AI

使用Ollama和Chatbox在本地电脑运行DeepSeek-r1大模型，打造私密、高速的AI小秘书。告别云端依赖，享受流畅的AI交互体验，轻松编写代码、获取知识、激发创意。

LangChain简化AI开发，如乐高积木般组合模型API，prompts生成高质量提示词，Python Notebook便捷操作，快速构建AI应用。

从零开始构建全栈AI项目，我们将从头开始构建一个全栈AI项目，它包括前端用户界面、后端数据接口以及AI服务器。

今天我要带你们进入一个神奇的世界——AI爬虫。是不是听起来就很酷炫？没错，它确实很酷炫，而且现在我们就要一步步地创建一个能自动从豆瓣网站上抓取电影信息的爬虫应用。

在吴恩达教授的《Prompt Engineering》课程中，我们学到了如何通过精心设计的提示（prompt），引导大型语言模型生成符合预期的回答或行为，从而实现更智能、更贴心的服务。

本文将探讨传统数据表创建方法与使用AI Prompt方式进行设计的不同之处，尤其是在NBA赛季投篮数据表的设计中如何体现。

AI + 前端：使用Brain.js实现浏览器内的机器学习，本文将通过具体的例子，详细介绍如何使用Brain.js在前端项目中加入AI能力。

构建自己的AI Agent与Logo生成器。通过分享一个简单的项目——“JavaScript Master Agent”及其Logo生成器，来探讨这些技术的实际应用。

在社交媒体盛行的时代，朋友圈成为许多人表达自我、分享生活的窗口。借助Coze平台构建智能化的朋友圈文案生成工作流，让你的朋友圈瞬间变得高大上！

本文介绍了如何在机器学习中使用线性回归模型，并通过训练集和测试集评估模型表现。重点解释了训练集评分与测试集评分的区别，前者衡量模型对已知数据的拟合能力，后者评估模型对未知数据的预测能力。