和处理流程。文章还简要说明了智能体作为核心组件的功能，能够自主决策并实现任务自动化处理。通过这一方案，用户可获得一个功能强大、易于扩展且保障数据安全的个性化智能助手，满足日常工作需求。
2025-11-18 13:42:19
929
原创 大模型的多智能体合作：相关研究梳理、多智能体合作中的角色扮演、协作流程、常用Benchmark_多智能体协作
本文探讨大模型智能体间的协作机制，研究发现群体合作可提升决策质量，但大模型智能体在回答问题时缺乏人类群体的独立性和多样性。文章梳理了多智能体合作的两个关键步骤：角色扮演（预定义和动态更新角色）和协作流程（交流讨论）。通过扮演不同专家角色或动态生成新角色，智能体可以从多角度协作完成任务。研究表明，增加角色数量和动态调整能提升任务表现，但大模型协作机制仍需进一步优化以实现更复杂的群体智能。
2025-11-18 13:35:09
400
原创 腾讯&Gartner《企业级智能体产业落地研究报告》核心解读：能力分级、场景罗盘与落地策略
腾讯联合Gartner发布《企业级智能体产业落地研究报告》，首次提出智能体五级能力分层（L1-L5），从基础响应到组织领导的演进路径。报告定义了狭义与广义智能体，提出"智能体场景罗盘"划分四大应用象限，并剖析金融、零售等14个行业的落地场景。研究指出当前智能体多处于L1-L2阶段，面临六大技术挑战，未来将向群体智能、多模态感知和具身化方向发展。报告为行业提供了从技术原理到落地实践的全链路指南。（149字）
2025-10-23 14:28:55
689
原创 智能体（AI Agent）与大模型（LLM）：各司其职又通力协作
大模型与AI Agent的本质差异与应用场景 摘要：大模型与AI Agent代表了AI技术的两大核心分支，前者作为"语言专家"擅长文本理解与生成，后者作为"行动执行者"具备自主决策与任务执行能力。大模型基于Transformer架构，专注语言处理；AI Agent则能跨系统交互，实现动态适应学习。二者在业务场景中形成互补：大模型处理信息咨询，AI Agent执行复杂流程。协同应用中，大模型承担意图解析、决策辅助和人机交互三大核心角色，共同推动AI从感知智能向认知与行动
2025-10-23 14:22:20
316
原创 这大模型项目你就练吧...一练一个不吱声
该项目是一个面向大众的大型语言模型(LLM)开源学习平台，旨在降低AI技术门槛。内容涵盖从基础概念到高级应用的完整知识体系，包括模型架构、训练框架、优化策略等核心技术。特点是讲解通俗易懂、内容全面实用，配合丰富的图文教程和完整学习资料，帮助初学者快速掌握大模型技术。项目还持续更新前沿研究成果，让学习者能接触到最新AI技术动态。
2025-10-23 14:20:59
568
原创 【行业前沿】大模型主流应用技术之Agent：让AI从“聊天”到“做事”
大模型Agent：从“对话”到“行动”的AI革命 大模型Agent技术正推动AI从被动应答升级为主动执行的智能体，具备规划、记忆、工具调用和反思能力，能独立完成复杂任务。其应用覆盖个人助理、企业自动化、编程辅助、科研加速等领域，展现巨大潜力。然而，可靠性、安全性、成本等问题仍待突破。未来，Agent将成为人机协作的核心，重塑工作与生活方式。 （摘要字数：150字）
2025-10-23 14:19:22
674
原创 最新综述！从静态模型到终身进化：自进化AI Agent如何重塑未来AI系统
《自进化AI智能体：动态适应与持续优化的未来》 当前AI系统面临的核心局限在于其静态性——部署后无法自主适应新工具、新数据或环境变化。格拉斯哥大学等机构的研究团队在《A Comprehensive Survey of Self-Evolving AI Agents》中首次系统定义了自进化AI智能体：通过与环境持续交互，动态优化内部组件以实现终身学习，同时遵循安全、性能与进化的三大定律。论文构建了统一技术框架，将自进化过程分解为系统输入、智能体系统、环境反馈和优化器的四组件循环，并详细梳理了单智能体优化（如L
2025-10-23 14:17:23
730
原创 李飞飞这篇综述Agent真的太清晰，硬控我3h
