Python&LLM

RAG实战指南 Day 24：上下文构建与提示工程

在检索增强生成系统中，如何有效地组织检索到的文档片段，并将其转化为适合大语言模型(LLM)处理的提示，直接决定了最终生成结果的质量。
·2025-07-25 18:00

大语言模型提示工程全攻略：从零样本到 ReAct，一篇吃透

无论你是在用ChatGPT，还是开发LLM应用，只有写出清晰、高效的提示词，模型才能真正“听懂你在说什么”。提示工程（PromptEngineering）是一门设计高质量提示词的技巧与方法。
冻感糕人~·2025-07-25 14:37

【辉光】【认知安全】 当“咒语”代替病毒，直奔你的大脑

然而，大语言模型（LLM）的崛起，正在颠覆这一切。它创造了一个全
·2025-07-25 12:54

构建RAG智能体(3)：处理大型文档

在这一篇文章中，我们将探讨如何将大型文档，如PDF或YouTube视频，融入到我们的大语言模型（LLM）上下文中。我们将学习如何使用文档加载器和分块技术来处理因上下文空间有限而带来的问题。
tilblackout·2025-07-24 20:58

LLM指纹底层技术——模型压缩与优化

下面介绍一下“LLM指纹”一个决定性的环节——模型压缩与优化(ModelCompressionandOptimization)。
·2025-07-24 18:14

LLM指纹底层技术——混合专家模型

下面讲一下当前大模型领域最炙手可热的架构之一，也是“LLM指纹”体系中一个极其丰富的、多维度的信号来源——混合专家模型(Mixture-of-Experts,MoE)。
9命怪猫·2025-07-24 18:14

LLM指纹底层技术——人类反馈强化学习

以下简单讲一下“LLM指纹”体系中，负责精雕细琢模型“性格”与“价值观”的核心工艺——人类反馈强化学习(ReinforcementLearningfromHumanFeedback,RLHF)。
9命怪猫·2025-07-24 18:44

LLM Agent（大模型智能体）与传统专家系统

LLMAgent（大模型智能体）与传统专家系统在技术原理、行为模式和应用场景上存在本质差异。以下是两者的核心区别及具体分析：一、核心原理与架构差异特性传统专家系统LLMAgent知识来源依赖人工编写的规则库（if-then逻辑）基于大模型预训练知识+实时学习能力（如工具调用、用户反馈）推理机制静态规则匹配（无法处理规则外场景）动态规划+链式推理（如任务分解、自我反思）适应性固定规则，需人工更新自主
一蓑烟雨6668·2025-07-24 17:11

AI 搜索引擎：让信息“长脑子”而不是“堆数据”

随着大模型（LLM）与检索增强生成（RAG）技术的成熟，搜索引擎正在从“索引”走向“理解”——这就是AI搜索引擎。它们不仅能联网找资料，还能在毫秒之间阅读、归纳、推理，并给出带引用的完整回答。
·2025-07-24 15:27

如何面试AI产品经理职位？

以下是系统分析及准备建议：一、AI产品经理核心职责技术桥梁：将业务需求转化为技术方案（如LLM优化、推荐系统设计）全链路管理：主导AI产品从需求分析、模型选型、效果验证到上线的全流程风险控制：识别并解决模型偏见
·2025-07-24 15:56

[论文阅读] 人工智能 + 软件工程 | LLM当“裁判”靠谱吗？——解析代码生成与总结任务中的LLM评判能力

LLM当“裁判”靠谱吗？
张较瘦_·2025-07-24 13:13

基于MCP的智能体架构设计：实现智能体与外部世界的无缝连接

引言随着大型语言模型(LLM)能力的不断提升，智能体(Agent)系统逐渐成为AI应用的主流形态。然而，智能体要真正发挥其潜力，需要能够与外部世界进行有效交互，包括访问文件系统、数据库、API等资源。
蓝色的香菇·2025-07-24 13:10

[论文阅读] 人工智能 + 软件工程 | LLM优化RTL代码：在时序逻辑面前栽了跟头？—— 一项基于变形策略的实证研究

LLM优化RTL代码：在时序逻辑面前栽了跟头？
张较瘦_·2025-07-24 08:10

自定义你的 AI 项目文档系统——基于开源 LLM + LangChain + VSCode 插件构建

下面是一份关于如何自定义你的AI项目文档系统的完整实战指南，结合开源大语言模型、LangChain框架与VSCode插件技术，打造一个类DeepWiki的“智能项目文档专家”。项目目标构建一个本地化的AI文档助手，具备以下能力：自动解析项目代码结构使用开源大模型自动生成函数/类/模块级文档结合LangChain构建文档生成链集成VSCode插件，实现在编辑器中“选中代码➝自动生成注释或文档”支持私
IT古董·2025-07-24 07:32

