wan560的专栏

AppBuilder为AI应用开发平台，支持从简单到复杂的各种应用开发，包括但不限于智能体，有很多预先设置的应用模版，生成类问答类为主，也有搜索类、文生图。和前面的也差不多，能自动生成智能体，图生文不需要集成插件，直接大模型就输出了。AgentBulider和AppBuilder的区分，Agent更侧重会话问答的智能体，和AppBuilder功能比较相似，感觉界限不是很清晰。各家功能大同小异，也有各自的优势，团队规模也不一样，起步也有早晚，其实没什么可比较的，纯属都试试。插件需要自己创建，http请求。

GraphRAG 及如今热门的 KAG框架的核心改进在于 RAG 的基础上，加强了实体、Chunk之间的关联，适当融入了知识图谱的功能，以此来提高信息检索挖掘潜在实体关联的能力，增强检索召回。A：用户输入的任意语言的文本，都会先进行嵌入操作，转换为向量表示。目标：在数百万甚至数百亿的向量中高效地找到与给定向量最相似的那些向量，同时，也需要高效地存储和管理海量的。），以及非常漫长的构建索引的时间。3. 生成 — 以检索到的上下文为条件，生成问题的回答。，一个模块化的基于图的检索增强生成（

原因在于训练数据难搞、算法比较难调、需要时间比较长、对标准要求也比较高。算法相对直接，一般是用大量的数据去做下一个词的预测（next-word prediction）。偏好对齐旨在让模型的输出更符合您的偏好，如KTO、SimPO、DPO和RLHF等。基于大量的纯文本数据使用Post-pretrain的方式训练出一个定制的预训练模型。常见的做法是使用预训练的网络（例如在。3. 生成 — 以检索到的上下文为条件，生成问题的回答。指令微调、部分参数微调（适配器、前缀微调、（也叫微调），或者当做特征提取器。