稀土掘金 稀土掘金
    • 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
        • 写文章
        • 发沸点
        • 写笔记
        • 写代码
        • 草稿箱
        创作灵感 查看更多
    • vip
      会员
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
  • AI编程
  • LLM
  • 后端
  • AIGC
  • MCP
  • 前端
  • 算法
  • Python
  • 展开
  • 全部
  • 人工智能
  • AI编程
  • LLM
  • 后端
  • AIGC
  • MCP
  • 前端
  • 算法
  • Python
  • OpenAI
  • 程序员
  • Trae
  • 机器学习
  • 深度学习
  • Cursor
  • 暂无数据
    • 推荐
    • 最新
  • 准确率飙升!Graph RAG如何利用知识图谱提升RAG答案质量(三)——GraphRAG检索查询详细步骤
    本篇分享详细描述了GraphRAG构建完成知识图谱后的检索查询过程,并通过实战案例带大家了解GraphRAG检索查询的两种模式,同时进一步对比传统RAG,让大家感受到GraphRAG的强大性能!
    • 大模型真好玩
    • 66
    • 2
    人工智能 MCP Python
    准确率飙升!Graph RAG如何利用知识图谱提升RAG答案质量(三)——GraphRAG检索查询详细步骤
  • 当换行符悄悄“背刺”了我的代码:一个 `re.S` 的实战排错故事
    我有一个稳定运行了数月的 python 服务,它使用 Google 的 Gemini API 作为语音识别引擎,并用正则表达式解析返回的 XML 结果。一切都那么完美,直到今天,它突然罢工了。 突如其
    • mortimer
    • 80
    • 点赞
    Python Gemini Google
    当换行符悄悄“背刺”了我的代码:一个 `re.S` 的实战排错故事
  • AI Agent第二站,使用LangChain框架创建ReAct Agent
    一、LangChain 框架概述 LangChain (Hub - LangSmith)是一个专为开发基于大型语言模型(LLM)的应用程序设计的框架,其核心目标是简化 LLM 与外部工具、数据的集成流
    • Iceyy
    • 42
    • 9
    Python 人工智能
  • 第1章 通过LangChain学习LLM 基础知识
    我们都体验过LLM 提示词的强大之处,也亲眼见证过不同的提示词技巧如何影响 LLM 的输出效果,在合理进行组合时效果更佳。构建优秀LLM 应用的挑战在于如何有效地构造发送给模型的提示词,并处理模型的预
    • AlanHou
    • 30
    • 点赞
    LangChain JavaScript Python
  • Langchain向量处理长度限制优化
    一个知识库构建过程中如何解决 Embedding 模型长度限制问题的实践记录: 最近在构建知识库时遇到了一个棘手问题:某些文档的文本块长度超过了 Embedding 模型的上下文限制,导致调用失败。
    • sivdead
    • 36
    • 1
    后端 人工智能 Python
  • Function Call,突破数据边界实现 “知行合一”
    LLM的挑战 大语言模型(Large Language Model,简称 LLM)是一类基于深度学习技术、具备大规模参数的语言处理模型,其核心能力在于理解和生成自然语言,并通过海量数据训练获得泛化性极
    • Iceyy
    • 35
    • 5
    人工智能 Python
  • 【语音合成】B 站开源 IndexTTS :声音克隆,吊打真人发音,断句精准度 98%
    IndexTTS 是哔哩哔哩(B 站)推出的工业级文本转语音(TTS)系统,基于开源项目 XTTS 和 Tortoise 深度优化,融合了类 GPT 的生成架构与中文场景的针对性创新。
    • MarkGosling
    • 909
    • 23
    人工智能 Python
    【语音合成】B 站开源 IndexTTS :声音克隆,吊打真人发音,断句精准度 98%
  • 【开源项目】解放小爱音箱!用XiaoMusic打造你的私人无限曲库
    XiaoMusic​​这个开源神器,它用​​自动下载+本地音乐接管​​,把小爱音箱变成“无限点歌机”。今天我就手把手分享真实部署体验,让你家小爱彻底解放!
    • MarkGosling
    • 257
    • 8
    Python 人工智能 音视频开发
    【开源项目】解放小爱音箱!用XiaoMusic打造你的私人无限曲库
  • Qwen3(vllm部署) 使用 MCP
    MCP 全名为模型上下文协议(Model Context Protocol),它规定了大模型的上下文信息的传输方式。实际上就是一种规范,相当于是大模型的通用工具箱。以前开发者让大模型调用工具都是使用
    • 余磬TuT
    • 131
    • 2
    算法 人工智能 Python
    Qwen3(vllm部署) 使用 MCP
  • LangChain + MCP + RAG + Ollama:强大的智能代理人工智能的关键(二)
    关于使用 LangChain、MCP、RAG 和 Ollama 创建一个多智能体聊天机器人,我们将沿着上次未讲述完毕的话题继续探讨,共同面对具体的代码实现。
    • 安思派Anspire
    • 59
    • 点赞
    人工智能 Python
  • 【YOLOv8学习】Windows中启用wsl2,并配置yolov8环境
