- 博客(197)
- 资源 (3)
- 收藏
- 关注
RSS订阅
原创 【AGI】AI大模型持久战
中国AI大模型发展迅猛，DeepSeek R1与OpenAI比肩，开源策略推动技术追赶。文心5.0实现全模态创新，字节跳动Seedream 3.0媲美Midjourney。美国Anthropic禁令下，智谱等企业快速响应，提供无缝替代方案。Gemini 3.0发布凸显基座模型重要性。中国AI需持续突破技术瓶颈，保持开放优势，在中美"斗而不破"的竞争中走出自主道路。
2025-11-19 14:49:51
569
原创 【Agent】Agent各模块基本原理及代码实现
本文介绍了Agent系统中两大核心模块的工作机制：Memory模块通过对话缓冲窗口、摘要和混合模式处理长上下文，并实现记忆持久化；规划模块采用反思机制（Reflection）优化决策过程，结合SmartLLMChain实现智能推理，同时解析了CoT（思维链）原理及FewShot/ZeroShot/Auto等变体。系统通过多模式记忆管理和规划策略提升交互质量，为AI智能体开发提供技术参考。
2025-11-17 11:41:44
332
原创 【Agent】AI Agent架构趋势及演进
本文系统介绍了AI Agent架构的发展趋势和技术框架，涵盖单Agent与多Agent系统设计、提示词工程与上下文管理、SpringAI开发框架等关键技术。重点阐述了AI原生应用参考架构，包括Nacos配置管理、Higress AI网关、RocketMQ会话状态管理等核心组件解决方案。同时深入探讨了AI应用可观测性体系，包含OpenTelemetry全链路追踪、关键指标监控以及基于LoongSuite开源工具的数据采集评估方法，为构建高效可靠的AI应用提供了全景式技术参考。
2025-11-13 17:18:02
324
原创 【AIGC】大模型面试高频考点19：常见的17种RAG方案
本文系统梳理了当前主流的检索增强生成（RAG）技术体系，从基础分块到高级优化方法共分为四大类：1）基础分块与语义优化，包括简单切块、语义切块和上下文增强；2）检索优化与重排序，涵盖文档增强、查询转换和重排序技术；3）智能路由与自反思机制，如反馈闭环和自适应RAG；4）结构化与多源融合，包括知识图谱等。文章通过具体示例和评估结果(0.2-0.86分)展示了不同技术的实现难度与应用场景，其中自适应RAG评分最高(0.86分)，适用于复杂多变的业务场景。
2025-10-30 09:25:56
1240
原创 【RAG】Agentic RAG架构的基本原理与应用入门（四）：Agentic RAG
Agentic RAG（智能体增强检索生成）是传统RAG框架的升级版本，通过引入智能体（Agent）实现更智能的检索决策和交互。该架构结合了传统RAG的知识库检索和Web搜索等外部工具，形成一个动态决策系统。文章通过Python代码示例展示了如何构建包含本地知识库检索和实时网络搜索的Agentic RAG系统，并演示了其处理不同查询时的智能路由能力。该系统能根据问题类型自动选择检索方式，如查询"AI Agent是什么"时会优先调用本地知识库，而询问"OpenAI最新新闻&quo
2025-10-19 08:02:10
457
原创 【RAG】Agentic RAG架构的基本原理与应用入门（三）：使用LangGraph实现ReAct代理
本文介绍了如何使用LangGraph框架从零开始实现ReAct代理。首先讲解了LangGraph与LangChain的关系及其优势，接着详细展示了实现步骤：1）导入依赖包并定义Agent状态；2）通过SerperAPI实现实时联网检索工具；3）构建包含工具节点、模型节点和路由的工作流；4）定义问答流函数并进行测试。文章包含完整的代码示例，包括工具函数定义、工作流构建和测试验证，为开发者提供了实现AI代理的实用指南。