摘要： 斯坦福与微软团队联合发布《Agent AI: Surveying the Horizons of Multimodal Interaction》综述，由李飞飞领衔。该论文系统探讨多模态AI智能体（视觉、语言、环境感知）的前沿技术，涵盖游戏、机器人、医疗等应用场景，结合GPT-4V等大模型案例，并分析伦理挑战与AGI发展路径。亮点包括实验数据、提示案例及跨领域实用指南，为研究者与工程师提供最新技术动态。完整中文版PDF及配套学习资料已开放获取。 （字数：148）
2025-09-29 16:48:28
378
原创 人工智能 | 一文介绍五种基本 Agent
本文介绍了人工智能领域的五种基本Agent类型及其核心概念。Agent作为具有感知、决策和执行能力的智能实体，涵盖基于规则、状态、目标、学习和多智能体等不同实现方式。文章详细讲解了各类Agent的算法原理和数学模型，并提供了基于Q学习的代码实例。Agent技术已广泛应用于自动驾驶、智能客服、游戏AI等实际场景，展现了人工智能技术的多样化应用潜力。
2025-09-05 11:49:21
997
原创 【Agent系列】详细调研总结19种主流Agent框架
本文系统梳理了Agent技术的发展脉络，从基础概念到主流框架。首先定义了Agent作为能感知环境并采取行动的智能体，其核心是感知-规划-行动的闭环过程。重点介绍了ReAct决策框架及其变种Plan-and-Execute ReAct的工作机制。随后详细列举了当前主流的Single-Agent（如AutoGPT、BabyAGI）和Multi-Agent（如MetaGPT、AutoGen）框架，并概述了它们的应用场景。文章为理解Agent技术提供了清晰的技术图谱，展现了从基础理论到工程实践的完整发展路径。
2025-09-05 11:45:18
930
原创 从程序员到大模型开发者：转型指南与职业新航道
在人工智能技术迅猛发展的今天，大模型（Large Language Models, LLMs）已成为推动技术变革的核心引擎。从ChatGPT的爆火出圈，到国内“百模大战”的激烈竞争，大模型正以前所未有的速度重塑软件开发、产品设计乃至整个科技行业的格局。对于广大程序员而言，这不仅是一场技术浪潮，更是一个极具潜力的职业转型机遇。如果你是一名拥有编程基础的开发者，正考虑跳出传统开发的“舒适区”，投身更具前沿性与挑战性的领域，那么大模型开发无疑是一个值得认真考虑的方向。它不仅延续了程序员的工程优势，更融合了机器
2025-09-05 11:31:34
627
原创 一文详解几种常见本地大模型个人知识库工具部署、微调及对比选型_maxkb
本地大模型知识库工具盘点 当前热门的本地大模型知识库工具主要分为知识库侧和大模型侧两类： 知识库侧工具（支持文档处理与RAG）： AnythingLLM - 开源企业级文档聊天机器人，支持多格式文档处理和多用户管理 MaxKB - 开箱即用的知识库问答系统，支持多模型接入 RAGFlow - 深度文档理解解决方案，具备表格/图片处理能力 FastGPT - 可视化工作流编排的知识库系统 Dify - 大模型应用开发平台，集成RAG引擎 Open WebUI - 离线运行的Web界面，支持本地RAG 大模型侧
2025-08-29 18:01:35
1132
原创 ollama 本地安装 embedding 模型_nomic-embed-text本地安装
LLM大模型与Embedding模型在知识库应用中存在显著差异。LLM主要用于文本生成和复杂推理，而Embedding模型专注于将文本转换为数值向量以实现语义检索。在RAG（检索增强生成）架构中，单独设置Embedding模型能显著提升效率：1）专用向量检索比LLM直接处理更快；2）降低计算资源消耗；3）支持大规模知识库的实时检索。典型流程分三阶段：先用Embedding模型构建向量数据库，检索时转换用户问题为向量匹配相似文档，最后用LLM生成答案。文章还演示了如何通过Ollama部署本地Embedding
2025-08-14 15:16:22
1063
原创 大模型电子书学习推荐 | 12本大模型书籍（附pdf版），看完少走一半弯路
