- 博客(1268)
- 资源 (11)
- 收藏
- 关注
RSS订阅原创 AGI大模型（10）：prompt逆向-巧借prompt
逆向提示词⼯程在写作领域具有⼴泛的应⽤性，运⽤这⼀技术，你创作出的⽂章会显得更⾃然，不会有那种明显的“由机器⽣成”的感觉。更进⼀步，这种⽅法可以逆向分析多种不同的写作⻛格，你可以将它们合成为⼀个独⼀⽆⼆、符合个⼈⼝味、属于⾃⼰的写作⻛格。我们可以给ChatGPT提供⼀个简洁的提示词，让它能够更准确地理解我们所讨论的“逆向提示词⼯程”是什么意思，并通过这个思考过程，帮它将相关知识集中起来，进⽽构建⼀个专业的知识领域。. Prompt:“写一首五言绝句，押平声韵，描述秋天的萧瑟，包含'落叶”和'鸿雁”的意象。
2025-04-05 15:23:30
8
原创 ERROR: No matching distribution found for tokenizers＜=0.21.0,＞=0.19.0
但是使用pip install安装高版本的，却显示未找到对应的版本，于是改为手动安装。
2025-04-04 02:26:09
152
原创 Cargo, the Rust package manager, is not installed or is not on PATH.
在上述命令行中 , 给出了 C:\Users\xiongpeng\bin 的路径 , 这是 Cargo 可执行程序的目录 , 必须将该目录配置到 Path 环境中 , 才能解决 Cargo, the Rust package manager, is not installed or is not on PATH. 报错;到 https://rustup.rs/ 网站 , 下载 rust 安装包 rustup-init.exe;安装过程中 , 会下载相关依赖 , 等待下载安装完成;
2025-04-02 19:37:53
362
原创 LangChain4j（2）：整合SpringBoot
但是如果要我们每次把之前的记录自己去维护，未免太麻烦，所以提供了ChatMemory但是他这个ChatMemory没有SpringAi好用、易用、十分麻烦！查看加载的依赖中的langchain4j-community-dashscope-spring-boot-starter的Autoconfig文件。之前的依赖不变，但是因为langchain4j不是spring家族，所以我们在wen应用中需要引入webflux。可以看到使用时需要的配置条件，需要配置apikey。告诉模型你的名字，后访问。
2025-03-31 19:31:44
288
原创 DeepSeek（14）：DeepSeek 模型微调
右侧是经过微调的模型(FinetunedModel)，给出了更为详细的结果：“您混合了非炎症性粉刺性和炎症性丘疹脓疱性痤疮。”微调后的模型已经学习了额外的皮肤病数据，因此能提供更加精准的医疗建议或诊断。左侧是基础模型(Base Model)，当面对皮肤刺激、红肿和瘙痒等症状时，该模型只能给出一个简单的诊断结果:“可能是痤疮。没有足够的信息来做出更精确的诊断。
2025-03-28 20:10:56
360
原创 DeepSeek（13）：Function call 给⼤模型插上翅膀
这个过程大模型会知道调用的函数名字以及函数的参数等信息。这个调用具体的函数是用户应用自己去做的，而不是大模型去做的，大模型的能力是基于自然语言生成对应函数的名字、函数的句柄以及函数对应的参数，用户直接调用函数完了之后就会返回这个结果，这个结果是经过大模型进行一个映射的，他只是返回了一个已发货的信息，只是大模型会根据用户的请求信息进行一个合并，最终生成一个用户能够理解的信息，这个就是Function call的原理。
2025-03-28 16:01:59
139
原创 LangChain4j（1）：初识LangChain4j
LangChain是一个大模型的开发框架，使用LangChain框架，程序员可以更好的利用大模型的能力，大大提高编程效率。如果你是一个lava程序员，那么对LangChain最简单直观的理解就是，LangChain是大模型领域的Spring。LangChain不光提供了一整套快速接入各种开放大模型的工具，更重要的是，他集成了当今程序员使用大模型能力最好的方案。LangChain是一个基于Python开发的框架，而Langchain4j则是Langchain的]ava版本。
2025-03-27 00:04:03
684
原创 DeepSeek（12）：RAG与知识库基本原理
