大语言模型

在人工智能技术飞速发展的今天，如何快速构建一个实用的智能问答系统成为了许多开发者关注的重点。本文将介绍如何利用Dify和Neo4j图数据库，构建一个基于菜谱知识的RAG系统

文章介绍LoRA（低秩适应）这一大模型高效微调技术，先说明大模型全量微调成本高、存储负担大等困境，再解析LoRA通过低秩分解训练少量参数适配任务的原理，对比全量微调、Adapter等技术，凸显其参数效

作为一个开发者，我希望能有一款“指哪打哪”的翻译工具。于是，我利用trae打造了一款小巧灵活的 Chrome 翻译插件，它通过双击或鼠标悬停的方式，实现精准的划词翻译。

在信息爆炸的时代，我们每天都要浏览大量网页内容。如何快速获取网页核心信息、进行跨语言阅读成为了提升效率的关键。本文将带你通过Dify平台和Chrome插件技术，打造一个智能网页助手，实现一键总结网页

本文以 Go 语言为例，教你开发 MCP 服务端与客户端，并用 Cursor 和 VSCode 调用。

写在前面 众所周知，大模型很火，总想着如何学习一下大模型，利用大模型做点什么事情。 本文利用langchain+文心一言+数据库，实现了基于数据库内容做个问答机器人。代码其实很少。 用文心一言是因为o

OpenAI Sora文生视频**（图像看作单帧视频）一放出就炸翻整个AI 圈，也是ChatGPT掀起GenAI**热潮时隔一年后，OpenAI再次史诗级的更新。OpenAI 随后公布的技术综述[文献

第一步：无监督预训练 通过大量的数据集训练，得到一个能进行文本生成的基座模型 海量知识 注意，这里的文本生成并不是回答你的问题，而是基于问题生成一些内容，比如生成更多的问题。例如你问“法国的首都是哪里

写在前面 众所周知，GPT经常会一本正经的胡说八道。具体表现如下： 编造事实 计算不准确 数据过时 对于这些问题，GPT是如何解决的呢？ RAG 检索增强生成 Retrieval Augmented