首页
AI Coding
数据标注
NEW
沸点
课程
直播
活动
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
登录
注册
确定删除此收藏集吗
删除后此收藏集将被移除
取消
确定删除
确定删除此文章吗
删除后此文章将被从当前收藏集中移除
取消
确定删除
编辑收藏集
名称:
描述:
0
/100
公开
当其他人关注此收藏集后不可再更改为隐私
隐私
仅自己可见此收藏集
取消
确定
AI工具
订阅
FreeCode
更多收藏集
微信扫码分享
微信
新浪微博
QQ
23篇文章 · 0订阅
再见PDF提取收费!我用100行Python代码搞定!去你的收费!
大家在日常的工作和学习过程中,都少不了与PDF文件打交道,很多的小伙伴都面临着将PDF文件中的文字、图片和表格数据提取出来的问题。能够对PDF文件中的文字、表格等数据进行编辑,网上现存的PDF提取的软
10 个 Nano Banana Pro 专业级生图技巧
前言 如果你已经学会: 免费使用 Nano Banana Pro: 6 个白嫖 Nano Banana Pro 的网站 使用提示词库复刻惊艳图片:一次找齐!1000 个 Nano Banana Pro
从产品经理视角拆解 LangChain 的抽象设计
从产品经理(尤其是 AI / 平台型 PM)的视角看,LangChain 本质上是一套**为 AI 应用规模化而生的抽象体系
大模型Reflextion论文总结 | 豆包MarsCode AI刷题
Reflextion论文总结 [TOC] 论文作者: 1、简介 Reflexion框架通过语言反馈来强化LLM Agent,而不是通过更新权重的方法进行学习。传统的强化学习方法需要大量的训练样本和昂贵
基于LangGraph的自我改进智能体:Reflection与Reflexion技术详解与实现
本文将深入探讨两种核心的自我改进智能体模式:Reflection(反思型)和Reflexion(递进式),并详细介绍基于LangGraph框架的工程实现,包括系统架构设计、关键技术实现
金融风控AI引擎:实时反欺诈系统的架构设计与实现
在我参与的多个金融风控项目中,我见证了从传统规则引擎到机器学习模型,再到深度学习和实时流处理的技术演进。每一次技术升级都带来了风控能力的质的飞跃。特别是在最近的一个大型银行项目中,我们成功构建了一套能
实现一个原生版本的 LangGraph 的 `create_agent` 功能,使用 Python 和通用的 LLM MaaS API
LangChain的create_agent函数基于LangGraph构建了图形化的智能体运行时。在这个架构中,智能体被构建为一个由节点(步骤)和边(连接)组成的图,定义了信息处理的流程。 那么,背后
Prompt全面系统学习神书——《Prompt学习指南》
大家好,我是吾鳴。 AI大模型爆火,普通人与大模型交互那就不得不提Prompt提示词了,Prompt提示词仿佛就像是一座桥梁直接让我们可以走进大模型的知识海洋,像大模型挖掘我们想要的干货。
AI Agent上下文工程设计指南|附实用工具推荐
上下文工程需要不断地迭代调试和总结经验,简单的方法论无法覆盖其设计的方方面面。本文仅对上下文工程的开发和设计模式进行了阐述,并列举出了一些常见的Agent开发工具,希望对于开发Agent的读者有些启发
上下文工程 (Context Engineering) :构建AI Agent的核心
一、什么是上下文工程(Context Engineering) LLM(大型语言模型)就像一种新型操作系统。LLM 相当于 CPU,而其“上下文窗口”则类似于 RAM