2025-10-18 08:41:06
715
原创 【RAG】Agentic RAG架构的基本原理与应用入门（二）：什么是AI Agent
本文介绍了AI Agent的基本概念、架构及其核心思想ReAct框架。AI Agent是一个动态循环系统，能够感知环境、处理信息并采取行动，适用于自然语言处理等场景。其基本架构包括环境感知、大脑处理（存储记忆知识和决策制定）和行动输出。ReAct框架结合推理和行动，通过思想-行动-观察循环提升模型的准确性和适应性。文章还展示了AI Agent的开发方法，包括手动、框架以及两者结合的方式。整体上，AI Agent通过不断学习和调整，实现了更智能的任务处理能力。
2025-10-18 08:40:41
817
原创 【RAG】Agentic RAG架构的基本原理与应用入门（一）：RAG的基本原理及实现
Agentic RAG是2024年AI领域的重要突破，通过将传统RAG（检索增强生成）与AI Agent技术结合，解决了复杂查询和多步骤推理的难题。传统RAG依赖两阶段流程（检索+生成），但存在信息冗余和Token限制问题。Agentic RAG引入自主代理机制，使系统能主动规划决策，动态优化检索过程。实践表明，采用LangChain等框架结合手动开发是最佳方案，其核心在于文档切分、向量检索与大模型生成的高效协同。该技术显著提升
2025-10-17 15:50:34
762
原创 【RAG】大模型RAG—从入门到起飞
本文介绍了RAG（检索增强生成）技术的原理与应用，重点分析了其核心组件和实现流程。RAG通过结合检索与生成模块，有效解决了大语言模型可能产生的信息不准确、知识滞后等问题。文章详细讲解了文本向量化模块的创建方法，特别是OpenAI最新发布的Embedding模型text-embedding-3-small和text-embedding-3-large的性能特点与调用方式。最后阐述了RAG系统的基本工作流程：索引构建、文档检索和条件生成，展示了如何通过检索增强来提升大模型输出的准确性和可追溯性。
2025-10-17 14:55:20
1019
原创 【具身智能】具身机器人VLA算法入门及实战（四）：具身智能VLA技术行业进展
具身智能VLA技术行业进展摘要 本文综述了具身智能VLA（视觉-语言-动作）技术在自动驾驶领域的最新进展。理想汽车发布了基于VLA的技术报告；小鹏汽车宣布研发VLA基座模型和世界模型，并拥有10EFLOPS算力；元戎启行计划年内推出基于英伟达Thor芯片的VLA量产车型；小米汽车与华中科技大学提出ORION框架，解决端到端自动驾驶的因果推理瓶颈。文章还列举了包括RT-2、OpenVLA等在内的关键VLA研究论文，展示了该技术在机器人控制、自动驾驶等领域的广泛应用和发展趋势。
2025-10-16 00:53:48
1274
原创 【具身智能】具身机器人VLA算法入门及实战（三）：VLA经典模型架构
VLA模型技术进展综述 当前视觉-语言-动作（VLA）模型在机器人控制和自动驾驶领域取得重大突破。谷歌DeepMind的RT-2通过动作文本化编码和联合微调策略，实现跨模态统一表示。OpenVLA作为首个开源VLA模型，显著降低技术门槛。OpenDriveVLA针对自动驾驶设计层次化视觉-语言对齐方法，提升语义理解能力。Figure.AI的Helix模型以200Hz高频控制刷新性能记录，采用快慢双系统架构。研究还提出双过程VLA模型优化计算效率，以及CoVLA数据集推动自动驾驶长尾场景突破。理想汽车的Dri
2025-10-16 00:46:23
1268
原创 【具身智能】具身机器人VLA算法入门及实战（二）：VLA技术概述
