- 博客(1187)
- 收藏
- 关注
RSS订阅原创 2025企业级AI_Agent（智能体）价值及应用
本文全面介绍了AI大模型的基础知识、技术原理、应用场景和实战案例。从零开始讲解大模型的发展历程、核心架构和训练方法，逐步深入到模型优化、部署和微调等高级技术。内容兼顾理论与实践，适合编程初学者和有经验的开发者，帮助读者系统掌握AI大模型技术，并能在实际项目中灵活应用。
2025-12-06 14:55:59
689
原创 极速上手！用GPTBots.ai打造企业级AI应用！
了解一个产品，最直观的就是产品相关的文档了。在概述里看了下提炼了下• 企业级 AI Agent 无代码构建平台• 零代码• 快速创建• 企业级安全看看GPTBots.ai 解决了哪些痛点问题。痛点解决方案LLM 幻觉知识库增强 + 引用溯源 + 内容审核缺乏垂直知识RAG 系统 + 多格式知识库 + 持续训练无法处理复杂任务FlowAgent 工作流 + 工具集成 + 多 LLM 协同落地难无代码构建 + 端到端交付 + 快速上线AI 人才不足可视化操作 + 专业支持 + 分钟级上手。
2025-12-06 13:54:32
780
原创 还在为找Prompt抓狂？提示词从零基础入门到精通，一篇搞定所有知识点！
YPrompt是一个为AI应用设计的提示词管理系统。它不像那些只是展示提示词的图库，也不是一个简单的AI提词工具。它更像一个提示词专用的GitHub，把提示词当作代码一样来管理。它能把散落在各个聊天框里的提示词碎片，系统地整理和迭代。这个工具内置了一个叫GPrompt的方法，可以引导用户写出更好的提示词。它还引入了类似Git的版本管理概念，可以记录每个提示词的修改历史，方便对比不同版本和一键恢复。下面是它的一些界面截图。这是提示词优化的界面。这是版本管理的功能。还有一个提示词的练习场。
2025-12-05 11:53:18
529
原创 智能体AI的六大核心设计模式，从入门到精通，一篇就够了！
本文详细介绍了六种主流AI智能体设计模式：ReAct的推理-行动循环、CodeAct的代码执行范式、Modern Tool Use的轻量级集成、Self-Reflection的自我评估、Multi-Agent的协作方案以及Agentic RAG的检索增强技术。这些模式从不同维度解决了智能体系统核心挑战，开发者可根据需求选择合适架构，构建更强大可靠的AI智能体系统。随着大模型技术的成熟，智能体正在从概念走向实际应用。
2025-12-05 11:35:57
793
原创 Token到底是个啥？看完这篇终于懂了！
读到这里，Token还神秘吗？其实Token就是AI世界的"信息积木"。大模型通过计算这些积木之间的关系，推测下一个积木应该是哪个，从而生成连贯的文字。为什么大模型生成内容像"打字"？因为它一个Token一个Token地输出为什么API按使用量计费？因为Token数量对应计算成本为什么有时候大模型"卡住"了？可能是在计算下一个Token的概率分布为什么不同语言成本不同？因为Token切分方式导致的消耗差异。
2025-12-04 13:41:45
726
原创 RAG分块策略完全指南（15种实战方案）从零基础到精通，收藏这一篇就够了！
不存在适用于所有数据的“万能分块策略”根据文档格式、使用场景和用户提问方式选择分块方法用真实数据测试，务必检查大模型输出是否存在上下文偏移和幻觉。
2025-12-04 11:32:59
682
原创 智能体工程师能拿到 20K以上需要具备的能力
很多人都在问：“现在 AI 行业这么火，我要学点什么，才能拿到 20K+ 的薪资？一句话总结——：微调、Agent、部署。这三块构成了一个合格 AI 应用开发工程师的核心能力，也决定了你在行业里的天花板。
2025-12-02 11:48:31
1924
原创 LangChain与LangGraph从零基础到精通，一篇全掌握，值得收藏！
