博客作者
心如止水
356
已发布文章
11K
博客获赞
699K
博客浏览
第 17 页
如何利用 LangChain 框架结合 RAG（检索增强生成）技术构建本地知识库。通过配置大语言模型与 Embedding 模型，将外部文档向量化存储至向量数据库，实现基于私有数据的问答功能。文章涵盖了环境安装、模型配置、数据加载与切片、向量检索及 Chain 构建等核心步骤，并提供了完整的 Python 代码示例与运行指南，帮助开发者快速落地私有化知识库应…
RAG 系统通过查询优化技术提升检索与生成效率。主要方法包括查询扩展（内部如 GenRead、外部如 LameR）、查询分解（将复杂问题拆解为子任务）、查询消歧（消除语义模糊）及查询抽象（提升推理层级）。这些技术解决了语义模糊、复杂需求及相关性差异问题，使 LLM 能更精准处理知识密集型任务。
大模型领域面试中的 100 道核心八股文题目，涵盖架构原理、训练微调、推理优化、RAG 应用及评估指标等关键知识点。内容涉及 ReAct、LangChain、LoRA、量化技术、注意力机制变体及位置编码等前沿技术细节，旨在帮助求职者系统掌握大模型技术栈，提升面试通过率。
通过房产中介抖音运营的实际案例，演示了普通人如何使用 AI 大模型解决具体问题。内容涵盖从背景设定、深度追问、质疑修正到结构化输出的完整交互流程，并总结了提示词工程的核心原则、常见误区及应对策略。旨在帮助读者掌握高效利用 AI 工具进行工作提效的方法，理解人机协作的最佳实践，避免盲目依赖，实现技术赋能业务的目标。
详细解析了 AI 产品经理的核心技能体系与工作流程。首先分析了 AI 行业的人才紧缺现状及薪资趋势，指出 AIGC 方向的高需求。接着阐述了 AI 产品经理的四大工作流程：定义需求、数据准备、产品设计及上线反馈，强调了数据质量与模型评估的重要性。文章还梳理了大模型时代的学习路径，涵盖系统设计、提示词工程、RAG 应用、模型微调等关键技术点，并为从业者提供了职…
详细阐述了大型语言模型（LLMs）的关键技术体系。内容涵盖神经网络基础、自然语言处理核心概念、Transformer 架构及其自注意力机制原理。深入讲解了分词策略、嵌入表示、预训练与微调流程（含 SFT 与 RLHF）。此外，还介绍了推理阶段的上下文窗口限制、多种解码算法（如 Top-P、Temperature）及提示工程技巧。文章最后探讨了幻觉与偏见等伦理…
AI 语言大模型正成为数字经济的核心驱动力。深入解析了大模型的定义、分类及核心技术原理，涵盖预训练、微调、代码生成等类型。详细阐述了其在智能客服、企业决策、教育科技及专业服务等领域的应用现状。通过分析 ChatGPT 和通义千问等案例，总结了 API 服务、SaaS 订阅、定制化开发等主流商业化模式。文章进一步探讨了技术落地路径，包括 RAG 架构、参数高效…
深入解析了大型语言模型（LLM）中超越传统思维链的多种推理变体技术。涵盖思维树（TOT）、思维图（GOT）、思维算法（AOT）、思维框架（SoT）及思维程序（PoT）。文章详细阐述了各方法的核心原理、实现思路及适用场景，对比了它们在复杂任务处理、延迟优化及计算准确性上的差异，为开发者选择合适的 LLM 推理策略提供全面的技术参考。
大模型是具有数千万至数千亿参数的深度学习模型，采用预训练加微调模式，具备强大的泛化能力。详细解读了大模型的定义、与小模型的区别、按数据类型和应用层级的分类，深入剖析了基于 Transformer 架构的大语言模型核心技术，包括注意力机制和位置编码。文章列举了企业在知识库问答、BI 分析、智能体等领域的典型应用场景，并提供了从基础理论、提示词工程、RAG 开发…
大模型是指拥有大量参数的深度学习模型，广泛应用于自然语言处理和图像识别等领域。大模型的兴起背景、核心特点及学习路径，重点讲解了微调（Fine-tuning）的技术细节，包括预训练模型选择、数据集准备、参数设置等步骤，并提供了基于 Transformers 库的实战代码示例，帮助读者系统掌握大模型的基础理论与应用开发技能。
