- 博客(15)
- 收藏
- 关注
RSS订阅原创 AI基础知识
本文介绍了人工智能领域的几个核心概念：Embedding（将文本转化为向量表示，保留语义关系）、Prompt Engineer（优化输入语句以获取最佳AI回应）、RAG（结合检索与生成技术提升文本质量）、微调（优化预训练模型以适应特定任务）以及AI Agent（自主决策的智能系统）。这些技术共同构成了现代AI应用的基础框架，从数据处理到智能决策，展示了AI系统的完整工作流程。文中还配图说明了相关技术的工作机制，为理解这些概念提供了直观参考。
2026-03-18 18:36:10
247
原创 本地部署大模型
Ollama在本地11434端口提供API服务，支持多种调用方式：1)通过curl发起基础对话或流式请求；2)使用Python requests库调用API；3)兼容OpenAI接口，可实现标准或流式输出。示例代码展示了如何调用qwen系列模型进行对话，包括普通响应和实时流式输出两种模式，并演示了系统角色设置等功能。
2026-03-17 17:59:27
83
原创 Prompt
本文介绍了大模型与提示词(Prompt)的基本概念与应用。大模型指参数量庞大的深度学习模型，能处理复杂任务；Prompt则是引导模型输出的指令。文章阐述了Prompt构建的四大原则（清晰指令、样例数据、思考时间、分步引导）和四部分结构（上下文、命令、输入数据、输出格式）。通过两个实际案例（品牌信息提取和商品评论扩写）展示了Prompt的优化过程，对比了1.0和2.0版本的改进效果，体现了精准提示词对输出质量的重要性。
2026-03-16 18:30:32
321
原创 Agent概念、技术及应用
摘要：本文探讨了AI Agent的核心原理与技术框架。AI Agent基于大语言模型构建，具备自主规划、记忆存储和工具使用能力，可处理复杂多步骤任务。文章详细分析了Agent的四个关键模块：规划（包括思维链和思维树分解）、记忆（短期与长期存储）、工具API集成和执行行动。通过智能家居案例展示了Agent如何感知需求、分解任务并动态调整行动。还介绍了ReAct框架等关键技术，为构建个性化Agent系统提供了理论基础。
2026-02-25 15:20:38
865
原创 大模型学习笔记1——工作流程
本文介绍了大模型的工作流程，主要包括分词化和文本生成两个核心环节。分词化部分阐述了词粒度、字符粒度和子词粒度三种分词方法及其适用场景，并说明分词如何通过词表映射为token id。文本生成部分解释了自回归机制，即模型基于已有token逐步预测下一个token，直到遇到终止符或达到长度限制。整个过程展现了语言模型从输入处理到输出生成的完整推理路径。
2026-02-25 11:12:36
166
原创 李沐学AI 笔记——05线性代数
子区域 [1:3,1:] 左闭右开，即第一行到第二行+第一列到最后一列。[::3, ::2] ::2表示第0列到最后一列，每两个数字取值（跳转取值）axis=0计算则[2,3,4]->[ 3,4]axis=1计算则[2,3,4]->[2, 4]axis=0计算则[2,3,4]->[1,3,4]axis=1计算则[2,3,4]->[2,1,4]L2范数是向量元素平方和的平方根。一行 [1, :]一列 [:, 1]一个元素 [1, 2]
2025-12-26 19:42:46
337
原创 闵帆老师《论文写作》课程总结
从文章中摘出重要内容，让读者快速了解本文核心信息，包括已有工作评述、本文工作描述、实验结果三大部分，如一些期刊要求Background、contribution、experiments。自己的论文水平局限于本科毕业论文word，通过闵帆老师对论文写作各个部分的讲解和常见问题的举例，对论文的规范性和严谨性有了更清晰的认知，相信对这些内容的学习掌握能让自己在以后的写作中减少犯错，但写作过程中也需要反复学习闵帆老师的博客来规范自己的写作。
2024-10-31 22:18:57
586
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