LangChain与LangGraph是AI智能体开发的两大核心框架。LangChain 1.0作为高层抽象框架，适合简单线性任务、标准RAG系统和快速原型；LangGraph 1.0作为底层运行时引擎，专攻复杂智能体系统、长时间工作流、多智能体协作和人工审核场景。两者形成从概念验证到生产部署的完整闭环，开发者可根据项目需求灵活选择或组合使用，实现AI应用的高效构建与稳定运行。2025年10月22日，LangChain官方团队正式发布了与。
2025-12-02 10:30:33
838
原创 如何在零项目经验的前提下准备LLM和Agent方面的经验
文章讲述了如何通过实践获得AI大模型真实项目经验以提升求职竞争力。强调仅调用API不足，需深入理解LLM工作流程，掌握RAG优化技巧，并能解决实际问题。建议从实现功能、优化准确性、部署监控三个维度准备，通过量化评估展示解决问题的能力，证明具备AI项目实战经验。本人最近开始面试AI方面的求职者，具体的要求是，要用过LLM和Agent，当然最好再用过Rag，关键是要有真实项目的经验。本人结合最近的工作经验和面试官的相关经验，先说如下的观点。
2025-12-01 11:42:20
602
原创 深度解读大模型训练的4个关键阶段，从入门到精通，建议永久收藏！
大模型训练分为四个关键阶段：随机初始化、预训练、指令微调、偏好微调和推理微调。从随机权重开始，通过海量语料预训练学习语言基础，再通过指令微调使其具备对话能力，利用人类偏好数据进行RLHF训练使其与人类价值观对齐，最后通过推理微调使用可验证奖励提高数学和逻辑推理能力。
2025-12-01 11:30:36
691
原创 LLM+RAG+Agent一篇全掌握，看这一篇就够了！
LLM：纯语言处理任务，如写作、翻译、答疑等场景LLM + RAG：对准确率有要求的时候使用，比如回答需要来自内部文档、技术手册、领域知识等场景LLM + RAG + Agent：需要自主执行任务的场景，如自动化工作流、数据分析等需要让系统来决策的场景LLM 作为智能大脑RAG 作为动态记忆系统Agent 作为自主执行者。
2025-11-29 12:00:12
813
原创 AI大模型微调教程：从零基础入门到精通，一篇就够了！
LoRA（Low-Rank Adaptation）是一种参数高效的微调方法。它的核心思想很简单：冻结原模型参数，只训练额外的小参数矩阵来调整模型输出创建数据处理脚本。
2025-11-29 11:28:33
826
原创 AI大模型教程：从零基础入门到精通，一篇搞定所有知识点
如果问什么是大语言模型，看这个视频之前，我估计会一时语塞，大语言模型就是大语言模型。看完 Andrej Karpathy 的 Deep Dive into LLMs like ChatGPT，会有更深的体会。OpenAI 的创始成员，2015年至2017年担任该团体的研究科学家。2017年6月，他成为特斯拉人工智能总监。在特斯拉休假数月后，他宣布将于2022年7月离开公司。2023年2月，卡帕斯宣布重返OpenAI。什么是大语言模型？
2025-11-29 11:13:52
888
原创 AI大模型知识库教程：Mia、Cheer Studio、AnythingLLM安装与使用教程（超详细）
文章详细对比了三种大模型知识库工具：Mia(云端存储稳定免费)、Cheer Studio(专业级本地功能但学习成本高)、AnythingLLM(轻量化开源适合私有化)。提供了各工具的安装步骤、API配置及使用技巧，帮助用户根据需求选择适合的解决方案，实现大模型本地化知识管理。事实上perplexity的空间功能，元宝的分组，GPT的项目功能都有类似的知识库功能，但无法实现文件库本地化。
2025-11-28 11:59:04
328
原创 GraphRAG知识图谱增强生成教程（超详细）从零基础到精通，一篇就够了，必看收藏！
可解释性与溯源，向量搜索是一个黑盒。我们很难解释为什么向量 A 和向量 B 相似。但知识图谱是白盒。GraphRAG 能够明确展示：“我之所以得出这个结论，是因为文档 A 中提到了实体 X，而实体 X 在文档 B 中被定义为 Y 的子集。这种可解释性对于金融、医疗和法律等高风险领域的 AI 落地至关重要。技术挑战与落地思考。
