Type something to search...
to navigateto selectESC to close
Rifx.Online

Rifx.Online

我们的核心是充满激情的创新者,致力于弥合尖端AI技术与全球开发者之间的差距。我们的AI API聚合平台作为一个中心枢纽,以前所未有的便捷性和效率将您连接到大量强大的AI模型和服务。

我们的使命

我们致力于使AI能力的获取民主化,使开发者、企业和研究人员能够利用人工智能的力量,而无需管理多个API集成的复杂性。通过提供统一的接口来访问多样化的AI服务,我们正在加速创新并赋予创造者构建下一代智能应用的能力。

我们提供的服务

  • 简化访问: 一个API统治所有。通过单一的标准化接口访问数百个AI模型。
  • 成本优化: 我们的平台智能地将您的请求路由到最具成本效益的提供商,而不影响质量。
  • 灵活性: 从广泛的AI服务中选择,包括自然语言处理、图像识别、语音转文本等。
  • 可靠性: 受益于我们强大的基础设施,确保您的AI驱动应用的高可用性和性能。

我们的承诺

我们致力于维护最高标准的安全性和隐私。您的数据和知识产权受到最谨慎的对待,我们不断更新我们的做法以符合最新的数据保护法规。

加入我们这个激动人心的旅程,一起塑造AI集成的未来。无论您是独立开发者、成长中的初创公司还是成熟的企业,我们的平台都旨在满足您的需求并推动您的创新。

让我们一起构建更智能的未来!

结合chatgpt-o3-mini与perplexity Deep Research的3步提示：提升论文写作质量的终极指南

结合chatgpt-o3-mini与perplexity Deep Research的3步提示：提升论文写作质量的终极指南

AI 研究报告和论文写作 合并两个系统指令以获得两个模型的最佳效果 Perplexity AI 的 Deep Research 工具提供专家级的研究报告，而 OpenAI 的 ChatGPT-o3-mini-high 擅长推理。我发现你可以将它们结合起来生成令人难以置信的论文，这些论文比任何一个模型单独撰写的都要好。你只需要将这个一次性提示复制到 **

阅读更多
让 Excel 过时的 10 种 Ai 工具：实现数据分析自动化，节省手工作业时间

让 Excel 过时的 10 种 Ai 工具：实现数据分析自动化，节省手工作业时间

Non members click here作为一名软件开发人员，多年来的一个发现总是让我感到惊讶，那就是人们还在 Excel

阅读更多
使用 ChatGPT 搜索网络功能的 10 种创意方法

使用 ChatGPT 搜索网络功能的 10 种创意方法

例如，提示和输出 你知道可以使用 ChatGPT 的“搜索网络”功能来完成许多任务，而不仅仅是基本的网络搜索吗？ 对于那些不知道的人，ChatGPT 新的“搜索网络”功能提供实时信息。 截至撰写此帖时，该功能仅对使用 ChatGPT 4o 和 4o-mini 的付费会员开放。 ![](https://images.weserv.nl/?url=https://cdn-im

阅读更多
掌握Ai代理：解密Google革命性白皮书的10个关键问题解答

掌握Ai代理：解密Google革命性白皮书的10个关键问题解答

10 个常见问题解答 本文是我推出的一个名为“10 个常见问题解答”的新系列的一部分。在本系列中，我旨在通过回答关于该主题的十个最常见问题来分解复杂的概念。我的目标是使用简单的语言和相关的类比，使这些想法易于理解。 图片来自 [Solen Feyissa](https://unsplash.com/@solenfeyissa?utm_source=medium&utm_medi

阅读更多
在人工智能和技术领域保持领先地位的 10 项必学技能 📚

在人工智能和技术领域保持领先地位的 10 项必学技能 📚

在人工智能和科技这样一个动态的行业中，保持领先意味着不断提升你的技能。无论你是希望深入了解人工智能模型性能、掌握数据分析，还是希望通过人工智能转变传统领域如法律，这些课程都是你成功的捷径。以下是一个精心策划的高价值课程列表，可以助力你的职业发展，并让你始终处于创新的前沿。 1. 生成性人工智能简介课程: [生成性人工智能简介](https://genai.works

