此人未设置昵称

未来大模型的发展方向，一般认为有四个，AIGC（内容生成）、Copilot（智能助手）、Insight（知识洞察）、Agent（数字代理）。 本文重点说 agent 和 copilot，在应用这块，

自从我开始搞大模型应用，就一直有一个头疼的问题困扰着我的团队，那就是避免敏感信息。 传统的做法是通过一些匹配算法，过滤掉敏感词，这个后面我们再讲。 但大模型的对话中，想要防止他做一些不合法的事情

如何让你的大模型具有记忆力，能够基于每个人的画像给出不同的结果？本文主要从工程和实践的角度，看看有哪些增强记忆力的方法和实践效果。

前言 rust中最常用的层次设计框架，当属tower。被广泛集成在各种框架中，比如rust中几乎所有web服务的都用到的hyper。但它就是坨奥利给。

为什么需要写个消重系统？遇到了哪些问题？要如何实现？ 典型的场景是推荐系统，在给用户推荐物品后，需要在下次推荐时，将之前推荐过的内容过滤掉。

不管你承不承认，ai的时代已经到来了。个人看来，`chatgpt`具有划时代的意义，更甚于蒸汽机的发明。 chatgpt发布仅仅一年的时间，已经充斥在了互联网的方方面面。国内大厂也是纷纷跟

前言 现在绝大多数的推荐系统，采用的都是双塔模型，本质上是求解用户向量和item向量，在推荐的过程中进行相似度匹配。 如果你的系统保存有大量的用户信息和item信息，可以使用一些比较成熟的算法来进行特

楔子 开始之前，先谈一嘴安全问题。 不爱看套话 请直接看前言。 老话说，没有边界就没有安全，互联网上的所有安全措施，都几乎建立在网络边界上。 原来我们的服务分布,部署方式还很简单。服务部署在内网，统一

前言 再厉害的大佬，也不可能掌握所有的编程语言。那如何让所有人都能用自己喜欢的语言编写规则那？ 我的选择是wasm，通过提供wasm运行时，用任意语言运行规则。 WASM Runtime 和之前的lu