首页
沸点
课程
数据标注
HOT
AI Coding
更多
直播
活动
APP
插件
直播
活动
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
登录
注册
ai学习
L0CK
创建于2026-03-26
订阅专栏
ai项目学习记录
暂无订阅
共6篇文章
创建于2026-03-26
订阅专栏
默认顺序
默认顺序
最早发布
最新发布
初识稀疏向量与稠密向量
在 AI 和搜索领域,向量(Vector) 是计算机理解万物的基础。你可以把向量想象成坐标,通过这些坐标,计算机就能在“数学空间”里衡量内容之间的关系。 稀疏向量和稠密向量代表了两种完全不同的“描述方
初识 MongoDB
认识 MongoDB MongoDB 是一个基于文档的 NoSQL(非关系型)数据库 。它不像 MySQL 那样把数据存在格子状的表里,而是存成类似 JSON 的“文档” 。 1. 核心概念对比 为了
短期记忆与长期记忆的区别
这部分内容是面试中非常容易出彩的亮点,核心在于讲清楚为什么要做区分以及工程上如何分别落地。 一、 核心概念与作用对比 在 RAG 或大模型问答系统中,为了让 AI 表现得像一个真实的“助手”,我们需要
MCP科普
Agent设计模式:MCP模式 从 Function Calling 到 MCP:智能体能力的真正跃迁 一、先回到问题的本质:LLM 缺什么? 大语言模型(LLM)擅长理解和生成语言,但要成为“智能体
RAG科普
RAG(Retrieval-Augmented Generation,检索增强生成)是大模型应用开发中最核心、落地最广的技术方案。 简单来说,如果把大模型(LLM)比作一个“饱读诗书但没有网、且记忆停
langchian4j---会话功能
1. 核心抽象:ChatMemory 接口 在 LangChain4j 中,记忆系统的核心接口是 ChatMemory。它的职责非常纯粹:维护对话历史的顺序,并根据策略进行截断。 1.1 两种主流实现