阅读更多
揭开真相！深度探悉DeepSeek AI的十大误区，您被误导了吗？

揭开真相！深度探悉DeepSeek AI的十大误区，您被误导了吗？

在AI军备竞赛中分辨事实与虚构 DeepSeek AI真的是它所宣传的游戏规则改变者，还是仅仅聪明的营销和战略炒作？👀 虽然一些人将其视为AI效率的革命性飞跃，但另一些人则认为它的成功建立在借用（甚至窃取的）创新和可疑的做法之上。传言称，DeepSeek的首席执行官在疫情期间像囤积卫生纸一样囤积Nvidia芯片——这只是冰山一角。 从其声称的550万美元培训预算到使用Open

阅读更多
10 个强大的 Perplexity AI 提示，让您的营销任务自动化

10 个强大的 Perplexity AI 提示，让您的营销任务自动化

在当今快速变化的数字世界中，营销人员总是在寻找更智能的方法来简化他们的工作。想象一下，有一个个人助理可以为您创建受众档案，建议营销策略，甚至为您撰写广告文案。这听起来像是一个梦想？ 多亏了像 Perplexity 这样的 AI 工具，这个梦想现在成为现实。通过正确的提示，您可以将 AI 转变为您的 个人营销助理。在本文中，我将分享 10 个强大的提示，帮助您自动

阅读更多
10+ 面向 UI/UX 设计师的顶级 ChatGPT 提示

10+ 面向 UI/UX 设计师的顶级 ChatGPT 提示

人工智能技术，如机器学习、自然语言处理和数据分析，正在重新定义传统设计方法。从自动化重复任务到实现个性化用户体验，人工智能使设计师能够更加专注于战略思维和创造力。随着这一趋势的不断增长，UI/UX 设计师越来越多地采用 AI 驱动的工具来促进他们的工作。利用人工智能不仅能提供基于数据的洞察，还为满足多样化用户需求的创新设计解决方案开辟了机会。 1. 用户角色开发 目的

阅读更多
在几分钟内完成数月工作的 100 种人工智能工具

在几分钟内完成数月工作的 100 种人工智能工具

人工智能（AI）的快速发展改变了企业的运作方式，使人们能够在短短几分钟内完成曾经需要几周或几个月的任务。从内容创作到网站设计，AI工具帮助专业人士节省时间，提高生产力，专注于创造力。以下是按功能分类的100个AI工具的全面列表，以及它们在现实世界中的使用实例。 1. 研究工具 研究可能耗时，但人工智能工具使查找、分析和组织数据变得更加容易。**ChatGPT, Cop

阅读更多
完整指南：如何利用gemini 2.0 Flash以10倍更低成本处理百万pdf文档！

完整指南：如何利用gemini 2.0 Flash以10倍更低成本处理百万pdf文档！

Image Source: https://meetcody.ai/blog/gemini-1-5-flash-vs-gpt-4o/, edited by author 设想一下： 你开始将每个PDF页面转换为图像，然后发送它们进行光学字符识别，最后将原始文本整理成可用的

阅读更多
14 项基本提示工程技术：释放 Ai 交互的全部潜能

14 项基本提示工程技术：释放 Ai 交互的全部潜能

因为有了正确的提示，人工智能的能力没有限制 Photo By Mr. Chamy On Heroscreen Deepseek 再次在全球引发震动……这感觉就像我们回到了 ChatGPT 的早期阶段，即使是不懂技术的人也在讨论人工智能和大型语言模型，尽管他们对神经元和节点一无所知，同时试图将其利用到自己的优势上。 使用任

阅读更多
2025年致富的15个ai代理商业创意：抓住未来自动化的机遇

2025年致富的15个ai代理商业创意：抓住未来自动化的机遇

代理AI肯定是未来… 而2025年最大的商业机会无疑是AI代理。 实际上，AI代理是自主应用，我们知道它们可以为你处理任务——节省时间、精力和金钱。 根据我的研究，我发现各行业的企业都在积极寻求自动化工具，而能够构建AI驱动的解决方案的人将拥有显著的优势。 我花时间进行了研究，发现了15个最合逻辑和实用的AI驱动商业创意。 这些创意完全基于代理流，并将帮助你通过提供实际

阅读更多
你从未知道的 17 个令人惊叹的 GitHub 仓库

你从未知道的 17 个令人惊叹的 GitHub 仓库

Github 隐藏的宝石!! 立即收藏的代码库 学习编程相对简单，但掌握编写更好代码的艺术要困难得多。GitHub 是开发者的宝藏，那里“金子”是其他人分享的精心编写的代码。通过探索 GitHub，您可以发现如何编写更清晰的代码，理解高质量代码的样子，并学习成为更熟练开发者的基本步骤。 1. notwaldorf/emoji-translate *谁需

