AI 大模型

在前两篇中，我们已经比较系统地梳理了 AI Agent 的发展历程，也对 AI Agent 和 AI Workflow 之间的区别做过一次完整的拆解，同时重点讲解了目前最经典、也是被讨论最多的

上一篇我们介绍了 AI 应用的发展历程以及 Agent 的整体概念，这一篇将针对 ReAct（Reasoning + Acting）模式，并对其设计思想和工程实现进行一次更为系统、偏实战向的讲解

这周在组内做了一次关于 Agent 设计模式 的分享，主要介绍和讲解了 ReAct 模式 与 P&A（Plan and Execute）模式。我计划将这次分享拆分为三篇文章，对我在组会中讲解的内

最近在学习大模型的实现原理，为了更好地理解整个流程，我把学习中的关键概念和实现细节整理成了笔记。一方面帮助自己梳理思路、加深印象，另一方面也作为日后复习和查阅的基础。内容会按照模型的实际处理流程

前言 最近，字节跳动新开源了一款类 Manus 的 AI Agent 项目——Agent TARS。这是一款基于 UI-TARS（视觉-语言模型）的图形用户界面代理应用程序，允许用户通过自然语言与计算

在如今这个 AI 项目、RAG 项目蓬勃发展的时代，向量数据库的应用愈发广泛。然而，当涉及到如何清晰便捷地查看和管理向量数据库中的数据时，却是个比较麻烦的事。今天要给大家介绍一款实用的向量数据库管理工

还在为不同 AI 厂商的接口规范头疼吗？Vercel 推出的 AI SDK 来拯救你了！它统一了 OpenAI、DeepSeek、Ollama 等大模型的调用方式，支持文本生成、流式对话、结构化数据生

使用 Chroma 向量数据库 + LangChain 文本分片技术，升级了本地大模型的联网回答能力！不再简单截取网页，而是通过语义分片和精准检索，让 AI 回答更精准、更高效。告别信息丢失和 tok

AnythingLLM 原生支持多个海外搜索引擎接口（如 Google、DuckDuckGo、Bing 等），但在国内使用时，常常面临两大难题：网络访问限制和企业合规风险。尤其是网络访问限制

年前在写《在前端实现 AI 推理》时，发现 HuggingFace 官方模型库存在国内访问困难的问题。虽然当时通过科学上网解决了模型下载，但最近在 Node.js 中使用 transformers.

之前写了如何通过 Ollama 实现大模型本地化，本次将通过代码实现 Ollama + DeepSeek 实现本地大模型的联网回答能力。

Transformers.js 是一个机器学习工具库，允许开发者在浏览器中直接运行 Hugging Face 的预训练模型，无需服务器支持。它支持多种任务，如自然语言处理、计算机视觉、音频处理等

本文将详细介绍如何在 AnythingLLM 中启用 Web 搜索功能，并配置 Google Search Engine 和 DuckDuckGo 搜索引擎。此外，我还将介绍一下如何在网络受限的情况下

本文将介绍如何通过 AnythingLLM 与 Ollama 结合，搭建一个具备私有知识库能力的 AI 应用。

最近在研究私有部署大模型的过程中，遇到了很多专业性的术语，为了搞清楚各个术语和大模型之间的关系花了不少时间查资料。这篇文章将以通俗易懂的方式对常见的大模型相关名词做一个总结，同时尽量结合原理和实际案例

LLaMA 是由 Meta（原 Facebook）研发的一系列大规模语言模型。这些模型被设计用于自然语言处理任务，如文本生成、问题回答和语言理解等。LLaMA 系列模型的目标是为研究社区提供高性能的语

在上一篇文章中，我们通过 Meta 官网下载了 Llama 模型，但由于官方提供的 Demo 需要显卡支持，且修改后仍未成功运行，最终选择通过 Hugging Face 下载模型。这篇文章将详细

本文将介绍如何通过 Ollama 部署本地 Llama3 大模型，并介绍如何通过 HTTP 调用拿到 AI 生成结果。