博客作者
浴火重生
322
已发布文章
8.9K
博客获赞
809K
博客浏览
第 15 页
梳理了 AI 大模型开发技术的面试要点，涵盖基础架构、进阶选型、LangChain 框架及向量数据库应用。内容包含主流开源模型体系对比、涌现能力成因分析、不同场景下的模型选择策略、Agent 工作机制以及企业级知识库构建方案。此外补充了检索增强生成（RAG）、微调技术、评估指标及部署优化等关键知识，旨在帮助开发者系统掌握大模型核心技术栈与工程实践方法。
基于大模型的智能体开发涉及从初步实践到重度开发的完整流程。文章阐述了三个成长阶段的核心任务，详细解析了思维链构建、提示词工程优化及 LangChain 框架应用。通过引入 Function Call、多模态处理及多智能体协同机制，提升系统的自主决策能力。同时提供了结构化 Prompt 编写规范、环境搭建步骤、代码示例及评测优化方法，并讨论了安全风险控制，为开…
对 Android 开发者的求职需求，提供了从简历优化到面试准备的系统性指南。内容涵盖简历撰写的核心要素，如自我介绍、技能描述及项目经验的 STAR 法则；复习技巧方面强调了实践验证、笔记总结及 What-How-Why 学习模型；心态调整部分建议正视能力、避免消极暗示。此外，文章汇总了阿里、美团、头条、爱奇艺、百度、携程、网易、小米等大厂常见的 Andro…
RAGFlow 在构建私有化大模型应用中的核心架构。重点阐述了检索与生成协同机制、知识库的数据清洗与分块策略、多层级检索算法的应用，以及生成模块的动态模板技术。同时涵盖了基于用户反馈的优化闭环及细粒度访问控制的安全设计，为复杂业务场景下的智能信息检索提供了实践方案。
如何使用 MS-Swift 框架对 Qwen 大模型进行微调。内容涵盖环境安装、微调前推理验证、LoRA 微调流程（含 Python 与 CLI 方式）、微调后推理及 Web-UI 部署。重点讲解了关键参数配置、DeepSpeed 多卡训练、自定义数据集准备以及常见问题排查与性能优化方案，帮助用户快速实现个性化大模型的构建与应用。
AI 产品经理本质仍是产品经理，需兼具数据驱动思维。文章梳理了岗位定义、核心能力要求及日常差异，指出用户增长等岗位更易转型，并分析了当前面临的'传话筒'困境。最后提供了系统化的学习路线建议，涵盖 AGI 学习路径、入门手册、视频教程及实战案例，旨在帮助从业者明确方向，提升在人工智能时代的竞争力。
详细介绍利用 LangChain 框架构建知识库问答系统的完整流程。内容涵盖 RAG 架构原理、LangChain 核心模块解析、环境配置、数据加载与分割策略、嵌入模型与向量数据库选型、问答链构建代码示例以及检索优化与幻觉抑制的最佳实践。通过具体代码演示了如何从本地文档中提取知识并实现多轮对话问答，旨在帮助开发者快速掌握基于大语言模型的应用开发方法。
Prompt 是自然语言交互方式，通过语料库和语义解析将自然语言转为机器指令。介绍 LangChain 中 PromptTemplate 和 ChatPromptTemplate 的使用，涵盖字符串提示、聊天消息列表构建及 Runnable 接口调用。此外还讲解了 FewShotPromptTemplate 中的示例选择器，包括长度选择、MMR、Ngram…
探讨了大模型在场景落地过程中的关键技术方向与实践路径。文章首先分析了从通用大模型到垂直领域应用的转化难点，随后详细阐述了四大核心应用场景：角色扮演、Text2SQL、检索增强生成（RAG）及 AI Agent。针对每个场景，文中解析了其技术实现原理、面临的挑战及解决方案，如提示词工程、LoRA 微调、Schema Linking、混合检索及工具调用等。最后总…
大模型应用开发中检索增强生成（RAG）的高级技术涵盖查询转换、智能体及后处理三大模块。查询转换包括重写、多路召回、假设文档嵌入及后退一步提示词；智能体利用函数调用自动选择数据源；后处理涉及长文本重排序、上下文压缩、回答细化及情感提示工程。结合 LangChain 与 LlamaIndex 实现，旨在优化检索上下文质量，提升大模型回答的准确性与相关性。
