GISer_Liu

前言 本文将基于上一篇文章的结果进行开发，主要内容为： 将LLM接入LangChain：选择LLM，然后在LangChain中使用； 构建检索问答链：使用语法构建RAG问答链 部署知识库助手：使用st

在本文中，作者选择了通过爬取GitHub Trending页面来满足需求，并详细分析了页面结构，构建了爬虫Action和页面分析总结Action。通过再次爬取`readme`文件内容

本文中，我们将专注于单智能体开发，使用框架为MetaGPT。MetaGPT是一个基于Python的智能体开发框架，它提供了一系列的工具和方法，可以帮助开发者更加高效地进行智能体开发

AI Agent是一个以大语言模型（LLM）为核心的程序，旨在实现用户设定的一些目标或任务。LLM获取反馈信息，并选择使用预设或新建的工具（函数），以迭代运行方式完成任务。

机器学习系列4 使用Python和Scikit-Learn回归模型 在本文中，我们将学习机器学习本地环境的配置过程，利用Scikit-learn库走完机器学习模型的基本流程，最终创建一个线性回归模型。

在本文中,你将学习到: 1机器学习的流程。 2 理解基本术语概念，如“模型”，“训练”，“预测”，“过拟合”等。

在本文中您将学习到 0 提高对机器学习中公平性重要性的认识。 1 了解与公平相关的危害 2 了解不公平评估和缓解措施。

本文介绍了机器学习的历史发展与一些思考，以时间序列的角度来看人工智能各个领域如何在寒冬中寻找生机，又如何走出过去的思想，诞生出如今的深度学习的概念