- 博客(27)
- 收藏
- 关注
RSS订阅原创 hello-agents系列学习第五章基于第代码平台的智能体搭建习题解答
CozeCoze：主打平民化智能体搭建，解决普通人快速做Agent、多端发布的痛点；Dify：主打专业级AI应用开发，解决开发者构建、运维大模型应用的痛点；n8n：主打系统自动化连接，解决跨工具流程打通、数据流转的痛点。低代码平台与纯代码开发各有优劣，此外，也有部分功能用平台实现，部分功能用代码实现的"混合开发"模式。思考三种开发模式分别适合哪些场景？请举例说明。低代码：适合快速落地、标准化、低成本的场景，是中小创业者/非技术人员首选；纯代码：适合高度定制、高性能、高合规的场景，面向专业研发团队。
2026-03-28 20:25:27
325
原创 hello-agents系列学习第四章习题与答案
ReActReAct是思考与行动实时绑定，靠即时反馈动态调整，适配多变场景；Plan-and-Solve是思考与行动彻底分离，靠前置规划静态执行，适配固定场景；Reflection是思考滞后于行动，靠事后反思迭代优化，适配需要积累经验的场景。没有“最优范式”，只有“适配范式”——实际应用中常组合使用（如智能家居用ReAct做核心，Reflection做习惯优化），核心是让“思考”和“行动”的组织方式匹配场景需求。
2026-03-24 22:52:50
308
原创 hello-agents系列学习之大模型变形记：从“直男“N-gram到“海王“Transformer
回顾这一路，从 N-gram 的直男统计，到 Transformer 的海王注意力，再到如今能写代码、画图、做 PPT 的"全能打工人"——LLM 的进化史，就是一部人类不断给自己造爹的历史。但记住，现在的 LLM 还是个需要哄、需要骗、需要防你要会写提示词（PUA 它）你要会选模型（相亲市场挑对象）你要知道它的局限（别让它帮你写论文参考文献！未来，当智能体（Agent）能自主调用工具、规划任务、反思错误时，它可能从"高级 autocomplete"变成真正的数字合伙人。但在此之前——
2026-03-21 22:40:31
326
原创 hello-agents系列学习之大模型变形记习题与解答
N-gram 就像个"近视患者"：- 只能看清眼前N-1个词（马尔可夫假设）- 远处的东西？模糊一片！（长距离依赖丢失）- 没见过的东西？当不存在！（数据稀疏）- 书读得多但不过脑（无语义理解）这些局限正是神经网络语言模型（RNN/LSTM/Transformer）要解决的核心问题。问题 1.3神经网络语言模型（RNN/LSTM）和Transformer分别是如何克服N-gram模型局限的？它们各自的优势是什么？📐 解答区 1.3 · 神经网络模型对比一、N-gram模型的"五宗罪"
2026-03-21 22:38:15
419
原创 hello-agents 系列学习
智能体的发展，是一条从人工规则到自主学习、从单一模块到分布式涌现、从专用场景到通用智能的演进之路，最终在大语言模型的支撑下，形成了融合历史所有核心思想的现代智能体体系。
2026-03-18 23:53:22
350
原创 hello-agents 系列学习
记忆功能：通过字典存储偏好+新增记忆工具+修改Prompt，让LLM在思考阶段参考用户历史偏好，实现个性化推荐；门票售罄备选：新增门票查询/备选推荐工具，在推荐前校验门票状态，售罄则触发备选推荐，完善Action阶段的工具调用逻辑；连续拒绝反思：通过拒绝计数器捕获用户反馈，累计3次后触发反思工具，调整推荐策略，优化Observation阶段的状态管理。核心是围绕Thought 阶段：LLM 参考记忆、拒绝次数等状态做决策；Action 阶段：调用新增的记忆/门票/反思工具；
2026-03-18 00:37:51
359
原创 hello-agents 系列学习
2. 安装依赖包3. 环境变量配置使用 .env 文件（推荐）在项目根目录创建.env编辑.env截图如下：4. 代码配置。
2026-03-17 00:07:02
191
原创 ChatGPT生成文本检测器
在给定的数据集中，包含了一系列真实对话和ChatGPT生成的对话样本，参赛选手需要设计并训练一个模型，使其能够准确地将这两种类型的对话进行分类。参赛选手的任务是根据文本内容，区分作文的来源。label：文本的标签，表示文本原始是否来自ChatGPT/ChatGLM。0表示人类编写的文本，1表示机器生成的文本。根据提供的数据集示例，数据集包含三列：name、label和content。content：文本经过匿名编码后的结果，按照字符进行编码。查看第二行的内容，这是经过编码后的字符。
2023-11-09 21:09:06
354
1
原创 玩转AIGC神器MMagic
【作业布置】本次课程有作业，Github issue：https://github.com/open-mmlab/OpenMMLabCamp/issues/405。代码教程：https://github.com/TommyZihao/MMagic_Tutorials。【课程链接】https://www.bilibili.com/video/BV1gM4y1n7vP/MMagic主页：https://github.com/open-mmlab/mmagic。按照教程先安装magic，并检查安装成功。
2023-11-09 21:08:39
228
1
原创 本地安装docker以及jupyterlab
参考文献https://www.cnblogs.com/jruing/p/15943834.html。#exit退出容器后可使用 docker commit 来提交容器副本生成我们的新镜像。#创建新容器（如果不需要自动启动，可将/start.sh换成/bin/bash）#停止容器（自动删除）
2023-11-09 21:08:06
1094
1
原创 用免费GPU线上优化猫狗识别-任务二
参考部署教程，在趋动云，跑图像识别，并进行离线训练。猫狗识别代码DogsVsCats.py，上传到驱动云代码路径，code下。
