- 博客(44)
- 收藏
- 关注
RSS订阅原创 LangChain、LangGraph、LangSmith三者关系
LangChain、LangGraph、LangSmith并非竞品，而是「框架→运行时→观测平台」的三层协同体系。LangChain简化Agent开发，底层实则基于LangGraph；LangGraph提供状态管理与复杂流程控制；LangSmith则无侵入式追踪全流程。三者可共用：用LangChain快速验证，需复杂逻辑时切换LangGraph，全程通过LangSmith调试优化。关键：别误用旧环境变量，别过早画图，生产禁用InMemorySaver。
2026-11-06 23:06:26
560
原创 Docker常用命令与Compose部署
Docker日常核心为拉镜像、跑容器、写Dockerfile、用Compose编排。掌握docker run五参数（-d、-p、-v、-e、--name）和docker compose常用命令，即可应对80%场景。注意：容器数据需通过命名卷持久化，服务监听应使用0.0.0.0而非127.0.0.1，避免踩坑。建议固定镜像版本，合理使用prune与down，确保生产安全。
2026-11-04 09:12:39
273
原创 VLM是怎么看懂图片的（视觉语言模型入门）
VLM并非“长眼睛”，而是“翻译官”：通过ViT切图成patch，用Projector将视觉信息转为语言模型可读的token序列，再与文本一同输入Transformer。其强大源于复用语言模型的推理能力，但弱点也在此——图片仅转化为数百个低分辨率token，导致细节模糊、易产生幻觉。因此，精准任务应结合OCR，生产应用需控制视觉token成本并约束输出结构。理解“图片即外语”是驾驭VLM的关键。
2026-11-02 11:11:32
524
原创 BERT与原版Transformer编码器（异同与选型）
BERT 是 Transformer 编码器的特化版，主干结构完全相同，仅在五处关键点上调整：移除解码器、取消因果掩码实现双向注意力、替换 ReLU 为 GELU、将正弦位置编码改为可学习式（限长 512）、输入从两段增至三段（含段嵌入）。结合 MLM + NSP 预训练任务，使其擅长理解类任务。核心启示：不是“哪个更好”，而是“你要理解还是生成”。
2026-10-30 20:06:33
474
原创 文档解析工具对比（PaddleOCR与MinerU）
PaddleOCR与MinerU并非竞品，而是互补工具：前者如“眼睛”，专注文字检测与识别；后者如“编辑”，实现版面分析、结构还原与多格式输出。关键在于，MinerU的pipeline底层正是基于PaddleOCR（PP-OCRv6）构建。要仅识字选PaddleOCR，要读懂整页文档则选MinerU。二者可组合使用，发挥各自优势。
2026-10-28 16:24:42
549
原创 意图识别三选一（BERT微调、LLM+Prompt、Jev）
意图识别三大方案实战对比，BERT 微调、LLM 提示词、Jev 决策模型。解析各自优劣势，提供选型决策逻辑，讲解工业界三级瀑布分层方案，规避业务落地常见陷阱。
2026-10-27 22:17:17
730
原创 Function Call与MCP（区别、联系与实战）
摘要（148字）： Function Call 是模型“开口要工具”的语言，决定调用哪个；MCP 是统一的“插座标准”，让工具可复用、应用易接入。二者分层协作：MCP 提供标准化工具接口，最终仍通过 Function Call 由模型选择执行。前者解决“怎么说话”，后者解决“怎么接线”。2026年规范更强调无状态与流式支持，推动AI系统高效集成。
2026-10-26 21:07:34
542
原创 BGE-M3三种向量在Milvus怎么存（稠密、稀疏、多向量）