智能Agent场景实战指南 Day 6：Agent框架对比与选型指南

【智能Agent场景实战指南Day6】Agent框架对比与选型指南文章标签智能Agent,Agent框架,LangChain,AutoGen,CrewAI,LLM应用,AI开发文章简述在智能Agent开发中
在未来等你·2025-07-24 06:58

LoRA中的低秩矩阵估计

LoRA（Low-RankAdaptation）是一种用于微调大型语言模型（LLM）的高效方法，尤其在资源有限的环境下表现出色。
·2025-07-24 06:53

从 Ollama 转向 vLLM：寻求高通量 LLM 服务的稳定性

简介在过去的一年里，我一直在大量使用GraphRAG（微软版本和我自己开发的版本），我总是惊讶于文档复杂性的微小增加会造成多大的预算浪费。当我使用gpt-4.1-miniOpenAI时——仅一套文档就花费了我200多美元（！！）。即使使用gpt-4.1-nano（目前最便宜的前沿模型），我的预算也是荒谬的。为几份（确实很大的）文件花费2.15亿个代币是荒谬的，而且需要几天的时间来处理，这太过分了。
知识大胖·2025-07-24 03:38

【重磅】瑞数信息蝉联IDC中国AI赋能私有云WAF市场份额Top2！

近日，国际数据公司IDC正式发布《IDC中国AI赋能的Web应用防火墙硬件市场份额，2024：合规需求带动市场反弹，LLM-WAF成为未来市场新增量》和《IDC中国AI赋能的云Web应用防火墙市场份额，
科技云报道·2025-07-24 01:51

RAG 助力教育个性化：重塑学习体验的科技引擎

一、引言1.1研究背景与动机随着自然语言处理（NLP）技术的飞速发展，大语言模型（LLM）在众多任务中展现出了强大的能力，如文本生成、问答系统和机器翻译等。
hy098543·2025-07-24 00:18

借助零信任网格重塑分布式MCP与LLM访问：安全、灵活的下一代架构实践

传统架构中，MCP（模型上下文协议）服务与LLM（大语言模型）工具的部署常面临安全暴露、网络复杂性、跨防火墙通信等挑战。
码力金矿·2025-07-23 21:26

【论文蒸馏】Recent Advances in Speech Language Models: A Survey

直接的方法是ASR(语音转文字)+LLM+TTS(文字转语音)，但是这样有其固有的限制，而端到端的SpeechLM表现更好，本文及其方法论做了一个概览的综述1.Introduction大语言模型提供了强大的
Greener_Pat·2025-07-23 19:45

大模型(LLM)推理框架汇总

MLCLLMsubmodulesinMLCLLM大模型(LLM)好性能通用部署方案，陈天奇(tvm发起者)团队开发.项目链接docs:https://llm.mlc.ai/docs/github:https
AIGC大模型 吱屋猪·2025-07-23 17:01

家庭服务具身智能机器人体系架构

硬件方面：差速移动机器人+六轴协作机械臂，软件方面选择ROS系统：底盘控制move_group，机械臂操纵MoveIt，大模型方面采用VLM+LLM：（1）视觉语言模型（VLM），用来实现环境理解与指令解析
·2025-07-23 15:52

ollama

ollama.comollamarunllama3.2新建ModelfileFROMllama3.2#设定温度参数为1[更高的更具有创新性，更低的更富有连贯性]PARAMETERtemperature1#将上下文窗口大小设置为4096，这控制着LLM
·2025-07-23 14:17

PD分离技术分析

PD分离中的“PD”指的是大语言模型（LLM）推理过程中的两个核心阶段：Prefill（预填充）和Decode（解码）。这两个阶段在计算特性和资源需求上存在显著差异，分离部署可优化整体性能。
老兵发新帖·2025-07-23 14:15

一文弄懂开源大型语言模型 (LLM) 应用程序开发平台--Dify

Dify简介Dify是一个开源大型语言模型(LLM)应用程序开发平台，旨在弥合AI应用程序原型设计与生产部署之间的差距。
Llama-Turbo·2025-07-23 14:11

