- 博客(247)
- 资源 (9)
- 收藏
- 关注
RSS订阅原创 【C++】nlohmann::json 配置加载技术实践：从基础到高级应用
本文系统解析了C++中nlohmann::json库的配置加载技术，涵盖其核心特性（header-only、类型安全、STL兼容），对比了优缺点及适用场景（配置管理、API交互）。通过代码示例演示JSON创建、解析、遍历等操作，并提出基于模板函数的通用配置加载方案，支持嵌套结构处理。针对高级用法，详细解释NLOHMANN_DEFINE_TYPE_INTRUSIVE宏的序列化机制及约束条件。最后结合Mermaid和PlantUML实现技术文档可视化，提供流程图、时序图、类图等实现方案，提升配置系统的可维护性。
2025-04-03 23:24:31
839
原创 【AI插件开发】Notepad++ AI插件开发实践（代码篇）：从Dock窗口集成到功能菜单实现
上篇文章已经在Notepad++的插件开发中集成了`选中即问AI`的功能，这一篇文章将在此基础上进一步集成，支持`AI对话窗口`以及常见的代码功能菜单： - 显示AI的Dock窗口，可以用自然语言向 AI 提问或要求执行任务 - 选中代码后使用，AI 会详细解释代码功能 - 需要 AI 帮助改进或修复代码时使用 - 自动生成代码注释 - 选中即问，直接把选中内容丢给AI - 参数设置，基于插件配置切换AI平台等参数，提供对话框设置及调整平台参数
2025-04-02 20:39:25
412
原创 【AI插件开发】Notepad++ AI插件开发实践：从Dock窗口集成到功能菜单实现
本文详细阐述了Notepad++ AI插件的开发实践，重点解决了Dock窗口集成与核心功能菜单的实现难题。通过裁剪Notepad++源码，剥离窗口管理核心模块并重构暗色主题依赖，成功构建轻量化的AI交互界面。基于`DockingDlgInterface`设计支持富文本的对话窗口，实现代码解释、智能优化、注释生成等核心功能，并通过动态菜单注册机制绑定快捷键。文章深入解析了窗口单例模式、DPI自适应布局、线程安全通信等关键技术，展示了插件菜单与AI交互窗口的实际效果，为开发智能化代码辅助工具提供了完整的实现路径
2025-04-01 12:09:34
972
原创 【AI深度学习网络】DeepSeek的Transformer改进与优化技术：从自注意力机制到多模态突破
本文系统解析了Transformer架构的核心原理、技术演进及应用实践，Transformer凭借自注意力机制、位置编码和多头注意力等创新，解决了传统RNN的长程依赖问题，支持并行计算，成为NLP和CV领域的基石。详述了DeepSeek等模型的优化策略，包括混合专家系统（MoE）、分层注意力和Flash Attention 2等技术，显著提升长序列处理效率。通过代码示例，演示了简化版Transformer的实现，同时探讨了模型面临的计算成本、数据依赖等挑战，并展望了Time-LLM、多模态统一模型等前沿方向
2025-03-31 21:02:07
1105
原创 【Ai插件开发】Notepad++ AI插件开发进阶(代码篇)：集成Ai模型问答功能与流式交互实现
本文系统阐述了Notepad++插件开发与AI集成的关键技术路径。基于Scintilla控件交互优化，通过ScintillaCall接口替代传统SendMessage实现类型安全的编辑器操作，解决了参数转换繁琐与接口文档依赖问题。创新性地构建流式响应处理管道，采用生产者-消费者模式实现AI模型的异步交互，支持Chunk数据解析与打字机动画渲染，有效处理长文本分段与编码转换（GBK/UTF-8自适应）。工程实践包含多线程架构设计、JSON配置管理及WinHttp封装应用，最终实现选中内容智能问答功能。后续将拓
2025-03-30 06:00:00
633
原创 【Ai插件开发】Notepad++ AI插件开发进阶：集成Ai模型问答功能与流式交互实现
本文系统阐述了Notepad++插件开发与AI集成的关键技术路径。基于Scintilla控件交互优化，通过ScintillaCall接口替代传统SendMessage实现类型安全的编辑器操作，解决了参数转换繁琐与接口文档依赖问题。创新性地构建流式响应处理管道，采用生产者-消费者模式实现AI模型的异步交互，支持Chunk数据解析与打字机动画渲染，有效处理长文本分段与编码转换（GBK/UTF-8自适应）。工程实践包含多线程架构设计、JSON配置管理及WinHttp封装应用，最终实现选中内容智能问答功能。