详细解析了 LLM RAG（检索增强生成）的工作原理与实现路径。文章首先阐述了 RAG 解决大模型知识滞后、幻觉及领域适配问题的核心价值。随后深入技术细节，涵盖文档加载、文本分割策略、向量化模型选择、向量数据库存储及多种数据召回算法。文中还补充了混合检索、查询重写等优化方案，以及评估指标与延迟成本控制等工程实践要点，为构建高质量 RAG 应用提供了完整的技术…
介绍利用 AutoGen 框架开发多智能体协同应用的方法。涵盖环境安装、ConversableAgent 配置、单智能体交互及双智能体相声场景模拟。重点讲解对话控制参数如终止条件与回合限制，并探讨高级功能如函数调用与代码执行。通过实践案例展示如何平衡对话连贯性与趣味性，实现自然流畅的多轮交互，适用于自动化客服、游戏 NPC 等场景。
详细阐述了 AI 产品经理的定义、职责范围及核心能力模型，涵盖计算机视觉、自然语言处理与策略 AI 三大方向。文章分析了行业现状与发展趋势，指出技术正从数字化向数智化演进，且解决方案趋于一体化。针对大模型时代，提供了从系统设计、提示词工程、RAG 应用到微调开发及多模态应用的系统化学习路径，并列举了 Python、PyTorch、LangChain 等关键技…
RAG 应用的核心在于向量 Embedding 模型的选择与评估。文章首先分析了如何根据用例确定模型需求，接着详细介绍了基于 MTEB 排行榜选择通用模型的关键指标，包括任务类型、语言、得分、规模及维度等。随后提供了在自定义数据集上评估模型性能的方法，通过准确率与召回率对比不同模型效果。最后补充了重排序、混合搜索及模型量化等进阶优化策略，旨在帮助开发者在生产…
针对大语言模型黑箱特性导致的传统持续学习困境，介绍 CLOB 框架及其核心 CIS 方法。通过知识原子化、动态知识图谱及分层置信蒸馏，实现无需微调的持续学习。实验表明该方法在 Banking-77 等数据集上准确率显著优于基线，且成本降低 98%。解决了灾难性遗忘问题，支持流式学习与跨平台移植，为 Prompt 工程师提供了新的技术路径。
Python 提供了多种高效编程技巧，涵盖变量交换、推导式、计数器、JSON 格式化及迭代工具等核心功能。详细解析了列表、字典推导式的用法，介绍了 collections 和 itertools 模块的高级特性，并通过 FizzBuzz 等实例展示了简洁的代码实现方式。同时修正了旧版本语法，确保代码在 Python 3 环境下运行，帮助开发者提升编码效率与可…
Python 数据分析中的分类算法，涵盖决策树、随机森林、SVM、KNN 等常见模型的原理与特点。内容包含数据准备、特征工程（选择、缩放、提取）、超参数调优（网格搜索、随机搜索）及模型评估指标（准确率、精确度、召回率、F1、AUC）的完整讲解。通过 Scikit-Learn 库提供了多个代码示例，包括医学诊断案例，并讨论了过拟合、类别不平衡等常见问题及解决方…
系统介绍了大语言模型（LLM）的核心概念、架构原理及学习路径。内容涵盖 Transformer 基础架构、LangChain 框架应用、模型微调与部署技术，并推荐了多本经典教材与实践项目。旨在帮助开发者从零构建 LLM 知识体系，掌握提示工程、智能体开发及安全防御等关键技能，适合有深度学习基础的初学者进阶。
介绍如何利用 Python 结合通义千问大模型构建智能网页爬虫。通过 requests 获取网页 HTML，利用 BeautifulSoup 提取原始内容，再借助大模型 API 将非结构化数据转换为结构化 JSON 信息。该方法降低了传统正则匹配的难度，适用于复杂页面数据的快速提取。文章详细阐述了环境搭建、Prompt 设计、API 调用及响应解析等关键步骤…
JavaScript 进阶技巧涵盖扩展运算符、空值检查及函数式编程方法。扩展运算符用于数组拷贝合并与对象展开；可选链与空值合并运算符简化了嵌套属性访问与默认值处理；map、filter 和 reduce 组合实现数据转换与聚合，提升代码简洁性与可维护性。