RAG 是最流行的基于 LLM 的应用系统架构。有许多产品几乎完全建立在 RAG 之上，覆盖了结合网络搜索引擎和 LLM 的问答服务，到成千上万个数据聊天的应用程序。RAG 系统的起点一般是一个文本文档的语料库，简单看起来是这样的: 把文本分割成块，然后把这些分块嵌入到向量与transformer编码器模型，把所有这些向量建立索引，最后创建一个 LLM 提示语，告诉模型回答用户的查询，给出在搜索步骤中找到的上下文。
2025-03-25 14:21:43
456
原创 DeepSeek（11）：DeepSeek 协同LangChain 进⾏应⽤开发
图中展示了整个模型的一个训练的过程，从图的最左边开始，会拿大量的预训练数据进行无监督的学习，产生一个基础模型，这个像我们的deepseek的基本的那个模型一样，通过很多项目进行大量的无间断的学习，如文字、图片、新闻之类的，站上面的一些基本信息，包括维基百科等等，能够获得一些大量的通用的知识，通过这个方式生成一个基础模型；通过这个方法在这边的SFT模型就生成对应的奖励模型，这个奖励模型不断的对围绕之后的这个模型进行答案的比对，最后才生成一个叫最终的模型。
2025-03-21 00:28:23
724
原创 DeepSeek（10）：创建生日祝福智能体适配到小程序
输入提示词，可以点击提示词优化按钮，对提示词进行优化后再进行替代。地址如下：https://www.coze.cn/选择发布的地方，这边选择扣子商店和API。token为点击api配置以后生成的令牌。点击工作空间，点击创建，新建智能体。点击API的配置，获取token。bot_id为链接后面的一串数字。点击发布进行智能体发布。输入名字，进行测试。
2025-03-20 01:05:50
628
原创 DeepSeek（9）：集成Cursor开发生日祝福应用
在Cursor中打开微信小程序新建的项目，并新建requirement.md文件。通过cursor 帮我编写一个小程序，调用API接口完成生日祝福功能。模型我这里选择的是DeepSeek-r1和DeepSeek-v3。但是这个页面不是在首页，可以继续对话，将页面改到首页。在对话框选择你要使用的文件，并输入提示词。进入微信小程序开发工具，查看效果。按Ctrl+i，打开chat框。点击设置按钮，设置使用的模型。
2025-03-19 16:46:09
255
原创 DeepSeek（8）：结合Kimi-PPT助手一键生成演示报告
将上面DeepSeek生成的内容在kimi中进行问答。生成以后点击一键生成PPT“”
2025-03-19 13:52:15
372
原创 DeepSeek（7）：打造个⼈本地知识库
在实际应用中，客户会担⼼⾃⼰的知识外泄，担⼼⾃⼰的提问外泄，我们可以使用Cherry Studio 集成R1模型创建知识库（DeepSeek R1 模型本地部署+本地知识库+本地问答）。由于需要使用bge-m3模型进行数据向量化，这边使用SiliconFlow进行平台，引入bge-m3模型。deepseek的嵌⼊模型：embedding model = bge-m3。这里使用Ollama，不会使用的看之前的章节。进入对话模式，选择模型进行测试。点击管理，选择你要使用的模型。选择你要添加的本地知识库。
2025-03-19 01:00:11
384
原创 DeepSeek（6）：应⽤中调⽤DeepSeek
langchain：集成langchain的架构相关的组件SDK。包括：langchain langchain_community langchain-deepseek。新建.env文件，设置deepseekapikey。rich：⽅便查看打印结果。
2025-03-18 13:29:29
504
原创 DeepSeek（5）：Ollama本地运⾏DeepSeek 模型
ollama是一个简明易用的本地大模型运行框架,只需一条命令即可在本地跑大模型。开源项目，专注于开发和部署先进的大型语言模型（LLM）。下载ollama：https://www.ollama.com/download我这边直接在windows环境中安装，生成环境建议使用linux或者docker虚拟化。
2025-03-17 19:51:37
388
原创 DeepSeek（4）：集成ChatBox 应⽤
https://chatboxai.app/zh 下载chatbox的客户端。其中可以看到ChatBox，点击进入可以看到配置方法。
2025-03-17 01:22:35
155
