- 博客(7)
- 收藏
- 关注
RSS订阅原创 AI学习第四课:认识Agent和Langchain
本文介绍了智能体（Agent）的概念及LangChain智能体开发平台。智能体是指具备感知环境、自主决策和行动能力的AI系统，其发展经历了从ReAct工具调用到多智能体系统（MAS）的演进。LangChain是由Harrison Chase创建的一站式智能体开发平台，包含LangChain框架（快速构建兼容多模型的智能体）、LangGraph（底层构建控制）、DeepAgents（复杂任务处理）等核心组件，以及用于测试优化的LangSmith平台。该平台支持Python和TypeScript语言，为AI团队
2026-07-07 11:04:25
218
原创 AI学习的第三课：编程调用大模型
本文以DeepSeek为例，详细介绍了大模型API的调用流程。首先需要获取API Key并安全存储在.env文件中，通过python-dotenv库加载。文章演示了使用OpenAI Python库初始化客户端、设置模型参数（如deepseek-v4-pro）、构建对话消息（包含system角色设定和user提问内容）以及处理响应输出的完整过程。特别强调了API Key的安全管理、流式传输设置，以及如何通过response.choices提取AI生成的回答内容。整个流程涵盖了从环境配置到实际调用的关键步骤，为
2026-07-06 13:43:28
190
原创 pycharm远程SSH在Ubuntu服务器配置管理器 uv
文章介绍了在PyCharm中通过SSH远程连接Ubuntu服务器并安装使用uv（快速Python包管理器）的完整流程。主要内容包括：1）通过curl命令一键安装uv并配置环境变量；2）设置国内镜像源（如清华源）加速下载；3）使用uv创建虚拟环境项目；4）PyCharm远程连接配置。文章强调配合uv工具可以提升远程开发效率，虽然初期配置较复杂，但理清环境变量逻辑后操作简单，能显著改善Python开发体验。
2026-07-02 19:52:18
213
原创 AI学习第二课：大语言模型的工作原理
本文总结了B站黑马课程关于大语言模型（LLM）的核心知识。首先介绍了词向量技术如何将文字转化为计算机可处理的高维向量，通过语义空间实现语言理解。其次阐述了Transformer架构的"涌现"现象——当参数量和数据量突破临界点时，模型突然获得逻辑推理等新能力。然后区分了GPT（基于Transformer的生成式预训练模型）与ChatGPT（基于GPT开发的对话应用）的本质差异。最后说明了大模型应用的混合架构：将传统程序的精准控制与大模型的生成能力相结合，构建出实用AI系统。文章揭示了Cha
2026-07-02 13:32:08
245
原创 AI学习第一课：从生物神经元到Transformer大模型
本文通俗解读AI大模型的三大核心要素：数据（海量训练素材）、算法（Transformer架构模拟人脑）和算力（支撑复杂计算）。通过分析人工神经元（数学公式模拟生物神经元）到深度神经网络（输入/隐藏/输出层结构）的原理，阐释了机器学习的关键机制——反向传播算法：通过"前向计算-误差分析-权重调整"的迭代优化过程，使神经网络逐渐提升性能。文章揭示了AI本质是数学、计算机科学与仿生学的交叉产物，用系统性思维拆解了复杂技术背后的基础逻辑。（149字）
2026-07-01 20:54:48
242
2
原创 RAG解析
RAG（检索增强生成）是一种为大语言模型（LLM）外接知识库的技术，通过检索相关数据增强AI生成答案的准确性。它能解决LLM的三大痛点：幻觉问题（通过限定回答范围）、知识过时（接入最新数据）和私有数据缺失（整合企业文档）。RAG工作流程分为数据准备（切分和向量化存储）和用户提问处理（检索-重组-生成）两阶段。作为技术架构，RAG与LLM（大脑）、Workflow（流程规范）和Agent（自主执行体）形成互补关系，共同构建企业智能系统。典型应用场景包括打造具备公司专属知识的数字员工。
2026-06-10 13:52:51
161
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