zhulangfly的专栏

摘要 大语言模型(LLM)驱动的智能体在自动化效率与结果可靠性间存在平衡挑战。Human-in-the-Loop(人机回环)机制通过在关键环节嵌入人工干预，有效提升系统安全性和准确性。该机制具备三大核心能力：持久化执行状态支持异步协作、灵活的中断方式精准控制干预时机、多样化集成点覆盖全工作流场景。实践中有四大应用模式：批准/拒绝关键操作、编辑错误中间结果、审查工具调用参数、验证用户输入有效性。在LangGraph框架中，通过配置状态持久化、设置中断节点和恢复执行三个步骤即可实现。人机回环机制以"机

本文介绍了三种主流开源语音转文本(STT)工具：阿里SenseVoice、百度PaddleSpeech和OpenAI Whisper，重点推荐了SenseVoice在中文识别方面的优势。作者选择SenseVoice-Small模型开发了本地语音识别工具，通过Python的tkinter库构建了GUI界面，实现了音频文件选择和文本转换功能。文章详细说明了模型下载安装步骤和使用方法，并提供了完整的Python实现代码。该工具支持中文语音识别，后期可结合大模型进行文本纠错，适合需要本地化处理的场景。

最近，我在调研机场的大模型应用场景，在一次分享会上听到"**好的想法不应该因为小众而被忽视，尤其在AI时代**"这句话时，深有一下被击中的感觉，太有共鸣了。过去，在机场智能化创新过程中，大量需求仅仅因为服务对象不够大众化，投入产出比差就被束之高阁。这也无可厚非，企业资源有限，自然倾向于集中力量满足主流市场需求。然而，随着AI技术的迅猛发展，这一局面正在被彻底改写，我们正见证着一个全新的时代：那些曾被归为"长尾"的个性化、小众需求，正在AI的赋能下获得前所未有的满足机会。**这不仅是一场技术革命，更是。。。

18世纪80年代，当人们第一次将蒸汽机安装在马车上时，这个看似聪明的"升级"带来了灾难性后果。转向系统、刹车系统、悬挂装置——所有这些为低速设计的马车部件都无法承受蒸汽机带来的高速运转，翻车事故频发。这个历史案例完美诠释了"路径依赖"的危害：我们总是倾向于用新技术简单替换旧系统的某个部分，而非重新思考整个系统架构。

当前RAG（Retrieval-Augmented Generation）系统在处理用户查询时，往往存在检索内容杂乱无章、大模型难以有效整合信息的问题。理想的RAG技术应能精准检索并结构化知识，以支持大模型生成清晰、有逻辑的回答。未来RAG技术的发展应聚焦于三个方面：1）通过查询重写技术提高检索质量，确保检索内容与用户问题高度相关；2）构建知识结构，将检索到的信息整理成清晰的知识骨架，便于大模型理解；3）增强大模型的内容理解和格式生成能力，使其能根据问题意图自主生成易于理解的格式内容。

maxKB是比较优秀的开源的AI知识库平台，通过学习该项目，可以迅速建立起来RAG工程实现的一切知识。工欲善其事必先利其器，现在本地搭建起来，方便分析代码！可参考官方文档，但是不全，我在Windows10上把搭建过程记录下来，并成功搭建了maxkb在VSCode开发调试环境。如果你在搭建过程中遇到问题，可以给我留言交流呀。

在上一篇文章中我们介绍了MCP是什么、他能干啥，以及简单的Demo示例等，这篇文章我们使用MaxKB这个工具，利用智普大模型，看看MCP到底怎么用。

航空业正在经历一场前所未有的技术革命，人工智能正成为变革的主要催化剂。从停机坪到航站楼，从维修机库到客户服务中心，人工智能正在从根本上重塑航空公司的运营和服务方式。这种转变并非仅仅停留在理论上——全球主要航空公司已从人工智能投资中获益匪浅，展现出该技术对航空业最紧迫挑战的实际影响。让我们来看看主要航空公司实施的数字化举措中一些最突出的现实案例。英国航空公司于2023年初实施了人工智能优化的航线，显著节省了10万吨燃油，相当于节省了1000万美元的成本。

在当今信息爆炸的时代，如何高效地从海量文档中获取有价值的信息并转化为准确答案，成为了众多领域面临的挑战。RAG（Retrieval-Augmented Generation）技术的出现，为这一难题提供了创新性的解决方案。接下来，让我们一起深入了解 RAG 技术的全流程，揭开它的神秘面纱。

