- 博客(1737)
- 收藏
- 关注
RSS订阅原创 一文带你了解RAG(检索增强生成) 概念理论介绍+代码，解决大模型幻觉与时效性问题
RAG（Retrieval Augmented Generation, 检索增强生成）是一种技术框架，其核心在于当 LLM 面对解答问题或创作文本任务时，首先会在大规模文档库中搜索并筛选出与任务紧密相关的素材，继而依据这些素材精准指导后续的回答生成或文本构造过程，旨在通过此种方式提升模型输出的准确性和可靠性。RAG 技术架构图介绍：富文本 主要存储于 txt 文件中，因为排版比较整洁，所以获取方式比较简单【版面分析——富文本txt读取】
2025-09-04 17:15:56
585
原创 RAG检索不准？数据前处理详解与大模型学习资源
让RAG真正发挥作用，关键不在炫技，而在前处理的扎实落地。选择合适的文件格式，做好清洗、切片、嵌入与索引，让每一段文字都带上可追溯的标签。面对复杂文件，借助解析和 OCR 工具，同样能生成高质量的文本切片。对于工程建设行业而言，高质量的知识库意味着工程规范、设计资料、合同文本、会议纪要都能被即时调用，减少反复查找的时间，也能降低因信息缺失带来的风险。这不仅是技术优化，更是提升组织效率和竞争力的基础。
2025-09-04 17:12:20
553
原创 人工智能基础——模型部分：模型介绍、模型训练和模型微调 ！！
本文将从**什么是模型？什么是模型训练？什么是模型微调？**三个问题，来展开介绍人工智能基础的模型部分。模型族谱模型是一个函数：将现实问题转化为数学问题（Encoder编码器），通过求解数学问题来得到现实世界的解决方案（Decoder解码器）。，这个模型是一个函数，它根据输入数据（可以是文本、图像、语音、视频等）和一组参数（通常表示为权重）来预测输出。这里的输入和权重都是以数学形式（如矩阵或张量）表示的。
2025-09-03 18:14:02
680
原创 AI Agent与Agentic AI完全指南：从零开始构建智能体(附完整代码示例)
Agent经典定义为“任何能够通过传感器感知其环境，并通过执行器对其环境产生行动的事物”。[9]在AI领域，Agent被赋予了更强的智能特性，包括自主性、反应性、交互性、学习/适应性和主动性等。自主性：能够在没有人类或其他Agent直接干预的情况下，独立控制其内部状态和自身行为。反应性：能够感知其所处的环境，并对环境中发生的变化及时做出响应。交互性：能够通过某种Agent通信语言(ACL)或其他机制与其他Agent（包括人类）进行交互、协作、协商。学习/适应性。
2025-09-03 17:59:16
1096
原创 大模型交互技术详解：从基础Prompt到高级MCP协议
大模型 Agent 是指基于大型预训练模型（如 GPT-3、GPT -4、文心一言、通义千问等）构建的智能体，能够理解和生成自然语言。它以大型语言模型作为核心计算引擎，利用模型的语言理解、生成和推理能力，结合自主性、交互性、反应性和主动性等特点，使 AI 能够更加智能地应对各种任务，可看作是能够思考与行动的 “智能助手”，不仅理解需求，还能主动提供解决方案并付诸实践。
2025-09-03 17:56:51
903
原创 转行指南：Java程序员转型AI工程师必备技能与大模型学习资源全攻略，附大模型学习路线
数学基础：包括线性代数（矩阵运算、特征值/向量）、微积分（梯度、优化）和概率与统计（分布、假设检验、贝叶斯推断）。这些是AI算法的基础。编程语言：重点学习Python，因为它是AI开发的主流语言，Java开发者的编程经验能帮助快速上手。机器学习：了解监督学习、非监督学习、强化学习，掌握算法如线性回归、决策树、支持向量机（SVM）等。深度学习：学习神经网络（如卷积神经网络CNN、循环神经网络RNN、长短时记忆网络LSTM），并熟悉TensorFlow、PyTorch等框架。大型语言模型（LLM）
2025-09-02 17:10:18
638
原创 一文读懂MCP、RAG、Agent,全面解析大模型三大支柱
最近，AI 圈被三个词刷屏了 ——MCP、RAG、Agent！几乎每天都有新的相关工具冒出来，各大技术论坛、行业群聊得热火朝天。但不少朋友一看到这些术语就犯迷糊：它们到底是啥？能干啥？和我们普通人又有啥关系？别慌！今天就用最接地气的方式，带你彻底搞懂这些概念，看完秒变 AI 达人！