BGE-M3 输出的稠密、稀疏、多向量在Milvus中存储策略迥异：稠密向量（1024维）存为FLOAT_VECTOR，推荐使用HNSW+COSINE；稀疏向量需将键转为整数（{int(k): v}），仅存非零项，成本低且几乎“白捡”；多向量虽可存，但256 token块从4KB膨胀至1MB，存储成本飙升，建议用reranker替代。核心建议：优先双路召回（dense + sparse），避免盲目存多向量。
2026-10-21 14:43:38
262
原创 RRF的k到底怎么选（倒数排序融合调参）
RRF 的 k 不是“拍脑袋”的最优值，而是控制排名衰减速度的参数，代表“贡献减半点”。k=60 是默认值，源于早期实验，并非普适最优。当候选池较小时（如20条），k=60 会过度平滑排名，导致排序信息丢失；应根据候选规模调整：小池用 k=5–20，大池用 k=60–100。若两路质量不均，不应调 k，而应采用加权 RRF。引擎默认值差异大（如 Qdrant 默认 k=2），代码不可乱抄。有评测就调 k，无数据才用 60，别信“k 不敏感”。
2026-10-21 10:48:45
461
原创 RAG检索三件套（BM25、BGE-M3、Reranker）简介与应用
RAG 检索三件套实战，BM25 字面检索、BGE‑M3 多模式嵌入、Reranker 精排。详解多路召回 + RRF 融合 + 重排完整流程，附带完整代码，拆解 RAG 检索常见坑点。
2026-10-21 10:35:25
423
原创 Milvus向量数据库（介绍与使用）
Milvus 向量数据库实战指南，面向 RAG、语义检索场景。解析索引、相似度度量，演示 pymilvus 建库、写入、向量检索，讲解混合检索，梳理部署选型与常见问题。
2026-10-20 18:05:46
434
原创 uv环境部署完全指南（下载安装与使用）
uv Python 环境管理器实战教程，替代 pip、poetry、pyenv。详解 uv init/sync/run 核心命令，包含国内镜像加速、PyTorch 深度学习环境、Docker 与 CI/CD 落地，附带多工具迁移排错。
2026-10-20 17:47:42
218
原创 LangChain框架完全指南（介绍与使用）
LangChain 1.0 重构后聚焦核心能力：统一模型调用、工具集成与 Agent 编排，移除旧版 Chain API，强调稳定性。新版本仅保留 create_agent 等核心接口，旧教程基本失效。适用于复杂多步任务、RAG 和 Agent 循环场景，但单次调用建议直接使用官方 SDK。生态由多个专用包构成，需注意版本兼容性与命名变更。
2026-09-29 21:03:25
652
原创 深入理解Attention Is All You Need（论文精读）
深度精读 Transformer 开山论文 Attention Is All You Need。讲解自注意力核心原理、Encoder‑Decoder 整套架构，解读消融实验与超参数，分析论文的贡献、局限与对 LLM 的深远影响，附带 NumPy 手撕实现。
2026-09-24 17:28:47
558
原创 Jev使用完整指南
Jev 是 TypeSafe AI 发布的 System One 决策模型，不生成文本，只输出带校准概率的结构化判断。详解 API 原语、置信度门控路由，附带工单分诊实战 Demo，对比大模型，总结失效模式与中文落地建议。
2026-09-24 14:23:31
611
原创 Git在PyCharm中的使用完全指南
PyCharm Git 图形化使用完整教程，不用敲大量命令，在 IDE 内完成提交推送、分支合并、冲突解决、版本回滚；梳理各类危险操作边界，附带快捷键、常见报错排查。
2026-09-22 17:51:39
194
原创 Git在PyCharm中的使用完全指南
PyCharm Git 图形化使用完整教程，不用敲大量命令，在 IDE 内完成提交推送、分支合并、冲突解决、版本回滚；梳理各类危险操作边界，附带快捷键、常见报错排查。
2026-09-21 19:38:40
869
原创 BERT模型-剪枝实战
