首页
沸点
课程
数据标注
HOT
AI Coding
更多
直播
活动
APP
插件
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
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 151 人订阅
共890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
Milvus 向量数据库架构手册——以多种方式部署 Milvus
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
Milvus 向量数据库架构手册——Milvus 入门
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
生成式 AI 应用架构设计——构建原型
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
每位 AI 工程师都必须构建的 30 个智能体——尾声:智能体的未来
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
每位 AI 工程师都必须构建的 30 个智能体——具身智能体与物理世界智能体
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,
每位 AI 工程师都必须构建的 30 个智能体——教育与知识智能体
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
每位 AI 工程师都必须构建的 30 个智能体——金融与法律领域智能体
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
每位 AI 工程师都必须构建的 30 个智能体——医疗健康与科学智能体
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。
每位 AI 工程师都必须构建的 30 个智能体——伦理与可解释智能体
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
每位 AI 工程师都必须构建的 30 个智能体——多模态感知智能体
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
每位 AI 工程师都必须构建的 30 个智能体——会话与内容创作智能体
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
每位 AI 工程师都必须构建的 30 个智能体——软件开发智能体
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
每位 AI 工程师都必须构建的 30 个智能体——数据分析与推理智能体
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
每位 AI 工程师都必须构建的 30 个智能体——工具操控与编排智能体
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
每位 AI 工程师都必须构建的 30 个智能体——信息检索与知识智能体
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
每位 AI 工程师都必须构建的 30 个智能体——基础认知架构
本章考察那些基础认知架构,它们赋能智能、自主的智能体,使其能够在复杂、动态环境中有效运行。这些架构是现代 AI 系统的结构性骨架,它们模拟人类认知中的关键方面,例如决策、规划和记忆,从而使智能体能够以
每位 AI 工程师都必须构建的 30 个智能体——智能体部署与负责任开发
AI 智能体正在超越研究阶段,成为企业生产力和自主运营的关键使能因素。将它们部署到真实世界语境中,是一个多维挑战,涵盖工程、运营和伦理,而不仅仅是开发流程的最后阶段。 前几章已经建立了智能体设计的理论
每位 AI 工程师都必须构建的 30 个智能体——智能体提示的艺术
面向自主智能体的提示词工程,并不仅仅是发出指令;它是通过语言塑造一种持久认知框架。后文将介绍的 PTCF 蓝图,正是把这一理念形式化为四个结构化组件。随着我们超越传统软件和一次性 AI 输出,一种新的
每位 AI 工程师都必须构建的 30 个智能体——智能体工程师工具箱
在智能智能体领域,工具定义能力。随着智能体从反应式脚本转向目标导向的自主系统,开发者必须掌握一个不断扩展的框架、模型和基础设施生态系统。本章将对智能体工程领域中的工具进行结构化探索,为你提供实践洞察和
每位 AI 工程师都必须构建的 30 个智能体——智能体工程基础
由于自主智能体的出现,人工智能(AI)正站在一个变革性门槛上。自主智能体也许代表着自从计算从过程式编程转向面向对象编程以来,计算架构中最重要的一次进展:它从根本上重新想象了数字系统如何运行,以及如何与
下一页