RAG_Agent
关注
分享
扫一扫
文章平均质量分 91
本专栏深入探讨大模型领域的两大应用场景：RAG和Agent。RAG是用于问答和生成型任务的模型框架。LLM Agent则是基于语言的多模态智能代理，运用自然语言处理和机器学习技术与用户交互，提供个性化服务。我们将重点介绍RAG和Agent的理论、实践技巧以及最新代码实现和框架部署。
一个处女座的程序猿
2025年初博主2本新书(机器学习耗时5年/大模型耗时3年)正在热售中！人工智能硕学历，拥有十多项发专利(6项)和软著(9项)，包括国际期刊SCI内多篇论文，多个国家级证书(2个国三级、3个国四级)，曾获国内外“人工智能算法”竞赛(包括国家级省市级等，一等奖5项、二等奖4项、三等奖2项)证书十多项，以上均第一作者身份，并拥有省市校级个人荣誉证书十多项。目前也是国内知名博主，连续3年获CSDN十大博客之星，荣获达摩院评测官、阿里社区/CSDN/华为社区等十多个开发者社区专家博主荣誉，曾受邀阿里/华为/谷歌等社区采访-评审-论坛几十次。截止2022年，AI领域粉丝超100万，文章阅读量超5000万
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
LLMs之Agent Learning：《Agent Learning via Early Experience》翻译与解读
LLMs之Agent：《Agent Learning via Early Experience》翻译与解读目录《Agent Learning via Early Experience》翻译与解读Abstract1、Introduction7 Conclusion《Agent Learning via Early Experience》翻译与解读地址https://arxiv.or原创 2025-11-14 08:39:02 · 502 阅读 · 0 评论 -
LLMs之 Ranking：OpenRouter LLM Rankings的简介、安装和使用方法、案例应用之详细攻
LLMs之 Ranking：OpenRouter LLM Rankings的简介、安装和使用方法、案例应用之详细攻目录OpenRouter LLM Ranking的简介OpenRouter LLM Ranking的核心内容OpenRouter LLM Ranking的使用方法OpenRouter LLM Ranking的简介OpenRouter LLM Rankings 是一个动态的排行榜，它展示了在 OpenRouter 平台上各原创 2025-11-14 00:02:07 · 917 阅读 · 0 评论 -
LLMs之GPT：GPT5.1的简介、安装和使用方法、案例应用之详细攻略
LLMs之GPT：GPT5.1的简介、安装和使用方法、案例应用之详细攻略目录GPT-5.1的简介GPT-5.1的安装和使用方法GPT-5.1的案例应用GPT-5.1的简介2025年11月12日，OpenAI发布GPT-5.1 。GPT-5.1 是对 GPT-5 系列的一次迭代升级，OpenAI 在 2025 年 11 月 12 日发布本次更新，推出了两条子型号：GPT-5.1 Instant（以对话体验为主、响应更暖、更会“聊”）和 GPT-5.1 T原创 2025-11-13 08:54:15 · 727 阅读 · 0 评论 -
LLMs之Leaderboard：BFCL(Berkeley Function-Calling Leaderboard)的简介、安装和使用方法、案例应用之详细攻略
LLMs之Leaderboard：BFCL(Berkeley Function-Calling Leaderboard)的简介、安装和使用方法、案例应用之详细攻略目录BFCL的简介BFCL的核心内容BFCL的使用方法BFCL的简介Berkeley Function Calling Leaderboard (BFCL) V4 是一个由伯克利大学发布的功能调用(函数调用)排行榜。它的核心目标是评估大型语言模型（LLM）准确调用函数（也称为工具）的能力。该项目已经发原创 2025-05-31 08:08:44 · 556 阅读 · 0 评论 -
LLMs之Multi-Agent：BettaFish的简介、安装和使用方法、案例应用之详细攻略
LLMs之Multi-Agent：BettaFish的简介、安装和使用方法、案例应用之详细攻略目录BettaFish的简介BettaFish的安装和使用方法BettaFish的案例应用BettaFish的简介“微舆”（BettaFish）是一个从零开始实现的创新型多智能体（Multi-Agent）舆情分析系统。它的核心目标是帮助用户打破信息茧房，通过深度分析还原舆情事件的全貌，预测未来的发展趋势，并为决策提供辅助支持。该项目的设计理念是让原创 2025-11-10 23:01:47 · 1095 阅读 · 0 评论 -
LLMs之CE：《Context Engineering 2.0: The Context of Context Engineering》翻译与解读
