- 博客(694)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【必学收藏】小白必看：Agent与LLM的区别，一文带你入门大模型智能体
如果说LLM让AI“学会了说话”，那么Agent就是让AI“学会了做事”。它不是取代LLM，而是给LLM赋予了“行动能力”，让人工智能从“屏幕里的问答工具”，变成“融入生活的智能伙伴”。未来，我们不用再适应AI的“规则”，而是AI主动适应我们的需求——这就是Agent最核心的价值。现在，你搞懂Agent和LLM的区别了吗？保证100%免费。
2025-11-24 13:48:53
709
原创 收藏备用！程序员必看：3个月用大模型实现技能跃迁
有人担心“大模型会取代程序员”，但实际情况是：大模型正在淘汰“只会重复编码”的程序员，同时催生了大量“会用大模型提升效率”的新岗位。你不用成为AI算法专家，但必须成为“懂编程+会用大模型”的复合型人才。作为程序员，你有扎实的编程基础、丰富的工程经验，这些都是学大模型的“底气”。从今天开始，花1小时熟悉OpenAI API，用3天掌握LangChain的基础使用，用1周做一个“代码注释生成工具”——你的大模型转型之旅，就从这些小步骤开始。记住：在技术变革的浪潮中，最好的应对方式不是观望，而是主动拥抱。
2025-11-24 13:42:41
698
原创 【涨薪必备】深入解析大模型MoE架构：专家混合模型原理与应用
专家混合（MoE）是一种基于Transformers的高级架构，通过激活少数专业网络（专家）使模型更高效。MoE由专家（轻量级前馈神经网络）和路由器（选择最相关专家）组成。每个输入只使用少数专家，大幅降低计算成本，提升模型容量，并允许不同专家专注于不同任务。这种模块化方法使模型能扩展到数千亿参数，同时保持推理高效，是下一代AI系统的强大工具。每个专家都是一个轻量级前馈神经网络，每次只根据输入选择少数专家。该选择由路由器处理，在推理过程中动态选择每个标记最相关的专家。
2025-11-24 13:41:07
564
原创 【珍藏】AI Agent实战：从零构建企业级Helm Chart自动生成器的架构演进与关键技巧
朋友的复盘里有句话很戳我：“最开始想做‘能自己解决所有问题的 Agent’，后来发现，当前阶段的好 Agent，是‘知道自己不能做什么，且能靠工程弥补’的 Agent。AI-Agent 的落地，从来不是 “让 AI 替代人”，而是 “用 AI 补效率，用工程控风险”，就像这次生成 Helm Chart，AI 负责分析 docker-compose、生成 YAML 片段，工程负责定流程、做校验、补反馈，两者结合才是当前最务实的路径。保证100%免费。
2025-11-23 15:00:00
450
原创 RAG技术全解析：大模型入门到避坑，程序员必备收藏指南
RAG（Retrieval Augmented Generation, 检索增强生成），即LLM在回答问题或生成文本时，先会从大量文档中检索出相关的信息，然后基于这些信息生成回答或文本，从而提高预测质量。图源：网络。
2025-11-23 10:45:00
1044
原创 速藏！大模型学习闭环：小白入门不踩坑，程序员30天练出实战能力
学完Prompt工程还是不会用？”“调通API却做不出完整项目？”“看了无数教程，一到实际问题就卡壳？”很多人在大模型学习中陷入“碎片化学习陷阱”——知识点学了不少，但串不起来，更无法转化为解决问题的能力。真正高效的大模型学习，核心是构建“认知-技能-实战-复盘”的闭环。本文摒弃空泛理论，针对小白和程序员设计“阶梯式实战任务”，从10分钟能上手的小操作，到可写进简历的项目，帮你把知识变成能力，30天内形成稳定的学习节奏。
2025-11-22 14:29:14
692
原创 小白必看！大模型幻觉终结者：RAG技术全解析，建议收藏
想象一下，你正在教一个外星人理解地球语言。这个外星人不懂中文、英文，但它精通数学。你怎么向它解释"苹果"这个词的含义呢？向量的神奇之处就在于：它把人类语言中模糊的、主观的语义概念，转换成了精确的、可计算的数学表示(最终形态是 一个固定长度的浮点数数组)。
2025-11-22 14:28:06
562
原创 【收藏】DeepAgent框架详解：构建具备深度思考能力的AI Agent