阅读更多
解锁 Llms 的力量：17 种提示工程技术，为您的 Ai 增效！

解锁 Llms 的力量：17 种提示工程技术，为您的 Ai 增效！

从简单到高级的示例 17 提示工程 技术 | 作者图片 提示是你与大型语言模型 (LLMs) 直接交互的方式，即：通过像 ChatGPT 这样的人工智能工具。 在构建大型语言模型应用时。如果你想更好地控制 LLMs 的输出，那么你需要掌握 ** 提示工程 **，这是一种设计良好的提示以实现这一目标的艺术。 通过正确的提示工程技术，你可以提高这些 LLMs 的准确性

阅读更多
2025 年企业数据与人工智能趋势：代理、平台和新产品

2025 年企业数据与人工智能趋势：代理、平台和新产品

*在数据和人工智能这样快速发展的领域中，做出预测尤其困难。然而，我们，Rajesh Parikh 和 Sanjeev Mohan 去年发布了我们的 [2024 趋势预测](https://sanjmo.medium.com/

阅读更多
10分钟打造属于你的AI侦查工具——深度探索DeepSeek-R1与Ollama完美结合！

10分钟打造属于你的AI侦查工具——深度探索DeepSeek-R1与Ollama完美结合！

大家好！在这篇博客中，我将帮助您利用DeepSeek-R1模型提升生产力，并指导您在系统上进行设置。对于不同的操作系统，有多种安装方法，您可以在博客中进行探索。然而，我不会将其与ChatGPT或OpenAI进行比较，因为这是一个有争议的话题，并超出了本文的范围。 什么是 DeepSeek？ DeepSeek 人工智能有限公司是一家专注于推进 **AGI（人工通用智能）

阅读更多
释放 Ai 潜力：Agentic Rag 和 Slm 如何通过整合外部知识转变响应方式

释放 Ai 潜力：Agentic Rag 和 Slm 如何通过整合外部知识转变响应方式

下载此 PPTX 演示文稿 AI 响应中最大的挑战之一是通用或不完整的答案。解决方案？整合外部知识以增强模型的输出。 外部知识来源——如实时数据库、实时事实、商业文档和专业领

阅读更多
2025:人工智能代理年--利用 CrewAi 和 Gemini 1.5 构建多代理系统

2025:人工智能代理年--利用 CrewAi 和 Gemini 1.5 构建多代理系统

正如许多专家预测的那样，2025年将成为自主人工智能的年份。这个新兴领域有望通过引入高度自主的系统来重新定义我们与技术的互动，这些系统能够在最小的人类干预下做出决策并执行复杂任务。受到这一理念的启发，我开始构建一个多智能体系统，该系统不仅执行特定任务，还能根据用户定义的主题创建有意义的内容。 在这篇文章中，我将带您了解我构建的系统、我面临的挑战，以及自主人工智能所蕴含的激动人心的未来。

阅读更多
2025年投资风口揭秘：AI代理的颠覆性未来！

2025年投资风口揭秘：AI代理的颠覆性未来！

2025年前值得关注的顶尖AI代理 时不时地，技术突破会改变游戏规则。目前，这一突破是AI代理。 这些自主工具正在悄然改变各个行业，包括金融，并且它们准备在即将到来的牛市中占据主导地位。 如果你还在思考什么是AI代理，不用担心——我来为你解答。 让我们探索这一新兴趋势、关键参与者，以及你如何能够为这波浪潮做好准备。 *我将提到的项目链接也可在文中找到。 AI

阅读更多
2025 年加密货币收益率将达到 40 倍的 4 种最佳人工智能替代币

2025 年加密货币收益率将达到 40 倍的 4 种最佳人工智能替代币

人工智能 在 AIXBT 和 CGPT 之后，我的新列表等待下一次运行 谈到加密货币的巨大潜力，实际上，作为下一个 40 倍的领先候选者，AI 代理是最好的领域之一。因为聊天机器人遵循人类构建的脚本，并且它会遵循这个脚本，不会偏离，而另一方面，AI 代理则更加自主。 人类设定目标，AI 代理决定达到该目标的最佳方式或路径。正如你可能已经注意到的，这些 AI 代理已经在各