2025-11-28 11:46:48
265
原创 Agent 架构核心：如何设计意图识别与查询分发系统？（附prompt）
定义：用户询问关于产品功能、公司政策、操作手册等客观事实。示例：“如何重置密码？”、“年假有多少天？定义：用户需要查询具体的业务数据、报表或进行统计分析。通常包含时间、指标和聚合需求。示例：“上个月销售额是多少？”、“统计各部门人数。定义：用户请求执行某个具体操作或变更系统状态。示例：“帮我提交这个请假条”、“预订明天的会议室。定义：问候、闲聊或不属于上述任何类别的通用问题。
2025-11-27 13:37:12
785
原创 LangChain实操教程，7步掌握所有核心技术：Chain、Memory、RAG、Agent以及 LangGraph
在做AI应用开发的时候，大模型都有一个通病，虽然强大，但它不知道你公司的私有文档，记不住之前的对话，更不会主动上网搜索最新信息。大模型就像一个博学但"与世隔绝"的学者——知识丰富，却无法连接现实世界。。它是由 Harrison Chase 开发的开源框架，专门用来构建基于大语言模型(LLM)的应用程序。简单来说，LangChain 就是。这篇文章将手把手带你从零开始掌握 LangChain，每个步骤都提供完整的可运行代码。你不需要有 Python 基础，只要跟着操作，就能构建出自己的 AI 应用。
2025-11-27 10:57:17
1015
原创 LangChain教程：从零基础入门到项目实战，一篇搞定大模型开发！
本文详细介绍LangChain框架，一个简化LLM应用开发的工具。解析其核心概念（组件与链）、三大应用场景及六大模块，包括模型I/O、数据连接、链、记忆、Agent和回调处理器。通过代码示例展示从环境配置到创建聊天机器人、Agent及加入记忆功能的完整开发流程，帮助开发者快速构建响应式AI应用。当开发者构建LLM应用时，可能会遇到很多API接口、数据格式、工具等，特别是一个非AI领域的开发者，要研究入门总觉得有很大的负担。LangChain 就是为了让你跨越这道门槛，让LLM应该的开发更加简单。01。
2025-11-26 11:51:15
1320
原创 保姆级教程：RAGFlow知识库参数全解析，从零基础到精通，一篇搞定！
本文详细介绍了RAGFlow在工程文档处理中的参数配置方法，包括文档预处理、智能分块、知识图谱和召回增强等技术。针对工程行业三类常见场景（技术规范查询、项目管理资料查询、投标答疑/FAQ），提供了可直接复用的配置方案。文章强调模板选择、场景适配和人工干预的重要性，帮助工程人员通过精细化参数配置，将AI打造成真正的"工程知识库管家"，解决AI在工程文档处理中的精准性问题。
2025-11-25 15:06:07
992
原创 用了两天谷歌Gemini_3，我感觉它彻底疯狂了
谷歌最新发布的Gemini 3大模型展现出令人震撼的多模态能力，在多项测试中遥遥领先。它能生成可交互的UI、游戏和应用，支持100万tokens的长文本理解，并能准确分析视频内容。相比其他专注单一领域的大模型，Gemini 3在文本、图像、视频和音频处理上均达到行业顶尖水平，几乎可以确定成为2025年度最强AI大模型，为用户工作和生活带来巨大便利。11月18日晚上。谷歌啪的一下，就把憋了许久的大招——Gemini 3掏了出来。不搞期货，没有付费门槛。
2025-11-25 11:42:59
911
原创 Google 重磅出击：Gemini 3 上线企业平台，AI 正式从“助手”进化成“员工”
给你学习，我国在这方面的相关人才比较紧缺，大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。同时，Antigravity 提供了一个可控、可审计的智能体开发环境，这对企业来说非常关键：AI 不只是 “黑盒”，执行过程是透明、可追踪的。这个发布，或许将重塑企业对 AI 的想象。
2025-11-24 11:40:37
