首页
AI Coding
NEW
沸点
课程
直播
活动
AI刷题
APP
插件
搜索历史
清空
创作者中心
写文章
发沸点
写笔记
写代码
草稿箱
创作灵感
查看更多
会员
登录
注册
关注
综合
后端
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
排行榜
综合
后端
排行榜
前端
Android
iOS
人工智能
开发工具
代码人生
阅读
全部
人工智能
AIGC
LLM
AI编程
OpenAI
Agent
后端
算法
Python
展开
全部
人工智能
AIGC
LLM
AI编程
OpenAI
Agent
后端
算法
Python
前端
Trae
程序员
MCP
深度学习
计算机视觉
暂无数据
推荐
最新
RAG 进化之路:传统 RAG 到工具与强化学习双轮驱动的 Agentic RAG
本文深入剖析RAG技术的进化历程,从传统RAG到智能体RAG的全面升级。探索两种实现Agentic RAG的关键路径:提示工程+工具调用与强化学习驱动方法。
🍇Embedding模型怎么选?一文解决RAG应用中最头疼的难题
Embedding模型是大型语言模型(LLM)的核心,负责将文本转换为高维向量空间中的数值表示,从而使语义关系转化为可计算的数学关系。如果选错Embedding模型,RAG系统可能会检索到不相关或低质
🚀多模态AI的未来已来:一文读懂VLM的工作原理、优化与挑战
随着AI大模型的迅速发展,深入理解视觉语言模型(Vision-Language Model, VLM)的技术内核与发展现状是至关重要的。VLM标志着多模态人工智能的一个重要突破,它使模型能够同时处理图
一台8核CPU,我将“小作坊”的Feed流AI推荐月成本,从1.8万打到了600块
如何将月成本从18000降到600?今天我就跟大家好好讲讲。这是一个关于Feed流上AI推荐的成本优化方案。
n8n入门指南:强大的自动化工作流工具
n8n是一个强大的工作流自动化工具,允许用户通过可视化方式连接不同的应用程序和服务。它将AI功能与业务流程自动化相结合,它可以帮助开发者和非技术人员创建复杂的工作流,实现数据在不同系统间的自动传输和处
🎉7.6倍训练加速与24倍吞吐提升:两项核心技术背后的大模型推理优化全景图
在大语言模型(LLM)的推理过程中,Attention机制是计算和内存消耗的主要瓶颈。FlashAttention和PagedAttention作为两项革命性优化技术,分别从计算效率和内存管理两个维度
⭐超越CNN与RNN:为什么Transformer是AI发展的必然选择?
当我们在欣赏交响乐时,我们不会只关注某一种乐器的声音,而是感受整体和谐——小提琴的悠扬、大提琴的深沉、长笛的清脆,这些声音相互呼应,共同编织出动人的旋律。在AI的世界里,Transformer正是深度
狂揽 133K Star!优质开源AI项目-提示词指南/提示词工程
朋友们好,我收集了Github上热度最高的数百个AI领域的开源项目,按照开发者的视角做了分类,一共包含28个分类,分类列表如下图所示。
🚫万能Agent兜底:当规划缺失工具时,AI如何自救
在多智能体协作调度场景中,尽管存在诸如层级指挥、嵌套模式、转交模式和群聊模式等多种实现方式,但层级指挥模式仍是生产环境中最常用的方式。该模式通常由主代理生成任务拆分,调度工具或子智能体分别执行,类似
【必收藏】12-Factor Agents:让大模型Agent从能跑起来到能用起来的企业级设计指南
本文详解12-Factor Agents企业级设计原则,助你解决大模型Agent从原型到生产的鸿沟。无论你是面临Agent上线报错、上下文丢失,还是被老板追问项目何时稳定上线的开发者,这套方法论都将指
🌟大模型为什么产生幻觉?预训练到推理的漏洞全揭秘
随着大模型迅猛发展的浪潮中,幻觉(Hallucination)问题逐渐成为业界和学术界关注的焦点。所谓模型幻觉,指的是模型在生成内容时产生与事实不符、虚构或误导性的信息。因此,如何识别、抑制甚至消除幻
🌈破解数据瓶颈!看AI Agent如何让人人成为数据分析师
2025年,商业智能(BI)正经历由AI Agent驱动的根本性变革。传统BI工具从被动的数据展示平台,逐渐演变为能够自主感知、推理、规划并执行任务的主动决策伙伴。本次分享的内容面向企业技术决策者(如
建构 AI Agent 应用——保护代理式系统
采用代理式 AI 带来了有别于传统软件的独特安全挑战。代理式系统具有自治、复杂推理、动态交互与复杂工作流等特征,显著扩大了威胁面。要有效保护此类系统,必须同时应对传统安全问题以及源自代理自治、概率决策
18岁女孩做养老机器人,上线2天卖爆了
18 岁,创业做机器人,还卖爆单了! (你的童年我的童年好像不一样) 这款名为 Sam 的养老机器人,就是 18 岁女孩 Audrey Lo 和她的两个同龄朋友的创业产品。
🙋♀️Transformer训练与推理全流程:从输入处理到输出生成
在人工智能领域,Transformer架构无疑是大模型发展史上最重要的里程碑之一。它不仅构成了当前大模型处理任务的基础架构,更是深入理解现代大模型系统的关键。今天我将通过结合论文原理与PyTorch源
终于有人把AI大模型训练过程讲明白了!!!
大模型训练过程: 准备 训练 测试 调优 实践 1.准备阶段 在准备阶段,主要工作集中在数据收集、数据清洗以及模型设计上。 数据收集: 收集大量的文本数据作为训练材料。这些数据可以来自互联网、图书、新
建构 AI Agent 应用——Agentic 系统的学习机制
本章介绍将“学习”引入智能体系统的多种方法与集成技巧。让智能体具备随时间学习与改进的能力非常有用,但在设计智能体时并非绝对必要。实现学习能力需要额外的设计、评估与监控工作,是否值得投入取决于具体应用。
建构 AI Agent 应用——编排
既然你的智能体已经具备一套可用工具,下一步就是将它们编排起来以解决真实任务。编排不只是决定调用哪些工具、何时调用;还需要为每次模型调用构建恰当的上下文,以确保行动有效且有依据。简单任务也许只需一个工具
【深度干货】Transformer推理优化完全指南:模型压缩、推理加速与硬件调优
本文将深入探讨Transformer推理优化的三大核心方向:模型架构与压缩、推理过程与系统优化以及硬件与编译器优化,分析各项技术的原理、特点与实践案例
🖼️解密大模型工作链:从输入处理到输出生成的每一个环节
你有没有想过,当我们向Deepseek提问时,为什么大模型能识别你的内容并找出你想要的答案,这个看似简单的交互背后,实际上经历着从数据预处理到深度学习推理的复杂技术流程。今天我将拆解大模型生成优质内容