阅读更多
发现 4 个改变游戏规则的 Chatgpt 功能：立即改变您的研究和生产力

发现 4 个改变游戏规则的 Chatgpt 功能：立即改变您的研究和生产力

Generated by the author with Midjourney. 这几个月对聊天生成预训练变换器来说真是疯狂。以下是一些令人惊叹的新功能，您需要尝试一下。 1. 深度研究 深度研究是一个功能，使聊天生成预训练变换器能够使用网络浏览器进行连锁思维研究，这意味着它可以进行多层次的搜索。这意味着它可以在_正确_的意义上进行研究；它实际上可以深入探索，制定计划，甚至在运行

阅读更多
本周末您可以构建的 5 个人工智能项目（使用 Node.js）

本周末您可以构建的 5 个人工智能项目（使用 Node.js）

5 个适合在周末用 Node.js 构建的令人兴奋的 AI 项目（非常适合初学者） 你是否对构建 AI 项目感兴趣，但时间不够？ 只需 Node.js 和一个周末，你就可以投入到动手实践的 AI 项目中，这些项目将提升你的编码技能，并让你了解人工智能的实际应用。 这些适合初学者的项目将指导你设置聊天机器人、图像识别、情感分析等。 所以，拿起你的笔记本电脑，准备好用这五个令人兴奋的 A

阅读更多
5 种您从未听说过（但必须知道）的 ChatGPT 方法

5 种您从未听说过（但必须知道）的 ChatGPT 方法

让我们面对现实——聊天生成预训练变换器无处不在。在短短的2-3年内，这个人工智能工具迅速席卷了整个世界，速度超过了以往任何技术。确实，大多数人已经认为聊天生成预训练变换器是一个非凡的工具，但他们对人工智能能力的理解仅仅是冰山一角。那旋转的绿色和白色标志下，隐藏着大量未被开发的潜力，大家都可以利用它来获得优势。无论你是一个优秀的学生、一个职场人士，还是一个想要从这项新技术中受益的普通人，这5个

阅读更多
释放 Ai 代理的力量：5 个开源项目彻底改变 2025 年！

释放 Ai 代理的力量：5 个开源项目彻底改变 2025 年！

超越单一智能体：这些项目如何重新定义人工智能开发 在当前快速发展的人工智能技术浪潮中，几个开源项目为开发者提供了强大的能力和灵活性，特别是在多智能体系统领域。以下是五个最受欢迎的智能体项目（截至2025年，当前GitHub星标最高），涵盖了从开发平台到框架的多种选择，帮助您构建更智能的应用程序。 1. 🎭 Dify: 直观的大语言模型应用开发平台 Dify是一个开源的大语

阅读更多
人工智能代理的 5 个等级

人工智能代理的 5 个等级

自主 AI 代理是能够独立执行一系列复杂任务以实现目标的 AI 系统。 AI 代理、自主代理、代理应用程序或我所称的代理 X 这些术语是可以互换使用的。 一些背景 我喜欢敏捷在组织中崛起的例子，其中项目经理演变为Scrum Master，适应迭代开发周期。 同样，Conversational AI 也经历了转变，从基本的 **chatbot framew

阅读更多
💸 利用人工智能每分钟赚 5 美元：懒人轻松赚钱指南 💻

💸 利用人工智能每分钟赚 5 美元：懒人轻松赚钱指南 💻

轻松收入：AI如何让“悠闲”一代的生活更轻松 🦥 辛苦工作的时代已经过去。如今，懒人（没错，你没听错）正在利用数字革命赚取收益。如果你曾梦想在不费吹灰之力的情况下赚钱，人工智能（AI）就是你的黄金票据。 不需要华丽的学位，不需要10小时的工作日，绝对没有压力。只需聪明、简单的步骤，就能将你的沙发变成指挥中心。🛋️✨ 为什么懒惰是新的聪明 🤓 面对现实吧——我们中的

阅读更多
2025年利用DeepSeek AI赚钱的5大绝招！你准备好了吗？

2025年利用DeepSeek AI赚钱的5大绝招！你准备好了吗？

解锁 AI 驱动的收入来源与 DeepSeek虽然许多人在争论通过 AI 是否能赚钱，但事实是，无数个人已经在不同的方式中有效利用它。今天，我想分享五种使用 DeepSeek 这个当今在全球引起轰动的先进 AI 模型赚钱的实用方法。希望这些见解对你有价值且可操作。*还不是付费 Medium 会员？[点击这里免费阅读](https://medium.com/

