- 博客(24)
- 收藏
- 关注
RSS订阅原创 线性回归模型详解
本文是一篇面向初学者的机器学习入门教程，从初中数学的二元一次方程出发，系统讲解了线性回归模型的原理与实现。全文通过十个章节构建完整知识体系：首先回顾直线方程概念，引出当数据点增多时需用"拟合"替代精确解；随后介绍损失函数（MSE/RMSE/MAE）作为评估标准，详细阐述两种优化方法（正规方程与梯度下降）的数学原理与实现差异；接着讲解数据标准化的必要性、模型评估指标及API使用；最后讨论欠拟合/过拟合问题及正则化解决方案。教程强调线性回归作为神经网络基础的核心地位，通过波士顿房价预测案例串
2026-08-16 20:17:28
394
原创 RAG评估指标体系-Ragas通俗解读
本文通过“检索员+写手”的比喻，通俗讲解RAG系统的核心评估指标。RAG评估分为检索和生成两个阶段：检索阶段关注精确率（Context Precision）衡量结果相关性，召回率（Context Recall）评估关键信息完整性；生成阶段考察忠实度（Faithfulness）防止幻觉，答案相关性（Answer Relevancy）确保回答切题。整体质量可通过答案正确性（Answer Correctness）综合检验。其中忠实度和相关性无需标注数据即可评估，召回率和正确性需参考答案。建议四指标起步组合评估，并
2026-08-14 13:40:54
404
原创 模型训练的常用方法及llama-factory支持的数据训练格式
本节主要介绍了模型训练的常用方法，优缺点、应用场景。及其llama-factory支持的这些方法的数据格式
2025-07-11 17:25:23
1427
原创 langgraph的ReAct应用
本节主要介绍了langgraph的ReAct的基本原理、优势、及应用场景。并以代码示例的方式介绍了ReAct是如何工作的，比如添加记忆、添加系统提示词、人机交互等。
2025-07-09 01:18:28
1283
1
原创 3 langgraph检查点的应用及原理
本节介绍了检查点的基本用法及原理，包括如何获取检查点、如何进行重播，如何存储到内存中，如何进行语义搜索，以及检查点在langgraph中的应用及具体实现
2025-07-07 01:35:24
1047
原创 7使用langchain构建智能体
本文介绍了如何通过langchain构建一个简单的智能体，并用代码示例介绍了如何使用langchain调用千帆v2版本的向量模型，以及在langchain中如何使模型去调用工具
2025-07-06 22:26:13
611
原创 langGraph核心组件功能
本节主要介绍了什么是langgraph的图，langgraph中的几个核心组件State、Node、Edges以及这些组件的用法
2025-07-05 00:15:35
1317
原创 langchain的消息管理及历史记录
本节主要介绍langchain的会话管理功能以及会话的历史记录。包括：消息存储在内存中，配置会话唯一健、消息持久化、裁剪消息、总结记忆等。
2025-07-04 01:00:00
840
原创 langgraph快速入门
LangGraph是一个用于构建有状态、多角色LLM应用程序的库，支持创建代理和多代理工作流。其核心优势包括：循环计算能力、精细流程控制和内置持久性。主要功能有循环分支、状态持久化、人机交互中断和流式输出。安装简单（pip install langgraph），通过定义节点、边和状态图实现复杂工作流。示例展示了基于天气查询的代理实现，包括工具调用、条件判断和状态维护，演示了如何构建可中断、可恢复的交互式应用。LangGraph与LangChain无缝集成，为LLM应用开发提供了更灵活强大的底层框架支持。
2025-07-03 22:40:53
1224
原创 4langchain服务部署及监控
本节介绍了langchain的服务部署及监控。包括Langserve服务部署、langserve的概述、特性及安装。Langchain Cli的使用，及Verbose与Debug的日子设置等内容。
2025-07-03 17:30:00
1218
原创 langchain工作流编排
本章介绍了langchain的工作流编排工具，主要包括LCEL的特性、Runable interface、Stream、Stream events等内容
2025-07-03 06:45:00
1168
原创 1 langchain入门介绍
langchain入门介绍，包括langchain特性、langchain框架组成、langchain库、langchain核心概念、应用场景等
2025-07-01 23:30:03
660
原创 dify专题-后台源码二
从代码中我们可以看到获取到的模型实际上就是\api\core\model_runtime\model_providers目录下的一些模型，其中的配置信息基本都在对应模型文件夹下的yaml文件。在上节中我们验证了dify登录接口。实际上我们登录到dify后，页面会自动跳转到工作室页面，如下图所示，我们已经创建了一个聊天助手的应用。在跳转过程中，前端服务调用接口如下，下面我们逐个分析这些接口，以方便熟悉dify登录后的流程。该接口会提供登录租户下的所有已配置的模型，这些模型需要在模型供应商中进行配置。
2024-11-10 17:25:40
1803
原创 dify专题-基础介绍二
从官网介绍来看，Dify 是一个开源的 LLM 应用开发平台。其直观的界面结合了 AI 工作流、RAG 管道、Agent、模型管理、可观测性功能等，让您可以快速从原型到生产。: 在画布上构建和测试功能强大的 AI 工作流程，利用以下所有功能以及更多功能。: 与数百种专有/开源 LLMs 以及数十种推理提供商和自托管解决方案无缝集成，涵盖 GPT、Mistral、Llama3 以及任何与 OpenAI API 兼容的模型。完整的支持模型提供商列表可在找到。
2024-11-04 15:57:05
859
原创 dify专题-基础介绍一
笔者前段时间做了个AI知识库项目，刚开始准备使用langchain进行开发，后来无意中发现dify，初步尝试了下，基本上能够满足项目需求，于是准备写几篇记录文章。
2024-11-04 15:44:27
1821
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人