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
人工智能
MobotStone
创建于2023-11-12
订阅专栏
收集人工智能相关资料
等 37 人订阅
共57篇文章
创建于2023-11-12
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
2025年你必须知道如何利用工具提升大模型效果
欢迎回到AI智能体系列文章。在上一篇文章中,我们探讨了智能体系统的三大核心要素:大语言模型(LLM)、工具调用能力和推理决策机制。今天我们将深入解析这一架构中最基础的实现形态——LLM+工具的简易组合
2025年你真的懂AI智能体吗
刚刚结束全国教育系统紧张的高利害阶段的攻坚工作,我特别欣喜地正式将多个AI智能体部署至生产环境,并且取得了超出预期的成效。这段时间我们成功研发了几个实用的AI智能体应用: Text2SQL——实现了从
MCP vs Function Calling vs A2A:大模型技术协议横评,谁更胜一筹?
大模型时代主要采用三种核心协议方案:MCP(模型协作协议)、Function Calling(函数调用)和A2A(代理间通信协议)。这些协议在设计理念和应用场景上各有侧重: MCP专注于多模型间的协同
亲测!国内外12大MCP资源平台深度横评+避坑指南
MCP生态资源平台深度评测 当前MCP(Model Context Protocol)生态蓬勃发展,各类资源平台层出不穷。作为专注AI和程序开发的从业者,我全面评测了12个主流MCP资源平台,从工具完
MCP还是AI智能体?如何为你的AI应用选择最佳"大脑"架构
各位AI开发者们,说起大语言模型的应用开发,想必都遇到过这个经典难题: 👉 既要让模型能调用搜索、计算器、API等各种工具,又要保持它的智能性、适应性和可控性,该怎么设计架构? 目前行业主流的解决方案
让AI秒变你的助理:MCP实战全攻略
最近在公司做了很多AI工具分享,发现每次都要重复解释同样的内容。干脆把这些经验写成系列文章吧!不需要教科书式的长篇大论,只分享实践中马上能用的干货。 为什么需要MCP?先看这个例子 假设我要AI完成这
MCP协议:AI界的"万能插槽"革命
2024年11月,Anthropic公司发布的模型上下文协议(MCP) ,正如同90年代USB终结外设接口乱局——它为LLM与工具/数据的对接提供了标准化解决方案。目前主要兼容Claude模型,但协议
LLM路由实用智能——如何构建可靠、可扩展的 AI 应用程序
模型越来越大,储存量和上下文窗口容量越来越高,看似所向披靡。作为SmartAI的开发者,我亲眼见证实际应用中最适用的模型不一定是最强大的,而是要最契合场景的。 就像处理博士级别的数学题时,虽然有的模型
DeepSeek 成功的数学原理与实践
今天我们来回顾一下**群体相对策略优化 (GRPO)**背后的数学原理,这是 DeepSeek 强大推理能力的核心强化学习算法。我将一一分析 GRPO 的工作原理、关键组成部分,以及它为何能颠覆大型语
七个步骤带你轻松搭建商用 AI Agent
当我们着手打造商用AI代理时,通常会遇到以下一些问题: 在众多平台和工具中,我应该选择哪一个?是 Coze、Dify 还是 LangGraph?或者是自己开发一套系统? 在开发过程中有哪些关键的注意事
没有数据、没有GPU的情况下怎么训练DeepSeek
春节期间,AI 界热闹非凡,到处都是关于 DeepSeek 的报道。大家都知道,训练好的模型通常需要昂贵的专用 GPU,这对很多想试试微调技术的人来说,真是一道门槛。 好消息来了:你完全可以用免费的
手机也能跑大模型?DeepSeek-r1 部署教程来了!
现在,大家用手机的时间越来越长,对隐私安全的关注也越来越高。各大厂商也在琢磨,怎么才能让大模型直接跑在手机上。这几天写文章时,发现不少小伙伴都在问:怎么在手机上部署 DeepSeek? 既然大家都感兴
从零开始:使用DeepSeek-R1 实现高效的本地 RAG
有小伙伴私信我,DeepSeek-R1能用来搭建 RAG(检索增强生成)系统吗?答案是绝对可以! 春节前夕,我们接到了业务方的紧急任务,需要探讨如何将 DeepSeek-R1 快速集成到即将上线的项目
DeepSeek R1 简单指南:架构、训练、本地部署和硬件要求
DeepSeek推出的LLM推理新策略 DeepSeek最近发表的论文DeepSeek-R1中介绍了一种创新的方法,通过强化学习(RL)提升大型语言模型(LLM)的推理能力。这项研究在如何仅依靠强化学
从基础到进阶:基于RAG 生物医学摘要聊天Agents(四)
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。
从基础到进阶:基于RAG PubMed检索AI Agents (三)
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。
从基础到进阶:通过AI Agents检索生物医学摘要 (二)
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
从基础到进阶:基于 LangChain、Streamlit 和 PubMed 构建 AI Agents (一)
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
AI Agents与Agentic AI:如何选择适合您需求的AI?
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
从实践中学习:过去一年构建AI Agents的经验教训
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
下一页