2025-03-29 11:27:55
1116
原创 【AI插件开发】Notepad++插件开发实践：从基础交互到ScintillaCall集成
在文本编辑器领域，Notepad++凭借其轻量级特性和强大的插件生态，成为开发者群体中的热门选择。作为基于Scintilla组件构建的编辑器（Scintilla是开源的代码编辑控件，被Notepad++、Geany等知名工具广泛采用），其插件开发体系具有独特的技术特点。本文是AI辅助开发系列的第二篇，前序文章已实现通过WinHttp封装C++访问大模型的SDK。本篇将聚焦于构建Notepad++插件开发框架，重点解决以下技术要点：本文重点讲解插件开发的核心技术路径，重点攻克Scintilla控件交互的工程化
2025-03-28 19:41:14
1276
原创 【C++接入大模型】WinHTTP类封装：实现对话式大模型接口访问
本博客详细解析了基于WinHTTP封装的C++ HTTP客户端类SimpleHttp的设计与实现。该类支持同步/异步请求及流式数据处理，核心功能包括：1）通过WinHTTP API实现HTTP/HTTPS通信，自动处理SSL加密；2）采用多线程技术分离数据接收与主线程，通过线程安全队列实现流式响应缓存；3）提供简洁接口封装GET/POST请求，支持自定义请求头与JSON参数；4）异常处理机制覆盖网络错误、HTTP状态码校验及资源释放。特别针对流式场景设计了TryFetchResp轮询接口
2025-03-27 18:49:16
829
原创 【基础库】Windows环境下OpenSSL安装与集成指南：源码编译与安装包方案解析及对比
OpenSSL作为网络安全领域的基石库，其Windows环境下的部署方案直接影响开发效率与程序性能。本文将系统性探讨源码编译与安装包部署两种方案的技术细节，通过参数对比与场景分析，为开发者提供完整的决策框架，并重点解析Visual Studio 2019环境下的集成方法。
2025-03-26 11:13:08
809
原创 【AI协议】MCP协议：重塑AI与数据交互的新范式
MCP核心设计目标是建立一个类似USB-C的标准化接口，实现AI应用与外部资源的无缝互联，真正做到“一次集成，处处运行”。MCP（Model Context Protocol，模型上下文协议）是专为人工智能时代设计的开放标准协议，其核心目标在于解决AI应用与多源数据之间的“数据孤岛”问题。在这个“软件吞噬世界，AI吞噬软件”的时代，MCP或许正在孕育下一代AI原生应用的基础设施。这种标准化描述使AI模型能动态理解工具的能力边界，结合实时返回的结果数据（如CSV表格或API响应），形成闭环学习机制。
2025-03-25 09:57:06
559
原创 【AI神经网络】深度神经网络（DNN）技术解析：从原理到实践
深度神经网络（Deep Neural Network, DNN）作为人工智能领域的核心技术，近年来在计算机视觉、自然语言处理、医疗诊断等领域取得了突破性进展。与传统机器学习模型相比，DNN通过多层非线性变换自动提取数据特征，解决了复杂模式识别的难题。本文将深入探讨DNN的定义、核心原理、在自然语言处理中的应用，并通过代码示例展示其实际部署方法。
2025-03-24 09:27:08
1359
2
原创 【AI部署】Ollama与vLLM深度对比：大模型部署框架的技术演进与实践指南
在人工智能技术快速发展的当下，大语言模型（LLM）的本地化部署与生产级应用已成为开发者关注的焦点。Ollama和vLLM作为两大主流框架，分别代表了轻量化部署与高性能推理的技术路线。本文将从技术架构、性能指标、适用场景等维度展开系统性对比，为开发者提供框架选型与落地实践的全面参考。
2025-03-23 21:39:28
814
原创 【工具】从pip到uv：Python开发者的极速工具迁移指南
本文介绍了新一代Python包管理工具uv的核心优势与迁移实践。uv通过Rust原生性能优化，实现依赖解析速度提升10-100倍，并集成虚拟环境管理、多版本Python切换等功能。文中详细演示了Windows环境下的完整工作流以及实践过程中的踩坑问题。通过uv venv创建虚拟环境时支持版本指定，依赖安装速度较pip显著提升。总结了常见问题解决方案，包括网络代理配置、手动下载安装包等实用技巧，为开发者从pip迁移至uv提供了完整指南。