2023-11-06 22:22:33
130
原创 GPU跑AIGC模型-任务一
4.edge浏览器，http自动转https协议，这就很蛋疼，从趋动云的外部链接访问的时候，总是失败，虽然尝试了网上的改法，但还是不成功，最后抱着试一试的态度，换成谷歌浏览器，成功访问，后来技术人员解释说可以换浏览器或者采用无痕浏览。问题三：我问他，现在时间是多少，他回答是2023年3.20号，我告诉他错了，然后给他一个错误的答案，他还是能接受的，可是后续再问，昨天是什么时候，他就不知道了，可见，对于多层对话，他有时候会遗忘。，成功之后，也会生成一个外部链接。修改requirements。
2023-11-04 20:40:09
325
1
原创 扩散模型从原理到实践-任务二
本节笔记本涵盖了好多内容啊！载入一个现有模型并用不同的调度器（scheduler）去采样其实很容易微调（fine-tuning）看起来很像从头训练一个模型，唯一不同的是我们用已有的模型做初始化，以此我们希望能快点得到更好效果如果在大尺寸图片上微调大模型，我们可以用诸如梯度累积（gradient accumulation）的方法去应对训练时batch size太小的问题把采样的图片保存到日志里对微调很重要，而损失值曲线却可能无法反映有用的信息。
2023-10-24 22:26:22
421
1
原创 语义分割与MMSegmentation-学习笔记
【课程链接】https://www.bilibili.com/video/BV1gV4y1m74P/⏰今日课程：语义分割与MMSegmentation （6月12日 周一）【课程名称】语义分割与MMSegmentation。【讲师介绍】张子豪OpenMMLab算法工程师。
2023-06-12 22:22:07
190
原创 MMPretrain代码课-笔记练习
【课程预告及链接】⏰今日课程：深度学习与预训练MMPretrain （6月6日 周二）【课程名称】MMPretrain代码课【课程链接】https://www.bilibili.com/video/BV1Ju4y1Z7ZE/?【讲师介绍】马泽润 OpenMMLab算法工程师【学习形式】录播+社群答疑【作业布置】本次课程有作业，Github issue 链接：https://github.com/open-mmlab/OpenMMLabCamp/issues/108。
2023-06-06 23:11:41
485
1
原创 在启智协作平台搭建mmpose和pytorch
1.在2.前期准备1.有启智账号，登陆后，点击加号，从MMpose安装教程写入，迁移到这里启动调试任务，并创建GPU环境，点击调试。
2023-06-06 20:28:33
449
1
原创 深度学习预训练与MMPretrain
【课程预告及链接】⏰今日课程：深度学习与预训练MMPretrain （6月5日 周一）【课程名称】深度学习预训练与MMPretrain【课程链接】https://www.bilibili.com/video/BV1PN411y7C1/?【讲师介绍】张翊萧 OpenMMLab算法工程师。
2023-06-05 21:55:27
143
1
原创 大模型开发应用系列-大模型底层原理与应用开发范式
百度课程系列 https://aistudio.baidu.com/aistudio/course/introduce/28611?下面三个数越小生成越固定，最后两个参数，最大长度。
2023-06-04 11:39:50
278
1
原创 MMPose、RTMPose三角板关键点检测
发现更好的安装文档，是这个https://kgithub.com/TommyZihao/MMPose_Tutorials/blob/main/2022/%E3%80%90A%E3%80%91%E5%AE%89%E8%A3%85%E9%85%8D%E7%BD%AEMMPose.ipynb。遇到github链接不上，需要修改hosts文件，试了两三个小时，时好时坏，后来用的镜像方法，在源地址前面加k，由于视频用是Mac演示，直接用ipthon执行命令会报错，我才用的是直接下载图片。【课程链接】3个都是噢。
2023-06-03 19:34:14
472
原创 人体姿态估计与MMPose 学习笔记
【课程说明】人体姿态估计（Human Pose Estimation）是计算机理解人类动作、行为必不可少的一步，本次课程涵盖人体姿态估计的介绍与应用、2D 姿态估计、3D 姿态估计、DensePose、Body Mesh 以及 MMPose 等内容。【课程链接】https://www.bilibili.com/video/BV1kk4y1L7Xb/?
2023-06-02 20:33:32
273
原创 第一节课程《浦视开源算法体系OpenMMLab》笔记
在这里插入图片描述](https://img-blog.csdnimg.cn/a8e063459ff54dc9858b56baab657aa0.png。[在这里插入图片描述](https://img-blog.csdnimg.cn/c501bc53155c49abbb317627d14133ae.png。openmmlab 已经提供最先进的算法，不用单独去复现论文内容了。虚拟主播 -人脸检测点。神经网络 (非线性)
2023-06-01 21:45:21
115
1
原创 百度ai开发者大会讲了点什么
很高兴csdn给我机会，让我参加了7.5百度ai开发者大会，大会结束后，网上铺天盖地的报道也是层次不穷，我看了一下国内和国外媒体的介绍，大家对这次百度无人驾驶技术津津乐道。下面就我的个人感受写一下，本人的关于这次大会的感受和看法。上午参加的是百度大会的主论坛，大概四千多个人吧，我看到门口站着不少人，李彦宏到了也说，第一次面对这么多的人，发表演讲。可见大家对这次百度ai开发者大会还...
2018-08-14 13:57:16
2457
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人