博客作者
生而为人
347
已发布文章
8.8K
博客获赞
337K
博客浏览
第 16 页
AI Agent 是基于大语言模型构建的智能体系统，具备感知、决策、执行和记忆能力。其核心架构包含大模型、规划、记忆与工具使用四大组件。通过思维链（CoT）、思维树（ToT）及 ReAct 等机制，Agent 能自主拆解任务并调用外部工具完成复杂目标。相比传统 Copilot 和 RPA，AI Agent 更具独立性与适应性。当前应用涵盖虚拟小镇、市场调研、…
文章介绍了三种向非技术背景管理者解释大模型的有效策略。首先使用角色类比法，将大模型比作学习能力强的孩子，通过海量数据积累知识，参数越多知识越丰富。其次采用业务类比法，将其视为全能高管，能在决策支持、客户服务、市场营销、自动化流程及知识管理方面提供支持。最后利用成效说服法，重点强调大模型在减人增效上的价值，如自动化客服、数据分析、内容创作及文档审核等场景的应用…
Windows 10 环境下部署 Stable Diffusion WebUI 需配置特定版本的 Python 及 Git 工具。首先升级 Python 至 3.10.6 并加入环境变量，随后使用 Git 克隆项目仓库。运行启动脚本时可能遇到依赖包下载失败问题，需通过更换 pip 源、禁用 SSL 验证或修改 launch.py 文件中的镜像地址来解决。完成…
分享了一名非科班毕业生从制造业转行至 IT 数据分析领域的亲身经历。文章详细阐述了转行动机、自学准备阶段的学习资料与方法、面试技巧及入职后的适应情况。内容涵盖 Python 基础、Pandas 数据处理、SQL 查询及 Linux 命令等关键技术点的梳理，并提供了具体的学习路线图。作者强调了系统学习、寻找导师及保持终身学习的重要性，为想要转行的技术人员提供了…
Python 内置数据结构主要包括列表、元组、字典和集合。列表有序可变，支持索引和动态增删；元组有序不可变，适合存储固定配置；字典键值对存储，查找高效；集合无序不重复，常用于去重和数学运算。选择合适的数据结构能提升代码性能与可维护性。各结构的创建、常用操作、代码示例及对比选型建议。
50 道 Python 面试题，涵盖单例模式、变量交换、列表去重、CPython 内存机制、迭代器与生成器、正则匹配、闭包陷阱、函数重载、标准库模块、魔术方法、装饰器、鸭子类型、作用域、多线程与多进程、版本差异、猴子补丁、MRO 继承、逆波兰表达式、性能剖析、随机数、线程池、异常处理、文件读取、模块与包、编码规范、命名元组、递归深度及重复元素查找等核心知识点…
基于 Python openpyxl 库实现 Excel 数据自动汇总与填充。通过遍历表格行，根据漏洞名称及误报/整改证明状态筛选 IP 地址，将结果写入指定单元格。解决了手动核对大量安全漏洞数据的低效问题，提升了办公自动化水平。
Playwright 基础教程涵盖元素拖拽操作、元素坐标获取、网页源码抓取及元素文本提取等核心功能。通过演示 drag_and_drop 方法实现跨元素交互，利用 bounding_box 计算元素位置中心点。对比 selenium 说明 page.content() 获取源码方式，并详细解析 locator 提供的多种文本提取方法如 inner_text、…
PyCharm 是一款功能强大的 Python 集成开发环境，提供调试、语法高亮、项目管理等工具。 PyCharm 的安装步骤、版本选择、环境配置方法，以及虚拟环境管理、调试功能、版本控制和常用快捷键的使用技巧，旨在帮助开发者快速上手并提升编码效率。
推荐系统的定义、核心特性及应用领域，重点解析了基于内容与协同过滤等传统算法，以及 Wide&Deep、DeepFM 等深度学习模型。文章阐述了工业级推荐系统的多阶段架构，涵盖召回、排序与重排环节，并探讨了大语言模型在语义理解、生成式推荐及 RAG 应用中的最新进展与挑战，旨在全面梳理推荐系统的关键技术与架构设计思路。
