- 博客(1618)
- 收藏
- 关注
RSS订阅
原创 DeepSeek 入门到精通！（清华大学版）
今天给大家推荐一份清华 DeepSeek 使用手册，真的好好用~~清华大学团队出品的 DeepSeek 学习手册，深入解析国产开源 AI DeepSeek 的强大功能，让你从入门到精通，轻松掌握 AI 高效玩法！真的太强了！完整报告104页，文章长度有限无法完整展示，完整资料已经打包放到了网盘，需要的同学自取我的DeepSeek部署资料已打包好（自取↓）但如果你想知道这个工具为什么能“听懂人话”、写出代码 甚至预测市场趋势——答案就藏在大模型技术里！❗️为什么你必须了解大模型？
2025-02-10 16:27:46
3397
原创 保姆级实战教程：安装部署私有化大模型，并投喂数据
想要部署属于自己的大模型，会不会很困难？其实不是的，现在是越来越简单。潘哥今天就做一个简单的示范，让大家都能轻松搞定在自己的电脑哦上，本地化部署并运行私有化大模型，并且为我们自己的大模型投喂数据。这样，就可以建立自己的数据仓库，没错，就可以定制垂直行业或细分领域的私有化大模型了。酷~~~首先，我们会用到Ollama，功能是运行大模型。Ollama是一款LLM也就是大型语言模型服务工具，可以极大简化在本地运行大语言模型，极大降低了使用大语言模型的门槛，而且是开源的哦。
2025-01-28 07:00:00
7652
原创 国产AI大模型「医疗十大应用场景」案例盘点，推动医疗健康领域智能升级
人工智能技术的浪潮正席卷全球，AI大模型以其卓越的数据处理能力和深度学习能力，正在成为医疗健康领域变革的关键力量。本文将深入探讨AI大模型在医疗十大场景中的创新实践，展示其提升医疗服务效率、赋能临床决策、推动行业智能化转型的广阔前景。基于海量医疗数据，辅助临床诊断决策AI大模型通过分析海量医疗数据，能够辅助医生进行更准确的诊断。例如，百度灵医大模型利用其强大的数据处理能力，通过API或插件嵌入的方式，在200多家医疗机构中展开应用，显著提升了诊断的准确性和效率。
2024-12-27 11:24:15
6718
原创 七款国产AI大模型：Kimi，智谱清言，通义千问，文心一言，豆包，天工AI，讯飞，各自的优缺点是什么？
优点：Kimi这货，免费还能多平台支持，不光能实时联网，处理长文本也不带喘的，简直就是程序员的贴心小棉袄啊。缺点：不过呢，这家伙在特定领域翻译上就有点儿不太行，有时候还会抽风宕机，咱也不知道它为啥这么脆弱。优点：智谱清言是清华系的，不光会码代码，还能画图表，简直就是学霸中的学霸。尤其是它的多模态处理和图片理解能力，真心厉害。缺点：不过，别太指望它啥都懂，遇到特别复杂或者前沿的东西，它有时候也会掉链子。优点：阿里云的招牌产品，超大规模，能聊会说，还能处理多语言，厉害得不得了。
2024-12-12 16:24:48
7802
原创 什么是算法工程师？算法工程师有前景吗？
什么是算法工程师？算法工程师说目前最炙手可热的岗位。虽然算法工程师一直被频频提及，但是许多人对这个岗位的了解还知之甚少。那么算法工程师究竟是做什么的？前景怎么样呢？下面我们来一起解开这个高薪技术岗位的神秘面纱!
