PythonAI算法
Ollama 本地部署全攻略：大模型深度解析与实操教程
Ollama 是一款用于在本地环境运行大型语言模型的轻量级框架。 Ollama 的核心功能、安装配置方法、CLI 及 API 使用方式，以及通过 Modelfile 自定义模型参数的技巧。内容涵盖从基础部署到高级多模态处理的全流程，包含常见故障排查与性能优化建议，旨在帮助开发者快速搭建私有化 AI 服务，实现数据隐私保护与灵活集成。
分类：编程语言 · Python
PythonAI算法
AI 大模型入门与核心技术开发指南
综述由AI生成系统梳理了人工智能大模型的核心技术演进路径，涵盖从人工神经网络反向传播算法到 Transformer 架构的演变。详细解析了 RNN、LSTM、Attention 机制及 GPT 系列模型的原理，并介绍了强化学习（RL）与人类反馈强化学习（RLHF）在语言模型优化中的应用。此外，提供了基于 Coze 和 LangChain 等框架的实际应用开发示例，帮助开发者理解私有化部署及行业落地方案。
Python算法
Python 制作大麦网抢票程序
介绍使用 Python 结合 Selenium 自动化操作浏览器，实现大麦网演出门票的自动抢票流程。主要涉及免登录 Cookie 保存、页面元素检测、购票按钮点击及订单确认等核心功能。通过面向对象编程封装 Concert 类，利用 pickle 持久化用户状态，减少重复登录步骤。代码包含环境配置、模块导入、登录逻辑、抢票循环及下单操作。需注意此类脚本仅用于技术学习，实际抢票受平台反爬机制限制，请遵守相关法律法规及网站服务条款。
PythonAI算法
Python 网络爬虫技术入门与实战指南
Python 因其简洁语法成为网络爬虫首选语言。爬虫工作原理，涵盖请求发送、页面解析及数据存储流程。针对反爬机制如 IP 封禁、验证码、JS 渲染等提供应对方案，包括 Headers 设置、代理池使用及 Selenium 自动化。强调合法合规采集数据的重要性，避免法律风险。适合希望掌握数据采集技能的开发者参考。
PythonAI算法
Python 7 个网络爬虫实战案例及源码解析
Python 爬虫实战教程涵盖豆瓣、猫眼、高校名单、天气、当当网、糗事百科及微博等 7 个典型案例。使用 Requests、BeautifulSoup、正则、Lxml 及 Selenium 等技术抓取网页数据并保存至本地文件。内容包含完整源码解析、反爬策略应对及伦理规范，适合初学者系统学习数据采集流程与基础实现方法。
PythonAI算法
Python 网络爬虫技术原理与应用场景分析
Python 语言凭借简洁语法和丰富库成为网络爬虫首选。文章探讨爬虫架构、常用工具如 Requests 和 BeautifulSoup，以及应对反爬策略。强调数据获取在大数据和 AI 领域的重要性，同时指出需遵守法律法规及网站协议，避免恶意攻击。技术迭代快，需持续学习实践。
PythonAI算法
AI 大模型函数调用 Function Calling：接口演进、缺陷分析与逻辑赋能
综述由AI生成探讨了人机交互接口与应用程序编程接口的发展演进，分析了 AI 大模型在知识时效性与逻辑推理方面的固有缺陷。重点介绍了函数调用（Function Calling）机制如何通过连接外部工具与真实世界数据，为大模型注入确定性逻辑，从而弥补其概率生成文本的不足，实现更精准的业务交互。文章还补充了函数调用的技术实现流程，包括 Schema 定义、参数解析及执行反馈机制。
PythonAI算法
Python 网络爬虫实战：从原理到数据抓取与存储
综述由AI生成详细讲解了基于 Python 的网络爬虫实战技术。内容涵盖爬虫基本原理与 robots 协议规范，介绍了 requests 库发送请求、lxml 库配合 XPath 解析 HTML 的方法。通过具体案例演示了如何分析网页结构、构造请求头、实现单页数据提取及多页翻页逻辑。文章重点提供了完整的代码示例，包含异常处理、随机延时防封禁机制以及 CSV 数据持久化存储方案。最后总结了爬虫优化的方向，如引入 Scrapy 框架和代理 IP，适合希望…
PythonAI算法
LLM 多智能体 AutoGen 教程 5：函数调用之避免参数捏造
综述由AI生成探讨了在 LLM 多智能体框架 AutoGen 中实现函数调用时，如何避免模型捏造参数的方法。首先分析了直接调用 HTTP API 时的参数缺失问题，指出通过强化 System Prompt 可以引导模型主动询问缺失信息。接着详细介绍了如何在 AutoGen 中使用 Python 类型注解定义函数，并通过 register_for_llm 和 register_for_execution 将函数注册到代理中。最后补充了完整的工具调用生命…
PythonNode.jsSaaSAI算法
基于大语言模型的智能爬虫 Crawlab AI 实践
综述由AI生成基于大语言模型（LLM）打造的智能爬虫产品 Crawlab AI。针对传统爬虫需人工编写 XPath 或 CSS Selector 规则导致维护成本高、效率低的问题，Crawlab AI 利用 LLM 理解 HTML 结构的能力，自动提取目标数据并生成对应代码。文章详细阐述了其工作原理，包括 URL 输入、HTML 预处理、Prompt 构建、LLM 推理及代码生成流程。通过豆瓣电影列表和微信公众号文章的解析案例，展示了其在列表解析和文…