Python FastMCP：让你的AI工具链飞起来

1.工具(Tools)：赋予LLM执行能力2.Resources（资源）：安全数据通道3.Prompts（提示模板）：标准化LLM交互4.组件协同：构建项目AI工具链5.部署架构与性能优化博主热门文章推荐
·2025-07-23 14:09

开源的大语言模型（LLM）应用开发平台Dify

概述Dify是一个开源的大语言模型（LLM）应用开发平台，结合了后端即服务（Backend-as-a-Service）和LLMOps的理念，旨在帮助开发者快速构建生产级的生成式AI应用。
·2025-07-23 13:38

网络爬虫再深入——对抗指纹检测、分布式架构与智能解析实战

目录一、深入反爬：浏览器指纹检测与对抗（配图1）1.高级指纹检测原理2.对抗方案与实战二、分布式爬虫架构深度设计（配图2）1.容错与弹性设计2.智能限流算法三、智能解析：LLM与计算机视觉的融合（配图3
rooney2024·2025-07-23 07:25

谷歌引入开源全栈 AI 代理栈：借助 Gemini 2.5 和 LangGraph 实现多步网络搜索、反思与综合

然而，大多数大型语言模型（LLM）仍存在一个关键限制——它们仅依据静态训练数据生成回复，缺乏自我识别知识空白或执行实时信息综合的能力。
·2025-07-23 04:36

【提示词优化技巧】利用大模型进行提示词自优化

原始方法如下：1.主题：构建高效Prompt的系统化流程：一种元提示工程方法在与大型语言模型（LLM）的交互中，提示词（Prompt）的质量直接决定了输出的上限。
weixin_37763484·2025-07-22 21:50

LLM初识

从零到一：用Python和LLM构建你的专属本地知识库问答机器人摘要：随着大型语言模型（LLM）的兴起，构建智能问答系统变得前所未有的简单。
·2025-07-22 20:48

大语言模型：人像摄影的“达芬奇转世”？——从算法解析到光影重塑的智能摄影革命

今天，当摄影师面对复杂的光线环境或苦苦寻找最佳构图时，一位由代码构筑的“光影军师”正悄然降临——大语言模型（LLM）正以前所未有的方式，重塑人像摄影的创作边界。
黑巧克力可减脂·2025-07-22 20:47

Spring Boot + LLM 智能文档生成全流程技术方案，包含从代码注解规范、OpenAPI增强、Prompt工程到企业级落地

SpringBoot+LLM智能文档生成全流程技术方案，包含从代码注解规范、OpenAPI增强、Prompt工程到企业级落地一、深度集成架构设计二、代码层深度规范（含20+注解模板）2.1精细化参数描述
夜雨hiyeyu.com·2025-07-22 20:43

【RAG专题】如何选择合适的RAG架构？

◦生成：搭配中小型LLM（如Llama2-7B、Mistral），无需复杂
星际棋手·2025-07-22 14:08

迈向大型推理模型：基于大型语言模型的强化推理综述（附教程）

大型语言模型（LLM）的突破激发了大量研究兴趣，推动了利用这些模型解决复杂推理任务的探索。研究人员通过引入“思维”这一概念——即一系列代表推理过程中的中间步骤的标记——超越了简单的自回归标记生成。
LLM大模型·2025-07-22 13:05

LLM应用开发中的敏捷文档管理

文章标题：LLM应用开发中的敏捷文档管理关键词：LLM应用开发敏捷文档管理敏捷开发方法文档生命周期管理敏捷文档工具摘要：本文旨在探讨在LLM（大型语言模型）应用开发过程中，敏捷文档管理的重要性及其具体实践方法
AI天才研究院·2025-07-22 07:43

Kimi-Audio：最佳音LLM, 如何免费使用 Kimi-Audio AI 模型？

简介继DeepSeek之后，字节跳动（现名MoonShotAI，又名Kimi）也在生成式人工智能领域加速发展，并发布了自己的音频模型Kimi-Audio，据说是迄今为止最好的音频模型。推荐文章《NvidiaGPU入门教程之02ubuntu安装A100显卡驱动(含8步快速浓缩教程)》权重2，安装A100显卡驱动《本地大模型知识库OpenWebUI系列之如何解决知识库上传文件故障Extractedco
知识大胖·2025-07-22 03:17

