人工智能

到目前为止我们构建了一个生物医学聊天Agents的原型！不过需要说明的是，这个应用程序目前仅限于一个概念验证（PoC）的范围，实际部署到生产环境之前，还有一些需要解决的局限性和问题。

我们已经完成了基于PubMed的AI Agents应用后端部分的构建，包括数据持久化和向量化的实现。 我们测试了到目前为止构建的所有后端组件的协作情况。

我们使用 metapub 库构建了文献摘要检索API。 我们利用 LLM 优化了使用人员的自然语言查询，从而提高了检索到相关结果的概率。 在接下来的部分，我重点讨论如何将检索到的文献摘要保存到数据库中

这是一系列四篇文章，我将带你从零开始，逐步构建一个基于RAG技术的Streamlit应用——PubMed筛查器。它结合了ChatGPT和PubMed数据库，能帮助你从生物医学研究摘要中快速获取关键信息

最近几天，我收到了不少读者的私信，他们都在讨论AI Agents在各种不同场景下的应用。交流中我发现，许多朋友对AI Agents和Agentic AI这两个术语的定义及其区别似乎有些模糊。这两个听上

在讯飞工作的一年里，我在构建AI Agent方面积累了丰富的经验，这些经验来自于我与工程师和用户体验设计师的紧密合作。我们的目标是为客户提供一个平台，让他们可以使用我们的AI Agent-一款标准数据

假设你是一名业务分析师，正在分析公司上个季度销售额下降的原因。你输入一个自然语言问题到数据库中：“为什么上个季度的销售额下降了？” 你理想中的情况是，AI系统可以马上给出一个丰富、有价值的答案，将所有

并结合实际开发 RAG（检索增强生成）系统的经验，本文将介绍论文中提到的七个失败点，以及开发 RAG 流程中经常遇到的另外五个常见问题。

在现有市场上，使用检索增强生成（Retrieval-Augmented Generation，简称RAG）的应用中，我们发现未经处理的“幻觉”问题仍然非常严重。为了解决这个问题，我在实际操作中对四个公

在使用检索增强生成（RAG）技术的过程中，我们面临一个共同的挑战：缺乏有效的方法来客观评估RAG的搜索效果。与所有机器学习模型相同，在RAG技术投入日常使用之前，我们必须对其性能进行严格的测试和监控。

7月23日，Meta公布了它的人工智能模型Llama的最新版本——Llama 3.1。这次更新推出了三种不同的版本，其中包括了Meta迄今为止最高级的人工智能模型。重要的是，Llama 3.1依旧是开

在我准备这篇文章之前，许多朋友向我询问关于选择开源LLM的建议，希望了解哪一款更加适合他们的项目。因此，我决定撰写一篇文章，介绍在选择开源大型语言模型前，需要考虑的十个关键因素。

OpenAI 在本周一(2024年5月13号)推出了一款名为 GPT-4o 的新旗舰级生成式AI模型。这里的“o”代表“全能”，因为这款模型能够处理文本、语音和视频三种不同的输入。在未来几周内，GPT

为了提升人工智能开发的责任性和透明度，OpenAI 最近发布了一份名为“模型规范”的初步草案。这份文件首次明确了其 API 和 ChatGPT 模型行为的指导原则，并通过博客形式对外公布。

堆排序是三大排序算法系列文章的最后一篇。 堆是一种以二叉树为基础表示数组的数据结构。堆的结构遵循以下规则： 完全性。堆的每一层都必须完全填充，但最后一层可以不完全填充，且填充从左侧开始。 堆性质。在最

在上一篇文章中，我对归并排序进行了详细介绍。今天，让我们来探讨另一种经典排序算法——快速排序。 快排是一种广泛采用的排序算法，在多项实验比较中，它平均表现常优于其他排序算法，如归并排序和堆排序。快速排

在众多排序算法中，归并排序尤为出名。它基于著名的“分而治之”策略，将一个复杂问题拆分成多个较小的、更易解决的问题，然后将这些小问题的解合并以解决原始问题。 在本文中，我们探讨归并排序的实现细节，并估算

在人工智能（AI）飞速发展的当下，xAI公司推出的最新作品Grok-1，不仅标志着技术的一大突破，也预示着AI领域的一次重大里程碑。这个经过四个月辛勤开发的模型，拥有高达3140亿参数的专家混合体系结

近期，围绕生成式人工智能（AI）是否能取代程序员的讨论达到了前所未有的高度。百度的创始人李彦宏甚至预言，未来可能不再需要程序员这一职业。这个话题让很多开发者，包括有几年开发经验的我，感到不安。我记得有

在近几年中，问答回答（QA）应用的快速发展彻底改变了我们获取信息的方式。无论是在搜索引擎、聊天机器人，还是在从大量主题数据中检索相关信息的应用程序中，QA应用的身影无处不在。 简而言之，QA应用的主要