LLMs之CE：《Context Engineering 2.0: The Context of Context Engineering》翻译与解读目录《Context Engineering 2.0: The Context of Context Engineering》翻译与解读Abstract1、Introduction8 Challenges and Future Direct原创 2025-11-09 00:46:51 · 594 阅读 · 0 评论 -
LLMs之RL之LRM：《A Survey of Reinforcement Learning for Large Reasoning Models》翻译与解读
LLMs之RL之LRM：《A Survey of Reinforcement Learning for Large Reasoning Models》翻译与解读目录《A Survey of Reinforcement Learning for Large Reasoning Models》翻译与解读Abstract1、Introduction原创 2025-11-06 00:55:30 · 1121 阅读 · 0 评论 -
LLMs之Agent：Agent Lightning的简介、安装和使用方法、案例应用之详细攻略
LLMs之Agent：Agent Lightning的简介、安装和使用方法、案例应用之详细攻略目录Agent Lightning的简介Agent Lightning的安装和使用方法Agent Lightning的案例应用Agent Lightning的简介Agent Lightning 是一个由微软开发的、旨在优化和训练 AI Agent 的终极训练器（The absolute trainer）。它的核心使命是“点亮”AI Agent，使其变得更加强大和高效。该项目通原创 2025-11-04 08:27:13 · 953 阅读 · 0 评论 -
LLMs之Workflow：OpenSpec的简介、安装和使用方法、案例应用之详细攻略
LLMs之Workflow：OpenSpec的简介、安装和使用方法、案例应用之详细攻略目录OpenSpec的简介OpenSpec的安装和使用方法OpenSpec的案例应用OpenSpec的简介OpenSpec 是一种为 AI 编码助手设计的**规范驱动开发（Spec-driven development）**方法论和工具链。其核心目标是在编写任何代码之前，通过一个轻量级的规范工作流程，使人类开发者与 AI 编码助手就“要构建什么”达成共识。在原创 2025-11-04 08:08:40 · 1238 阅读 · 0 评论 -
LLMs之AgenticRL：《The Landscape of Agentic Reinforcement Learning for LLMs: A Survey》的翻译与解读
LLMs之AgenticRL：《The Landscape of Agentic Reinforcement Learning for LLMs: A Survey》的翻译与解读目录《The Landscape of Agentic Reinforcement Learning for LLMs: A Survey》的翻译与解读Abstract1、Introduction6 Conclusion《The原创 2025-11-01 13:37:40 · 987 阅读 · 0 评论 -
LLMs之RAG：Morphik的简介、安装和使用方法、案例应用之详细攻略
LLMs之RAG：Morphik的简介、安装和使用方法、案例应用之详细攻略目录Morphik的简介Morphik的安装和使用方法Morphik的案例应用Morphik的简介2025年3月，Morphik 是一个为处理视觉丰富的文档和多模态数据而设计的 AI 原生工具集。它的核心目标是为开发者提供一种最佳方式，将复杂且细致入微的上下文信息集成到他们的 AI 应用中。它提供了一整套端到端的工具，用于存储、表示和搜索（包括浅层和深层）非结构化数据。项目的出发点是为了原创 2025-11-01 11:01:41 · 1215 阅读 · 0 评论 -
LLMs之SLMs：《Small Language Models are the Future of Agentic AI》的翻译与解读
LLMs之SLMs：《Small Language Models are the Future of Agentic AI》的翻译与解读目录《Small Language Models are the Future of Agentic AI》的翻译与解读Abstract1、Introduction6 LLM-to-SLM Agent Conversion Algorithm7 Call for Discussion原创 2025-10-31 08:45:57 · 949 阅读 · 0 评论 -
LLMs之MCPAgent：DeepMCPAgent的简介、安装和使用方法、案例应用之详细攻略
LLMs之MCPAgent：DeepMCPAgent的简介、安装和使用方法、案例应用之详细攻略目录DeepMCPAgent的简介DeepMCPAgent的安装和使用方法DeepMCPAgent的案例应用DeepMCPAgent的简介DeepMCPAgent 是一个模型无关、即插即用的 LangChain/LangGraph 代理框架。它的核心设计理念是让代理（Agent）完全由通过 HTTP/SSE 协议提供服务的 MCP (Model-Component原创 2025-10-28 08:45:18 · 833 阅读 · 0 评论 -
