大模型开发
文章平均质量分 89
多模态感知、决策与执行系统深度开发
Ts-Drunk
资深开发,6年开发经验,熟悉前端,后端,APP等传统IT开发,了解机器学习,强化学习,主要研究人工智能方向
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
-
【大模型实战】开发多功能ReAct Agent查天气/算数据/读文档
本文介绍了基于ReAct框架的多功能Agent开发实战项目,结合LangGraph、LangChain和DeepSeek API等技术栈。项目亮点包括:1)实现天气查询、数学计算和文档读取三大功能;2)采用"思考-行动-观察"的ReAct推理循环;3)提供完整的项目结构和工具封装方法。开发者通过2-3小时即可掌握Agent开发核心技能,包括LangGraph图构建、工具封装和API对接等。文章提供了项目目录结构、快速上手步骤和示例效果,并指出可通过私聊获取完整资源包(含代码、配置文件和演原创 2026-04-12 14:44:04 · 771 阅读 · 0 评论 -
零经验也能跑通!本地LLM聊天机器人实践指南
摘要:本文提供了一份零基础新手也能轻松上手的本地LLM聊天机器人搭建指南。通过Ollama工具,无需编程经验,2-3小时即可完成部署。指南详细介绍了Python环境配置、项目代码获取、虚拟环境创建和依赖安装等关键步骤,特别针对Windows和macOS用户提供差异化操作说明。重点包括使用清华镜像源加速依赖安装、避免中文路径等实用技巧,帮助新手避开常见陷阱。所有操作均提供验证方法,确保每个步骤执行正确。原创 2026-04-09 14:36:21 · 423 阅读 · 0 评论 -
从0到1搞懂AI工程化:Ollama本地部署+Agent+VLA,普通人也能落地的实战路径
本文系统介绍了AI工程化的核心概念与学习路径,重点讲解了Ollama本地部署、Agent、RAG、VLA等关键技术。文章指出在线大模型存在数据安全、成本和网络依赖问题,推荐使用Ollama实现低门槛本地部署。通过五个阶段的学习路径,从基础部署到多Agent协作,帮助读者掌握完整的AI项目落地能力。文章强调实操的重要性,提醒避免只学理论、追求高端配置和碎片化学习等误区,建议通过系统课程快速掌握这些可复用的AI工程技术。原创 2026-04-04 11:56:26 · 469 阅读 · 0 评论
分享