摘要：本文推荐12本大模型与AI领域的必读书籍，涵盖从基础理论到实践应用的全面内容。重点书目包括《基于Transformer架构的自然语言处理》《大模型应用开发极简入门》《大语言模型：基础与前沿》等，涉及GPT系列、ChatGPT技术原理、LangChain开发、AI产品设计等热门方向。这些书籍适合不同基础的学习者，从入门概念到高级应用均有详细讲解，部分提供Python实战案例。还包含AI绘画、Agent开发等前沿领域内容，帮助读者系统掌握大模型技术。所有资源均可免费获取，为AI学习者提供全面的参考资料。
2025-08-14 15:13:52
1049
原创 Dify实战：私有化部署Dify和搭建AI智能体
Dify 是一款面向开发者的开源大语言模型（LLM）应用开发平台，定位为“生成式 AI 应用创新引擎”。其核心目标是通过低代码/无代码方式，提供从模型集成、工作流编排到应用部署的全流程管理，降低企业级 AI 应用开发门槛
2025-08-14 15:10:48
1994
原创 2025最新AI大模型学习路线路径，巨详细！
大模型七阶段学习路线图：从基础到应用全面掌握AI核心技术 本文系统介绍了大模型技术的七个学习阶段： 系统设计入门：掌握Transformer架构、注意力机制等核心原理 提示词工程：学习零样本/少样本提示等优化技巧 平台开发实战：基于阿里云PAI构建电商虚拟试衣系统 知识库应用：使用LangChain开发物流智能问答系统 模型微调：领域适配（大健康/新零售等）与垂直应用开发 多模态应用：基于Stable Diffusion开发文生图小程序 行业级开发：集成星火/文心等平台构建企业级解决方案 配套提供完整学习资
2025-07-23 11:51:27
1386
原创 Qwen3-Embedding 与 Qwen3-Reranker 深度剖析：从原理到实战代码
阿里巴巴Qwen团队推出的Qwen3-Embedding和Qwen3-Reranker系列模型，为多语言文本嵌入和相关性排序提供了创新解决方案。Qwen3-Embedding采用密集Transformer架构，通过三阶段训练（大规模弱监督、监督微调和模型融合）实现高效语义表征。该模型支持119种语言，允许自定义向量维度和指令模板，显著提升语义检索性能。配套的Qwen3-Reranker则通过交互式相关性评分优化检索结果排序。这些开源模型在多语言语义理解、代码检索等场景展现出卓越性能，为信息检索领域带来突破性
2025-07-23 11:30:11
1103
原创 RAG 检索四件套全解析：模型、向量库、检索方式、排序器，一文选型不踩坑
智能客服与知识库构建指南：向量模型、向量库与检索策略全解析 核心内容： 向量模型选型 关键指标：语义表达能力、维度、领域适配性、中英文支持 推荐模型：BGE系列（中文场景）、GTE/E5（多语言）、Cohere（商用国际化） 维度≠精度，需结合任务需求选择 向量库对比 轻量级：FAISS/Chroma（本地测试） 生产级：Milvus/Qdrant（高性能、多字段支持） Hybrid检索：Weaviate/ElasticSearch（结合关键词与向量） 检索优化 数据管理：插入时标注metadata，更新需
2025-07-23 11:24:48
878
原创 给大模型应届生的经验，刷到少走三年弯路_应届大模型学习
大模型转行指南：方向选择与学习路径 本文针对想转行大模型领域的新人，系统梳理了大模型的四个主要方向：数据工程、平台建设、算法应用和模型部署。分析了不同方向的能力要求和工作内容，指出新手常见的误区——过度聚焦算法调优而忽视数据工程等基础岗位。文章建议：1)算法方向需结合垂直领域经验；2)数据工程更适合新人起步；3)工程背景者可选择平台开发；4)模型部署需要丰富经验。最后提供了大模型学习的七阶段路径，从系统设计到行业应用开发，并附赠640套学习资源包，涵盖书籍、报告和实战案例。
2025-07-15 15:14:48
921
原创 手把手带你微调阿里qwen2.5大模型_qwen2.5微调