LLMs之Router：vLLM Semantic Router的简介、安装和使用方法、案例应用之详细攻略
LLMs之Router：vLLM Semantic Router的简介、安装和使用方法、案例应用之详细攻略目录vLLM Semantic Router的简介vLLM Semantic Router的安装和使用方法vLLM Semantic Router的案例应用vLLM Semantic Router的简介vLLM Semantic Router 是一个面向高性能推理场景的智能路由框架。它采用 Mixture-of-Models (MoM) 的思路，核心思想原创 2025-10-27 22:52:32 · 1177 阅读 · 0 评论 -
LLMs之RAG：《On the Theoretical Limitations of Embedding-Based Retrieval》的翻译与解读
LLMs之RAG：《On the Theoretical Limitations of Embedding-Based Retrieval》的翻译与解读目录《On the Theoretical Limitations of Embedding-Based Retrieval》的翻译与解读Abstract1、Introduction6 Conclusion《On the Theoretical Limitat原创 2025-10-26 09:44:57 · 1191 阅读 · 0 评论 -
LLMs之RAG：《REFRAG: Rethinking RAG based Decoding》的翻译与解读
LLMs之RAG：《REFRAG: Rethinking RAG based Decoding》的翻译与解读目录《REFRAG: Rethinking RAG based Decoding》的翻译与解读Abstract1、Introduction7 Conclusion《REFRAG: Rethinking RAG based Decoding》的翻译与解读地址https://arxiv.o原创 2025-10-26 08:27:14 · 1019 阅读 · 0 评论 -
LLMs之Deployment：guidellm的简介、安装和使用方法、案例应用之详细攻略
LLMs之Deployment：guidellm的简介、安装和使用方法、案例应用之详细攻略目录guidellm的简介guidellm的安装和使用方法guidellm的案例应用guidellm的简介GuideLLM 是一个用于评估和优化大型语言模型（LLM）部署的开源平台。其目标是通过模拟真实世界的推理（inference）负载，帮助用户评估在不同硬件配置、不同模型、不同部署策略下的性能、资源需求与成本。通过这种方式，GuideLLM 支持用户在生产环境将模原创 2025-10-25 21:56:37 · 1131 阅读 · 1 评论 -
LLMs之PE：PromptX(将 AI 智能体从通用助手转变为具备行业／角色能力的交互平台)的简介、安装和使用方法、案例应用之详细攻略
LLMs之PE：PromptX(将 AI 智能体从通用助手转变为具备行业／角色能力的交互平台)的简介、安装和使用方法、案例应用之详细攻略目录PromptX的简介PromptX的安装和使用方法PromptX的案例应用PromptX的简介PromptX 是由 Deepractice 开发的一款“领先的 AI 智能体上下文平台（AI Agent Context Platform）”。其核心理念为 “Chat is All you Need — 革命性的交互设计，让原创 2025-10-25 21:46:50 · 1341 阅读 · 0 评论 -
LLMs之PE：《Mind Your Tone: Investigating How Prompt Politeness Affects LLM Accuracy (short paper)》的翻译与
LLMs之PE：《Mind Your Tone: Investigating How Prompt Politeness Affects LLM Accuracy (short paper)》的翻译与解读目录《Mind Your Tone: Investigating How Prompt Politeness Affects LLM Accuracy (short paper)》的翻译与解读Abstract1、Introduct原创 2025-10-25 21:15:19 · 805 阅读 · 0 评论 -
AI：《State of AI Report 2025》全面解读2025年AI技术发展—洞察人工智能的未来轨迹
AI：《State of AI Report 2025》全面解读2025年AI技术发展—洞察人工智能的未来轨迹目录《State Of AI Report 2025》的翻译与解读1、背景2、简介3、核心内容4、核心结论5、对读者的启示与建议6、对未来的展望：短期 12 个月到中期 3 年《State Of AI Report 2025》的翻译与解读地址博客地址：https://www.stateof.ai/PPT地址：ht原创 2025-10-25 16:51:29 · 3865 阅读 · 0 评论 -