原创 AGI大模型（8）：提示词的安全与防护
著名的「奶奶漏洞」，⽤套路把 AI 绕懵。我们都知道，ChatGPT之类的聊天机器人，都上了一层安全护栏，会拒绝执行盗版或违法的要求。但是为什么「奶奶漏洞」就能攻克这层护栏呢？根据推测是ChatGPT的道德审查机制相当于对谈话内容进行打分，当道德分过低的时候，就会避免直接回复，转而拒绝回答。而“奶奶讲故事”的场景因为塑造了一个充满温情的场景，导致chatGPT进行道德打分时，虽然话题分较低，但是场景分很高，从而导致整体道德分高于阈值，仍然输出了答案。
2025-03-17 00:20:41
1263
原创 DeepSeek（3）：DeepSeek R1 提示词⼯程
5W1H（What, Who, When, Where, Why, How）是⼀种常⽤的信息收集和指令下达的⽅法。R1 适合处理简洁明确的任务型指令，⽽ RISE模板强调根据数据进⾏多步骤的任务推理，适合V3 模型。需要结合场景上下⽂和具体示例，V3 的场景建模能⼒优于R1，能够处理更多场景信息和示例。R1 适合简洁明确的任务型指令，对“⽬标-⾏动-结果”的线性逻辑处理效率更⾼。R1 适合简洁明确的任务型指令，对“⽬标-⾏动-结果”的线性逻辑处理效率更⾼。我是⼀个刚刚接触⼤模型的新⼿，有基本的编程能⼒。
2025-03-16 19:25:40
947
原创 AGI大模型（7）：提示词应用
使⽤有效的提示策略可以引导模型产⽣更好、更⼀致和更真实的响应。LLMs还可以特别有⽤地⽣成数据，这对于运⾏各种实验和评估⾮常有⽤。⽣成10个情感分析的范例。⽣成2个负⾯示例和8个正⾯示例。使⽤以下格式的示例：Q：<句⼦>A：<情感>除了上⾯的基本代码⽣成示例外，您还可以使⽤该模型⽣成其他有⽤的代码，例如创建和测试MySQL查询。假设您有⼀个数据集，其中包含⼀些信息，您可以将其作为提示的⼀部分包含在内，然后指示它⽣成特定查询。将注释转换成代码，你还可以使⽤这些⼤模型预⾔代码的代码⽣成功能将注释转换成代码。
2025-03-15 21:13:06
163
原创 AGI大模型（6）：提示词模型进阶
上⾯的示例提供了任务的基本信息。虽然⼤型语⾔模型展示了惊⼈的零样本能⼒，但在使⽤零样本设置时，它们在更复杂的任务上仍然表现不佳。少样本提示可以作为⼀种技术，以启⽤上下⽂学习，我们在提示中提供演示以引导模型实现更好的性能。您可以将其与少样本提示相结合，以获得更好的结果，以便在回答之前进⾏推理的更复杂的任务。提示文本中加了一段"例如，第1段话的开头是"⽣成⽂本"，那么就输出"generate text"",为提示样本。对于更困难的任务，我们可以尝试增加演示（例如3-shot、5-shot、10-shot等）。
2025-03-15 15:08:10
164
原创 Springboot打包错误：Failed to execute goal org.apache.maven.plugins:maven-resources-plugin:3.2.0
修改maven-resources-plugin的版本。添加-e参数，看详细错误。
2025-03-14 23:56:34
194
原创 DeepSeek（2）：DeepSeek模型
通过强化学习得到R1-Zero，给⼤量的题⽬和答案让R1-Zero⾃⼰做，⾃⼰对答案，做错了重做。将R1 、Llama3 和Qwen2.5 模型 的能⼒教给更⼩的模型，⽼师传授知识给学⽣。较⼩的模型更加⾼效，能够在硬件资源不⾜的设备上运⾏。利⽤冷启动的数据，提供了⼈类的⾼质量数据给Zero模型学习。60w条样本：不仅给模型提供问题和答案，还提供详细的推理步骤，可以理解为习题，带有解题过程和正确答案的习题。在模型初步基础上，使⽤强化学习优化模型输出的准确性和格式。例⼦ 1：简单算术推理。
2025-03-14 18:19:05
1277
原创 DeepSeek（1）：DeepSeek简介
1.公司背景：DeepSeek，全称杭州深度求索⼈⼯智能基础技术研究有限公司，成⽴于2023年7⽉，是⼀家专注于⼤语⾔模型（LLM）和相关技术开发的创新型科技公司。2.技术特⾊：DeepSeek以低成本、⾼性能的⼤语⾔模型技术著称，坚持开源路线和技术创新，推动⼈⼯智能的普惠发展。3.模型发展：DeepSeek系列模型包括DeepSeek LLM、DeepSeek-V3等，每⼀代模型都在架构设计、训练算法、推理效率和模型表现上实现了显著的创新与优化。
2025-03-14 15:45:22
631
原创 AGI大模型（5）：提示词工程
