首页
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
ChatGPT与大模型研究
数据智能老司机
创建于2023-05-22
订阅专栏
生成式AI探索和研究,场景落地。
等 112 人订阅
共280篇文章
创建于2023-05-22
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
天网系统全解:架构、识别机制与高危行为算法
天网系统(又称天网工程)是一套全国性视频监控网络,被誉为世界上最大规模的视讯监控系统之一. 其核心理念是在公共区域部署海量摄像头等感知设备,并借助人脸识别、车辆识别、大数据分析等技术手段,实现对人员与
Agent 时代的操作系统之争:微信、手机厂商与科技巨头的博弈
Agent时代的操作系统之争 在AI智能体(Agent)成为新一代人机交互范式的背景下,谁来担当智能体的“操作系统”成为业界关注的核心问题。正如百度李彦宏所言,“未来最主要的操作系统软件将不再是基于P
Graphiti:重塑 AI 记忆范式的行为认知图谱
AI 记忆系统演进:从上下文拼接到行为认知图谱 AI 系统的“记忆”概念正经历深刻变化。传统方案多依赖上下文信息拼接或简单的对话检索来应对长时记忆问题。例如,MemGPT 借鉴操作系统的分层内存思想,
别被“浏览器”骗了:腾讯 QBot 是奔着 AI 操作系统来的
引言:浏览器的AI时代与“任务入口”之争 随着生成式AI浪潮来袭,传统浏览器这一老牌入口被重新激活:腾讯5月19日宣布QQ浏览器升级为AI浏览器,推出全新智能体QBot,搭载自研混元大模型和DeepS
别轻易写“熟悉 RAG”:一次次穿帮的简历背后,是对技术复杂度的误判
引言 RAG(检索增强生成)如今成为简历高频词,几乎人人挂「熟悉RAG」以显技术前沿。但正如业界所言,RAG并非简单「调用向量数据库」那么容易。事实上,RAG是一个完整的系统工程,需要检索、重排序、上
智能体不是未来,是现在进行时:2025 年的 Agent 工程新基建
2025 年 5 月,在旧金山举行的 LangChain Interrupt 2025 大会上,800 多位来自全球的开发者和工程师齐聚一堂,共同探讨 AI 智能体(Agent)的最新进展。会上分享的
构建具备自主性的人工智能系统——管理安全性与伦理考量
在上一章中,我们探讨了信任在促进生成式人工智能系统成功应用与广泛接受中的关键作用。我们分析了如何培养信任,重点强调了透明性、可解释性、应对偏见与不确定性,以及清晰沟通AI输出在提升用户理解和信心中的重
构建具备自主性的人工智能系统——在生成式人工智能系统中构建信任
在上一章中,我们探讨了多种设计方法,这些方法能够有效引导智能体朝着理想的行为发展,同时坚持道德原则。聚焦指令、设立护栏与约束、以及在自主性与控制之间找到恰当平衡,都是使智能体对齐人类价值观并降低潜在风
构建具备自主性的人工智能系统——有效的代理系统设计技术
在上一章中,我们探讨了协调者-工作者-委托者(CWD)模型,这是一个强大的多代理系统设计基础,强调合作与劳动分工。我们详细讨论了三个不同的角色——协调者、工作者和委托者——以及它们在任务分配中的互动和
构建具备自主性的人工智能系统——探索协调者、工作者和委托者方法
在上一章中,我们探讨了工具使用和规划的概念,这为智能代理提升问题解决能力奠定了基础。我们研究了各种规划算法,包括状态空间搜索技术和层次化任务网络(HTN),并考察了这些算法如何与外部工具和资源无缝集成
构建具备自主性的人工智能系统——使代理能够使用工具和进行规划
在上一章中,我们探讨了智能代理中反思和内省的复杂概念。这些能力使代理能够推理自己的认知过程,从经验中学习,并动态地调整其行为。 AI代理向前迈出的一大步是将代理的规划能力与工具使用结合起来。本章将探讨
构建具备自主性的人工智能系统——智能体中的反思和自省
在上一章中,我们介绍了智能体的一般概念,探讨了它们的适应性、自主性和目标导向行为,这使得它们在各类应用中变得不可或缺。我们研究了使这些智能体能够在复杂世界中蓬勃发展的基本组成部分——感知、推理和行动。
构建具备自主性的人工智能系统——智能体的基本组成部分
在本章中,我们将深入探讨构成智能体核心的基本组成部分。就像人类身体有骨架提供结构和支撑一样,智能体也有某些基本元素,使其能够适应、独立行动并在复杂环境中追求目标。 我们将研究使智能体“栩栩如生”的重要
构建具备自主性的人工智能系统——代理系统的原理
在上一章中,我们介绍了生成式AI的基础知识,学习了生成式AI模型的类型,并简要讨论了基于LLM的AI代理。在本章中,我们将讨论代理系统的基本原理,从简要讨论代理性和自主性的概念开始,然后讨论智能代理及
构建具备自主性的人工智能系统——生成式人工智能基础
生成式人工智能已迅速成为人工智能(AI)和机器学习领域的一项变革性技术,正在彻底改变各行各业的创意流程和问题解决方式。它正在推动基于智能体的系统在自主性方面的边界。在本章中,我们将介绍生成式人工智能的
使用 FastAPI 构建生成式 AI 服务——与生成模型的实时通信
在本章中,你将学习以下内容: 何时在 AI 工作流中实现实时通信 通过比较它们的特性、差异和相似性,了解 Web 通信机制 实时通信机制,包括服务器推送事件(SSE)和 WebSocket(WS) 根
使用 FastAPI 构建生成式 AI 服务——在AI工作负载中实现并发
在本章中,您将学习: 多线程、并行处理和异步编程在提升AI应用程序性能和可扩展性方面的作用和好处 线程池和事件循环在FastAPI服务器中的作用 如何在处理请求时避免阻塞服务器 使用异步编程与外部系统
使用 FastAPI 构建生成式 AI 服务——实现类型安全的AI服务
在本章中,您将学习: 为什么拥有完全类型化的服务至关重要 如何为GenAI服务正确定义和实现类型安全 数据类(dataclasses)和Pydantic数据模型之间的相似性和差异 如何使用Pydant
使用 FastAPI 构建生成式 AI 服务——AI集成与模型服务
在本章中,您将学习到: 不同的生成性AI模型是如何工作的 如何将生成模型集成并提供服务到FastAPI 如何处理文本、图像、音频、视频和3D模型 如何快速构建原型的用户界面 FastAPI中的几种模型
使用 FastAPI 构建生成式 AI 服务——简介
在本章中,你将学习以下内容: 生成式人工智能(Generative AI,简称 GenAI)及其应用场景 为什么生成式 AI 服务将成为未来应用的核心动力 广泛采用 AI 服务所面临的障碍 如何构建一
下一页