LLMs：Alpha Arena—让AI在真实投资市场中决斗—Nof1的“实战型AI金融实验”全解析—实验首阶段结果：DeepSeek称王，GPT-5意外滑铁卢
LLMs：Alpha Arena—让AI在真实投资市场中决斗—Nof1的“实战型AI金融实验”全解析—Alpha Arena 实验首阶段结果：DeepSeek称王，GPT-5意外滑铁卢目录Nof1·Alpha Arena项目的简介Nof1·Alpha Arena项目的概述Nof1·Alpha Arena项目的简介Nof1·Alpha Arena 是一个将 AI 模型放入 真实金融市场 的公开实验平台。其核心理念是：让多个 AI 模型在相原创 2025-10-22 08:50:09 · 4764 阅读 · 0 评论 -
LLMs之RAG之Benchmark：面向真实场景的检索嵌入基准(RTEB)—理论、设计与实践指南
LLMs之RAG之Benchmark：面向真实场景的检索嵌入基准(RTEB)—理论、设计与实践指南目录面向真实场景的检索嵌入基准(RTEB)—理论、设计与实践指南1. 为什么现有基准测试存在不足2. RTEB的简介3. 真正泛化的混合策略（A Hybrid Strategy for True Generalization）4. 面向真实世界领域构建（Built for Real-World Domains）5. 启动 RTEB：社区协作（Lau原创 2025-10-19 23:46:15 · 1451 阅读 · 0 评论 -
AGI之Multi-Agent：Multi-Agent的概述(核心技术点、代表性项目、挑战与未来)—持续更新2025年度多智能体相关的论文、前沿技术实践、代表性项目案例之详细攻略
AGI之Multi-Agent：2025年度基于Multi-Agent技概述核心技术/代表性项目/挑战与未来)—持续更新相关论文、前沿技术实践、代表性项目案例之详细攻略目录相关文章Multi-Agent的核心概述：核心技术+代表性项目+挑战与未来2025年7月2025年6月2025年5月2025年4月2025年3月2025年2月2025年1月相关文章AGI之Agent：Agent(一种训练原创 2025-10-19 22:34:29 · 2304 阅读 · 0 评论 -
LLMs之Agent：《Effective context engineering for AI agents》的翻译与解读—上下文工程/从提示到环境：让 LLM 代理在有限注意力中高效运行的策略与实
LLMs之Agent：《Effective context engineering for AI agents》的翻译与解读—上下文工程/从提示到环境：让 LLM 代理在有限注意力中高效运行的策略与实践—构建高效 LLM 代理的上下文工程指南目录《Effective context engineering for AI agents》的翻译与解读第一章：Context engineering vs. prompt eng原创 2025-10-19 01:20:21 · 1120 阅读 · 0 评论 -
LLMs之MultiAgent：OpenAgents(创建AI智能体网络)的简介、安装和使用方法、案例应用之详细攻略
LLMs之MultiAgent：OpenAgents(创建AI智能体网络)的简介、安装和使用方法、案例应用之详细攻略目录OpenAgents的简介OpenAgents的案例应用OpenAgents的简介OpenAgents是一个开源项目，旨在创建AI智能体网络（AI Agent Networks），并将智能体连接起来进行开放协作。OpenAgents提供了一个基础的网络基础设施，使AI智能体能够无缝连接和协作。目标与愿景：>> 旨在数秒内启动您的智能体网络，并通原创 2025-10-18 21:20:41 · 926 阅读 · 0 评论 -
LLMs：nanochat(仿照GPT-3 Small)的简介、安装和使用方法、案例应用之详细攻略
LLMs：nanochat(仿照GPT-3 Small)的简介、安装和使用方法、案例应用之详细攻略目录nanochat的简介nanochat的安装与使用方法nanochat的案例应用nanochat的简介2025年10月13日，nanochat 是 Andrej Karpathy 发布的一个 “full-stack”（端到端）最小化实现，目的是把一个类似 ChatGPT 的大语言模型（LLM）流水线放在一个清洁、最小、可 hack 的代码库里：从分词/toke原创 2025-10-18 23:45:00 · 1527 阅读 · 0 评论 -
LLMs之ACE：《Agentic Context Engineering: Evolving Contexts for Self-Improving Language Models》的翻译与解读
