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 122 人订阅
共423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
生成模型的未来:超越规模化
过去十年,推动人工智能进步的主流范式一直是规模化——即扩大模型规模(参数数量)、扩充训练数据集以及投入更多计算资源。这种方法带来了显著提升,每一次模型规模的跃升都伴随着能力的增强。然而,仅靠规模化正面
生产就绪的大型语言模型(LLM)部署与可观测性
在上一章中,我们对大型语言模型(LLM)应用进行了测试和评估。现在应用已经经过全面测试,应该可以准备投入生产环境了!但在部署之前,进行一些最终检查至关重要,以确保从开发到生产的平稳过渡。本章将探讨生成
评估与测试
正如我们在本书中所讨论的,LLM代理和系统在各个行业中有着广泛的应用。然而,将这些复杂的神经网络系统从研究阶段推向现实世界的部署,面临着重大挑战,这就需要健全的评估策略和测试方法。 在LangChai
软件开发与数据分析智能体
本章探讨了自然语言——即我们日常使用的英语或任何你喜欢用来与大型语言模型(LLM)交互的语言——如何崛起为一种强大的编程接口。这是一场范式的变革,极致表现被称为“vibe coding”(氛围编码)。
高级应用与多代理系统
在上一章中,我们定义了什么是代理。那么,如何设计和构建一个高效能的代理呢?与我们之前探讨的提示工程技术不同,开发有效的代理涉及若干不同的设计模式,每位开发者都应熟悉这些模式。本章将讨论智能代理背后的关
构建智能代理
随着生成式AI的广泛应用,我们开始使用大语言模型(LLMs)来完成更多开放且复杂的任务,这些任务通常需要了解最新事件或与现实世界交互。这类应用通常被称为“智能代理”应用。本章后面会详细定义什么是代理,
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
下一页