VLA（视觉-语言-动作模型）是一种融合视觉感知、语言理解和动作执行的多模态大模型，将动作作为直接输出，实现与物理世界的智能交互。相比VLM（视觉-语言模型），VLA在自动驾驶、机器人等领域具有更高上限，但面临数据不足、多模态对齐困难、模型复杂度高等挑战。训练数据量级不足且多样性有限，图像、语言和动作的异质模态难以同步对齐，三模态联合建模导致参数爆炸和推理速度下降。尽管Google RT-2等进展展示了潜力，VLA技术仍处于发展初期，需解决数据采集、模态对齐和模型优化等关键问题。
2025-10-15 09:13:58
826
原创 【具身智能】具身机器人VLA算法入门及实战（一）：具身智能系统及VLA
本文介绍了具身智能系统及VLA算法的入门知识。主要内容包括：1）常见具身智能系统架构；2）数据获取方式（Isaac Sim、Mujoco等平台）和数据增强方法；3）感知系统设计；4）具身智能学习方式；5）工业机器人应用需求；6）VLA架构及开源项目（如智元机器人、Openloong、UMI等）；7）机器人操作实际案例。重点解析了VLA（Vision-Language-Action）算法框架及其在机器人控制中的应用，展示了多个开源项目的技术特点，为具身智能研究和实践提供了系统性参考。
2025-10-15 09:07:20
811
1
原创 【项目】Celery：构建高可用分布式任务队列系统
Celery是一个Python编写的分布式任务队列系统，用于高效处理异步任务和后台作业。其核心架构包括客户端、消息代理（如RabbitMQ/Redis）和执行任务的工作者。通过@task装饰器定义任务，支持异步调用(delay/apply_async)和定时任务(Beat)。Celery提供任务重试、速率限制、优先级队列等功能，并可配置结果存储后端。典型应用场景包括邮件发送、数据处理等耗时操作，帮助提升系统响应速度和扩展性。
2025-09-25 21:41:26
1091
原创 【AIGC】大模型面试高频考点18-大模型压力测试指标
大模型压力测试需关注LLM特有指标和通用性能指标。LLM特有指标包括TTFT（首字时间）、TPOT（每令牌时间）和TPS（每秒生成token数），直接影响用户对生成效率和流畅性的感知。通用性能指标涵盖响应时间分布（p50/p95/p99）、QPS（每秒请求数）、错误率、吞吐量和资源利用率（CPU/GPU/内存/网络），反映系统稳定性与承载能力。压测需结合具体场景，通过监控工具收集数据，确保大模型服务满足性能需求。
2025-09-21 21:52:24
1584
原创 【项目】Youtu-Agent+Youtu-GraphRAG重塑AI智能体与知识推理未来
腾讯优图实验室开源了Youtu-Agent智能体框架和Youtu-GraphRAG知识推理框架，形成"AI王炸组合"。Youtu-Agent支持多模态感知和复杂任务执行，性能强劲且易于使用；Youtu-GraphRAG通过创新的四层知识树架构，显著提升知识检索效率和准确性。二者协同实现"行动+思考"的AI能力，适用于企业知识库、科研分析等场景。该开源方案展现了国产AI技术的突破性进展，为开发者提供了高效、低成本的AI应用构建方案。
2025-09-21 10:17:39
1779
1
原创 【AI推理部署】服务化部署篇01—FastAPI
FastAPI是一个基于Python 3.6+的高性能异步Web框架，具有编码快、Bug少、直观简单等特点。它基于Pydantic进行数据验证，Starlette处理异步请求，Uvicorn作为ASGI服务器。快速创建应用时，使用@app.get装饰器定义路由，支持路径参数和查询参数，并自动生成交互式API文档。安装只需pip install fastapi，运行命令uvicorn main:app --reload启动开发服务器。FastAPI兼容同步和异步模式，简化了Web API开发流程。
2025-09-14 11:57:24
1582
原创 【AI推理部署】Docker篇03—Docker容器和镜像操作