2025-03-20 17:37:55
1096
原创 【AI模型】深度解析：DeepSeek的联网搜索的实现原理与认知误区
在实时信息处理成为大模型核心竞争力的今天，DeepSeek的联网搜索功能通过独特的"动态知识增强"架构，实现了对互联网实时信息的精准掌控。这个过程就像我们写论文，先在网上查资料，然后把有用的素材整合起来，再发挥自己的思考能力，写出一篇有深度的文章。大模型们也是这样，靠着这个“小助手”，它们能获取到最新的信息，给用户更全面、更准确的答案。总之，大模型们的“联网魔法”其实是个团队合作的成果。随着多模态大模型的发展，未来的联网搜索将实现更智能的跨媒体理解能力，使AI真正成为连接人类与实时数字世界的桥梁。
2025-03-19 09:54:33
2067
原创 【Linux编程】IPC之消息队列从踩坑到实战：核心原理、实战案例与C++封装详解（含完整代码）
本文详细介绍了Linux系统中消息队列的使用方法，包括核心函数解析（msgget、msgsnd、msgrcv、msgctl）和常见踩坑点，并通过生产者-消费者案例展示了其实战应用。进一步封装了一个通用的C++模板类MessageQueue，提供消息创建、发送、接收、删除和状态查询功能，具备类型安全、异常处理和资源管理特性。文章还探讨了性能优化建议和调试工具，适合需要进程间通信的开发者参考。
2025-03-18 21:06:48
891
原创 【工具】C#防沉迷进程监控工具使用手册
本工具用于监控指定进程的运行时长，当达到预设时间时通过声音、弹窗、窗口抖动等方式进行提醒，帮助用户合理控制程序使用时间。软件在上篇文章。声音提醒：将WAV格式文件放入程序目录或设置系统自带的音效，配置soundAlert参数弹窗提醒：设置showMessageBox="true"并填写messageBoxText窗口抖动：默认启用，可通过移除禁用。
2025-03-17 16:57:59
776
原创 【工具】C#游戏防沉迷小工具
嘿，各位小伙伴！今天想跟大家唠唠我为啥要搞这么个防沉迷小工具。咱都清楚，现在这游戏啊，玩起来那叫一个带劲，但时间一长，不仅眼睛累，心也跟着累。有些游戏，规则定得挺有意思：要是玩超过 15 分钟，你就可以秒退了，系统不会给你什么惩罚。这不，我就寻思着，要是有个东西能帮咱盯着游戏开始的时间，到时候提醒咱一声，那该多好啊！我可以根据当前局势判断要不要退出，要是碰到开挂的、花钱的，那果断推出，不能苦了自己舒服了别人。于是，我就琢磨着做这么个防沉迷小工具。
2025-03-14 19:23:33
863
1
原创 【RAG文档处理】文档加载模块：连接数据与智能应用的桥梁
文章系统介绍了LangChain框架下的文档加载模块，涵盖安装导入、基本用法、支持格式、高级技巧、注意事项及通用加载器。强调其在人工智能应用中将非结构化数据转化为机器可理解格式的关键作用，对比了CSVLoader和UnstructuredCSVLoader的特性、适用场景及性能，为不同需求下选择合适加载器提供指导。
2025-03-13 17:39:02
654
原创 【AI模型】Embedding（嵌入）模型：解锁机器理解人类语言的密钥
本文深入探讨了Embedding模型，它是将文字、句子等转化为计算机可理解数字（向量）的技术，能捕捉文字的含义和关联，是现代语言AI的底层基石。文章分析了传统文本表示方法的局限性，阐述了Embedding模型的解决方案、核心原理、常见类型、应用场景及选择方法等。通过示例代码展示了句子语义相似性检测，并给出了运行结果及分析，指出Embedding模型推动了NLP从规则驱动到数据驱动的转变，未来将在更多领域发挥重要作用。
2025-03-12 18:33:17
1143
原创 【AI基础】从零开始：Chroma向量数据库构建高效AI应用全攻略
文章主要介绍了Chroma向量数据库，涵盖其简介、安装部署、核心概念、高级功能及应用场景。Chroma作为开源AI原生向量数据库，通过将非结构化数据转换为向量嵌入，实现高效检索，适用于语义搜索、推荐系统等场景。安装部署包括本地安装、Docker部署及客户端连接配置。核心概念包括数据建模、存储架构、索引机制等。高级功能涉及数据预处理、性能优化、持久化存储等。应用场景广泛，包括推荐系统、语义搜索、大模型增强等。
