雷哥AI工程化

AI辅助我们更快速的学习新的编程语言，与此同时，你有更多的时间去探索新的领域，学习更多的知识，享受前所未有的自由。...

提示语工程实践中，我发现4点极具价值的技巧：创建模板文件夹，使用占位符，xml结构化输出，xml解析工具构建...

工程化RAG-无法评估，就无法改进，这篇文章我简单讲述了我们应该从哪几个方面来评估rag是否达到我们的要求。...

怎么利用AI自动化解放双手，聚焦高价值任务，并通过优化提示语进一步提升AI的表现。让我们一起探索如何释放AI的潜力，提升工作效率。...

TAG的全称是： Table-Augmented Generation，可以理解为在表的基础上进行增强，之后再进行输出。...

直接向大模型提问问题，即便使用提示语也不能很好的得到我们想要的结果，所以我们要考虑使用大模型的思考和推理能力，构建推理链来得到我们想要的答案，并格式化输出。...

ReAct框架作为智能体的全能解决方案，通过每一步执行“思考”、“行动”、“观察”、“响应”的循环，有效解决用户问题。 然而，这一看似完美的流程背后却隐藏着一个致命缺陷。...

通过AI Coding开发个Chrome插件，我用了两个小时。记录了整个实战过程，以及如何用好AI Coding。...

介绍了一大堆模型思维，包括各个模型的优缺点，以及改进的地方都是什么，最终再用TOT思维树做个项目，开源出来。...

调试提示语的过程：调整第一版，然后用一些案例测试一下，然后再调试，再测试。。 如果把这个过程自动化，就可以构建一个自动提示语工程了。...

微调是对特定能力的追求，对通用能力的妥协。从5个微调带来的问题来说明为什么不要微调，并给出了如何合理使用模型的最佳方案。...

Function的调用时Agent实现很重要的一步，只有了解了这个原理才可以更好的创建Agent。 我将不使用任何langchain等框架或者coze等平台，从0开始构建一...

前言 今天我们来聊聊，如何用AI帮助我们识别图片上的物品。以后会带着大家了解更多有关ai的知识，与大家一起进步！ 在开始讲解之前，我们需要进行一些准备工作 准备工作 准备工...

今天我们将深入LLM中4种Agent工作流中的反思工作流，反思一种让LLM自动执行提供关键反馈的步骤，并自动批评自己的输出并改进其响应。你不学习一下吗?...

只有认识模型，才能用好模型。 直观地了解模型是如何运行的以及它的能力是如何产生的，不需要用到数学知识。...

无论怎么选择RAG的切分方案，切分都不准确。补充上下文的embedding的方案，拉满RAG准确度。...

模型的最大用处应该在于思考，而不是当作知识库 核心的两个思考是：推理规划和反思 问题场景 直接使用“LLM+线上搜索”效果并不好 原因在于：一些问题过于复杂，需要拆解成子问...