    YOLOv8学习: 1.本地windows开启wsl,并配置网络 2.在wsl中配置YOLOv8的基础环境,并测试推理
    • 泰Tai
    • 39
    • 2
    图像识别 Python
  • 准确率飙升!Graph RAG如何利用知识图谱提升RAG答案质量(二)——GraphRAG图谱构建详细步骤
    本篇详细讲述了GraphRA通过文本切分、实体识别、关系挖掘构建生成知识图谱的全过程。通过列举《大数据时代》文本实例详细展示了GraphRAG知识图谱生成细节,让大家感受到知识图谱如何更全面理解文本!
    • 大模型真好玩
    • 139
    • 1
    人工智能 MCP Python
    准确率飙升!Graph RAG如何利用知识图谱提升RAG答案质量(二)——GraphRAG图谱构建详细步骤
  • 智能体和LLM应用(上)
    智能体,也就是Agent,一个快被炒烂了的概念,大模型套壳被叫做Agent,搞个对话窗口,设置好角色,任务提示词也可以叫Agent.那到底什么是Agent?
    • 用户71128392847
    • 59
    • 点赞
    Agent LLM Python
  • FunctionCalling:当大模型开始理解这个世界
    FucntionCalling,一个现在经常被提起的东西,那它到底是个什么东西,有什么作用,原理又是怎样的
    • 用户71128392847
    • 58
    • 1
    Agent 人工智能 Python
  • AI 大模型应用进阶系列(一):Python 基础
    数据类型 数字 整数 浮点数 字符串 基本字符串 转义字符串 三引号字符串 包含多行文本,保留所有换行和空格 字符串拼接 当和数字数字拼接时,需要先将数字转化为字符串 索引 切片 方法 lower 全
    • 令狐寻欢
    • 46
    • 1
    Python AI编程
  • 🚀LlamaIndex中文教程(1)----对接Qwen3大模型
    如何快速搭建自己的AI聊天接口成为开发者关注的热点。本文将为你揭秘如何利用 `LlamaIndex` 和 `llama-index-llms-openai-like` 包,轻松对接国内大模型服务
    • 倔强青铜三
    • 62
    • 点赞
    人工智能 Python 后端
    🚀LlamaIndex中文教程(1)----对接Qwen3大模型
  • 基于YOLO的智能条码识别模型标注与训练
    讨论背景 书接上文,介绍了一个简单的AI智能条码识别系统的初步架构以及实现。其中自主模型训练这部分比较简略带过,应掘友的要求,再次做个明细补充和介绍。 上文:《基于YOLO实现一个智能条码识别》
    • Kier
    • 142
    • 3
    AI编程 人工智能 Python
    基于YOLO的智能条码识别模型标注与训练
  • 准确率飙升!Graph RAG如何利用知识图谱提升RAG答案质量(一)——GraphRAG是什么?
    本篇分享详细描述了GraphRAG的发展历程和技术特点,通过实际知识库问答案例向大家展示GraphRAG基于知识图谱相比传统RAG检索的优异性能,GraphRAG一定是未来技术的标杆,大家快来学习吧~
    • 大模型真好玩
    • 175
    • 2
    人工智能 Python MCP
    准确率飙升!Graph RAG如何利用知识图谱提升RAG答案质量(一)——GraphRAG是什么?
  • AI大模型应用实战之GPU加速实战:手把手教你配置TensorFlow/PyTorch深度学习环境
    本文手把手教你搭建专业的深度学习开发环境,涵盖Anaconda配置、虚拟环境管理、Jupyter Lab使用和GPU加速设置,附详细代码和排错指南。
    • 聚客AI
    • 1.0k
    • 点赞
    人工智能 Python 掘金·日新计划
    AI大模型应用实战之GPU加速实战:手把手教你配置TensorFlow/PyTorch深度学习环境
  • 让AI“动手”帮你查股票?一文带你玩转大模型 FunctionCall!
    本文以初学者视角,详细介绍了大模型 FunctionCall 机制的原理与实战,结合 Python 代码示例,讲解如何让 AI 自动调用函数查数据,助力开发更智能的 AI 应用,轻松玩转 LLM 工具
    • 路明非Ricardo
    • 132
    • 24
    Python OpenAI LLM
    让AI“动手”帮你查股票?一文带你玩转大模型 FunctionCall!
  • 早上好!
    点亮在社区的每一天

    推荐话题 换一换

    #挑战每日一条沸点#
    #挑战每日一条沸点#

    18.1m

    #Trae叕更新了?#
    #Trae叕更新了?#

    450k

    #创作者训练营#

    9.1m

    #每日快讯#

    8.6m

    #MCP 怎么玩#

    341k

    #金石焕新程#

    2.0m

    #每天一个知识点#

    36.9m

    #工作中做得最正确的一件事#
    #工作中做得最正确的一件事#

    290k

    #掘金一周#

    391k

    #新人报道#

    31.0m

    查看更多
    • 用户协议
    • 营业执照
    • 隐私政策
    • 关于我们
    • 使用指南
    • 友情链接
    • 更多人工智能文章
    • 举报邮箱: feedback@xitu.io
    • 座机电话: 010-83434395
    • 京ICP备:18012699号-3
    • 京ICP证:京B2-20191272
    • police 京公网安备11010802026719号
    • ©2025 稀土掘金