自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(7)
  • 收藏
  • 关注

原创 小白程序员必看:轻松掌握Agentic RAG核心技术,收藏版!

近期科技圈传来重磅消息:行业巨头英特尔宣布大规模裁员2万人,传统技术岗位持续萎缩的同时,另一番景象却在AI领域上演——AI相关技术岗正开启“疯狂扩招”模式!据行业招聘数据显示,具备3-5年大模型相关经验的开发者,在大厂就能拿到50K×20薪的高薪待遇,薪资差距肉眼可见!业内资深HR预判:不出1年,“具备AI项目实战经验”将正式成为技术岗投递的硬性门槛。在行业迭代加速的当下,“温水煮青蛙”式的等待只会让自己逐渐被淘汰,与其被动应对,不如主动出击,抢先掌握AI大模型核心原理+落地应用技术+项目实操经验。

2026-04-03 17:38:11 683

原创 收藏!小白程序员快速入门大模型:RAG技术详解与学习资源

近期科技圈传来重磅消息:行业巨头英特尔宣布大规模裁员2万人,传统技术岗位持续萎缩的同时,另一番景象却在AI领域上演——AI相关技术岗正开启“疯狂扩招”模式!据行业招聘数据显示,具备3-5年大模型相关经验的开发者,在大厂就能拿到50K×20薪的高薪待遇,薪资差距肉眼可见!业内资深HR预判:不出1年,“具备AI项目实战经验”将正式成为技术岗投递的硬性门槛。在行业迭代加速的当下,“温水煮青蛙”式的等待只会让自己逐渐被淘汰,与其被动应对,不如主动出击,抢先掌握AI大模型核心原理+落地应用技术+项目实操经验。

2026-04-03 17:38:09 298

原创 新手/程序员必看:轻松掌握Python微调大模型,本地部署Ollama实践教程(收藏版)

想象一下,你请了个世界级大厨,他啥菜都会做,但还得学会你家的独门菜谱。你不用从头教他做饭,只需要给他看几道你的菜就行。这就是微调!微调是拿一个已经预训练好的 LLM(比如 GPT 或 Llama),它已经很懂得通用语言了,然后针对你的特定任务“调校”一下。你给它喂一些你领域的例子,它就会调整自己的知识,专门为这个领域发光发热。它咋工作的?从一个懂得英语(或其他语言)的 base model 开始,给它一堆“输入”(比如一个问题)和“输出”(比如完美答案)的配对。

2026-04-03 17:38:07 329

原创 RAG技术保姆级教程:从入门到实战(附GraphRAG知识图谱应用+大模型学习资料)

文章详细解析RAG技术框架,涵盖知识库构建(文本分块、向量嵌入)、检索回答机制(查询匹配与重排序),并介绍结合知识图谱的GraphRAG,解决复杂关系查询问题。最后提供大模型系统化学习路线、书籍、实战项目及面试资料,助力小白快速掌握大模型技术。检索增强生成(RAG) 技术自2020年正式提出以来,随着大模型技术的迅猛发展和应用场景的不断延伸,已成为大模型工作流中不可或缺的核心范式。

2026-03-27 17:27:23 387

原创 RAG分块策略全解析:5种方法提升大模型效率,小白也能轻松上手(收藏!)

由于直接分割可能会扰乱语义流,因此建议在两个连续的块之间保持一些重叠(如上图中的蓝色部分)。这很容易实现。此外,由于所有数据块大小都相等,因此简化了批处理。但这样做存在一个大问题。这通常会打断句子(或思路)。因此,重要信息很可能会分散在不同的文本块中。

2026-03-27 17:27:20 376

原创 RAG到Agentic RAG:AI Agent驱动的智能检索增强生成(小白入门,程序员进阶,收藏学习)

传统RAG在复杂场景下存在单次交互瓶颈、缺乏推理能力、策略固化等局限。Agentic RAG通过融入AI Agent智能体,实现查询优化、动态信息补充、大模型生成及闭环校验,有效解决大模型事实性错误与知识时效性问题,成为企业级大模型应用的主流升级方案。在大模型应用落地场景中,RAG(检索增强生成)是解决“事实性错误”“知识时效性”的核心方案,但传统 RAG 架构在复杂场景下的短板日益凸显。Agentic RAG 作为进阶形态,通过融入 AI Agent 智能体打破传统局限,成为企业级大模型应用的主流方向。

2026-03-27 17:27:17 306

原创 GraphRAG:知识图谱赋能AI问答新突破,小白也能轻松掌握的收藏级实战指南

知识图谱是现实世界知识的网络化表示,其中每个节点代表一个实体,每条边代表实体间的关系。图2:在线零售数据集的知识(子)图谱示例知识图谱将数据结构化为图形,而不是表格或孤立文档。这意味着信息以一种固有地捕获连接的方式存储。灵活性:您可以添加新类型的关系或实体的新属性,而不会颠覆整个系统。图谱可以轻松演化以容纳新知识。语义性:每条边都有含义,这使得遍历图谱并检索有意义的推理链成为可能。图谱可以表示上下文和内容。多跳查询支持:如果您想找到两个实体如何连接,图数据库可以遍历邻居,然后邻居的邻居,依此类推。

2026-03-27 17:27:15 536

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

提示
确定要删除当前文章?
取消 删除