2025-09-01 17:16:10
834
原创 RAG-MCP：检索增强生成如何解决大模型工具选择的Prompt膨胀问题
明确定义工具调用时所需的各个输入参数的名称、数据类型、是否必需、取值范围或格式要求，以及工具执行成功或失败后返回结果的数据结构和含义。
2025-08-30 21:06:03
577
原创 普通人还适合入坑AI大模型吗？为什么这波AI浪潮没有带来大量
比如说做数字人的，就会发现技术发展实在太快了，他们找的人才刚学会GAN，就出现的image diffusion，然后是video diffusion，公司里那些卡可能连inference都养不起，拿上被新的公司拿着新的技术超越。我知道字节的seed团队对于LLM岗位的要求就是能手搓GRPO，DPO，PPO那些，并且还让你说出很多非常细节的东西，xAl，Meta的GenAl组也会要求手推diffusion的，code-面就是1-2个小时。为了帮助大家打破壁垒，快速了解大模型核心技术原理，学习相关大模型技术。
2025-08-30 21:01:43
754
原创 AI大模型学习路线（非常详细）收藏这一篇就够了！_AI大模型学习路线
自学AI大模型需要扎实的基础知识、系统的学习路线和持续的实践与探索。希望这条学习路线能为新手小白们提供一个清晰的方向，帮助大家更好地进入和发展在AI大模型领域。祝大家学习顺利，早日成为AI领域的专家！。
2025-08-29 21:31:58
604
原创 收藏必备！提示词工程完全指南：从小白到高手的15+实用技巧与框架，轻松掌握大模型交互
提示词工程，或称Prompt Engineering，是一种专门针对语言模型进行优化的方法。它的目标是通过设计和调整输入的提示词（prompt），来引导这些模型生成更准确、更有针对性的输出文本。在与大型预训练语言模型如GPT-3、BERT等交互时，给定的提示词会极大地影响模型的响应内容和质量。提示词工程关注于如何创建最有效的提示词，以便让模型能够理解和满足用户的需求。这可能涉及到对不同场景的理解、使用正确的词汇和语法结构，以及尝试不同的提示策略以观察哪种效果最佳。1、明确具体：加入场景要求、具体任务。
2025-08-28 17:14:53
1072
原创 零基础学大模型微调：Unsloth框架实战指南（小白必学，建议收藏）
从你早上睁眼看到的今日头条推荐，到深夜刷到的抖音神评，人工智能大模型已经成为我们工作生活不可或缺的部分。但通用模型在专业场景的"人工智障"表现，让微调技术成为专业领域AI落地的最后1公里。微调技术是指在预训练模型基础上，使用专业领域特定数据，指定特定方法对大模型参数进行调整，使其适应专业任务或领域。微调大模型可实现如下功能：更新 + 学习新知识：注入并学习新的特定领域信息，例如“法衡大模型”在Llama模型基础上使用法律文本微调，以进行合同分析、判例法研究和合规性检测。自定义行为。
2025-08-28 17:13:17
967
原创 大模型微调的7种方法，从LoRA到P-Tuning v2的实战指南，零基础入门大模型（非常详细）看一篇就够了
本篇文章深入分析了大型模型微调的基本理念和多样化技术，细致介绍了LoRA、适配器调整(Adapter Tuning)、前缀调整(Prefix Tuning)等多个微调方法。详细讨论了每一种策略的基本原则、主要优点以及适宜应用场景，使得读者可以依据特定的应用要求和计算资源限制，挑选最适合的微调方案。
2025-08-28 17:12:17
829
原创 2025 AI大模型学习指南：从入门到精通，助力大学生毕业即就业
人工智能已经成为了现代技术的重要组成部分，所以开发人员学习人工智能是非常必要的。人工智能是未来的趋势：人工智能已经成为了未来技术的趋势，它将会在各个领域发挥重要作用，包括医疗、金融、交通、教育等等。人工智能可以提高开发效率：人工智能可以自动化一些重复性的工作，比如数据分析、图像识别等等，这样可以提高开发效率，减少开发时间和成本。人工智能可以提高产品质量：人工智能可以通过分析数据和模式来预测和避免错误，从而提高产品的质量和可靠性。
2025-08-28 17:07:05
919
原创 从原理到实践：万字长文深入浅出教你优雅开发复杂AI Agent