摘要 本文介绍了大模型微调（Fine-tuning）的基本概念与方法，并通过阿里魔塔社区实操演示了Qwen2.5模型的微调过程。微调是指在预训练基座模型基础上，使用特定领域数据优化模型性能，使其适应专业任务（如医疗报告生成）。常见微调方法包括SFT、LoRA等，各具优缺点。文章以阿里魔塔社区为例，详细展示了从注册账号、选择模型到启动GPU环境的完整流程，强调其低门槛特性（提供100小时免费资源）。通过Qwen2.5的7B模型实操，帮助读者理解微调的实际应用，适合初学者快速入门大模型调优技术。
2025-07-15 15:10:59
825
原创 长上下文 LLM 会让 RAG 过时吗？
摘要： 随着大模型上下文窗口的快速扩展（如Gemini达100万token），业界对RAG（检索增强生成）是否会被取代存在争议。研究表明，长上下文模型虽在多跳推理任务中表现优异，但在大规模语料处理、特定领域任务和成本效益方面仍不及RAG。当前趋势倾向于混合方案，结合两者的优势——RAG降低计算成本，长上下文提升推理效率。最新技术如CAG（缓存增强生成）也展示了预加载知识的潜力，但受限于动态数据处理。综合来看，RAG与长上下文模型的协同应用将成为未来主流。
2025-07-07 15:09:48
687
原创 2025最新大模型算法岗常见的面试题（非常详细），大模型面试题，收藏这一篇就够了！
大模型算法岗面试题汇总 随着大模型技术快速发展，相关岗位竞争日益激烈。本文整理了大模型算法岗常见面试题，分为基础和进阶两大部分。 基础篇涵盖核心概念： 主流开源模型体系（Transformer、PyTorch Lightning等） 语言模型类型对比（prefix LM与causal LM） 大模型架构与涌现能力 热门开源模型（GPT系列、BERT等） 模型幻觉解决方案 Tokenizer实现原理 进阶篇聚焦实际问题： 输入长度限制与复读机问题 模型选型场景分析（Bert vs LLaMA） 专业领域大模型
2025-06-26 07:38:46
1654
原创 大模型应用之RAG详解，RAG保姆级教程，收藏这篇就够了！_rag大模型
RAG（检索增强生成）技术解析：原理、流程与对比 摘要：RAG（检索增强生成）技术由Facebook于2020年提出，旨在解决大语言模型的外部知识接入问题。该技术通过将检索系统与生成模型结合，实现了三大优势：避免频繁微调的高成本、减少模型"幻觉"、保障企业数据安全。RAG流程包含索引、检索和生成三个核心环节，并发展出初级、高级和模块化三种实现范式。相比模型微调，RAG具有知识实时更新、外部资源利用率高、可解释性强等特点，但也面临检索质量依赖性和计算资源需求增加等挑战。目前主流框架如Lan
2025-06-26 07:33:16
1350
原创 万字长文，解读大模型技术原理（非常详细）零基础入门到精通，收藏这一篇就够了_大模型原理解析
本文介绍大模型的基本概念、发展历程及相关技术细节。大模型指具有大规模参数和复杂计算结构的机器学习模型，其核心特征包括海量训练数据、数十亿甚至数千亿参数，以及展现出的"涌现能力"。文章梳理了大模型从Transformer架构的提出，到GPT系列模型的发展历程，重点分析了GPT-1证明通用模型价值、GPT-2展现强大泛化能力等关键突破。同时区分了大模型、超大模型、大语言模型等概念，并对比了大模型与小模型的差异。文章认为大模型通过海量数据训练获得了更强大的表达能力和预测性能，在自然语言处理等多
2025-06-26 07:29:29
858
原创 使用AI大模型的正确姿势！接入知识库、微调，5种方法，总有一种适合你_工作流中怎么使用大模型和知识库
AI大模型优化方法解析：提示词工程、RAG、微调与多模态应用 摘要：本文探讨了优化预训练大模型性能的几种关键技术。通过提示词工程可以引导模型生成更符合需求的输出；检索增强生成(RAG)技术结合外部知识库，显著提升特定领域问题的准确性；微调能够使模型适应专业任务需求；选择合适模型或多模态技术则能拓展应用场景。文章还介绍了AI工作坊活动，帮助读者掌握搭建知识库、模型微调等实用技能，并提供了大模型学习路线和实战案例资源。这些方法为突破通用大模型局限、实现个性化AI应用提供了系统解决方案。
2025-06-24 20:07:13
869
原创 案例集 |中企通信入榜信通院《2024大模型典型示范应用案例集》精选99个，纵览最新最全产业应用实践！(附文档）
