大模型教程

谷歌云（Google Cloud）于近期发布了一份长达60余页的纲领性文件——《初创公司技术指南：AI Agents》。这并非又一份高谈阔论的行业白皮书，而是一份深入工程实践、充满“代码味”的全栈技术

整个流程的核心逻辑是：用嵌入向量实现语义级别的检索，用docid实现向量到文本的精准召回，最终让 LLM 基于召回的信息生成可靠回答。

MaxKB（Max Knowledge Base）作为一款基于大语言模型和RAG的开源知识库问答系统，正以其开箱即用的体验和强大的模型兼容性，在GitHub上引发广泛关注，成为企业构建智能问答系统的理

Dify 是一款开源的大模型应用开发平台，旨在帮助开发者快速构建生产级生成式 AI 应用。在Dify 本地化部署中，知识库功能是实现企业级 AI 应用的核心能力。

Prompt是用户提供给大语言模型（LLM）的输入文本或指令，用于引导和激发模型生成符合期望的输出。

知识蒸馏（Knowledge Distillation, KD）是一种非常流行的技术，用于让大型深度学习模型（通常被称为“教师模型”）的能力，传递到一个较小的模型（称为“学生模型”）中。

今天，我们就借助这张完整的智能体架构图，一步步拆解出每个模块的作用、逻辑和落地方法。如果你是开发者、AI 产品经理、或者在企业内推动智能体项目，这篇文章能让你彻底理清楚思路。

本文以“上海今天天气情况”简单问询为例，去剖析AI agent思考过程和执行任务过程。如agent接到用户指令后，一步一步思考分解任务，去调用天气情况API、检索知识库Rag系统或LLM自身知识回答

RAGFlow 这个开源 RAG 引擎能让你的知识库活起来，现在已经在github上获得了 60K 的 Star。