2025-03-11 17:19:03
953
原创 【AI智能体报告】开源AI助手的革命：OpenManus深度使用报告
2025年3月，MetaGPT团队用一场"开源闪电战"改写了AI Agent的竞争格局。面对商业产品Manus高达10万元的邀请码炒作，他们仅用3小时便推出开源替代品OpenManus，首日即登顶GitHub趋势榜。作为首批体验者，我在本地环境完成了部署并深度测试了其核心功能。本文将全面解析这款工具的技术特性、部署技巧、实战场景，并分享普通用户最关心的隐私安全、成本效益与学习曲线问题。
2025-03-10 20:06:37
1638
原创 【AI深度学习网络】Transformer时代，RNN（循环神经网络）为何仍是时序建模的“秘密武器”？
循环神经网络（RNN）是一种处理序列数据的深度学习模型，具有记忆能力，能捕捉序列中的时间依赖关系。其核心在于循环结构和隐藏状态，通过时间展开处理序列数据。RNN在自然语言处理、时间序列分析、语音处理、视频分析等领域有广泛应用，但存在梯度消失/爆炸、计算效率低等局限性。LSTM和GRU是其优化变体，通过门控机制改善记忆能力。在短序列任务和需要时序建模的领域，RNN仍具优势。
2025-03-09 07:00:00
787
原创 【创意代码】用Python为她定制粉色公主风妇女节贺卡：代码与浪漫的完美融合
这个项目将Python的简洁优雅与浪漫创意相结合，证明代码不仅是解决问题的工具，更是传递情感的媒介。当科技遇见温情，简单的循环语句也能编织出爱的密语。建议将生成的贺卡打印在烫金卡纸上，搭配手写情书，打造专属的仪式感。
2025-03-08 08:00:00
530
原创 【AI深度学习网络】前馈神经网络（FNN）及其变体（CNN）解析
前馈神经网络（Feedforward Neural Network）是最基础的神经网络类型，其核心特征是信息单向流动，即数据从输入层经隐藏层传递至输出层，无循环或反馈连接。典型结构包括输入层隐藏层和输出层。输入层接收原始数据，如像素值；隐藏层通过加权求和和非线性变换提取特征；输出层生成最终预测结果，如分类概率。FNN结构图：单层前馈网络仅含输入层和输出层，适用于简单线性分类。例如感知机（Perceptron），通过权重直接映射输入到输出。多层前馈网络包含多个隐藏层，可逼近任意复杂函数。
2025-03-07 13:28:19
1044
原创 【AI深度学习基础】PyTorch初探
通过本阶段的学习，我们了解了PyTorch的基本概念和核心特性，掌握了张量的基本操作和神经网络的构建方法，并通过一个简单的线性回归示例进行了实践。PyTorch的灵活性和强大功能为我们后续深入学习深度学习奠定了基础。PyTorch是一个非常强大且易于使用的深度学习框架，适合初学者入门和开发者进行各种深度学习项目。希望本篇学习指南能够帮助你迈出PyTorch学习的第一步，期待你在后续的学习和实践中不断探索，利用PyTorch构建出更加优秀的模型。
2025-03-06 10:41:53
2058
原创 【AI深度学习网络】卷积神经网络（CNN）入门指南：从生物启发的原理到现代架构演进
本文介绍了卷积神经网络（CNN）的核心原理与应用。从基础概念入手，详细讲解了CNN的生物基础、数学本质、核心原理以及为何特别适合图像处理。通过层次化特征提取和参数共享等机制，CNN能够高效地处理图像数据，自动学习特征，无需人工设计。文章还列举了CNN在图像分类、目标检测、图像分割和风格迁移等领域的典型应用，展示了其在深度学习中的重要地位。
2025-03-05 16:38:12
1641
原创 【AI实践】基于TensorFlow/Keras的CNN（卷积神经网络）简单实现：手写数字识别的工程实践
本实现仅用35行核心代码完成端到端的CNN训练与验证，准确率达98%+。通过模块化设计、日志增强和可视化组件，展现了工业级代码的雏形。读者可在此基础上扩展更复杂的网络结构或部署功能。
2025-03-05 13:26:28
1212
原创 【仿真数据】Python仿真测试数据神器Faker库：从入门到精通
Faker库将数据生成从“体力活”变为“创造力工作”，无论是开发测试、数据科学还是产品演示，都能显著提升效率。通过本文的代码示例和场景解析，读者可快速上手并应用于实际项目。探索更多功能可参考官方文档。