2023-10-02 08:15:00
3174
原创 收藏必备！Agent简历如何写才能打动面试官？揭秘大模型项目核心贡献的表述技巧
本文从面试官视角解析Agent项目简历撰写技巧，强调应聚焦"模型调用工具"的核心逻辑而非技术堆砌。文章提出工具定义、控制策略、决策逻辑和监控反馈四大关键要素，通过具体案例展示如何清晰呈现Agent工作流设计能力。最后提供面试应答模板，帮助求职者系统展示对Agent架构的深入理解，在技术面试中建立专业优势。
2025-11-24 18:16:52
426
原创 收藏必备！金融RAG落地的5大挑战与完整解决方案
金融RAG系统面临文档解析、语义切分、合规安全、评估体系和工程复杂五大挑战。解决方案包括：采用高保真文档解析技术，智能切分保持语义完整，构建内网闭环确保数据安全，建立可溯源评估体系，打造完整系统工程。成功关键在于数据的准确处理、完整语义保留和合规可追溯性，三者缺一不可。金融RAG不是模型问题，而是数据结构化挑战，需要系统工程思维解决文档复杂性、合规要求和评估体系等核心问题。
2025-11-24 18:15:31
609
原创 从零理解LLM与向量数据库的关系：RAG技术详解，干货满满，建议收藏
LLM为何需要向量数据库？由于LLM基于静态语料库训练，无法获取训练后的新信息，而重新训练成本过高。向量数据库通过RAG（检索增强生成）技术解决了这一难题：1）将新信息编码为向量存储；2）通过相似性搜索检索相关上下文；3）将检索结果与用户提示结合输入LLM。这种方法不仅扩展了LLM的知识边界，还能显著减少模型幻觉，提升回答的准确性和可靠性。RAG技术使LLM能动态利用最新信息，无需重复训练，极大增强了实际应用价值。
2025-11-24 18:14:24
379
原创 【干货收藏】智能体/RAG系统必看：意图路由与查询重写的核心设计模式与最佳实践
构建智能体/RAG系统的核心技术：意图路由与查询重写 本文深入探讨了智能体/RAG系统中的两大核心技术：意图路由和查询重写。意图路由通过精准分类将用户请求分发至对应工作流，解决"去哪里"的问题；查询重写则把模糊的用户表达转化为精准检索词，解决"怎么查"的问题。文章详细介绍了： 意图路由的通用设计模式与prompt工程实践 查询重写的三大策略（同义扩展、指代消解、后退提示）和高级HyDE技术 结构化数据查询中的元数据过滤联动机制 这些技术共同构成了智能体的"推
2025-11-24 18:13:27
292
原创 小白入门指南：用Function Call让大模型“动手干活”
开发基于大模型 + function call 的 agent 应用，核心在于理解大模型如何通过函数调用与外部世界交互。只要按照明确需求、选择模型、准备工具、设计流程、开发测试这几个步骤逐步推进，小白也能快速入门。在开发过程中，遇到问题不要怕，多查阅文档、多进行测试，就能不断提升应用的效果。希望本文能为小白们提供一个清晰的入门路径，让你在人工智能应用开发的道路上迈出坚实的一步。
2025-11-24 15:48:05
424
原创 LLM落地企业合规：RAG、LangChain与Agent的协同之道
企业合规 LLM 系统的核心价值，在于将“人主导的复杂合规工作”转化为“系统驱动的高效、可控、可追溯的流程”。RAG 解决了合规工作的“信息准确性”问题，让系统有“可靠的资料可查”；LangChain 解决了“流程标准化”问题，让系统有“清晰的步骤可依”；Agent 解决了“任务智能化”问题，让系统有“灵活的策略可选”。
2025-11-24 15:42:34
686
原创 【干货收藏】大模型微调实战：IPO三阶段框架下的核心动作与优化策略
本文基于IPO框架系统阐述大模型微调全流程：Input阶段强调高质量数据构建、技术选型与资源配置；Process阶段聚焦工具链整合、训练策略与过程监控；Output阶段注重效果评估、灵活部署与持续迭代。文章指出高质量数据与场景理解是核心竞争力，建议从7B模型入手实践。同时探讨AI时代就业机会，提供大模型学习资源包（含路线图、书籍、教程等），帮助读者把握技术风口。
2025-11-22 19:55:26
833
原创 【必收藏】Agent项目面试必杀技：让面试官一眼看穿你的技术深度