BERT 模型剪枝实战，理解结构化与非结构化剪枝，利用 PyTorch Prune 工具裁剪冗余参数，包含剪枝、固化、微调全套代码，解析稀疏度问题，对比三大模型压缩手段。
2026-09-21 16:49:58
267
原创 Transformer模型:从 Attention 到 PyTorch 从零实战
一文吃透 Transformer，解析自注意力、多头注意力、位置编码等核心模块，对比 RNN 优劣，区分编码器解码器架构；附带 PyTorch 手写与官方 API 两套实战，搞懂 BERT/GPT 大模型底层基石。
2026-09-17 13:48:19
358
原创 BERT前端分类部署教程
从零上手 BERT 新闻分类项目，使用 PyTorch+HuggingFace 微调中文 BERT，完成数据处理、模型训练评估，封装预测接口，通过 Flask 实现网页前端部署，附带全套可运行代码与问题排查。
2026-09-16 16:04:33
350
原创 BERT模型 ：原理详解 + PyTorch 微调实战
一文读懂 BERT 预训练语言模型，解析双向 Transformer 架构与预训练任务，结合HuggingFace 库实战文本分类、NER、句向量任务，分享微调调优、中文模型选型以及踩坑排错经验。
2026-09-14 13:20:40
483
原创 Docker（介绍、下载与基础使用）
一文搞懂 Docker 容器技术，对比容器与虚拟机差异，全平台安装配置，详解镜像容器、数据卷、Dockerfile、网络、Compose 编排，附带服务部署案例与排错，快速上手云原生容器实践。
2026-09-08 13:18:00
565
原创 迁移学习（下）：预训练模型与Transformers库实战
详解 NLP 迁移学习与微调，区分 AR/AE/Seq2Seq 三类预训练模型，梳理主流模型参数；实战演示 Transformers 三层 API，完成文本分类、完形填空、阅读理解、NER、摘要等任务，配套完整代码。
2026-09-06 11:15:51
378
原创 迁移学习（上）：fastText详解与实战
<think>我们根据要求，需要根据给定内容生成≤150字的文章摘要。内容是关于迁移学习上篇，fastText详解。摘要需概括工具原理、文本分类实战、词向量迁移等要点。字数限制严格。输出应为一段话。</think>本文是迁移学习上篇，详解fastText工具：介绍其原理（三层架构、层次softmax、负采样）、文本分类实战（含调优方法）及词向量迁移（官方词向量与中文实战），配有代码与结果，适合NLP入门。
2026-09-04 13:32:31
403
原创 深入浅出RNN-LSTM-GRU原理详解与PyTorch实战
循环神经网络 RNN 是处理序列数据的基础模型，但存在长序列梯度消失问题。本文讲解 RNN、LSTM、GRU 的内部原理、门控机制，结合 PyTorch 实战代码演示 API 使用，对比三者优缺点与选型思路，帮助快速掌握循环神经网络完整知识体系。
2026-09-03 20:53:20
679
原创 自然语言处理NLP
本资料讲解 NLP 基础概念、处理流程、文本向量化方法、RNN/LSTM/Transformer/BERT/GPT 核心模型，配套多份 Python 实战代码，梳理 NLP 完整学习路径
2026-09-01 12:57:15
734
原创 循环神经网络RNN
循环神经网络 RNN 专门处理**序列数据**，依靠内部循环与隐藏状态记忆历史时序信息，多用于 NLP、时间序列预测、语音识别等任务。
2026-08-30 12:05:47
408
原创 卷积神经网络CNN
本文讲解卷积神经网络CNN，先介绍计算机图像基础；讲解卷积层、池化层原理、Padding、Stride等关键参数，介绍LeNet‑5、ResNet等经典CNN网络；基于PyTorch使用CIFAR10数据集搭建图像分类网络，完成训练、预测，并通过Dropout、调学习率解决过拟合问题，适合深度学习入门学习。
2026-08-29 13:19:15
679
