如何将 Dify 作为主框架使用其 agent 和工作流组件，同时通过 API 调用 RAGFlow 的知识库组件。从而将 Dify 的用户友好界面和工作流能力与 RAGFlow 的深度文档处理能力结

Xinference部署 Xorbits Inference (Xinference) 是一个开源平台，用于简化各种 AI 模型的运行和集成。借助 Xinference，您可以使用任何开源 LLM、嵌

前端搭建 MCP Client + Server + Agent 实践，本文涵盖了 MCP、Agent、LangChain、langGraph、ChatBot等AI相关技术，一文了解前端AI开发

本篇分享了LangChain Agent API快速搭建智能体的方法，通过create_tool_calling_agent创建模型和工具的Agent，并使用AgentExecutor执行Agent。

前言 之前就在教大家在本地部署过deepseek蒸馏模型。今天我们再来看看如何基于deepseek+dify打造个人专属知识库。 deepseek本地部署 deepseek如何在本地部署参考之前的文章

个人笔记本电脑Windows11硬件配置参考： CPU：AMD Ryzen 5 4600H with Radeon Graphics 3.00 GHz 内核：6 逻辑处理器：12 内存

看了很多知识库的文章，但是一直不了解知识库是如何使用NodeJS搭建的，索性就自己实践。项目使用NodeJS、Qdrant、React、OpenAI+阿里云百炼模型搭建一个自己的知识库。

最近，DeepSeek大火，想必大家都有所耳闻，各路媒体从各个方面报道了DeepSeek这家神秘的公司的各方面消息，这家低调的技术公司用一组硬核数据回应了所有关注：千亿参数规模下实现0.5元/百万to

RAG 是什么 RAG（Retrieval-Augmented Generation，检索增强生成） 是一种融合信息检索与大模型生成能力的技术架构。其核心逻辑分三步： 检索（Retrieve）：从企业