LLMs之ACE：《Agentic Context Engineering: Evolving Contexts for Self-Improving Language Models》的翻译与解读目录《Agentic Context Engineering: Evolving Contexts for Self-Improving Language Models》的翻译与解读Abstract1、Introduction6 C原创 2025-10-18 00:13:26 · 1043 阅读 · 0 评论 -
ER之Robotics：《Gemini Robotics 1.5: Pushing the Frontier of Generalist Robots with Advanced Embodied R
ER之Robotics：《Gemini Robotics 1.5: Pushing the Frontier of Generalist Robots with Advanced Embodied Reasoning, Thinking, and Motion Transfer》的翻译与解读《Gemini Robotics 1.5: Pushing the Frontier of Generalist Robots with Advanced原创 2025-10-10 23:45:00 · 1327 阅读 · 0 评论 -
LLMs之RAG之DRAG：《Lexical Diversity-aware Relevance Assessment for Retrieval-Augmented Generation》的翻译与解
LLMs之RAG之DRAG：《Lexical Diversity-aware Relevance Assessment for Retrieval-Augmented Generation》的翻译与解读目录《Lexical Diversity-aware Relevance Assessment for Retrieval-Augmented Generation》的翻译与解读Abstract1、Introduct原创 2025-10-10 08:59:51 · 1333 阅读 · 0 评论 -
LLMs之Agent之Eigen-1：《Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific R
LLMs之Agent之Eigen-1：《Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning》的翻译与解读目录《Eigen-1: Adaptive Multi-Agent Refinement with Monitor-Based RAG for Scientific Reasoning》的翻译与解读原创 2025-10-10 01:15:00 · 874 阅读 · 0 评论 -
LLMs之OpenAI DevDay 2025之Codex：从代码助手到工程中枢：全面解读 OpenAI Codex 正式版——集成、智能、协作的新时代开发平台
LLMs之OpenAI DevDay 2025之Codex：从代码助手到工程中枢：全面解读 OpenAI Codex 正式版——集成、智能、协作的新时代开发平台目录从代码助手到工程中枢：全面解读 OpenAI Codex 正式版——集成、智能、协作的新时代开发平台一、背景二、Codex 在 Slack 中的集成三、Codex SDK：嵌入式智能代理四、管理员功能与可观测性五、Codex 在真实企业中的应用案例六、可用性与定价更新原创 2025-10-09 23:30:00 · 1146 阅读 · 0 评论 -
LLMs之OpenAI DevDay 2025之MLM之VLM：OpenAI Sora 视频生成指南—从原理到实践、生成全攻略—从文本到动态影像的智能创作与Sora 2 API实践指南(功能、流程、技
LLMs之OpenAI DevDay 2025之MLM之VLM：OpenAI Sora 视频生成指南—从原理到实践、生成全攻略—从文本到动态影像的智能创作与Sora 2 API实践指南(功能、流程、技巧与开发要点)OpenAI Sora 视频生成指南—从原理到实践、生成全攻略—从文本到动态影像的智能创作与Sora 2 API实践指南(功能、流程、技巧与开发要点)地址https://platform.openai.com/docs/guides/video-generation时间2原创 2025-10-09 23:15:00 · 1161 阅读 · 0 评论 -
LLMs之OpenAI DevDay 2025之AgentKit：一体化 Agent 开发—OpenAI 的智能 Agent 平台化工具集(Agent Builder/ChatKit)解析
LLMs之OpenAI DevDay 2025之AgentKit：一体化 Agent 开发—OpenAI 的智能 Agent 平台化工具集(Agent Builder/ChatKit)解析目录一体化 Agent 开发—OpenAI 的智能 Agent 平台化工具集(Agent Builder/ChatKit)解析1. 引言 / 背景2. Design workflows with Agent Builder3. Embed agentic原创 2025-10-09 23:00:00 · 1242 阅读 · 0 评论 -