2025-03-04 14:13:31
947
原创 【AI深度学习基础】Pandas完全指南终极篇：构建企业级数据工程与AI应用 （含完整代码）
构建企业级数据工程解决方案，涵盖生产环境管道设计、Parquet分区存储、分布式Dask计算等工业级实践。突破单机限制，详解亿级数据分块处理与内存映射技术，结合GPU加速(cuDF)实现硬件级性能突破。深度整合AI工程化体系，设计特征工厂模式与数据漂移检测模块，打造Kafka流处理实时分析架构。扩展开发章节演示自定义数据类型注册与地理数据处理，通过Arrow内存革命实现零拷贝数据转换。以金融为例，展示实时规则引擎与特征计算的落地方案。最终形成全链路能力，助力开发者从工具使用者蜕变为数据架构设计师。
2025-03-04 10:05:14
931
原创 【AI深度学习基础】Pandas完全指南进阶篇：解锁高效数据处理高阶技能 （含完整代码）
聚焦高效数据处理的高阶技能体系，深入解析多级索引构建与切片、分类数据内存优化、正则表达式清洗等进阶操作，突破基础数据处理边界。通过窗口函数实现动态分析，结合时间序列重采样技术赋能金融与IoT场景，并详解Pandas与Scikit-learn的特征工程管道整合方案。性能优化章节提供矢量化计算、类型精准化等15+调优技巧，实测百万级数据聚合效率提升5倍。实战部分以电商用户行为分析为蓝本，演示会话分割、漏斗分析与路径挖掘的全流程。构建从数据清洗到机器学习落地的完整能力链，为中级开发者迈向数据科学专家提供关键技术。
2025-03-04 10:02:58
1115
原创 【AI深度学习基础】Pandas完全指南入门篇：数据处理的瑞士军刀 （含完整代码）
本文系统介绍了Python数据处理库Pandas的核心功能与实践应用。Pandas以Series和DataFrame为数据结构，提供数据清洗、时间序列处理等高效功能，支持向量化运算和内存优化。文章详细讲解了安装方法、核心数据结构、数据处理能力、工程实践技巧及性能优化策略，旨在帮助读者快速掌握Pandas，为深度学习模型训练打下基础。
2025-03-03 18:00:36
1260
原创 【创意代码】用Python代码编织浪漫：为3.7女生节定制炫酷爱心动画（程序员必看）
马上又是一年一度的GrilDay了，在3月7日这个属于女生的特别节日里，程序员们如何用技术表达心意？本文将带你用Python打造一款融合数学之美与视觉艺术的动态爱心动画，让你的浪漫代码成为最独特的礼物。💖立体旋转的爱心矩阵：数学曲线构建的3D爱心群✨粒子特效：雪花飘落、烟花绽放的动态背景🌈色彩魔法：渐变色文字与流动的光影效果💌定制内容：动态显示TA的名字与专属情话通过本文，我们不仅实现了一个酷炫的动画程序，更展示了技术人的浪漫方式。
2025-03-02 16:46:56
1074
原创 【AI深度学习基础】NumPy完全指南终极篇：核心功能与工程实践（含完整代码）
本文揭示了ndarray内存模型与CPU缓存体系的量子纠缠效应，解析了张量运算在爱因斯坦求和约定下的维度坍缩法则，并构建了生产级优化的热力学第二定律实践框架。通过内存池技术、结构化对齐、零拷贝视图等核心技巧，实现malloc-free内存管理的时空折叠。在并行计算层面，突破阿姆达尔定律约束，融合CPU多核并行与GPU异构加速，构建起应对亿级数据处理的冯·诺依曼架构突破方案。最后在深度学习工程中，通过内存映射文件与分块处理策略，实现TB级数据的高效管道设计，为AI训练提供原子级数据供给。
2025-03-01 19:44:33
1074
原创 【AI深度学习基础】NumPy完全指南进阶篇：核心功能与工程实践（含完整代码）
NumPy作为科学计算的核心工具，其高阶用法显著提升数据处理效率与工程实践能力。核心进阶技巧包含：广播机制通过智能维度扩展实现高效运算，内存效率较显式复制提升10倍以上，广泛应用于数据标准化等场景；数组堆叠与拆分支持灵活重组数据，vstack/hstack与对应拆分方法为多源数据整合提供便利。布尔索引与统计函数组合实现高效数据过滤分析，bincount等方法避免冗余循环。跨库交互通过内存共享机制（如Pandas的df.values）实现零拷贝数据传输，与SciPy、深度学习框架的无缝衔接扩展应用边界。
2025-02-28 20:22:51
1129
原创 【AI深度学习基础】NumPy完全指南入门篇：核心功能与工程实践（含完整代码）