AI 产品经理需具备基础技术理解力以跨越技术鸿沟，核心在于识别需求与定义功能。文章涵盖基础算法（搜索、排序、图论）及机器学习方法（监督、非监督、强化学习）。重点解析自然语言处理、计算机视觉及预测分析在智能客服、视频平台及智能制造中的落地应用。阐明算法与模型的区别，提供系统性学习路径包括在线课程、书籍阅读及项目实践。结合短视频推荐系统与工业预测性维护案例，阐述…
2024 年 AI 大模型面试涵盖基础知识、训练流程、应用场景及前沿挑战。主流模型包括 GPT、BERT、RoBERTa 等，基于 Transformer 架构。训练分为预训练和微调两个阶段，涉及大量文本数据。典型应用有文本创作、翻译、问答等。当前面临计算资源消耗大、数据偏见、可解释性差等挑战。常见面试题，补充了 Transformer 原理、微调技术如 L…
探讨了企业级 RAG 应用的五大技术发展趋势。首先，模块化工作流通过可编排的算子解决复杂查询与自我反思需求；其次，多模态协同扩展了数据处理范围至图像视频等；第三，多索引融合结合知识图谱提升推理与可解释性；第四，Agentic RAG 引入智能体规划能力处理复杂任务；最后，个性化体验通过长期记忆优化用户交互。这些趋势共同推动 RAG 从原型走向成熟生产环境。
大模型在技术变革、产业化落地及数智化研究三方面展现深远影响。技术上，大模型突破传统机器学习限制，实现多模态处理与复杂问题解决，推动人机交互与营销客服革新。产业上，通用场景广泛验证，专业模型加速行业融合，通过 MaaS 服务与创新商业模式赋能制造业、金融及医疗等领域，同时需解决幻觉与知识实时维护问题。研究上，大数据与大模型结合推进宏观研究数字化转型，AI 经济…
文本嵌入模型在搜索和检索增强生成（RAG）中至关重要。基于 Arctic Embed 项目，详细阐述了从零训练嵌入模型的全流程。核心策略包括两轮训练法：大规模预训练结合批内负样本，以及微调阶段引入困难负样本挖掘。文章深入分析了数据过滤、合成数据生成、池化层选择（[CLS] vs 平均池化）及序列长度对性能的影响。实验表明，数据采样质量与困难负样本策略比单纯扩…
ChatGLM3 大模型的本地化部署、应用开发与微调技术。涵盖 PyTorch 环境搭建、Gradio 界面开发、LangChain 知识库构建、Prompt 工程优化、QLoRA 低资源微调方法及财务场景实战案例。旨在帮助开发者掌握从理论到实践的全流程技能，实现大模型在企业级场景的安全可控落地。
LoRA 微调技术允许在不改变大语言模型主体结构的情况下，通过训练少量低秩参数来适配特定任务。 LoRA 的原理、环境搭建、数据集准备（Alpaca 格式）、训练参数调优（Rank、Alpha、Learning Rate 等）、模型验证及合并方法。文章涵盖了从理论到实践的全流程，包括显存优化策略、常见错误排查及代码示例，旨在帮助开发者以较低成本实现垂直领域的…
Python 编程语言的基础知识，涵盖安装配置、开发工具选择、基本语法、数据类型、控制流、函数定义、面向对象编程、异常处理及文件操作等内容。文章提供了实用的代码示例，帮助初学者快速搭建开发环境并掌握核心概念，同时给出了后续学习方向建议，包括虚拟环境管理、常用第三方库及 Web 框架等进阶内容，旨在为 Python 学习者提供一份完整的入门指南。
Stable Diffusion WebUI 的使用方法，涵盖硬件配置要求、环境部署方案、性能优化技巧（CUDNN、PyTorch、Xformers）、界面参数设置、提示词工程（Prompt、Embedding、LoRA）以及进阶功能（Hires.fix、局部重绘、ControlNet）。文章还补充了常见问题排查与优化建议，旨在帮助用户快速上手并高效利用 A…
详细讲解了使用 Python 实现棋盘游戏暴力求解算法的过程。通过构建状态树和回溯机制，程序能够枚举所有可能的走法并找到完成游戏的解法。内容涵盖基本操作定义、主函数逻辑、代码实现细节以及算法复杂度分析，帮助读者理解回溯算法在组合搜索问题中的应用。