本文针对Agent项目在简历和面试中的呈现方式提供了专业指导，强调应聚焦四大核心要素：工具定义、控制策略、决策逻辑和监控反馈机制。文章指出不应简单罗列模型使用，而要展示对Agent架构的深入理解，特别是模型如何自主决策调用工具及整体工作流设计。通过具体示例和面试官视角的问题分析，帮助求职者清晰表达技术贡献，突出工程思考能力。文末还提供了完整项目案例模板，展示如何量化成果并应对技术追问，助力求职者在AI领域脱颖而出。
2025-11-22 19:54:38
848
原创 【必藏】从零开始掌握Neo4j图数据库：大模型+知识图谱的完美基础（含安装+Cypher语法+Python实战）
本文摘要：Neo4j图数据库安装与使用指南 文章详细介绍了Neo4j图数据库的安装方法，包括OS部署和Docker容器化两种方式。在OS部署部分，说明了JDK环境配置、安装包解压、环境变量设置及服务启动流程；Docker安装部分则介绍了镜像获取、基础操作系统选择及数据持久化配置。文章还展示了如何通过Web界面访问Neo4j数据库（默认地址http://localhost:7474），并提示了首次登录需修改默认密码（初始为neo4j/neo4j）的安全要求。全文为开发者提供了从环境搭建到基础使用的完整指引。
2025-11-22 19:53:34
474
原创 【必学收藏】基于MCP框架实现大模型与结构化数据库的高效集成：完整实战代码解析
本文提出了一种基于MCP框架的大模型与结构化数据库集成方案。通过将API封装为MCP函数，使大模型能够直接查询和理解数据库中的结构化数据。系统采用智能工具调用机制，结合Weaviate向量数据库实现数据缓存，提升响应效率。文章详细阐述了从服务启动到工具调用的完整实现流程，包括工具扫描、动态调用和结果处理等核心功能模块。该方案在保证数据实时性和一致性的同时，为大模型提供了结构化数据访问能力，相比传统知识库方案更具优势。通过实际案例验证了该方案在企业级智能对话系统中的可行性和实用性。
2025-11-22 19:52:27
597
原创 【必学收藏】从RAG到Agentic RAG：大模型检索增强生成的完整进化指南
特点传统RAG决策被动，仅仅依靠固定的流程主动，能够根据内容自主决策如何采取行动数据获取按照既定规则从固定的数据源检索可以从多个外部源中动态的检索适配度适配度低，不同的输入效果不同能够不断完善提高性能自主性依赖用户查询独立运作，实时学习用例常见问题的解答和静态搜索聊天机器人、推荐系统和复杂的工作流程。
2025-11-22 15:39:23
892
原创 【必学收藏】6大AI代理框架全面对比：从入门到实践的完整指南
虽然两者都属于 LangChain 生态系统，但 LangGraph 的独特之处在于它为代理运行时启用了循环图，允许代理重新访问之前的步骤并适应不断变化的条件。而 LangChain 则专注于构建更广泛的 LLM 应用程序[11]。LlamaIndex 和 CrewAI 可以有效结合，LlamaIndex 驱动的工具可以无缝集成到 CrewAI 驱动的多智能体设置中。这种集成可以实现更复杂、更先进的研究流程，充分利用两个框架的优势[53]。
2025-11-22 15:34:44
842
原创 收藏！AI赋能软件工程工具链全景解析：效率提升40%+的智能化变革
AI正通过大模型与RAG技术实现软件工程全流程智能化变革，覆盖需求解析、代码生成、智能测试到CI/CD部署等环节。这一技术使需求分析时间缩短85%，测试效率提升200%～400%，整体交付效率提高40%以上，缺陷率下降60%。开发者需从"写代码"转向"与AI协作"，向架构师和AI训练者转型，共同迎接软件工程新时代。
2025-11-21 18:00:04
820
原创 【珍藏】Java开发者如何转型AI？薪资提升300%的学习路线图
Java开发者转型AI：优势、薪资对比与学习路线 Java开发者具备转向AI领域的优势，包括扎实的编程基础和数据处理经验。AI岗位需求快速增长，平均月薪达4.6万元，远高于Java开发岗位。转型需补充数学基础、Python编程和项目实践经验，建议分四步系统学习。通过掌握AI核心技术，Java开发者完全能在这一前景广阔的领域获得成功。