2024 年是大模型深入赋能千行百业，融入实体经济，助力科技创新的一年。截 至今年 5 月，我国国产大模型的数量已经超过 300 个，预示着大模型在各行业场景的创新应用和深度拓展，对培育新质生产力、高水平赋能新型工业化、推动高质量发展发挥了重要作用。今年，国务院政府工作报告首次提出“人工智能 +” 行动以来，全国各地进一步加速大模型技术与产业的落地融合。
2025-06-24 20:05:12
1236
原创 【2025大模型最新版】AI大模型全解析：零基础入门到精通，一文搞定！
AI大模型推动人工智能技术突破与应用创新 近年来，以BERT、GPT等为代表的AI大模型正成为人工智能领域的研究热点。这些具备数十亿乃至千亿参数的模型，依托Transformer架构和自注意力机制，展现出强大的学习能力和泛化性能。文章系统梳理了AI大模型的技术原理与发展现状，重点分析了其核心技术：包括Transformer架构、预训练与微调策略、多头注意力机制等。在应用方面，AI大模型已在自然语言处理（如机器翻译、文本生成）、计算机视觉（如图像分类、目标检测）等领域取得突破性进展。同时，文章也探讨了分布式训
2025-06-24 00:08:09
652
原创 多模态交互智能体全面解析：定义、架构、学习机制、系统实现、分类、应用场景及评估方法_多模态智能体
多模态AI智能体：迈向具身交互的未来 本文探讨了多模态AI智能体的发展前景，提出将大型语言模型（LLMs）和视觉语言模型（VLMs）整合为具身智能体，以增强其在物理和虚拟环境中的交互能力。研究回顾了AI从1956年达特茅斯会议至今的演进，指出当前基于基础模型的智能体在语言、视觉、推理和适应性方面展现出突破性潜力。文章系统分析了智能体AI在游戏、机器人、医疗等领域的应用，强调多模态感知、环境反馈和伦理考量对构建通用人工智能（AGI）的重要性。通过提出"智能体AI"的新范式，研究为创建能感知
2025-06-23 23:59:36
1249
原创 2025版最新大模型入门书籍推荐（非常详细）大模型零基础入门到精通，收藏这篇就够了
这篇推荐书单为想要学习大模型技术的读者提供了一系列优质资源。文章介绍了8本涵盖大模型理论与实践的书籍，包括《大规模语言模型：从理论到实践》《大语言模型：原理与工程实践》《多模态大模型：技术原理与实战》等，内容从基础理论、预训练、微调、强化学习到实际应用案例，适合不同层次的读者。这些书籍既有学术深度，也包含代码示例和实战指南，帮助读者快速入门并掌握大模型技术。无论是AI初学者、研究人员还是工程师，都能从中获得有价值的参考。
2025-06-22 11:29:35
1138
原创 2025最新LLM大模型基础知识学习总结_llm知识点
在这个已经被大模型包围的时代，不了解一点大模型的基础知识和相关概念，可能出去聊天都接不上话。刚好近期我也一直在用ChatGPT和GitHub Copilot，也刚好对这些基础知识很感兴趣，于是看了一些科普类视频和报告，做了如下的整理总结，分享与你！一句话描述GPTGPT全称Generative Pre-Training Transformer，即三个关键词：生成式 预训练 变换模型。GPT模型通过在大量数据上学习到的语言模式，预测下一个字（token），生成自然语言文本。
2025-06-22 10:35:02
618
原创 2025年AI工程师必学：大模型微调与部署实战指南
2025年AI工程师必备技能：大模型微调与部署实战指南 随着大语言模型快速发展，掌握大模型微调与部署能力将成为AI工程师的核心竞争力。文章指出，微调可提升模型在特定领域的性能，降低幻觉，并推荐使用LoRA/QLoRA等高效方式。详细介绍了使用QLoRA微调LLaMA模型的实战步骤，包括环境准备、模型加载和训练流程。还探讨了大模型部署的主流路径，提供vLLM+FastAPI构建推理服务的示例。最后提出2025年AI工程师需掌握的五大技能矩阵：模型基础、高效微调、推理加速、数据工程和工程化能力，并预测未来多模态
2025-06-22 10:32:34
1033
原创 大模型才是智能体的核心，智能体的所有操作都是基于大模型完成的——智能体的执行过程
