ChatGPT与大模型研究

在第 6 章中，我们详细介绍了数据写入 Milvus 的过程。本章将把关注点转向等式的另一边：如何高效地检索这些数据。 要理解读路径，我们必须回到第 5 章中的核心设计原则：读写分离。这种分离非常关键

在第 5 章中，我们探索了 Milvus 为高可扩展性而设计的分层架构。从本章开始，我们将把关注点从静态组件转向动态数据流，从写入和读取两个视角探索数据在 Milvus 内部的完整生命周期。本章将聚焦

在前面的章节中，我们介绍了如何开始使用 Milvus，并用它构建应用。从本章到第 7 章，我们将通过探索 Milvus 的外部交互方式和内部工作机制，进一步加深对 Milvus 的理解。 在现代 AI

在开始本章之前，我们先简要回顾一下前面已经覆盖的内容，包括向量数据库概览、如何部署 Milvus，以及如何与 Milvus 交互。到这里，你应该已经对向量数据库和 Milvus 有了清晰理解。本章将更

在上一章中，我们介绍了 Milvus 的几种部署方式。现在可以进入实践部分：如何有效地与 Milvus 交互。 本章将带你了解 Milvus 的基本概念，包括 collections、schemas、

本章将聚焦于部署 Milvus，也就是让数据库在生产或测试环境中可用，并准备好处理查询。首先，我们需要了解常见部署方式，包括 Docker、Docker Compose、Kubernetes Oper

数据库是企业中用于管理业务数据的基础设施。随着过去两年大模型的快速发展，越来越多开发者和企业开始利用大模型技术来优化、增强或启动新的业务。在这一过程中产生的数据，被称为非结构化数据。对这类数据的管理需

我在软件工程和数据分析领域工作了 20 多年，其中有 12 年用于开发机器学习（ML）产品。我曾在小型初创公司和大型企业工作，开发新产品、扩展已有产品、进入新市场，并应对新出现的竞争对手。我多次遇到过

我们已经走过的十六章，构建了一套基础：能够感知、推理、规划、行动和学习的智能体。本篇尾声面向未来。当这些智能体开始重新设计自己时，会发生什么？当它们形成社会、内化自身伦理，并扩展到我们从未预料到的物理

1966 年，斯坦福的研究人员把一台名为 Shakey 的轮式机器人放进走廊，让它自己推理如何推动积木。教训立刻显现出来：在物理世界中行动的智能，每一个决策都必须经受重力、摩擦和后果的检验。三十年后，

教学很难。在许多方面，它比下棋或折叠蛋白质更难。那些问题有清晰的目标函数，而教育没有。要教得好，你需要读懂一个你无法直接观察的大脑，校准一个会随着每次互动而变化的挑战水平，并且还要让整个体验不像障碍赛

为金融和法律构建智能体，是一场完全不同的游戏。前几章中的通用架构还可以承受试错，但这些领域不行。在受监管领域中，一次合规失败并不只是产生一个糟糕答案。它可能触发罚款、制裁，甚至刑事责任。每一条建议都必

医疗健康和科学研究有一个共同特征，使它们区别于其他所有智能体领域：这里的错误会以生命为代价。一个诊断智能体把恶性肿瘤判断为良性。一个研究智能体漏掉文献中隐藏的致命药物相互作用。这些不是不便，而是灾难。

自主智能体已经不再是研究中的新奇事物。它们筛选简历、推荐治疗方案，并分配稀缺资源。这一转变提出了一个每个工程团队在发布前都必须回答的问题：我们如何确保这些系统按照人类价值行事？又如何让受其影响的人看见

智能体的演化，主要是一部语言的历史。从最早的聊天机器人到今天复杂的推理系统，智能体与环境之间的主要接口一直是文本。然而，人类智能并不在这种约束下运行。我们通过连续不断的感官输入流来导航世界：视觉线索为

在前几章中，我们探索了专门用于严谨逻辑综合和软件开发的智能体。现在，我们将注意力转向那些直接与人类体验互动的智能体。会话与内容创作智能体，代表了人工智能的创造性和社会性接口。不同于优先关注语法正确性和

本章探讨人工智能（AI）智能体如何重塑软件的构建、测试和改进方式。软件开发一直都是通过抽象来管理复杂性。我们从汇编语言走向高级语言，从手动构建走向自动化流水线，从临时测试走向持续集成。每一次转变都引入

现代时代的问题，并不是缺少数据，而是难以解释数据。本章考察一类专门化智能系统，它们不仅被设计用来处理信息，还能够理解信息、围绕信息进行推理，并从中提取有意义的洞察，以指导决策。不同于上一章“工具操控与

虽然语言模型为理解用户目标提供了推理基底，但真正让智能体能够执行任务并影响现实世界的，是工具的使用。本章将建立理解智能体如何通过三种递进模式，将推理转化为行动的架构基础： 我们首先介绍一种基础模式：单

在一个信息以惊人速度倍增的世界里，定位可靠、及时且具备上下文相关性的知识，已经成为创新、决策和竞争优势的决定性因素。大型语言模型（LLMs）已经彻底改变了我们理解和生成自然语言的方式，但它们的能力受限