DeepAgent将自己定位为，它本质上仍是工具调用循环，但集成了让智能体深度思考的核心能力。与传统框架不同，DeepAgent通过内置工具和能力，让开发者专注于业务逻辑，而非基础设施搭建。字典配置"description":"用于深度研究复杂问题","system_prompt":"你是一个专业的研究助手，擅长多步骤信息收集和综合","model":"openai:gpt-4o",# 可选：覆盖主智能体模型。
2025-11-22 14:25:37
980
原创 【建议收藏】大模型入门到就业：避开95%新人会踩的坑，4个方向精准定位
本文解析了大模型产业链的5个层次，揭示了新人常犯的3大误区，并针对不同背景人群推荐4个发展方向：数据方向(最适合小白入门)、平台方向(程序员最优路径)、应用方向(体现个人技术视野)和部署方向(高门槛但稀缺)。文章提供了三阶段学习路线：认知构建、实战落地和项目打磨，强调"体系与思考方式"比单纯知识点更重要，通过实际项目经验才能在大模型领域获得竞争优势。站在现在回头看，会发现一个有趣的现象： AI 大潮滚滚 2 年，流量的风向能变，岗位的 JD 能变，各家模型能天天更新，
2025-11-21 14:14:44
929
原创 收藏必学！大模型时代AI智能体架构设计的9大核心技术详解
本文详解了AI智能体架构设计的9大核心技术：AI智能体基础架构、Agentic AI多智能体协作、WorkFlow任务流程、RAG检索增强、模型微调、函数调用、MCP协议、A2A智能体通信及AG-UI用户交互。这些技术共同构建了大模型应用落地的完整技术栈，解决了从模型训练到实际应用的各类挑战，为开发者构建高效、灵活的AI智能体系统提供了全面指导。
2025-11-21 14:12:21
1052
原创 大模型应用开发：合同审核Agent实战教程，附完整代码实现（建议收藏）
本文详细介绍了如何使用Dify平台搭建合同审核Agent，解决传统人工审核面临的审核盲区、效率瓶颈和知识断层三大挑战。文章从合同文件处理、要点审核到批注生成三个阶段，讲解了文件格式转换、大模型Prompt设计、审查结果处理和批注插入等技术细节，通过自定义插件和优化大模型应用，实现了合同风险的自动化、标准化与前置化审核。
2025-11-21 14:07:39
1274
原创 【收藏必备】RLFactory：低代码快速训练端到端Agent模型，效率提升2倍+
RLFactory是一个开源的端到端RL后训练框架，通过低代码方式快速训练Agent模型。它解耦环境与训练，只需配置工具和奖励函数，支持异步调用，效率提升2倍+。支持多种奖励计算方式，提供多智能体扩展性。5小时可训练DeepSearch Agent，Qwen3模型无需SFT即可精准调用工具。Deepseek-R1 的成功已经证明了纯 RL 路线的强大潜力，但现有 RL 框架对于工具配置和奖励设计要求较高的工程能力。
2025-11-20 16:15:00
1659
原创 收藏必备：MemOS大模型记忆操作系统，让AI真正“记得住、学得进、更懂你“！
你可以通过提示词工程（Prompt）让模型执行任务，你也可以通过上下文工程（Context）让模型更聪明。但只有拥有记忆（MemOS），它才真正认识你、理解你、陪伴你，并且与你一起成长。智能始于记忆，更成于记忆！MemOS，让 AI 不止回应，还更懂你！
2025-11-20 11:47:03
940
原创 【收藏级干货】检索增强生成(RAG)技术全面解析：2020-2025年高被引研究总结
本文是2020-2025年RAG技术的系统性文献综述，全面介绍了检索增强生成的关键技术组件，包括检索机制、向量数据库、文档分块、编码器、训练方法和生成模型等。文章探讨了创新方法如迭代检索、结构化感知和记忆增强RAG，详述了评估指标和面临挑战，如计算资源权衡、数据噪音、领域漂移和安全风险等。为开发者提供了构建高效RAG系统的全面指南。
2025-11-19 15:45:00
1483
原创 收藏必备！2025年程序员AI大模型转型指南：5条高薪路径，告别35岁危机，薪资翻倍不是梦！
