大模型知识官

大语言模型（LLM）训练的三个阶段 你是否好奇，当在与ChatGPT对话时，它背后究竟隐藏着怎样的“智慧”？这股智慧并非凭空而来，而是源于一个复杂而精妙的训练过程。我们可以将这个过程想象成一个孩子的成

AI Agent | 也说说上下文工程（Context Engineering） 导读【AI大模型教程】 前面讲到提示词作为用户和大模型的桥梁，已经作为工程化管理的手段之一，是为提示词工程（Promp

使用 LangGraph 构建复杂的多 Agent 系统：智能合同审核实战 摘要【AI大模型教程】 随着大型语言模型（LLM）能力的飞速发展，将多个专业化的 AI Agent 组合成一个协作系统已成为

Agent 开发者重大利好！Dify 知识库 RAG 升级 Knowledge pipeline 【AI大模型教程】 Dify 知识库9 月份迎来了一个非常重大的升级，Knowledge Pipeli

通用智能体开发框架：架构设计与技术实现解析 【AI大模型教程】 01 引言 随着人工智能技术向多模态融合与复杂任务协同方向快速演进，当前智能体开发面临三大核心挑战：多源异构数据处理效率低下、跨领域任务

4大阶段，10个步骤，助你高效构建企业级智能体（Agent） 在之前的一篇文章《万字长文解读AI原生（AI Native）应用架构新范式，架构师迎接的下一场科技革命》中，给大家从技术层面，用万字长文剖

RAG的基本使用——基于LangChain 生成式AI是一种能够生成各类内容的技术，包括文本、图像、音频和合成数据。大语言模型(Large Language Model, LLM)经过海量文本数据的训

大语言模型能力评估体系 【AI大模型教程】 传统的自然语言处理（NLP）算法通常需要针对每个特定任务单独设计和训练模型。例如，机器翻译、情感分析、文本摘要等任务，往往都需要各自不同的算法和模型。然而，

深度解读Google Context Engineering中的会话与记忆机制 在大模型如日中天的今天，一个显而易见却常被忽视的问题浮出水面：模型如何真正理解“你”？我们习惯了和ChatGPT、Cla