colorknight

最近，开源自动化流程工具n8n，凭借其对LLM及AI技术的整合支持，重新回到了人们的视野，并引发了广泛的关注。n8n 强大的可视化流程编排能力，让用户能够轻松地构建从简单任务到复杂业务逻辑的自动化流程

LLM在组织内部应用的一类重要场景就是利用LLM的NL2SQL能力，简化用户对数据库的访问。本文主要介绍如何使用LLM生成SQL语句，不涉及到如何训练提升LLM的SQL生成能力。     开启正文之前

鉴于Milvus仍在不停的迭代新版本，推出新功能，其SDK目前并不稳定。目前其2.4版本的SDK接口已与之前的2.2版本有了较大的差别，功能上也有了一定的调整。为此，我们重新提供了针对Milvus2.

情报处理听起来是一个与绝大多数人或企业不太相关的事，但实际上，我们每个人、每个企业或单位都有获取及应用情报的需求。只是很多时候，情报以新闻或其它信息的形式展现在了我们面前，比如：今日头条提供的各类热点

人工智能领域著名教授吴恩达在今年3月份红杉资本的人工智能峰会(AI Ascent)以及最近Snowflake峰会开发者日上都发表了关于AI Agent(人工智能体)的演讲。演讲中，其分享了对AI Ag

之前通过系列文章介绍了HugggingFists系统，这次给出视频，方便大家更直观的了解如何使用HuggingFists系统。视频链接如下：  《HuggingFists--低代码AI/LLM数据科学

在之前的系列文章里，笔者介绍了如何使用阿里的千问LLM、阿里的文本嵌入模型以及Milvus向量库来搭建一个RAG(检索增强生成)的实验。可通过以下的文章链接回顾一下之前介绍的内容： 《HuggingF

​     由于最近笔者在开发数据脱敏相关功能，其中一类脱敏需求为能够按照指定的格式随机生成一个字符串来代替原有信息，数据看起来格式需要与原数据相同，如：电话号码，身份证号以及邮箱等。在网上搜索了下，

​     LLM Agent是目前业界共识的另外一个热门方向。在该应用模式下，LLM被当作了Agent的大脑，主要使用其推理、规划及工具调用能力。笔者非常喜欢这种将LLM作为大脑的比喻。因为，按照我