35岁怕被淘汰？AI时代程序员反迎黄金期，解锁这些技能薪资翻番不是空想！"人工智能+"已深度融入国家战略布局，写进政府工作报告的背后，是产业数字化转型的全面提速。在这场技术革命中，程序员群体正站在时代机遇的十字路口——数据显示，AI相关岗位薪资普遍比传统开发岗高出30%-50%，头部AI工程师年薪破百万早已不是行业传说。面对AI浪潮，是驻足观望还是躬身入局？本文为你拆解2025年程序员最值得深耕的5大AI转型赛道，从零基础到技术专家，一步步带你实现职业超车！
2025-11-19 11:16:00
763
原创 收藏必备！从零开始理解大语言模型(LLM)基础原理：一文掌握Transformer与GPU并行训练
神经网络诞生于20世纪40年代，取得重要突破的节点在20世纪70年代、20世纪80年代、21世纪初。20世纪70年代：Paul Werbos博士提出了影响深远的Back Propagation的神经网络学习算法，实际上找到了训练多层神经网络的方法。
2025-11-19 11:10:08
1054
原创 RAG分块策略完全指南：解决大模型幻觉与信息检索难题，建议收藏学习
分块策略优点缺点适用场景固定大小分块实现简单，资源高效语义断裂，信息冗余快速处理非结构化文本语义分块语义完整，检索精准计算复杂，依赖阈值高精度问答、复杂文档递归分块灵活适应长文档，保留结构块大小不均，逻辑断裂风险长篇技术文档、企业报告基于结构的分块逻辑清晰，检索高效依赖格式标准化，预处理复杂结构化文档（论文、白皮书）基于LLM的分块高度智能，适应非结构化文本计算成本高，决策过程不可控非结构化内容、跨领域整合4、RAG分块策略选择建议。
2025-11-18 15:15:00
1005
原创 大模型学习不止于入门：3个成长策略，让你在行业里走得更远
很多人问我：“大模型行业会不会像之前的AI热潮一样降温？现在入行还来得及吗？”我的答案是：“真正的技术革命，从来不是昙花一现，而那些只追风口、缺乏核心能力的人，才会被淘汰。大模型不是“短期风口”，而是“长期趋势”，它正在重构各行各业的技术体系。但这个行业需要的不是“跟风的学习者”，而是“能持续成长的创造者”。不要被短期的技术迭代打乱节奏，也不要因暂时的困难而停滞不前。搭建扎实的底层能力，深耕一个领域，用项目积累经验，用交流拓宽视野——这样的成长路径，无论行业如何变化，你都能站稳脚跟。
2025-11-18 11:06:17
1206
原创 【必学收藏】AI Agent开发框架全面解析：从入门到实战，助你轻松构建智能体
本文介绍了7款主流AI Agent开发框架：LangGraph、AutoGen、CrewAI、OpenAI Agents SDK、Google ADK、MetaGPT和PydanticAI。每个框架都有其独特的设计理念和核心功能，如LangGraph的有状态工作流、AutoGen的多智能体协作、CrewAI的独立高性能框架、OpenAI Agents SDK的极简核心原语、Google ADK的模块化设计、MetaGPT的软件公司角色模拟以及PydanticAI的类型安全。
2025-11-18 11:02:09
783
原创 Agentic RAG技术深度解析：大模型进阶必备，值得收藏的技术指南
RAG技术是人工智能领域的重大突破，它将LLMs的生成能力与实时数据检索相结合。尽管LLMs在自然语言处理领域展现出卓越能力，但由于依赖静态预训练数据，它们的回应常常存在过时或不完整的问题。RAG技术通过动态检索并整合外部信息源的相关内容到生成过程中，解决了这一限制，从而实现了上下文准确且信息更新的输出。Agentic RAG代表了人工智能领域的变革性突破，通过整合自主智能体克服了传统RAG系统的局限性。
2025-11-17 15:30:00
851
原创 大模型微调技术全解析：SFT、ReFT、RLHF、DPO深度对比与实战指南(建议收藏)
四种方法中，ReFT、RLHF 和 RLAIF 都使用了 PPO 作为强化学习算法，区别在于奖励信号的来源不同：ReFT 来自自动化程序的评估，RLHF 来自人类反馈，RLAIF来自AI模型的反馈。只有 DPO 方法使用了监督学习的方式，不采用 PPO 等强化学习算法，而是直接利用人类偏好数据和模型优化模型。那么，为什么 DPO 不用强化学习，而采用监督学习？强化学习方法（如 PPO）需要模型在环境中自行探索，通过试错学习获得奖励信号，这个过程复杂，训练不稳定，且调参困难。
2025-11-17 11:08:12
1047
原创 【必收藏】大语言模型智能体全面指南：从入门到精通