Lambda: 它允许用户在工作流中嵌入自定义的函数逻辑。Lambda 组件底层是由输入输出是否流所形成的 4 种运行函数组成，对应 4 种交互模式，也是流式编程范式:InvokeStreamCollectTransform。一般用于在运行图中，进行输入输出格式化转化，以及插入一下业务的自定义逻辑，例如参数响应的格式化等等。AI Agent 的发展正处于爆发前夜，从最初的 LLM 聊天机器人，到具备规划、记忆、工具调用能力的智能体，再到多 Agent 协作的复杂生态，整个行业正在经历一场范式转变。
2025-08-27 21:49:59
564
原创 AI大模型落地指南：行业融合与平台实战（涵盖百度千帆、Hugging Face及多模态模型应用）
百度 的 文心千帆 大模型 的 模型广场 () 中 可以看到如下几个类型的大模型;下面对 上述 大模型类型 进行简单介绍 , 这些大模型类型收集的比较全;大模型类型 简介 :整合 文本 、 图像 、 音频 、 视频 等多种模态信息 , 实现跨模态理解与生成;基于 上下文 生成 连贯文本 , 支持创作、问答、摘要等任务;解决 复杂逻辑 推理问题 ( 数学计算、因果分析、多步决策 );从 文本 或 图像 输入 生成 高质量图像;识别 图像内容 ( 物体、场景、情感 ) 、 分析语义信息;
2025-08-25 20:43:09
1198
原创 AI大模型训练全解析：从零到一的创造之旅
从整体上看，训练LLM主要包括两个关键阶段：预训练（Pre-training）后训练（Post-training）：微调、RL和RLHF。
2025-08-25 20:41:09
925
原创 2025 AI大模型学习指南：从入门到精通，助力大学生毕业即就业
人工智能已经成为了现代技术的重要组成部分，所以开发人员学习人工智能是非常必要的。人工智能是未来的趋势：人工智能已经成为了未来技术的趋势，它将会在各个领域发挥重要作用，包括医疗、金融、交通、教育等等。人工智能可以提高开发效率：人工智能可以自动化一些重复性的工作，比如数据分析、图像识别等等，这样可以提高开发效率，减少开发时间和成本。人工智能可以提高产品质量：人工智能可以通过分析数据和模式来预测和避免错误，从而提高产品的质量和可靠性。
2025-08-25 20:39:47
1317
原创 一文彻底搞懂大模型 - Fine-tuning三种微调方式
LoRA（Low-Rank Adaptation）通过分解预训练模型中的部分权重矩阵为低秩矩阵，并仅微调这些低秩矩阵的少量参数来适应新任务。
2025-08-22 20:41:37
884
原创 落地AI产品的最后一步：微调（面向非LLM算法工程师）
微调是指在已经训练好的大型预训练模型的基础上，进一步训练该模型以适应特定任务或特定领域的数据。相比从零开始训练一个模型，微调所需的数据和计算资源显著减少；可以在特定任务上取得更好的性能，因为模型在微调过程中会重点学习与任务相关的特性；可以在多种领域（如情感分析、问答系统等）上进行微调，从而快速适应不同应用场景。简单来说：微调 = 用你自己的数据，对通用大模型进行二次训练，让它专精于你的特定任务。需要注意的是：培训后，它主要更擅长你教的这一件事。
2025-08-22 20:40:02
681
原创 【文档智能 & RAG】RAG增强之路：增强PDF解析并结构化技术路线方案及思路
现阶段，尽管大模型在生成式问答上取得了很大的成功，但由于大部分的数据都是私有数据，大模型的训练及微调成本非常高，RAG的方式逐渐成为落地应用的一种重要的选择方式。然而，如何准确的对文档进行划分chunks，成为一种挑战，在现实中，大部分的专业文档都是以 PDF 格式存储，低精度的 PDF 解析会显著影响专业知识问答的效果。因此，本文将介绍针对pdf，介绍一些pdf结构化技术链路供参考。
2025-08-21 21:23:26
973
原创 【多模态&LLM】Reyes：一个从0到1开始训练的多模态大模型（技术报告）
选项： {‘A’: ‘120 m’, ‘B’: ‘122 m’, ‘C’: ‘123 m’, ‘D’: ‘121 m’}预测的答案： A正确的答案： A。
2025-08-21 21:21:08
1098
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人