516
原创 RAG教程：从入门到精通，一篇就够了，建议收藏！
本文详细介绍了AI大模型技术，重点讲解了解决大模型知识不足的三种方法：RAG检索增强生成、模型微调和提示工程。文章通过代码示例展示了如何使用FAISS构建向量库实现RAG系统，并使用Streamlit构建交互式查询界面。无论是对大模型感兴趣的小白还是希望深入学习的开发者，都能通过本教程掌握大模型应用的关键技术，提升AI应用能力。生成式AI是一种能够生成各类内容的技术，包括文本、图像、音频和合成数据。
2025-11-22 11:50:01
670
原创 Dify文档提取工具终极对比（超详细）从零基础到精通，收藏这一篇就够了！
本文全面对比评测了Dify平台上的多种文档提取工具，分析了它们在不同文件格式下的提取效果和特点。详细展示了文档提取器、Dify文档提取器、MARKITDOWN等工具的处理效果，并总结了各类工具的适用场景。文章指出，单文件处理推荐"Dify文档处理器"，多文件处理推荐"MARKITDOWN"，但PDF和Excel表格的图像提取功能仍有不足，需根据业务场景选择合适工具或自行开发。不管是知识库构建还是业务文档分析，文档文本内容提取都是不可或缺的一个环节。文档内容提取质量直接影响后面的逻辑处理过程。
2025-11-22 11:11:35
1086
原创 Agent全面爆发！一文搞懂Agent开发核心链路
本文全面介绍AI Agent的概念、分类及核心架构模块，深入解析规划、记忆、工具调度等关键技术，详细阐述基于大模型构建Agent系统的开发方法与实践经验。从上下文工程优化到记忆系统构建，从函数调用实现到多Agent协作，结合腾讯云Dola等实战案例，为开发者提供从理论到实践的完整指南，助你掌握智能体开发的核心脉络。👉目录1 Agent介绍2 Agent 的核心演变和核心模块3 怎么基于大模型搭建一个Agent?【开发视角】4 Agent如何评估？
2025-11-21 14:36:14
877
原创 AI大模型检索新范式（超详细解析）从RAG到强化学习智能体，一篇搞定必收藏！
文章指出强化学习训练的智能体正替代传统RAG，成为检索系统新范式，突破性能与成本瓶颈。传统RAG优化空间有限，而"Agent+工具"框架通过多步推理实现更优解。强化学习优化的Agent能显著提升检索能力，兼顾速度与效率。文章详细解释了智能体多步检索机制、强化学习如何提升检索效率，以及分工提升效率的模式，展示了检索系统从RAG到多步Agentic再到RL Agentic的演进过程。🎯这篇文章主张：强化学习（RL）训练的Agent正替代传统RAG，成为检索系统的新范式，突破了性能和成本双重瓶颈。🗺️。
2025-11-21 11:00:34
886
原创 Marble多模态AI：从文本到3D世界的零基础入门到精通指南
Marble确实是太猛了！！！真的是彻底改变了3D世界，让3D变成有温度的智能空间，未来肯定越来越多的行业会用到。家里的装修，甚至可以自己去做设计了。想起来AI刚出来的时候，有个游戏行业的人给我说，智能都是没用的，因为所有的新技术出来都要游戏行业先用上才算有用，因为他们没用上，所以智能没有未来。如果还能再次遇见他，我肯定会告诉他“你的认知太低了”。现在会员很便宜，买个玩玩体验体验。Pro会员首月只要1美金，折合人民币7块多。
2025-11-20 14:46:35
721
原创 LangGraph 1.0部署完全指南（超详细）从零基础到生产环境，一篇搞定所有部署方式！
本文详细介绍LangGraph 1.0三种部署方式：独立服务器适合轻量级开发环境；LangSmith方式提供监控和评估功能；LangSmith with deployment包含完整部署管理。文章为每种方式提供了详细的安装、配置和测试步骤，并建议个人开发使用独立服务器，企业级应用可考虑LangSmith方案，但需满足硬件要求和获取官方许可。
2025-11-19 11:41:43
1045
原创 【Agent专题】揭秘！AI Agent落地的“14层工程架构
