大模型知识营地

评估工程：AI 智能体演进的重要技术方向 在传统软件工程中，测试是保障系统质量的 “护城河”，基于明确规则验证输入输出，用覆盖率和准确率衡量稳定性。但当 AI 系统成为技术...

理解LangChain六大核心组件 你是不是也想自己搭建一个能听懂人话、还能查资料、记住上下文、甚至自动执行任务的智能客服？别被“大模型”“AI智能体”这些词吓到——其实用...

大模型的技术生态——怎么理解大模型技术以及应用技术 “ 大模型的技术生态本质上就是围绕着大模型这个“人”转的。”【AI大模型教程】 大家在学习大模型应用开发时会发现有很多种...

langchain从入门到精通——RAG优化策略自查询检索器实现动态数据过滤 查询构建与自查询检索器【AI大模型教程】 在 RAG 应用开发中，检索外部数据时，前面的优化案...

微软Agent框架深度解析：重新定义AI应用开发的革命性架构 前言：从聊天机器人到智能代理的进化 在AI的江湖里，有这样一个有趣的现象：大家都在谈论AI有多聪明，却很少有人...

传统训练效率很低？我们靠 “给模型降噪” 重新审视长上下文建模难题 在人工智能飞速发展的今天，能够处理超长文本（数十万至上百万字）的大型语言模型，已成为智能助理、代码分析与...

LightMem用3招重新设计了LLM的记忆，结果出乎意料 LLM 的“记性”又贵又差【AI大模型教程】 在超长多轮对话里，LLM 面临两大痛点： 上下文窗口有限——“中间...

RAG的核心缺陷——语义相似度检索的局限与突破之道 “ 相似度检索有其天生的缺陷，而这是其自身所解决不了的。”【AI大模型教程】 在日常工作中，你是否遇到过这样的困扰：向智...

AutoDev 架构升级：多端编程 Agent（CLI/Desktop/Mobile），欢迎一起参与演进 半年前，我在《AutoDev Next》那篇文章中介绍了 Auto...

一文讲清大模型中奖励模型的原理及实现 1 LLaMA 2 奖励模型样本构建 1.1 LLaMA 2训练流程 如图1所示便是 LLaMA 2 的整体训练流程，整体包含两部分：...

跟我一起学Spring AI：构建有效的Agent 构建有效的代理 在最近的研究出版物《构建有效的代理》中，Anthropic 分享了关于构建有效的大型语言模型（LLM）代...

实战·Agentic 上下文工程（下）：实现一个可自我学习与进化的智能体原型 在上篇中，我们了解到ACE(Agentic上下文工程)框架的核心理念：不依赖模型微调，而是通过...

RAG技术的五种分类——不同种类RAG之间的区别与联系 “ RAG的架构虽然有所不同，但其原理都是相同的，都是通过检索来增强模型的生成能力，只不过在不同的环节做了不同的优化...

LangGraph过时了？下一代AI Agent架构已能处理多话题混合提问 上周和一位做电商的朋友聊天，他吐槽说公司花大价钱上了AI客服系统，结果用户投诉反而增加了。 我问...

Dify + RustFS + Milvus，构建文档多语言翻译 AI Workflow 本文利用 Dify + RustFS + Milvus 搭建一个文档的多语言翻译 ...

Agent从0到1落地实施：「小智伴」系统技术架构落地（二） 导语【AI大模型教程】 在上一篇文章中，我们聊到了“小智伴”产品的整体需求框架，主要由三大核心模块组成：智能A...

Al Agent 从原理到应用 1.Al Agent是什么?【AI大模型教程】 Al Agent(也称人工智能代理)是一种能够感知环境、进行决策和执行动作的智能实体。智能体...

规划能力超DeepSeek-R1！微信联合提出智能体规划训练框架RLTR 智能体主要依赖行动规划与答案总结两大核心功能，其中规划阶段在智能体系统中至关重要，最终输出的准确性...

新一代增强式生成架构： RAG + CAG【AI大模型教程】 内容预览 在大模型应用的浪潮中，**RAG（检索增强生成）**一直是提高模型回答准确性的关键技术。而几个月前，...