摘要： 本文阐述了大模型在智能体中的核心地位，指出智能体的运行本质是LLM（大语言模型）通过Prompt（提示词）协调Tools（工具）完成任务的过程。作者将智能体比作由职业经理人（LLM）运营的企业，Prompt是沟通契约，Tools则是可用资源。智能体的核心流程包括：理解需求→自主判断工具使用→执行并反馈，开发框架（如LangChain）仅优化调用过程而非核心逻辑。文章最后提供了大模型学习资源，涵盖系统设计、提示工程、平台开发等7阶段学习路径及实战案例，帮助开发者掌握大模型应用能力。
2025-06-22 10:28:40
680
原创 在GitHub发现一个了超级良心的RAG学习宝库
这篇GitHub资源是RAG技术学习的实用宝库，系统整理了21种RAG实现方案，涵盖从基础到前沿的技术。亮点在于每个方案都配有可运行的Jupyter Notebook教程，采用阶梯式设计：基础篇（语义分块等）、进阶篇（自适应RAG等）和前沿篇（图结构RAG等）。所有代码都有详细注释，特别适合开发者通过实践快速掌握RAG核心技术，比纯理论资料更具实用价值，是项目开发和面试准备的优质参考资源。
2025-06-20 17:29:24
424
原创 什么是LLM？了解AI大型语言模型_ai的llm
大型语言模型（LLM）作为人工智能领域的前沿技术，基于Transformer架构和自注意力机制，能够高效处理复杂语言任务。其核心优势包括动态计算图带来的灵活性、用户友好的API接口、强大的生态支持，以及GPU加速能力。LLM通过海量文本数据训练，掌握了语言的深层规律，在文本生成、翻译、问答等场景展现出强大性能。这种技术不仅重塑人机交互方式，更推动着各行业的智能化转型。
2025-06-20 17:23:53
442
原创 告别焦虑！2025年最适合程序员的转行选择都在这里了
对于程序员转行方向的推荐，可以基于当前的技术趋势、市场需求以及程序员的个人技能和兴趣来综合考虑。以下是一些推荐的转行方向：
2025-06-19 18:41:28
1466
原创 什么是工作流？如何创建和编排AI智能体工作流_ai工作流
摘要： 智能体工作流（AI Agent Workflow）利用AI智能体自动化业务流程，提升效率并减少错误。吴恩达预测其将成为未来企业数字化转型的核心技术。工作流通过预定义步骤分解复杂任务，如烹饪流程或医疗诊断，确保稳定性和可复现性。常见设计模式包括增强型LLM、提示链、路由器等，开发者可灵活组合使用。构建流程涵盖创建、编排、测试、发布及配置。应用场景包括智能客服、内容创作等需多步骤处理的任务。智能体工作流通过动态决策和自动化执行，显著优化传统工作流程，推动企业创新与效率提升。
2025-06-19 18:33:16
1344
原创 为什么越来越多程序员选择转型为AI大模型工程师？
现如今大模型岗位需求越来越大，但是相关岗位人才难求，薪资持续走高，AI运营薪资平均值约18457元，AI工程师薪资平均值约37336元，大模型算法薪资平均值约39607元。• 成为一名全栈大模型工程师，包括Prompt，LangChain，LoRA等技术开发、运营、产品等方向全栈工程；• 能够拥有模型二次训练和微调能力，带领大家完成智能对话、文生图等热门应用；• 薪资上浮10%-20%，覆盖更多高薪岗位，这是一个高需求、高待遇的热门方向和领域；• 更优质的项目可以为未来创新创业提供基石。
2025-06-18 22:44:17
976
原创 AI大模型·白皮书 | 2025年智能体落地最佳实践白皮书（127页）
《2025年智能体落地最佳实践白皮书》系统阐述了以LLM为核心的智能体技术架构与商业落地路径。报告指出智能体具备自主决策、工具协同和闭环控制三大特征，能实现端到端自动化。在中国市场主要分为互联网公司、开源类、软件厂商Copilot和LLM原生四类。落地方法论包含评估、实施、集成、监控、扩展五阶段和三步曲（体验-验证-部署），并介绍容智Agent-100与HyperAgent平台的技术优势。实践案例显示，智能体已在金融、运营商、制造业等多行业成功应用，如银行信贷流程优化、保险销售培训提升等，验证了技术商业价值
2025-06-18 22:26:12
574
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