随着人工智能技术的发展，构建通用人工智能成为一个重要目标。通用人工智能需要具备广泛的认知能力，可以感知环境、进行复杂推理、做出判断，并采取行动参与各类任务。近年来，大语言模型的进步为实现通用人工智能带来了希望。它们在语言理解、推理、知识学习等方面表现卓越，被视为通用人工智能的潜在途径。如何在大语言模型的基础上构建真正的智能体，使其具备自动感知环境、推理规划、执行交互等全方位能力是一个关键课题。本文将全面讨论基于大语言模型的智能体相关问题。我们首先阐述智能体的关键属性，分析大语言模型如何满足其需求。
2025-11-16 09:15:00
1627
原创 【必学收藏】RAG 2.0技术深度解析：从挑战到前沿技术，小白也能掌握的大模型检索增强生成指南
过去一年可谓是RAG元年，检索增强生成技术迅速发展与深刻变革，其创新与应用已深刻重塑了大模型落地的技术范式。站在2025年，RAG不仅突破了早期文本处理的局限，更通过多模态融合、混合检索优化和语义鸿沟跨越等突破，开始在各个行业落地。如果把2024之前的RAG称为RAG 1.0，那目前已进入RAG 2.0时代。一个显着的进步是长上下文窗口，这一功能引发了争议，但到年中逐渐平息。很多人觉得长上下窗口就够了，传统的检索和RAG会被取代。
2025-11-14 13:30:00
1617
原创 收藏必学！DeepSearcher大模型实战：从RAG到GraphRAG的升级之路，轻松应对复杂信息检索需求
DeepSearcher 的先进性在于它突破了传统检索和生成的分步模式，深度整合深度学习，优化整个搜索过程。
2025-11-14 10:00:00
1025
原创 【必藏】大模型工作原理揭秘：从预测下一个词到智能对话的完整指南
大语言模型本质上是预测下一个词的复杂数学函数，通过处理海量文本数据学习语言规律。预训练阶段使用反向传播算法调整数亿至数千亿参数，使模型具备基础预测能力。随后通过基于人类反馈的强化学习(RLHF)优化，使其成为合格的AI助手。Transformer架构和注意力机制使模型能并行处理文本，关注上下文信息。尽管模型行为难以完全解释，但已能生成流畅自然的回答。
2025-11-13 13:46:50
1086
原创 【收藏必备】从零开始实现RAG检索增强生成：Spring AI构建智能问答系统
RAG（检索增强生成）是一种结合信息检索与文本生成的技术，通过外部知识库动态补充信息，提升大语言模型回答的准确性和时效性。本文详细介绍了如何使用Spring AI框架构建基于本地知识库的AI问答系统，包括环境配置、文档加载、向量存储、查询增强等关键步骤。通过实现文档ETL流程和QuestionAnswerAdvisor拦截器，使AI能够基于特定知识库提供精准回答，有效解决了传统LLM可能产生"幻觉"或提供过时信息的问题。
2025-11-12 14:45:00
1118
原创 深入浅出大模型RAG技术：解决知识局限、幻觉问题的终极方案（建议收藏）
在大型语言模型时代，RAG的具体定义是指在回答问题或生成文本时，首先从大量文档中检索相关信息的模型。随后，它利用这些检索到的信息来生成响应或文本，从而提高预测的质量。RAG方法允许开发人员避免为每个特定任务重新训练整个大型模型。保证100%免费。
2025-11-12 10:38:29
721
原创 AI Agent终极指南：核心机制、主流平台、应用场景全解析（建议收藏）
各大平台均设有官方 GPTs 应用商店，汇聚了丰富多样的插件与模型，能满足用户多元化的需求。这些插件和模型涵盖了从专业领域（如医疗、金融）到日常生活（如娱乐、学习）的各个方面，用户可以根据自己的需求选择合适的应用，扩展 Agent 的功能。单智能体由大语言模型（LLM）、观察（obs）、思考（thought）、行动（act）和记忆（mem）组成。例如，在一个简单的智能问答系统中，LLM 负责理解用户问题并生成回答，观察用户输入，通过思考确定回答策略，执行回答动作，并利用记忆存储和检索相关信息。多智能体。
2025-11-11 14:38:53
905
原创 算力胜人力！大模型时代程序员生存指南，建议收藏
这场裁员潮是商业文明底层逻辑的重构。AI不仅改变工作方式，更重新定义"工作"本身。企业面临生存之战，谁能率先完成"人力驱动"到"算力驱动"的转型，谁就能在未来竞争中占据主动。个人面临危机，去拥抱AI，成为驾驭工具的"超级个体"，打造自己的"产品化服务系统"，这才是穿越效率革命的唯一出路。未来已来，准备好了吗？