本文总结了Docker镜像和容器的主要操作命令。镜像操作包括查看、搜索、下载、运行、删除、保存和加载镜像的命令示例。容器操作则涵盖查看、启动/停止、删除、进入容器以及容器导出/导入等常用命令，并对比了attach和exec两种进入容器方式的区别。文中提供了详细的命令语法和参数说明，如docker images查看镜像、docker run运行容器、docker rm删除容器等，帮助用户快速掌握Docker的基本操作。
2025-09-14 10:41:58
290
原创 【项目】多模态RAG—本地部署MinerU实现多类文档解析
【摘要】开源工具MinerU由OpenDataLab团队开发，支持本地部署实现多类文档（PDF/Word/Excel/图片等）解析，可保留原始格式并转换为Markdown/JSON。该工具具备OCR识别、表格/公式转换、多语言支持等功能，适用于RAG、文档数字化等场景。项目通过API服务实现政策文件解析需求，将附件转为Markdown后再生成HTML展示，解决了政务问答系统中格式丢失问题。安装部署包含模型下载和Python服务端搭建，提供RESTful接口供其他系统调用。
2025-09-01 23:22:59
1708
原创 【项目】多模态RAG必备神器—olmOCR重塑PDF文本提取格局
olmOCR是一款开源Python工具包，专为解决PDF文本提取难题而设计。它通过文档锚定技术和微调7B视觉语言模型两大核心技术，能高效转换复杂PDF为结构化文本，保留自然阅读顺序，并精准识别表格、公式等元素。相比传统OCR工具，olmOCR在学术文献数字化、企业文档处理等场景中展现显著优势：处理速度快数倍，准确率达95%以上，且成本仅为GPT-4o API的1/32。支持GPU加速和集群部署，用户可通过简单安装步骤实现本地或大规模PDF处理。
2025-09-01 22:50:33
1199
原创 【AIGC】大模型面试高频考点17-常见的8种参数高效微调策略（PEFT）
本文介绍了大模型微调中的8种常见策略：LoRA（低秩适应）、QLoRA（量化LoRA）、Adapter Tuning（适配器调优）、Prefix Tuning（前缀调优）、Prompt Tuning（提示调优）、P-Tuning及v2版本，以及LoRA+MOE混合方法。这些技术通过参数高效微调（PEFT）显著降低计算成本，适用于不同应用场景。配图直观展示了各类方法的架构特点，为面试准备和技术选型提供了实用参考。
2025-08-26 11:53:51
652
原创 【AGI】全球多模态模型开源新标杆-GLM-4.5V
智谱推出新一代开源视觉推理模型GLM-4.5V（106B参数），在41个多模态榜单中取得SOTA性能。该模型基于GLM-4.5-Air基座，具备图像/视频理解、GUI操作、文档解析等全场景视觉推理能力，并新增"思考模式"开关。典型应用包括：网页/视频前端复刻、图片翻译、GUI Agent操作、图表转换、学科解题及复杂文档深度解读。同步开源的桌面助手应用可实时处理屏幕内容，赋能开发者构建多模态应用。模型在视觉定位、推理深度等方面表现优异，为AGI发展提供了新的技术探索。
2025-08-12 03:04:04
1068
原创 【狂飙AGI】2025年上半年中文大模型综合性测评
海外模型o3以73.78分领跑全球榜单，o4-mini(high)和Gemini-2.5-Pro分列二、三位。国内最佳表现来自字节跳动的Doubao-Seed-1.6-thinking-250715（68.04分），但国内外头部模型在推理任务上仍存在近10分差距。 国内开源模型表现突出，DeepSeek-R1-0528以66.15分居开源榜首，领先海外开源模型近20分。Qwen3系列小参数量模型在细分领域表现亮眼。 在智能体任务中，Doubao-Seed以90.67分全球
2025-08-09 12:35:42