2025-11-21 17:57:36
694
原创 【必收藏】AI提示词工程化：五段式模型让输出精准可控，附实战示例
本文提出了一套工程化的Prompt方法论，解决AI输出不稳定的问题。核心是"五段式Prompt工程模型"：明确角色(Role)、目标(Goal)、输入(Input)、处理流程(Process)和输出格式(Output)。文章强调Prompt工程应注重结构化、提供充足上下文，并将复杂任务拆解为简单步骤。同时介绍了Few-shot、Chain of Thought等高级技术，以及Temperature、Top-K等关键参数配置。通过构造"低不确定性输入空间"，这套方法能显
2025-11-21 17:56:12
567
原创 Java程序员转行大模型全攻略：从零基础到高薪就业，值得收藏的转型指南
摘要：本文探讨了Java程序员转型大模型领域的机遇与挑战，指出技术升级、市场需求、薪资提升和跨界合作四大机遇，同时分析技术门槛、知识重构、资源不足和竞争激烈四大挑战。提出了五大转型策略：明确目标、系统学习、实践积累、人脉拓展和心态调整，并提供了分阶段学习路线图。文章强调通过系统学习和项目实践，Java程序员可抓住AI时代机遇实现职业转型，最后推荐了包含学习路线、书籍、视频和项目实战的大模型全套学习资源包。（149字）
2025-11-21 17:55:17
910
原创 收藏必看：30分钟搞定n8n安装，零基础小白也能轻松上手AI自动化工作流
本文是一份详细的n8n安装手册，通过Docker完成工具部署，解决WSL更新等常见问题。文章强调投入30分钟安装，可节省300小时工作时间，帮助用户构建AI自动化工作流，实现高效处理任务、解放双手的目标。适合零基础用户快速入门AI自动化工具。
2025-11-21 15:28:36
219
原创 收藏！AI大模型应用新架构师实战课程，小白也能快速上手
OpenAI 的实践案例，尤其是其无需向量化的，充分展现了大上下文窗口的强大潜力。这一创新不仅开启了高效知识问答的新篇章，更重要的是，为我们理解和构建复杂的 AI 智能体系统提供了宝贵的实践指南。第一、大上下文窗口的潜力高效知识问答：通过精准提取和处理关键信息，Agentic RAG 实现了高效的知识问答，即使在处理复杂文档时也能保持高准确率。模拟人类认知：该技术通过模拟人类的阅读和思考模式，逐步筛选和分析信息，从而更接近人类的决策过程。第二、构建复杂 AI 智能体系统的实践指南战略性模型选择。
2025-11-21 15:25:27
588
原创 【收藏必备】RAG召回质量提升秘籍：标量与相似度召回的完美结合
摘要： RAG系统中仅依赖相似度召回存在准确性问题，建议采用标量召回（字段匹配）与相似度召回（向量计算）相结合的多级过滤策略。先通过用户角色、部门等属性进行标量过滤缩小范围，再执行向量相似度计算，可显著提升召回质量。研究表明，向量数据库不仅支持向量计算，也兼容传统字符匹配，为混合召回方案提供了技术基础。这种组合召回方式在业务场景中表现优于单一相似度召回，能有效解决语义模糊时的准确率问题。（149字）
2025-11-20 19:00:45
1015
原创 深度学习 序列生成模型Transformer 原理详解 图文解读 (草履虫都能学版)
本文详细介绍了Transformer模型的架构原理及其核心组件。Transformer由谷歌DeepMind在2017年提出，通过自注意力机制解决了传统RNN的远距离依赖问题。模型包含编码器和解码器两部分，主要由多头注意力层、残差连接层、归一化层和前馈网络层构成。重点阐述了三种注意力机制：编码器自注意力、解码器掩码注意力和解码器交叉注意力，以及QKV矩阵的计算过程。Transformer通过并行处理序列元素大幅提升了训练效率，广泛应用于机器翻译、文本生成等序列任务。文章还介绍了位置编码、词嵌入等预处理步骤，
2025-11-20 19:00:07
983
原创 【收藏】RAG检索模块优化秘籍：从基础到进阶，打造工业级检索系统