2025-11-11 14:37:22
1099
原创 大模型落地指南：构建企业级AI闭环生产线，收藏级干货
能力层是对外的契约边界：把模型能力通过标准化 API 暴露，明确输入/输出、SLA失败降级策略和成本模型。典型能力包括：文本理解/生成、智能客服、图像识别/生成、视频分析代码生成与智能专家系统。把架构落到执行细节，才能把 AI 的潜力变成商业价值技术框架只是第一步，关键在工程化落地、产品化运营与治理闭环。把算力、模型、平台、能力、应用与治理五层连成一条生产线，把每个模块做成"可注册、可评测、可回滚"的产品，企业才能把 AI 的每次迭代真正转化为业务增长。
2025-11-11 14:36:39
938
原创 字节 / 阿里都在抢！2025 程序员入局 AI 大模型，从入门到突围
在人工智能从"技术概念"转向"产业刚需"的关键节点，大模型已然成为行业竞争的战略制高点。它不仅在医疗、金融、制造等领域掀起效率革命，更给技术从业者开辟了一条宽赛道——这里既有技术迭代的快感，更有职业增值的无限可能。薪资壁垒显著：大模型应用开发、大模型算法优化等岗位的起薪普遍比传统开发岗位高出40%-60%，资深工程师年薪突破百万已成行业常态，薪资增长曲线远快于传统IT领域。职业生命力强劲。
2025-11-10 11:51:29
1033
原创 【必学收藏】高级RAG技术详解：让AI回答更靠谱的10个实战技巧
本文详细介绍了高级RAG技术如何通过优化索引（HNSW算法、语义分块等）、检索（混合搜索、查询重写等）和生成（自动裁剪、重新排序等）环节，解决基础RAG系统中的幻觉问题、领域专一性不足和多轮对话困境等挑战。这些技术能显著提升AI问答系统的准确性、相关性和可靠性，使AI在医疗、教育等领域应用更加可靠实用。
2025-11-10 11:49:47
733
原创 收藏！AI Agent技术全解析：从LLM到智能体开发的实战指南
要说今年上半年科技圈的“网红”，AI Agent（人工智能代理）绝对算一个！笔者最近也紧跟潮流，对这玩意儿进行了深入研究，还用智能体开发平台搞了几个有意思的Agent。今天就来跟大家分享一下，笔者对AI Agent的“独家”理解！保证100%免费。
2025-11-10 11:46:25
1192
原创 重磅！GPT-5正式亮相，AI人才薪资天花板再刷新
AI圈沸腾了！OpenAI官宣的一则消息，直接引爆整个技术领域——，这场技术迭代来得比所有人预期都更快。权威大模型测评平台Artificial Analysis的实时数据已经给出答案：GPT-5一登场就实现弯道超车，直接超越此前稳居榜首的Grok4，强势登顶综合能力榜。更值得国人关注的是，在同期更新的开源模型TOP10榜单中，国产大模型占据六席，从DeepSeek到讯飞星火，中国力量在AI赛道的话语权正不断提升。GPT-5的发布如同导火索，让本就火热的AI赛道彻底进入"加速跑"阶段。
2025-11-08 11:51:29
904
原创 Agentic RAG必学指南：从RAG到AI智能体的融合技术，程序员收藏必备
检索增强生成（RAG），简单来讲，就是将大型语言模型与检索系统融合在一起，让模型在生成回答时，不再仅仅依赖于自身训练所学到的参数，而是能够从外部数据中获取支持，从而使回答更加基于事实。传统的大型语言模型（LLMs）虽然功能强大，但常常会出现一种情况，那就是生成看似合理却与事实不符的回答，这种现象被称为“幻觉”。RAG 通过引入一个外部检索步骤，很好地解决了这个问题。它能够从海量的外部数据中检索并添加事实性或上下文相关的信息。
2025-11-08 11:49:59
876
原创 收藏！从零开始学大模型：LLM基础原理到GPU集群训练全解析（小白友好版）
神经网络诞生于20世纪40年代，取得重要突破的节点在20世纪70年代、20世纪80年代、21世纪初。20世纪70年代：Paul Werbos博士提出了影响深远的Back Propagation的神经网络学习算法，实际上找到了训练多层神经网络的方法。
2025-11-07 14:12:12
641
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人