所谓的提示词其实指的就是提供给模型的⼀个⽂本⽚段，⽤于指导模型⽣成特定的输出或回答。提示词的⽬的是为模型提供⼀个任务的上下⽂，以便模型能够更准确地理解⽤户的意图，并⽣成相关的回应。所谓的提示⼯程也可以被称为「指令⼯程」，提示⼯程的核⼼思想是，通过精⼼设计的提示，可以显著提⾼模型的性能和输出质量。貌似简单，但其实意义⾮凡。（提问的智慧）Prompt 是 AGI 时代的「编程语⾔」Prompt 工程是 AGI时代的「软件工程]提示⼯程师是 AGI 时代的「程序员」
2025-03-13 17:06:54
342
原创 AGI大模型（4）：编程调用 OpenAI API
在语⾳交互场景中，⽤户的输⼊是语⾳信号，system 需要将其转换为⽂本，然后⽣成响应。在图像交互场景中，⽤户的输⼊是图像数据，system 需要识别图像内容，并根据其⽣成响应。然后，根据⽤户的意图和需求，system 使⽤相应的机器学习算法和数据存储来⽣成助⼿。当⽤户输⼊⼀个查询或请求时，system 使⽤这些模型来理解⽤户的意图，并⽣成相应的响应。System 的⽬标是理解⽤户的意图和需求，并根据这些信息⽣成合适的响应。助⼿可以是⽂本、语⾳、图像等形式，其⽬标是满⾜⽤户的请求，提供所需的信息或服务。
2025-03-12 23:53:03
956
原创 AGI大模型（3）：大模型生成内容
在⼤语⾔模型中，Token是模型进⾏语⾔处理的基本信息单元，它可以是⼀个字，⼀个词甚⾄是⼀个短语句⼦。Token并不是⼀成不变的，在不同的上下⽂中，他会有不同的划分粒度。
2025-03-12 20:34:47
531
原创 AGI大模型（2）：GPT：Generative Pre-trained Transformer
Transformer 是一种深度学习架构，用于处理**自然语言处理（NLP）**任务，如机器翻译、文本生成和语义理解。Pre-trained（预训练）指的是在深度学习中，模型在一个大规模数据集上进行的初步训练，以便获得对语言或任务的基础理解。你可以简单理解为它是⼀个⿊盒⼦，当我们在做⽂本翻译任务是，我输⼊进去⼀个中⽂，经过这个⿊盒⼦之后，输出来翻译过后的英⽂。GPT中的“生成式”指的是该模型能够根据输入自动生成文本内容，而不仅仅是从已有的文本库中检索答案。Transformer 简单⼀些的解释。
2025-03-12 17:42:47
458
原创 AGI大模型（1）：大模型简介
⼈⼯智能发展史：1900~2023：https://zhuanlan.zhihu.com/p/703419161模型名称发布公司主要特点关键技术通义千问阿⾥巴巴开源⼤模型，⽀持中⽂理解与⽣成，具备强⼤的推理能⼒GPT-3架构优化智谱清⾔智谱科技聚焦中⽂NLP，强⼤的跨⾏业能⼒⾃监督学习、Transformer架构⽂⼼⼀⾔百度⽣成式AI产品，强调多轮对话和情感理解，⽣成符合上下⽂的⽂本GPT-3架构、知识增强DeepSeek深度求索专注于视觉与语⾔多模态结合，⽀持图像⽣成与推理。
2025-03-12 14:14:57
611
原创 Ceph（2）：Ceph简介
Ceph使用C++语言开发，遵循LGPL协议开源。Sage Weil(Ceph论文发表者)于2011年创立了以Inktank公司主导Ceph的开发和社区维护。2014年Redhat收购inktank公司，并发布Inktank Ceph企业版（ICE）软件，业务场景聚焦云、备份和归档，支持对象存储和块存储以及文件系统存储应用。出现Ceph开源社区版本和Redhat企业版。
2025-03-10 16:51:30
719
原创 Ceph（1）：分布式存储技术简介
1.1 分布式存储系统的特性（1）可扩展分布式存储系统可以扩展到几百台甚至几千台的集群规模，而且随着集群规模的增长，系统整体性能表现为线性增长。节点扩展后，旧数据会自动迁移到新节点，实现负载均衡，避免单点过热的情况出现;水平扩展只需要将新节点和原有集群连接到同一网络，整个过程不会对业务造成影响;当节点被添加到集群，集群系统的整体容量和性能也随之线性扩展，此后新节点的资源就会被管理平台接管，被用于分配或者回收。（2）低成本分布式存储系统的自动容错、自动负载均衡机制使其可以构建在普通的PC机之上。
2025-03-10 15:37:12
1244
原创 docker：Docker 私有仓库
Docker官方的Docker hub（https://hub.docker.com）是一个用于管理公共镜像的仓库，我们可以从上面拉取镜像到本地，也可以把我们自己的镜像推送上去。但是，有时候我们的服务器无法访问互联网，或者你不希望将自己的镜像放到公网当中，那么我们就需要搭建自己的私有仓库来存储和管理自己的镜像。