LLMs之OpenAI DevDay 2025之ChatGPT之App/SDK：聊天即应用/在对话中触发服务/从对话到动作—ChatGPT 的新一代 App 平台与 SDK 战略
LLMs之OpenAI DevDay 2025之ChatGPT之App/SDK：聊天即应用/在对话中触发服务/从对话到动作—ChatGPT 的新一代 App 平台与 SDK 战略目录OpenAI DevDay 2025之ChatGPT之App/SDK：聊天即应用/在对话中触发服务/从对话到动作—ChatGPT 的新一代 App 平台与 SDK 战略1. How to use apps in ChatGPT2. Apps available today3. Ap原创 2025-10-09 09:06:53 · 978 阅读 · 0 评论 -
LLMs之MCP：awesome-mcp-servers的简介、特点、内容分类之详细攻略
LLMs之MCP：awesome-mcp-servers的简介、特点、内容分类之详细攻略目录awesome-mcp-servers的简介MCP Servers分类awesome-mcp-servers的简介awesome-mcp-servers 是一个 汇总与索引型仓库，整理了大量与 Model Context Protocol（MCP）相关的服务器实现、框架与工具。MCP 是一种开放协议，目的是让 AI 模型能通过标准化的 MCP 服务器安全地访问本地或远程资源（如文件、数原创 2025-09-25 00:20:43 · 1112 阅读 · 0 评论 -
LLMs之Agent：agents-towards-production的简介、安装和使用方法、案例应用之详细攻略
LLMs之Agent：agents-towards-production的简介、安装和使用方法、案例应用之详细攻略目录agents-towards-production的简介agents-towards-production的安装与使用方法agents-towards-production的案例应用agents-towards-production的简介“Agents Towards Production” 是由 Nir Diamant 发起的开源项目，旨在为构建、原创 2025-09-24 23:49:25 · 1531 阅读 · 0 评论 -
LLMs之ThinkingModel：DeepSeek-V3.1的简介、安装和使用方法、案例应用之详细攻略
LLMs之ThinkingModel：DeepSeek-V3.1的简介、安装和使用方法、案例应用之详细攻略 目录DeepSeek-V3.1的简介DeepSeek-V3.1的安装和使用方法DeepSeek-V3.1的案例应用DeepSeek-V3.1的简介2025年8月21日，DeepSeek团队发布DeepSeek-V3.1，并于9月22日更新。DeepSeek-V3.1 是一个混合模式的大型语言模型，它创新地在同一个模型中同时支持“思考模原创 2025-09-24 23:45:00 · 1246 阅读 · 0 评论 -
LLMs之AgentDevP：FastGPT的简介、安装和使用方法、案例应用之详细攻略
LLMs之AgentDevP：FastGPT的简介、安装和使用方法、案例应用之详细攻略目录FastGPT的简介FastGPT的安装和使用方法FastGPT的案例应用FastGPT的简介2023年8月，FastGPT 是一个基于大型语言模型（LLMs）构建的 AI Agent 构建平台。它提供了一整套开箱即用的功能，包括数据处理、模型调用、RAG（检索增强生成）检索以及通过 Flow 可视化进行工作流编排的能力。这使得用户可以轻松开发和部署复杂的问答系统原创 2025-09-23 23:45:00 · 2232 阅读 · 0 评论 -
LLMs之IR：《MUVERA: Multi-Vector Retrieval via Fixed Dimensional Encodings》的翻译与解读
LLMs之IR：《MUVERA: Multi-Vector Retrieval via Fixed Dimensional Encodings》的翻译与解读目录《MUVERA: Multi-Vector Retrieval via Fixed Dimensional Encodings》的翻译与解读Abstract1、IntroductionConclusion《MUVERA: Multi-Vector原创 2025-09-17 23:48:50 · 1162 阅读 · 0 评论 -
LLMs之RL之RPT：《Reinforcement Pre-Training》的翻译与解读
LLMs之RL之RPT：《Reinforcement Pre-Training》的翻译与解读目录《Reinforcement Pre-Training》的翻译与解读Abstract1、IntroductionConclusion and Future Work《Reinforcement Pre-Training》的翻译与解读地址https://arxiv.org/abs/2506.08007时间2025年6原创 2025-09-14 15:03:10 · 1304 阅读 · 0 评论