AI智能体落地90%工作是工程架构，仅10%依赖大模型本身。文章详细拆解了从算力、基础设施到前端层的14层架构，强调容器编排、数据清洗、模型路由、工具集成等工程细节才是关键。企业需全链路打磨，而非单点突破，才能让AI智能体真正落地并发挥价值。大模型是点睛之笔，但工程架构决定系统能否飞起来。越来越多的企业正在尝试把 AI 智能体真正落地，我们会发现一个有趣的规律：90% 的工作其实是工程架构设计，只有 10% 才是大模型本身的发挥。
2025-11-19 11:22:16
966
原创 32个Al提示词技巧，读完认知超90%的人，不夸张！
比如：“上次我用‘马斯克 最新 X’没搜到，下次我应该试试‘Elon Musk X post’”。这段“经验”会存起来。下次执行任务时，它会先看看“经验库”，避免犯同样的错。
2025-11-18 14:09:49
1579
原创 继MCP之后，Anthropic_又来制定新标准了！
什么是 Skills，就是为大模型提供具体的某种能力，这听上去有点类似与 MCP 的概念，巧了，MCP 也是 Anthropic 提出来的。接着说什么是 Skill，假设我想查询明天的天气，如果只用大模型自己的能力肯定不行，它必须要联网搜索，而联网搜索天气预报这是一个具体且专业的事情，之前用 MCP 可以做到，现在呢，用 Skill 也能做了，这个Skill 的能力就是查天气，可能是一个 Python 方法，就是到某个天气网站搜索天气情况。在 Claude 设置页面，有一些 Claude 内置的技能。
2025-11-18 13:57:07
759
原创 AI开发三大神器：PyTorch、ONNX、LangChain
本文介绍了AI开发必备的基础工具和三大核心技术：PyTorch、ONNX和LangChain。基础工具包括Python、数据三件套和Scikit-learn。三大工具分别代表AI开发流水线的不同环节：PyTorch用于模型研发；ONNX解决模型兼容性问题；LangChain用于系统集成。文章强调这些工具互补而非竞争，了解各自作用有助于初学者在遇到问题时寻找正确解决方案。
2025-11-17 15:07:48
714
原创 详解Github_35K+项目：打通200+数据源，构建企业级AI数据融合应用！
文章介绍了MindsDB这款开源AI数据统一访问引擎，展示了如何实现跨多数据源的统一查询和AI模型赋能数据查询。MindsDB作为"智能数据层"，通过连接器对接各种异构数据源，提供统一API，并集成机器学习引擎为数据查询注入AI能力。文章详细演示了如何使用MindsDB连接RDBMS、文件、向量数据库等数据源，以及如何通过SQL调用传统ML模型、LLM和嵌入模型，实现数据与AI的无缝融合，简化AI应用开发流程。前几天我们提到企业AI数据环境的复杂性，远非单一的向量库能胜任。
2025-11-17 11:37:30
651
原创 AI大模型教程（干货满满）：从零基础入门到精通Qwen3-Embedding，建议收藏反复学习！
数据集下载地址：训练集（train.csv)验证集（dev.csv)测试集（test.csv)34,3344,3163,861。
2025-11-14 11:53:14
650
原创 只需五分钟，手把手教你本地部署大模型！
文章介绍了AI隐私泄露风险及本地部署解决方案，推荐使用阿里通义千问Qwen3-0.6B模型通过Ollama工具在本地部署。该方法无需编程知识，响应快速且断网可用，可有效保护创作成果和敏感数据。同时鼓励读者参与"端侧AI创新挑战赛"，围绕本地模型开发创新应用，赢取奖金。本地部署是保护隐私、掌控数据的最佳选择。今天聊一个严肃的问题：你有没有想过自己每天都在用的AI，会不会泄露自己的隐私？
2025-11-14 11:44:56
1003
原创 AI不再只会“说“：MCP技术让大模型具备代码执行能力，开发实战全解析