NumPy是Python科学计算的核心库，以高效多维数组（ndarray）为核心，支持向量化运算和广播机制，性能远超原生Python。其核心功能包括灵活数组创建、智能索引切片、丰富数学函数库及内存优化机制，适用于数据处理、算法实现和跨库协同。文档详解了数组创建、类型控制、文件交互、重塑转置等基础操作，强调视图与拷贝的内存特性及向量化运算优势。NumPy在AI领域支撑数据预处理、特征工程和模型开发，与其他库无缝衔接。下篇将深入高阶用法与性能优化，助力开发者释放大规模数据计算潜力。
2025-02-28 17:28:57
1031
原创 【RAG生成】生成模块核心技术解密：从理论到实践的全链路优化
深入解析了RAG系统的生成模块核心技术，揭示了"检索-生成"协同优化的完整技术体系。核心围绕提示工程、上下文整合、多文档策略、模型优化和交互生成五大模块展开，提出动态上下文融合、概率分布修正等创新方法。通过混合检索（BM25+向量）、知识蒸馏、分形生成架构等技术，实现生成效率提升的突破。文章构建了"数据预处理-精准召回-知识提纯-可控生成"的全链路方案，并给出温度调控、ProTeGi优化等18项工程实践参数配置，验证了多模态生成和实时优化的显著成效，为构建高可靠RAG系统提供完整方法论。
2025-02-27 20:08:08
1292
原创 【RAG增强】解密RAG系统排序优化：从基础原理到生产实践
本文系统解析了RAG系统中排序环节的技术体系与实践经验。核心涵盖：1）排序目标通过重排序、上下文压缩等技术优化LLM输入质量；2）分层优化策略（基础检索→混合排序→深度精排）；3）工程落地中的算法选型、性能优化及反馈闭环机制；4）典型案例展示多查询融合排序、细粒度语义匹配等场景应用。文中提供电商搜索的完整代码示例，演示从规则加权到Learning to Rank的进阶路径，强调硬件加速、动态策略组合等生产级优化经验，为构建高精度排序系统提供方法论指导。
2025-02-26 20:06:55
1194
原创 【RAG检索】RAG技术揭秘：检索≠召回？
召回是RAG系统的核心环节，其本质是通过向量化、关键词匹配等技术，从海量知识库中筛选与用户问题相关的信息片段，为后续生成阶段提供精准上下文支持。与评估指标“召回率（Recall）”不同，Retrieval是动态的筛选过程，需平衡查全率与精确率。实现方法包括关键词匹配（快速但语义局限）和语义搜索（理解意图但需算力），优化策略建议采用混合搜索、动态分块及多模态处理。评估召回效果需关注命中率、排序质量及事实覆盖度，而实际应用面临长文本处理、实时更新、多跳推理等挑战。
2025-02-25 18:08:15
1206
原创 【AI实践】别再用传统API了！DeepSeek函数调用黑科技，5分钟搭建智能体工作流
DeepSeek Function Calling 是一种通过自然语言交互实现智能工具调用的技术架构，其核心在于将大语言模型（LLM）转化为“智能调度器”，实现对外部工具和服务的动态调用。该技术通过五步流程运作：用户输入自然语言指令→模型识别意图并暂停生成→生成结构化参数→外部系统执行调用→整合结果生成最终回复。相较于传统API开发，其突破性体现在自动参数映射、思维链可视化及并行调用能力。
2025-02-24 21:31:57
1982
原创 从基础到模块化：深度解析RAG技术演进如何重塑AI知识边界
RAG技术通过外挂知识库抑制LLM幻觉并扩展知识边界，其四层架构涵盖数据预处理、混合检索、生成控制与LLM推理。演进路径分为三阶段：基础RAG（线性流程，准确率40%-60%）、高级RAG（全链路优化，准确率超83%）和模块化RAG（动态编排，支持多模态与智能路由）。关键技术包括多模态解析、混合检索（向量+关键词+知识图谱）、查询重写与重排序模型。工程化构建需经多源数据处理、语义分块与多模态向量编码，结合增量更新机制。LLM协同采用查询增强与领域微调策略，生成阶段通过动态防护栏与结构化提示模板控制输出质量。
2025-02-24 17:45:24
591
12306.image.model+model+label.zip
2020-01-11
【hust】nmap使用练习
2015-04-27
使用ffmpeg转码pcm至aac格式
2015-01-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人