2025-03-05 17:45:49
135
原创 docker：Dockerfile案例之自定义centos7镜像
自定义centos7镜像。通过dockerfile构建镜像。编写dockerfile脚本。
2025-03-05 17:21:22
330
原创 docker：配置 Docker 镜像加速器
默认情况下，将来从docker hub（https://hub.docker.com/）上下载docker镜像，太慢。USTC：中科大镜像加速器（https://docker.mirrors.ustc.edu.cn）阿里云网易云腾讯云。
2025-03-05 13:43:03
484
原创 docker：Dockerfile概念及作用
Dockerfile 是一个文本文件，包含了一条条的指令，每一条指令构建一层，基于基础镜像，最终构建出一个新的镜像。可以为开发团队提供一个完全一致的开发环境。可以直接拿开发时所构建的镜像或者通过Dockerfile文件，构建一个新的镜像开始工作了。在部署时，可以实现应用的无缝移植。关键字作用备注FROM指定父镜像指定dockerfile基于那个image构建MAINTAINER作者信息用来标明这个dockerfile谁写的LABEL标签。
2025-03-03 21:14:34
294
原创 docker镜像制作：容器转为镜像
注意：这里这个tomcat容器是有挂载数据卷的，转为镜像后所创建的容器是不会继承原本容器的数据卷。也就是说数据卷里面的数据并不会被转为镜像后所创建的容器继承，要在转为镜像之前把数据放到容器根目录下，才会被继承。容器转镜像，先将容器通过commit命令转为镜像，在将镜像通过save命令转换成压缩文件，再将压缩文件转换为另一个镜像。加载压缩文件到docker。根据镜像生成压缩文件。
2025-03-03 00:53:28
127
原创 docker镜像原理
前面讲解了docker镜像的简单封装，下面我们来讲一下docker镜像的原理。Linux文件系统由bootfs和rootfs两部分组成。
2025-03-02 21:58:26
278
原创 区块链（14）：FISCO BCOS配置及使用控制台
若节点未采用默认端口，请将文件中的20200替换成节点对应的channel端口。其中nodes/127.0.0.1/sdk/*的路径根据自己的情况调节。（1）获取客户端版本。
2025-02-23 00:03:49
87
原创 Linux：升级OpenSSL到1.1以上版本
解压下载的源代码包，并进入解压后的目录配置、编译和安装OpenSSL。`--prefix`选项指定了OpenSSL的安装位置。在这个例子中，它被设置为`/usr/local/openssl`，但您可以根据需要更改它。
2025-02-19 21:11:45
281
原创 区块链（13）：FISCO BCOS简介及安装
FISCO BCOS（Be Credible, Open & Secure）是安全可控、稳定易用、高性能的金融级区块链底层平台，由金链盟开源工作组于2017年推出。开源社区汇聚数千企业及机构、上万开发者参与共建，发展成为最大最活跃的国产开源联盟链生态圈。
2025-02-19 14:01:30
297
Spring Boot(六十四)：SpringBoot集成Gzip压缩数据
2023-08-16
Hbase项目实例相关资料
2023-07-08
Disruptor专题简单案例资料
2023-06-17
lucene入门数据库资料
2023-05-21
sentinel-feign-parent
2023-05-09
springboot基于redis防止接口恶意刷新和暴力请求
2023-01-17
javawebuploader分片上传
2023-01-02
AT模式seate测试代码
2022-12-26
drools代码示例包
2022-08-12
mysql读写分离演示
2022-05-29
skywalkingRPC
2022-05-10
skywalkingspringboot
2022-05-10
java实现简单的单点登录
2020-03-03
Intellij Idea 创建JavaWeb项目入门（二）demo
2020-01-23
webapi基于Owin中间件的oauth2.0身份认证
2018-10-07
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人