LLM OCR vs 传统 OCR：解锁文档处理的未来

光学字符识别（OCR）技术早已是数字化文档的得力助手，但你有没有想过，传统OCR和新兴的LLMOCR究竟有何不同？传统OCR就像一台老式打印机，虽然能干活，但在复杂场景下常常“卡壳”。而LLMOCR则像一个聪明的助手，不仅能识别文字，还能读懂文档的“灵魂”。今天，我们就来聊聊这两者的区别，并看看LLMOCR如何为文档处理带来新可能。传统OCR：可靠但有限的老将传统OCR就像一位勤劳的抄写员，擅长把
·2025-07-22 01:08

从功能到落地：AI Agent 平台选型的 6 大维度全解析

近两年，随着大语言模型（LLM）技术的快速迭代，“AIAgent”正在从实验室走向企业实际生产线。
·2025-07-21 15:30

大模型聊天模板

文章目录何为聊天模板聊天模板具体长什么样为什么会出现聊天模板何为聊天模板相信大多数本地离线使用过(特别是训练或微调过)LLM、VLM的人知道“Chattemplate/聊天模板”这个概念，但可能并没有对其有较多的了解
·2025-07-21 15:27

基于 Qwen-Agent 与 MCP 实现阿里云 ECS 实例查询（含完整代码与实操）

✅关键词：Qwen-Agent、MCP、阿里云、运维、LLM、FunctionCalling在现代云运维场景中，我们不仅希望大语言模型（LLM）能回答文本问题，更希望它能直接调用云端API、查询资源，实现
·2025-07-21 13:47

Spring AI从入门到精通：构建智能Spring应用的全面指南

随着人工智能技术的快速发展，将大语言模型（LLM）与企业应用集成已成为趋势。SpringAI作为Spring官方推出的AI集成框架，为开发者提供了便捷、标准化的方式来构建智能应用。
java干货仓库·2025-07-21 04:41

【Agent的革命之路——LangGraph】人机交互中的四种决策设计模式

在现在强大的LLM应用程序中，最有用的无外乎就是人机交互工作流，它将人工输入集成到自动化流程中，允许在关键阶段做出决策、验证或更正，因为底层模型可能会偶尔产生不准确之处，在合规性、决策或内容生成等低容错场景中
乔巴先生24·2025-07-21 03:26

LangGraph 教程：初学者综合指南（1）

此任务可能涉及多种操作，例如：与LLM直接沟通，进行文本生成、摘要或其他基于语言的任务。与外部工具和API交互以获取数据或在现实世界中执行操作。通过格式化、过滤或
背太阳的牧羊人·2025-07-21 03:55

LangGraph教程6：LangGraph工作流人机交互

这在基于LLM的应用中尤其有用，因为基础模型可能会产生偶尔的不准确性。在合规、决策或内容生成等低误差容忍场景中，人类的参与通过允许审查、修正或覆盖模型输出来确保可靠性。使用
Cachel wood·2025-07-21 03:24

大型语言模型在自动化AI科学研究与论文撰写中的应用与展望

1.引言：LLM驱动科学研究与论文撰写的范式转变大型语言模型（LLM）的快速发展正在科学发现领域引发一场深刻的范式转变。
这是Jamon·2025-07-20 20:05

LLM4SR: A Survey on Large Language Models for Scientific Research

文章主要内容文章围绕大语言模型（LLMs）在科学研究中的应用展开，系统探讨了其在科研各关键阶段的作用、方法、挑战及未来方向。科学假设发现：LLMs生成科学假设的研究源于“基于文献的发现”和“归纳推理”。现有方法通过灵感检索策略、反馈模块等组件提升假设生成质量，相关基准测试分为基于文献和数据驱动两类，评估指标涵盖新颖性、有效性等。虽取得一定成果，但面临实验验证困难、依赖现有LLMs能力等挑战。实验规
UnknownBody·2025-07-20 20:33

通过 Ollama 获取并运行本地大型语言模型（LLM）

Ollama是一个开源工具，专为在本地机器上便捷部署和运行大型语言模型（LLM）而设计。
·2025-07-20 18:56

LLM词频规律：Zipf定律

LLM词频规律：Zipf定律Zipf定律（Zipf’sLaw）是语言学和信息论中描述文本中词语出现频率分布的规律，由美国语言学家乔治·金斯利·齐夫（GeorgeKingsleyZipf）提出。
ZhangJiQun&MXP·2025-07-20 15:35
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他