2887
原创 【AGI】GPT-5：博士级AI助手的全面进化与协作智能时代的黎明
2025年8月，OpenAI发布GPT-5，采用1.8万亿参数MoE架构，实现博士级专业能力（数学推理94.6%、编程74.9%），支持200K tokens工作记忆与多模态统一处理。其动态路由系统可调用快速模型（gpt-5-main）或深度推理模型（gpt-5-thinking），效率较GPT-4提升40%。横向评测显示，GPT-5在推理、编码等维度全面领先Gemini 2.5 Pro、Claude 4等竞品，成本仅$1.25/百万tokens。
2025-08-09 10:40:18
1424
原创 【狂飙AGI】第10课：大模型评测2-AI产品能力测评
本文介绍了三类AI产品的能力测评标准：1）AI代码编程助手侧重代码补全、错误检测等开发效率指标；2）AI原生搜索产品评估搜索准确性、结果相关性及响应速度；3）AI实时语音产品评测语音识别准确率、延迟及交互流畅度。通过建立系统化测评基准，可客观评估不同AI产品在专业领域的实际表现，为技术优化和产品改进提供依据。
2025-07-21 14:15:32
366
原创 【狂飙AGI】第9课：大模型评测1-通用能力测评
本文系统梳理了大模型评测体系，围绕通用能力测评展开分析。首先回顾大模型发展历程，展示最新评测数据及中文大模型全景图。重点解析综合评测框架，包括理科能力（数学、物理等）、文科能力（语言理解、创作）以及Hard测评（复杂指令执行）三大维度。通过测评模型横向对比与总榜排名，全面评估当前主流大模型的核心性能表现，为技术选型与应用提供参考依据。
2025-07-21 12:24:59
216
原创 【AGI】跨平台智能引擎：Java+AI大模型融合的技术纵深
本文探讨了Java与AI大模型的融合技术，重点分析了Deeplearning4j和DJL两大Java框架的优势与应用。Deeplearning4j作为原生Java深度学习框架，支持端到端模型训练与部署，深度集成Java生态系统；DJL则提供跨语言接口，支持直接加载预训练模型。两者通过JVM的跨平台性和企业级稳定性，有效降低了Java开发者使用大模型的门槛。文章还指出，这种技术融合不仅拓展了大模型的工业落地场景，也推动了Java生态的智能化转型，为构建高性能、高可靠的企业级AI应用提供了新路径。
2025-07-21 00:54:46
1212
原创 【项目】MCP+GraphRAG搭建检索增强智能体
本文介绍了如何搭建MCP+GraphRAG检索增强智能体系统。主要内容包括：1) 使用uv工具初始化项目并创建虚拟环境；2) 配置GraphRAG索引，包括数据上传和索引构建；3) 创建RAG服务器端，通过FastMCP实现查询接口；4) 构建客户端程序与服务器交互。系统采用Parquet格式存储实体和社区数据，支持多段落响应，可用于机器学习等领域的知识检索任务。文章详细说明了环境配置、代码实现和关键参数设置，为构建基于知识图谱的智能问答系统提供了完整方案。
2025-07-18 18:39:06
818
原创 【狂飙AGI】第8课：AGI-行业大模型（系列2）
摘要：本文探讨了AIGC（生成式人工智能）在多个领域的应用与发展趋势，包括传媒、移动互联网、社交媒体、元宇宙、具身智能、空间智能等新兴技术场景。同时分析了AI在预测、评测、数据模拟、伦理规范方面的关键作用，以及其在新闻业、数据挖掘、编程辅助等专业领域的创新实践。最后展望了AIGC人机共生引擎的未来发展方向，呈现了人工智能技术深度融合产业生态的多元可能性。（149字）
2025-07-04 23:51:06
399
原创 【狂飙AGI】第7课：AGI-行业大模型（系列1）
