- 博客(5)
- 收藏
- 关注
RSS订阅原创 Gemini 3 Pro登顶AI排行榜：当AI能‘读懂‘整本书时，会发生什么？
Google最新发布的Gemini 3 Pro以1501分登顶AI排行榜，成为首个突破1500分的模型，其100万tokens的上下文窗口实现了AI"读懂"整本书的突破性进展。该模型在数学、多模态理解（图像/视频/音频）和中文处理等方面表现卓越，全面领先竞品。这一技术进步将深刻改变学术研究、商业分析、软件开发等领域的知识处理方式，使AI能够从全局视角理解复杂内容。尽管面临计算成本、响应时间等挑战，Gemini 3 Pro的推出标志着AI从"片段理解"到"全局
2025-12-08 09:25:27
780
原创 提示工程实战指南：从原理到落地
《提示工程实战指南：从原理到落地》摘要 本文系统介绍了大语言模型提示工程的实践方法。首先通过"好提示词"与"差提示词"的对比，展示了结构化提示词的优势。文章提出五大核心原则：明确目标边界、先结构后细节、语境优先、强约束弱文风、迭代驱动。详细解析了提示词的标准六部分结构：角色目标、输入上下文、硬性约束、输出格式、示例反例、评估自检。重点介绍了隐式CoT推理和自检机制的技术要点，通过内部推理和检查清单显著提升输出质量。最后总结了Few-shot对齐、分隔标注、指令层级化等
2025-11-30 18:48:52
599
原创 让Agent “想明白再干活”：深入解析 ReAct 模式
本文介绍了ReAct模式，这是一种让大语言模型具备"思考-行动"循环能力的框架。文章通过Python代码示例演示了如何实现一个简单的ReAct Agent：首先定义天气查询和翻译工具函数，然后构建核心逻辑，通过精心设计的Prompt引导模型分步骤完成任务。Agent会先获取天气信息，再进行翻译，最后整合结果。文章还提到实际开发中可以使用LangChain框架简化ReAct模式的实现。这种"边想边干"的方法使AI能够处理更复杂的多步骤任务。
2025-11-15 21:47:37
1039
原创 揭秘 AI Agent：从概念到实战，轻松看懂大模型“智能体”
摘要：AI Agent 是一种能够自主理解、规划并执行任务的智能程序，相比普通大语言模型（LLM）具有目标驱动、工具调用、记忆存储和决策循环等核心特征。文章通过对比表格阐述了Agent与LLM的关键差异，并详细解析了Agent的核心架构（大脑、工具箱、记忆库等组件）。同时介绍了主流的ReAct模式等设计范式，以及LangChain框架如何简化Agent开发。最后提供了智能客服Agent的Python实现示例，展示了从工具定义到Agent初始化的完整流程。
2025-11-08 22:37:06
904
1
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