PythonAI算法
大模型微调技术详解：从理论原理到实操指南
综述由AI生成详细解析了大模型微调技术，涵盖全量微调 FFT 与高效微调 PEFT 的理论区别。重点介绍了 Prompt Tuning、Prefix Tuning 及 LoRA 等 PEFT 方法的原理与优势。通过 OpenAI 微调案例，阐述了数据准备（JSONL 格式）、训练参数配置（Epochs、Learning Rate）及效果验证流程。文章强调数据质量对微调效果的决定性作用，提供了关于过拟合检测、超参数调优及迭代微调的最佳实践建议，旨在帮助…
PythonAI大前端算法
Python 爬虫技术实战：技能体系与合规变现路径
综述由AI生成Python 爬虫技术不仅限于程序员，掌握相关技能可拓展至数据获取、网站运营及自由职业。详细解析了接单平台选择、流量变现模式及自媒体创作等变现途径，重点阐述了从基础语法到反爬机制应对的技术栈要求。同时强调了法律合规性，指出应避免侵犯版权与隐私，建议通过结构化公开数据整合创造价值。内容涵盖 Requests 库使用、前端逆向分析及分布式架构基础，为学习者提供系统化的入门与进阶指南。
PythonAI
LLM 应用开发实战：实现流式响应与高效落地
综述由AI生成LLM 应用开发中，流式响应能显著降低用户等待感。介绍实现流式响应的三个关键要素：LLM 生成支持、服务器通道支持及前端展示支持。通过 Gradio 框架结合百度文心一言接口，演示了如何将响应函数改为生成器模式，实现字级或块级流式输出。同时探讨了企业落地面临的准确率、速度、成本等挑战，强调持续探索的重要性。
Python算法
Python 爬虫实战：批量获取股票实时行情数据
使用 Python 爬虫技术批量获取股票实时行情数据。流程包括利用 Requests 访问古成网获取股票代码列表，解析同花顺 API 接口获取 JSONP 格式的行情数据，经过去封装处理后存入 MySQL 数据库。文章涵盖环境搭建、网络分析、数据库设计、完整代码实现及反爬优化建议，适合初学者掌握基础爬虫开发流程。
Python
Python 爬虫实战：使用 Requests 与 Parsel 下载图片
综述由AI生成使用 Python 的 requests 和 parsel 库进行网页数据抓取的基本流程。通过浏览器开发者工具分析网络请求，获取接口参数，编写代码模拟请求并解析返回的 JSON 数据，最终将图片保存到本地。示例涵盖了环境配置、模块安装、请求发送、数据解析及文件保存等步骤，适用于学习网络爬虫基础技术。
PythonWeChatAI算法
23 个 Python 实战项目与源码实例指南
Python 实战项目涵盖学生管理系统、游戏开发、网络爬虫、数据分析等多个领域。 23 个核心实战项目及 100 个源码实例，包括基础应用、办公自动化、Web 开发等内容。通过具体案例讲解技术栈如 Flask、OpenCV、Pandas 的应用，帮助开发者巩固基础并提升工程能力。适合不同阶段的学习者参考实践。
PythonAI算法
大模型技术名词与概念学习笔记：架构、Prompt 与推理
综述由AI生成梳理了构建 AI 应用所需的知识体系，对比了 Semantic Kernel 与 LangChain 框架的异同。详细阐述了大模型应用架构，包括纯 Prompt、Agent+Function Calling、RAG 及微调方案。重点介绍了 Prompt 工程的设计原则与多种提示框架（如 TAG、SPAR、TRACE），并深入解析了 CoT、Auto-CoT、TOT 及 ReAct 等推理架构在运维场景中的落地实践。此外，补充了安全与评估…
PythonAI算法
Python 网络数据采集工具源码及开源项目推荐
综述由AI生成一个基于 Selenium 的 Python 网络数据采集脚本，涵盖配置、核心爬取逻辑及文件清理功能。同时整理了 Locust、Jumpserver、PaddlePaddle 等 57 个常用 Python 相关开源项目与工具，为开发者提供技术选型参考。文章详细解析了代码实现细节，包括浏览器自动化控制、文件下载验证及异常处理机制，并强调了网络爬虫的法律合规性与最佳实践。
PythonAI算法
大模型技术全景：架构、分类与核心应用场景
综述由AI生成深入解析了大模型的技术定义、核心架构及分类体系。重点阐述了基于 Transformer 的注意力机制与位置编码原理，区分了语言、视觉及多模态大模型的应用差异。文章详细介绍了预训练、微调及 RLHF 等训练范式，并探讨了企业在知识库问答、BI 系统及智能体系统中的实际落地场景。最后分析了当前面临的算力成本、幻觉及安全挑战，展望了大模型未来的发展趋势。
PythonAI算法
微软发布 Phi-3-vision 多模态模型：42 亿参数展现小模型大潜力
综述由AI生成微软发布了 Phi-3-vision 多模态模型，仅 42 亿参数即可在视觉推理、OCR 及图表理解任务中超越更大规模的竞品模型。作为 Phi-3 家族的一员，它结合了文本与图像处理能力，支持本地高效部署。该模型基于高质量数据训练，具备强大的逻辑推理能力，适用于企业应用、教育辅助及边缘计算场景。配合 Phi-3-mini/small/medium 等语言模型，构成了完整的轻量级 AI 解决方案，已在 Hugging Face 开源。