想象一下，AI 大模型就像是一个超级聪明但有时候有点 “摸不着头脑” 的小伙伴。它很厉害，能处理很多信息、回答各种问题，但它和外界的数据、工具等沟通起来有时候没那么顺畅呀。这时候，MCP 就闪亮登场啦！MCP 的全称是 Model Context Protocol，也就是模型上下文协议。

在数字化办公和学习中，快速将图片、PDF等文件中的文字提取为可编辑文本是高频需求。开源OCR工具凭借免费、灵活、可定制的优势，成为许多人的首选。今天为大家带来5款主流开源OCR工具的实测对比，他们是olmOCR、OCRmyPDF、MinerU、OmniAI/Zerox、Umi-OCR，总有一款帮你找到最趁手的“文字提取神器”！

在这个数字化时代，手写数字识别已经成为了一个既经典又充满挑战的任务。而MNIST数据集，作为手写数字识别的“入门级”数据集，更是被广大学者和工程师们视为探索神经网络奥秘的“敲门砖”。在这篇文章中有完整的可运行的代码，让我们一起踏上这段充满挑战和乐趣的学习之旅吧！

相信有和我遭遇一样的同学吧，之前装了anaconda用的挺好的（可以参考），但是考虑到有可能收到软件侵权的律师函的风险，还是果断找个替代品把anaconda卸载掉。miniforge就是在这样的背景下发展出来的，由开源软件社区驱动的conda-forge组织发展迅速，提供了可免费使用，无商业风险且稳定高效的一系列开源工具及网络资源服务，今天我要给大家介绍的miniforge如何完美替代你电脑上的anaconda、miniconda。

通过这样的方式，就实现了从float32到int8的量化和反量化过程，就如同在左边的float32取值范围和右边的量化后的int8取值范围之间，搭建起了一座通过缩放因子实现映射的“桥梁”。在计算机的世界里，数据是以二进制的形式来存储和处理的。大模型量化技术实则是在努力寻求模型性能与资源限制之间的平衡，尽管它目前还存在一些局限性，但随着相关技术的不断发展与优化，量化技术必然会在大模型的广泛应用中发挥愈发重要的作用，从而让大模型能够在更多的场景中“轻装上阵”，为人工智能的进一步普及和发展提供坚实有力的支持。

在人工智能领域，DeepSeek作为一个备受关注的项目，近期在北京大学举办的内部研讨系列讲座中引起了广泛的关注。本次研讨会的核心内容围绕DeepSeek的基本概念、大模型技术以及AIGC（人工智能生成内容）的应用展开，旨在帮助参与者深入了解这些前沿技术的应用和潜力。

Anaconda是一个开源的Python发行版本，专为解决Python开发中的版本冲突问题而设计。它允许开发者创建多个独立的环境，每个环境可配置不同的Python版本和库依赖，从而确保项目间的隔离性和稳定性。

想搭建自己的AI知识库吗，想搭建自己的AI智能体开发平台吗，选对工具平台就像选对队友一样重要。Dify、FastGPT、MaxKB这三个开源界的明星选手，究竟谁更适合你的团队？本文从到，带你一探究竟！

自学机器学习和深度学习的优秀网站大汇总。

DeepSeek的爆火新闻满天飞，其中最显眼的就是“在国外大模型排名榜Chatbot Arena上，DeepSeek-R1的基准测试排名已经升至全类别大模型第三”，要知道这个排名的含金量。Chatbot Arena是目前最权威的大模型排名榜之一‌。

模型蒸馏（Model Distillation），也称为知识蒸馏（Knowledge Distillation），是一种模型压缩和迁移学习技术，旨在将一个大型、复杂且性能较好的教师模型（Teacher Model）的知识迁移到一个较小、结构相对简单的学生模型（Student Model）中，使得学生模型能够在保持相对较小规模的同时，尽可能地学习到教师模型的优秀特征和表现能力，从而达到接近教师模型的性能。

在当今人工智能飞速发展的时代，AI智能体平台如雨后春笋般涌现，为各行业带来了前所未有的创新机遇。今天，我们就来深入了解一下国内几家做得相当出色的AI智能体平台，包括百度的文心智能体平台、阿里巴巴的魔塔智能体平台、腾讯的元器智能体开放平台以及字节跳动的扣子AI平台，看看它们各自都有哪些独特之处，以及在市场中的表现如何。

在当今飞速发展的人工智能领域，AI Agent作为一种新兴的概念正逐渐崭露头角，它有望在诸多领域带来革命性的变革。本文将剖析AI Agent究竟是什么，其组成部分、工作原理，探讨它产生的原因，并介绍该领域的主要玩家，包括备受瞩目的AutoGPT以及国内相关公司的情况。