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 132 人订阅
共486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
多智能体系统的上下文工程——构建上下文感知的多智能体系统
在上一章中,我们使用 MCP 构建了一个多智能体系统(Multi-Agent System,MAS)。这个系统可以工作,但有一个很大的局限:它的“知识”都是模拟出来的。对于学习来说这没问题,但也意味着
多智能体系统的上下文工程——使用 MCP 构建多智能体系统
在上一章中,我们已经建立了上下文工程的基础技能:把一个模糊的 prompt,转化为一个结构化的“语义蓝图(semantic blueprint)”。 现在,我们要把这项技能扩展到更大的尺度上 —— 构
多智能体系统的上下文工程——从提示到上下文:构建语义蓝图
上下文工程(Context engineering) 是一门学科,它让生成式 AI 从一个“不可预测的合作者”,变成一个“完全可控的创意伙伴”。当一个 prompt(提示词) 往往只是给随机性打开了一
Spring AI 实战——语音与图像生成
本章内容 将音频转写为文本 从文本合成语音 将图像作为提示上下文 生成图像 自古以来,人类发展出多种彼此沟通的方式。或许最古老的形式就是“以声传意”,人们通过说和听来交流。文字交流也演化出多种形态:从
Spring AI 实战——应用 Model Context Protocol
本章内容 使用预置的 MCP Server 的工具 创建自定义 MCP Server 启用 MCP 的 STDIO 与 HTTP+SSE 传输 暴露工具、提示词与资源 在电影《无敌破坏王》中,角色 F
Spring AI 实战——启用工具驱动的生成
本章内容 用“工具”增强生成能力 声明式定义工具 将方法与函数暴露为工具 提供工具上下文 上次你去看医生是什么时候?当时你有没有想过,医生在评估你的健康状况时掌握的是什么类型的信息? 医生要经过大量训
Spring AI 实战——启用会话记忆
本章内容 维护对话状态 基于内存的聊天历史 长期记忆的保留 你看过电影《初恋50次》吗?片中 Drew Barrymore 扮演的 Lucy 因车祸导致短期记忆受损,每天醒来记忆都会回到事故前的那一天
Spring AI 实战——与文档对话
本章内容(This chapter covers) 检索增强生成(RAG,Retrieval-augmented generation) 启用向量存储(vector store) 创建文档加载流水线(
Spring AI 实战——提交用于生成的提示词
本章内容 定义提示模板(prompt templates) 提供上下文 格式化响应输出 流式传输响应 访问响应元数据 在第 1 章中,你创建了一个非常简单的 Spring AI 应用:它在 POST
Spring AI 实战——评估生成结果
本章内容 初识 Spring AI 的评估器(evaluators) 检查相关性(relevancy) 判断回答的正确性(correctness) 在运行时应用评估器 为你的代码编写测试是一种重要实践
Spring AI 实战——Spring AI 入门
本章内容 介绍 Spring AI 初始化一个 Spring AI 项目 选择 AI 提供商与模型 你感觉到了吗?在过去一年多里,人机交互领域发生了“断层级”的巨变,这股变化有潜力改造几乎所有行业、职
Transformers实战——深入剖析 Transformer
本章内容包括 Transformer 之前的序列建模 Transformer 模型的核心组件 注意力机制及其变体 Transformer 如何帮助稳定梯度传播 如果你用过基于 Transformer
Transformers实战——为何需要 Transformer
翻译: 本章内容包括 变压器(Transformers)如何彻底改变自然语言处理 注意力机制——Transformer 的关键架构组件 如何使用 Transformer 何时以及为何使用 Transf
构建一个 AI 智能体——赋能行动:工具使用
本章内容 LLM 的局限以及为何需要工具 工具调用与执行 自定义工具的构建与集成 通过类与装饰器进行工具抽象 用 MCP(Model Context Protocol)标准化工具 到目前为止,你已经了
构建一个 AI 智能体——AI智能体的大脑:大型语言模型(LLMs)
本章内容 LLM 的核心能力 如何选择合适的 LLM 使用 LLM 的 API 提示工程(Prompt Engineering)技巧 通过一个 GAIA 基准题动手求解 在全书中,我们将构建一个“研究
构建一个 AI 智能体——什么是AI智能体
本章内容 了解什么是 LLM Agent,以及何时使用 LLM Agent 的组成部分 从零开始构建一个 Agent 2023 年大型语言模型(LLM)的兴起,以及 2024 年检索增强生成(RAG)
构建多智能体系统——与 LLM 协作
本章内容 我们框架中用于对接 LLM 的基础类 基于 Ollama 实现一个可使用任意开源 LLM 的类 一次完整的工具调用(tool-call)流程演示 在上一章中,我们开启了 “从零实现 llm-
构建多智能体系统——使用工具
本章内容 规范工具的基类,以在框架中统一工具的使用方式 定义支撑“工具调用(tool-call)”流程的数据结构 将 Python 函数包装成可供 LLM 与 LLM Agent 使用的“工具” 你已
构建多智能体系统——LLM Agents 与多智能体系统是什么?
本章内容 LLM 智能体与多智能体系统(MAS)的真实落地应用 什么是 LLM 智能体,以及为何“仅有 LLM”并不够 设计 LLM 智能体的重要模式、增强手段与协议 何时应采用多智能体系统 构建 L
Hugging Face实战——开始
本章内容包括 使用 Anaconda 用 conda 创建虚拟环境 在 pipeline() 函数中使用 GPU 使用 Hugging Face Hub 包 在第 1 章中,你已经看到了将要用 Hug
下一页