MCP的全称是Model Context Protocol，直译过来就是"模型上下文协议"。但这个名字听起来有点晦涩，我更愿意称它为“AI的USB-C接口”。还记得智能手机刚兴起时，每个品牌都有自己的充电接口吗？那时候出门得带一堆不同的充电线，简直噩梦。直到USB-C统一标准后，才真正实现了"一线走天下"。MCP就是AI世界的USB-C标准。它定义了一套通用协议，让任何AI应用都能即插即用地连接外部工具和数据源。回顾整个MCP代码执行功能，我看到的不只是一个技术特性，而是AI能力的一次质的飞跃。
2025-11-13 14:52:44
629
原创 MCP与API实战指南（超详细）从零基础到精通，一篇全掌握，建议收藏！
文章解析了MCP与API在AI Agent开发中的关系。MCP是让AI自主调用工具的协议，但不替代API，而是"包裹API工作"。文章对比了两者的核心差异，警告了MCP滥用现象，并建议根据场景精准搭配：MCP负责"灵活决策"，API负责"高效执行"，二者是互补而非替代关系，混合使用才能实现最佳效果。在 AI Agent 开发热潮中，MCP（Model Context Protocol）凭借 “LLM 自主工具调用” 的特性迅速走红，不少开发者将其奉为 “集成神器”。
2025-11-13 10:41:02
911
原创 国家知识产权局AI大模型全解析：从盘古到讯飞，零基础入门专利审查AI系统，一篇就够了！
国家知识产权局已部署华为盘古、拓尔思拓天和深度求索Deepseek三大AI大模型辅助专利审查工作，并计划引入讯飞星火模型。这些AI工具分别擅长专利检索、技术理解、法律适用和语言处理等领域，显示AI在知识产权领域的应用已从试点进入核心业务系统化部署阶段，将对专利代理行业产生重大影响。11月10号，政府采购网上发布了一则招标公告——国家知识产权局专利局AI法律助手基础软硬件采购项目招标公告，意外地让我们看到了专利局目前正在使用的AI大模型以及计划引入的大模型。
2025-11-12 11:40:25
903
原创 拒绝焦虑！如何分钟级完成大模型应用开发环境搭建
文章分析了AI技术对开发者的冲击与机遇，指出开发者面临硬件门槛、启动策略和知识陷阱三重困境。文章提出破局三方面：1)使用CPU云实例降低硬件门槛；2)选择RAG技术作为起步方向；3)通过系统化培训实现能力进阶。推荐基于英特尔至强6处理器的火山引擎g4il云实例，帮助开发者以较低成本入门AI应用开发，适应AI时代的变化，提升核心竞争力。据投资银行高盛（Goldman Sachs）发布报告，随着 AI 技术的突破，预计全球将有 3 亿个工作岗位被生成式 AI 取代。
2025-11-12 11:12:18
684
原创 程序员必藏！AI大模型从入门到精通实战教程，一篇就够了！
文章对比了传统RAG与Agentic RAG的区别：前者仅能语义匹配，适合概念说明场景；后者能执行"动作"(如API调用、SQL生成)，适合数据分析场景。两者本质都是检索技术，但Agentic RAG增加了条件查询能力。实际业务中常需结合使用，应对用户复杂需求。传统RAG和Agentic RAG的主要区别就是在于是否能执行“动作”。我们都知道基础RAG是基于语义检索的知识增强技术，但由于复杂的语义环境，很多时候基于简单的语义检索并不能很好的解决我们的问题。
2025-11-10 11:52:25
766
原创 AI Agent全面解析（深度剖析）从入门到精通，收藏这一篇就够了！
这篇CB Insights报告系统梳理了AI Agent的发展前景与未来趋势，提出了2026年六大关键预测，绘制了完整生态版图，涵盖创业公司、基础设施提供商及营收增长型企业。报告深入解析了市场格局与技术栈演进，通过企业级应用视角，展示了AI Agent如何重塑代码生产、客户服务与后台运营方式。报告系统梳理了AI Agent的发展前景与未来趋势，提出了面向2026年的六大关键预测，并绘制出完整的生态版图，涵盖最值得关注的创业公司、基础设施提供商及快速崛起的营收增长型企业。
2025-11-07 11:53:58
1090
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