Google 开源的 Gemma 大语言模型及其本地部署方法。通过 Ollama 工具，用户可以在 Windows、macOS 和 Linux 系统上快速运行 Gemma 2B 和 7B 模型。文章涵盖了环境准备、软件安装、命令行交互及 Python API 集成示例，并提供了硬件配置建议和常见问题解答，帮助用户从零开始掌握 Gemma 的本地化应用。
系统梳理了大模型领域的五十余道高频面试题，覆盖基础概念、技术细节、实践应用、研究进展、工程实践、算法设计、案例分析、伦理影响、研究方法及开源工具十大维度。内容深入解析 Transformer 架构、注意力机制、预训练与微调策略、模型评估指标、部署优化方案及伦理安全规范，旨在帮助求职者全面掌握大模型核心技术要点，提升面试竞争力。
全面介绍了检索增强生成（RAG）技术，涵盖定义、框架演进、核心组件及未来展望。RAG 通过整合外部知识库增强大语言模型（LLM）性能，解决幻觉问题。框架分为朴素 RAG、进阶 RAG 和模块 RAG，涉及检索、生成与增强三大环节。检索环节关注语义表示、查询对齐及检索器优化；生成环节涉及后检索处理与模型微调；增强环节包括预训练、微调、推理阶段的优化及多模态扩展…
simple_ai_toolset 是一个专为后端程序员设计的可控大模型应用开发框架，基于 FastAPI 构建。该框架解决了现有开源项目过度封装或灵活性不足的问题，提供 RAG 文档解析、Agent 智能体、搜索引擎对接及 MongoDB 集成等功能。核心技术亮点包括利用 Pydantic 约束大模型输出格式以实现确定性流程，结合 SlowAPI 进行接口…
OpenAI 终止中国 API 申请引发行业震动，凸显技术自主可控的重要性。科大讯飞星火 V4.0 在多项基准测试中超越 GPT-4 Turbo，展现国产模型硬实力。文章分析了后 OpenAI 时代国产大模型的技术底座建设与应用场景拓展，重点探讨教育领域 AI 一对一辅导的创新模式及生产力工具化趋势。通过对比评测数据与落地案例，阐述了国产模型在长文本溯源、逻…
推荐了 9 本关于大模型应用的精选书籍，涵盖智能文本处理、推荐系统、信息检索、AI 助理、数据分析、提示词工程及 AI 绘画等领域。同时提供了从系统设计、提示词工程到平台开发、微调及行业应用的全链路学习路径建议，旨在帮助读者系统掌握大模型技术并解决实际工作问题。
本书专为 AI 产品经理设计，涵盖 AI 技术基础、产品设计思路、开发流程及实战案例。内容涉及 AI 发展历程、岗位转型路径、非技术背景技术知识、需求落地方法、敏捷开发重构、AI 思维与美学以及多行业赋能实例。此外，文章梳理了大模型学习路线，包括系统设计、提示词工程、平台应用开发、知识库构建、微调开发及多模态应用等阶段，适合希望转型或入门 AI 产品经理的读…
详细讲解了在 Windows 系统下安装 Python 解释器及 PyCharm 集成开发环境的完整流程。内容包括从官网下载稳定版本、配置环境变量、验证安装是否成功，以及 PyCharm 的下载、JDK 依赖处理、项目创建与虚拟环境配置。同时提供了常见报错的解决方案，如路径未添加到 PATH 变量等，帮助初学者快速搭建本地 Python 开发环境。
中国信通院发布的《2024 年人工智能发展报告》指出，AI 正迈向通用智能新阶段。基础模型在多模态、推理能力及 MoE 架构上取得突破，软硬协同成为技术演进关键。工程化工具链加速模型落地，高质量数据成为核心驱动力。产业应用呈现大小模型协同及两端快中间慢特征，赋能新型工业化。安全治理从原则走向实践，国际合作与技术方案同步推进。未来智能体、具身智能及类脑技术将引…
基于 Python 和 Selenium 库实现电商商品自动化抢购的技术方案，涵盖环境配置、登录模拟、时间同步及下单流程。文章详细讲解了 ChromeDriver 配置、WebDriver 初始化、元素定位策略、服务器时间校准以及支付环节的代码实现。同时强调了反爬虫策略、异常处理机制以及使用过程中的法律与道德风险，旨在提供一份完整的学习参考指南，帮助用户理解…