本文展示了AI技术在各领域的创新应用：从服装史研究实现"GPT时刻"，到医疗领域开发多学科诊疗系统和生物医药大模型；在教育领域构建个性化学习模型，在心理健康领域打造咨询辅助系统；工业设计大模型支持创意生成，出版和舆情领域也实现智能化转型。这些案例体现了AI技术正在深度赋能传统行业，推动跨学科融合发展。
2025-07-04 23:32:14
383
原创 【AGI】突破感知-决策边界：VLA-具身智能2.0
视觉语言动作模型（VLA）通过端到端学习突破传统模块化系统的局限，将视觉感知、语言理解和动作生成统一为智能决策闭环。其核心架构包含多模态融合机制，如OpenVLA等开源模型在泛化性和效率上表现突出，支持复杂场景的零样本任务执行。VLA在工业操作、人机协作、自动驾驶等领域展现潜力，但仍面临数据稀缺、安全验证等挑战。未来趋势包括多任务泛化、世界模型集成等，推动具身智能向通用化发展。VLA的类人交互模式使其成为Physical AI落地的关键技术。
2025-06-21 23:39:18
1751
原创 【狂飙AGI】第6课：前沿技术-文生图（系列2）
本文探讨了当代美学理论与AIGC创作实践的结合。第一部分系统阐述了错时空、无厘头、迷融汇等7种前沿美学理论形态，通过视觉图示呈现其核心特征。第二部分展示AIGC生成的艺术作品，体现算法创作的美学可能性。第三部分介绍AI自动化工作流技术，为艺术创作提供工具支持。文章揭示了人工智能时代美学理论的新发展路径与艺术实践的技术支撑，附有相关技术课程参考资料。全文通过理论阐释与作品展示，呈现了数字美学与智能创作的融合趋势。
2025-06-15 11:22:58
376
原创 【狂飙AGI】第5课：前沿技术-文生图（系列1）
本文探讨AI绘画的美学本质与发展。通过分析国内外AI转绘展览，提出AI创作的七大美学理论：不可能美学（突破现实限制）、趋无限美学（极致表现）、反物理美学（违背自然规律）、异世界美学（构建奇幻场景）、高细节美学（微观极致）、超风格美学（融合多元风格）和多尺度美学（宏观微观切换）。这些理论揭示了AI绘画在视觉表达上的革新潜力，展现了人工智能艺术创作的独特美学价值。
2025-06-15 10:59:17
450
原创 【狂飙AGI】第4课：前沿技术-具身智能
人形机器人技术取得突破性进展，中国研发实力跻身全球前列。文章系统梳理了人形机器人的发展现状，包括基础概述、实际应用场景和前沿技术创新。通过宇树机器人等典型案例，展示了国产机器人在运动控制（如鲤鱼打挺、太极等复杂动作）方面的技术突破。同时分享了2024全球十大人形机器人榜单，呈现了中国在该领域的强势崛起态势。视频链接提供了机器人最新发展动态的直观展示，反映出人形机器人技术正快速向实用化、智能化方向发展。
2025-06-14 10:42:26
276
原创 【狂飙AGI】第3课：大模型时代前沿技术
本文系统梳理了AI领域五大前沿方向：1）智能涌现现象展示AI的自主学习能力；2）Transformer架构迎来重大革新，计算效率提升50%；3）Agent技术呈现多元化落地，涵盖AI小镇、ChatDEV软件开发、清华AI医院等创新应用；4）具身智能取得突破，DeepMind已开发出具备足球技能的智能体；5）推荐阅读包含音乐生成大模型Suno V3等最新研究成果。这些进展共同推动着AI技术向通用智能迈进，展现了从算法创新到产业应用的完整发展路径。
2025-06-12 23:27:55
701
最强技术的数字人AI MV，OmniHuman-1+一致性，AI MV的新高度，《白色皮卡丘》完整版
2025-06-14
【人工智能大模型】大模型方向市场分析：产业规模、政策引导、人才需求及薪资情况综述
2025-06-13
【大模型时代前沿技术】Transformer与Mamba架构对比及具身智能发展：智能涌现与Agent应用综述
2025-06-13
Model Convetor
2022-02-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人