文章摘要： RAG检索模块是系统的核心，包含Query向量化、召回、重排和结果过滤四大步骤。文章详解了向量召回与BM25混合检索策略，以及跨注意力模型的精排方法。通过平衡召回率与精确率、优化检索延迟、处理专有词等策略，可将检索准确率从70%提升至90%。文章提供面试框架，强调检索优化是在速度、准确率和成本间的系统设计平衡，是面试通关的关键知识点。
2025-11-20 18:59:13
830
原创 【收藏必看】AI智能体(Agent)核心原理全解析：从LLM到Agentic AI的产品经理实战指南
AI智能体技术正从被动响应迈向主动执行，实现"数字员工"的范式跃迁。本文剖析了Agentic AI突破传统LLM三大局限（静态输入、无工具操作、无目标记忆）的六大核心能力：环境感知、目标导向、规划决策、执行行动、环境交互与自适应循环。对AI产品经理而言，这不仅是技术升级，更是产品设计范式的重构——需重新定义原子任务、设计安全机制及评估任务完成率。文末还提供了大模型学习资源，助力从业者把握AI时代的职业机遇。
2025-11-20 18:58:17
686
原创 【珍藏】李飞飞80页Agent巨作：定义AI智能体新范式，大模型+环境交互构建未来AGI路径
尽管前景广阔，但这篇综述也清醒地认识到，Agent AI 仍处于早期阶段，面临着跨越模态、领域和现实的多重鸿沟。例如，如何让 Agent 真正实现视觉、语言、听觉、动作等模态的深度融合，而不只是浅层拼接，是未来的核心研究方向。以及如何训练一个能在游戏、机器人和医疗等截然不同领域都能高效工作的“通用 Agent”，而不是为每个领域定制一个模型，是通往 AGI 的关键一步。并且在评测与基准方面，如何科学地评测一个 Agent 的智能水平也是关键。
2025-11-20 15:15:00
1723
原创 速藏！小白/程序员必看：AI大模型才是未来5年的高薪密钥
毫不夸张地讲，对于程序员群体而言，未来5年最值得深耕的技术赛道，非莫属！这不仅是技术迭代的必然结果，更已成为大厂抢滩布局的核心战场。👉 华为正以Agent为核心引擎，将智能技术深度融入智能客服、工业质检等80%新业务系统，构建全场景AI能力；👉 美团2025年校招及社招中，50%技术岗位明确标注“需掌握大模型微调或应用开发能力”，优先录用有实际项目经验者；👉 阿里、字节、百度等头部企业的大模型相关岗位同比暴增69%，核心技术岗年薪普遍突破百万，资深工程师薪资更是无上限谈判。
2025-11-20 14:00:00
848
原创 什么是大模型应用开发工程师？大模型应用开发工程师有前景吗？
大模型应用开发工程师是目前最炙手可热的岗位。虽然这个岗位一直被频频提及，但许多人对它的了解还知之甚少。那么大模型应用开发工程师究竟是做什么的？前景怎么样呢？下面我们来一起解开这个高薪技术岗位的神秘面纱！
2025-11-20 10:00:00
907
原创 【值得收藏】RAG技术揭秘：如何让大模型不再“脑补“事实
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)。
2025-11-20 09:45:00
709
原创 【珍藏干货】AI Agent架构全景图：五大核心要素深度解析与实战指南，助你构建可生产的智能体
《AI Agent架构：从认知到行动的五维协同系统》 本文系统阐述了AI Agent架构的五个核心组成部分及其协同机制。大模型作为认知基础提供推理能力，提示词塑造思维模式并引导任务规划，工具连接外部世界赋予执行能力，Agent本体构成智能实体，而MCP（主控程序）作为策略中枢实现任务编排、记忆管理和多Agent协作。这种五维协同架构突破了传统AI的认知局限，推动人工智能从单纯的语言理解迈向具备自主决策与行动能力的智能实体。文章特别强调了MCP在生产环境中的关键作用，包括动态调度、错误处理和AgentOps治
2025-11-19 17:15:03
760
原创 【必收藏】2年实战经验：如何构建完全自主的Agentic AI数据分析师？
本文系统介绍了AI Agent的开发实践与核心架构。基于腾讯云Dola数据分析Agent的两年开发经验，详细拆解了Agent的四大核心模块：规划、记忆、工具调度和上下文工程。对比了不同开发框架的演进历程，从早期探索到成熟应用阶段的技术变迁。重点分享了两种工具调度实现方法（Function Call和MCP协议）以及Agent评估的Benchmark指标。通过股票回测等实际案例，展示了自主AI数据分析师的核心能力。为开发者提供了从理论到实践的完整Agent开发指南，揭示了AI从内容智能向行为智能演进的技术路径