原创 Goose下载安装与使用教程
Goose 是 Linux 基金会旗下开源 AI Agent，支持桌面、CLI、API 三种形式，兼容十多家大模型，依托 MCP 扩展可读写文件、执行命令，适合开发者做代码开发、自动化任务。教程覆盖全平台安装、模型配置、核心功能与实操案例。
2026-08-27 14:03:00
760
原创 TortoiseGit 安装配置与完整使用教程（适配已安装Git环境）
Windows 下 TortoiseGit 图形工具安装配置教程，讲解 SSH 免密设置、可视化日常 Git 操作、冲突与分支处理及报错排查。
2026-08-26 22:17:03
1198
原创 神经网络基础
本文介绍了神经网络的基础知识，主要包括： 神经网络概述：模仿生物神经元结构，由输入层、隐藏层和输出层组成，通过前向传播进行预测。 激活函数的作用：引入非线性因素，增强网络拟合能力。 常见激活函数分析： Sigmoid函数：将输入映射到(0,1)，存在梯度消失问题 Tanh函数：输出范围(-1,1)，相比Sigmoid具有零中心化特性 网络内部状态：包括内部状态值（加权求和）和激活值（经非线性变换后的输出） 文章通过数学公式、函数图像和代码示例详细说明了神经网络的基本原理和关键组件。
2026-08-25 23:17:06
840
原创 决策树_预剪枝和后剪枝
决策树剪枝是通过删减冗余分支降低模型复杂度、解决过拟合、提升模型泛化能力的重要手段，主要分为预剪枝与后剪枝两类。"预剪枝"在决策树生长过程中依据验证集性能提前终止节点分裂，训练开销小、速度快，但易造成欠拟合；"后剪枝"先生成完整决策树，再自底向上对无效子树进行裁剪，泛化效果更优，但计算成本更高。实际使用时，小规模数据优先考虑后剪枝，大规模数据集可利用预剪枝的高效特性，结合业务场景合理选择剪枝策略。
2026-08-25 22:18:23
455
原创 归一化和标准化_详解
本文讲解机器学习特征工程中的归一化与标准化，二者用于消除特征量纲差异，避免模型被数值范围大的特征主导。归一化 (Min‑MaxScaler) 将数据缩放到 [0,1] 区间，但易受极值干扰；标准化 (StandardScaler) 转化为均值 0、方差 1 的标准正态分布，抗异常值能力更强。文中给出公式、sklearn 代码示例，并对比两者适用场景，多数机器学习任务优先选用标准化。
2026-08-24 16:17:32
432
原创 KNN算法详解
KNN 是惰性机器学习算法，通过距离寻找 K 个近邻，投票实现分类、取均值完成回归。K 值大小直接影响模型效果，算法简单易实现，但计算开销大，可借助 KD 树、标准化进行优化。
2026-08-24 16:08:23
718
原创 PyTorch框架使用
这份 PyTorch 入门教程面向深度学习初学者，介绍了 PyTorch 框架发展历程、核心特性以及与 TensorFlow 的差异，重点讲解张量这一核心数据结构，涵盖张量创建、类型转换、数值运算、索引、维度变换、张量拼接等各类常用操作，同时阐述 autograd 自动微分原理、梯度计算与梯度下降实现，最后给出完整代码案例演示利用 PyTorch 完成线性回归模型的数据集准备、模型搭建、损失与优化器配置、模型训练全流程，配套可运行代码帮助读者实操练习。
2026-08-23 19:39:58
490
原创 DeepSeek-Harness-入门指南
DeepSeek‑Harness（DSH）是 DeepSeek 开源的 AI 智能体运行框架，支持网页、桌面、命令行多种运行模式。它可调用大模型 API，具备读写文件、执行终端命令、联网检索、子智能体任务拆解等工具能力，内置沙箱保障安全。不仅能自动完成编程开发、文件处理、复杂任务编排等工作，还能完整展示 Agent 的执行流程，非常适合开发者与 AI 学习者实践研究 Agent 工程。
2026-08-23 13:48:28
1493
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