2025-11-19 17:14:12
1015
原创 收藏！Agent学习路线图：三条主线+实战闭环，不再被新名词牵着走
【摘要】本文探讨系统学习Agent技术的三条核心路径：1）将AI模型作为工具深入了解其能力边界，通过对比实验掌握模型在不同任务中的表现差异；2）专注掌握一个框架/平台，通过流程设计、调试优化等实践深入理解Agent工作机理；3）始终保持一个真实可用的业务闭环，确保学习成果能解决实际问题。作者建议采用"每周半天深度优化+每日15分钟实践+每月复盘"的学习节奏，强调Agent能力实质是"职业肌肉"的锻炼，真正价值在于构建稳定运行的业务闭环而非追逐技术热点。通过这三条路径的
2025-11-19 17:11:41
706
原创 【珍藏版】AI智能体开发实战：从基础架构到商业落地的全方位指南
AI智能体作为AI应用的下一阶段核心形态，正迎来快速发展。文章从产业链角度分析了AI智能体的发展：上游包括基础硬件（AI芯片、服务器等）和基础软件（大模型、开发工具等）；中游聚焦智能体框架与系统集成；下游则面向工业、金融、医疗等多领域应用。随着大模型技术迭代和硬件升级，AI智能体将从文本交互向多模态演进，有望在2025-2027年在多个场景率先落地，成为推动AI商业化的重要力量。近日互联网大厂阿里动作频频，先是将旗下通义APP更名为千问APP，全面对标ChatGPT，后正式宣布“千问”项目全力进军C端市场。
2025-11-19 15:56:24
718
原创 大模型开发必看：RAG技术对比分析（传统RAG/HyDE/Graph RAG）
特征传统 RAGHyDE检索策略直接使用用户查询进行相似度检索先由 LLM 生成假设性文档，再用假设性文档的嵌入进行检索目的从外部知识库获取信息来增强 LLM 的生成优化检索阶段，弥合查询与文档之间的语义鸿沟优势简单直接，减少幻觉，可解释性强提高检索召回率和准确性，尤其对于模糊或简短的查询效果更佳劣势检索质量高度依赖查询与文档的直接匹配度增加了计算开销和延迟，假设性文档质量是关键适用场景查询与文档语义明确匹配的场景，或对实时性要求较高查询意图可能模糊、简短，或需要更深层语义匹配的复杂问答场景。
2025-11-19 14:14:31
889
原创 【收藏必备】从零开始搭建你的AI智能体：LangChain实现贾维斯式AI助手完全指南
本文介绍了AI智能体的概念、特点及与传统程序的区别，详细讲解了其技术组成（大语言模型、记忆系统、规划与反思能力、工具调用），并通过LangChain框架提供了实战示例，展示了如何构建能自主决策、执行任务的AI智能体。文章还展望了AI智能体在机器人控制、智能家居、个人助理等领域的应用前景，鼓励读者从小项目开始实践，体验AI智能体的强大功能。
2025-11-18 19:16:22
300
原创 【实战干货】大模型业务落地全指南：从需求分析到稳定性优化，建议收藏！
本文系统梳理了大模型业务落地的全流程解决方案，涵盖需求分析、性能优化、用户体验和稳定性四大维度。针对模型功能性需求区分通用与垂直场景，提出提示词优化、微调模型等性能提升策略，并详解流式输出、错误处理等体验优化方案。同时提供自动化扩缩容、实时监控等稳定性保障措施，为开发者构建高效、低成本的大模型服务体系。文末附赠2025最新大模型学习资源包，包含成长路线、专业书籍、实战项目等全套资料。（149字）
2025-11-18 19:15:20
307
原创 收藏！一文掌握AI大模型学习路径：程序员/产品经理必备技能清单+实战指南
本文系统介绍了AI大模型学习方法，强调需掌握数学基础、编程能力和AI基本概念，学习经典模型并动手实践。针对程序员和产品经理分别提供个性化学习路径，推荐扣子、Dify等实践平台，倡导"干中学"理念，帮助读者快速入局AI赛道，避免被各类AI工具迷惑，实现高效学习。
2025-11-18 19:14:21
693
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