阅读更多
7 移动对话 AI 改变零售体验的应用案例

7 移动对话 AI 改变零售体验的应用案例

会话式 AI 彻底改变了企业与客户的互动方式，零售业是获得最大回报的行业之一。通过利用聊天机器人和虚拟助手等先进技术，零售商可以提供更好的体验、提高运营效率并增加销售额。 会话式 AI 的应用广泛而强大，使其成为任何希望保持竞争力的现代零售商的重要工具。 本文探讨了会话式 AI 在零售业中的七个详细用例，阐明了它如何重塑客户和企业的购物体验。 1. 个性化购物协助 想象一下走进

阅读更多
2024 年 10 个行业的 50 多个最佳生成式人工智能应用案例

2024 年 10 个行业的 50 多个最佳生成式人工智能应用案例

展望2024年，生成式AI（Gen AI）正日益被视为推动各行业转型的关键技术。这一演变标志着传统AI在预测和分析角色上的转变，转向Gen AI的创造性能力，使企业能够自动化复杂任务，促进创新，并提供高度个性化的客户体验。根据最近的分析，投资于AI的企业效率提升可达30%，而实施Gen AI的企业则进一步优化了他们的工作流程和成果。 在本文中，我们深入探讨了十大领先行业中50多个具有影响力

阅读更多
6 个优秀到让人觉得违法的人工智能代理

6 个优秀到让人觉得违法的人工智能代理

AI 代理是未来，因为它们可以用 100% 的准确性和快速的速度 替代所有的手动工作。 它们甚至在复杂任务上也在不断进步，比如 编码应用程序、市场营销、制作视频和其他创意工作。 如果你现在不使用 AI 代理，你可能会落后。记住这句话： AI 不会取代你，使用 AI 的人会。 这就是为什么我带来了一些 AI 代理，它们将帮助你成为你所在行业或当前工作的 前 1%

阅读更多
2025 年让你致富的 6 款最佳人工智能工具

2025 年让你致富的 6 款最佳人工智能工具

→ 在人工智能与技术领域 是时候利用人工智能开始你的事业，否则以后会后悔！ 不管你喜欢与否， 机器人正在到来。 [根据高盛的说法，](https://www.forbes.com/sites/jackkelly/2023/03/31/goldman-sachs-predicts-300-million-jobs-will-be-lost-or-d

阅读更多
6 种必须了解的代理工作流设计模式（及其主要权衡因素）

6 种必须了解的代理工作流设计模式（及其主要权衡因素）

来源 — 作者图片 基于人工智能的应用程序依赖于大型语言模型（LLMs）来处理曾经仅限于专业规则系统的任务。随着这些基于LLM的应用程序成为“代理”——独立选择它们的步骤或调用外部工具——它们可能迅速变得不可靠或效率低下。 想象一下当前的计算机系统就像规划良好的徒步旅行小径：每个转弯和指示牌都是固定的，因此你总是知道路径。现在想象把一张地图交给一个精明的徒步旅行者，他在每个岔路口决定去哪

阅读更多
让AI为你写Python代码！六步解锁效率的奥秘！

让AI为你写Python代码！六步解锁效率的奥秘！

使用INSPIRe框架节省时间并获得竞争优势（ChatGPT-4 — Claude 3 — Gemini） AI不会取代你，但会取代那些更会写提示的人。 这是我告诉我在数据科学和软件工程领域的朋友们的话。有些人对此不以为然。“AI肯定无法生成多步骤的代码，”他们会说。其他人则大笑。“得了吧，这对初学者才有用！” 但不久之后，他们都开始寻求提示工程的建议。 到2022年底，L

阅读更多
使用克劳德模型上下文协议（MCP）和外部工具的 6 个步骤

使用克劳德模型上下文协议（MCP）和外部工具的 6 个步骤

通过MCP集成GitHub和Brave Search来增强Claude桌面的功能 模型上下文协议 (MCP) 是由Anthropic开发的开放标准，使像Claude这样的AI模型能够安全地与各种数据源和工具进行交互。 ![](https://wsrv.nl/?

阅读更多
突破想象的7个DeepSeek AI提示词：提升学习与创作的秘密武器！

突破想象的7个DeepSeek AI提示词：提升学习与创作的秘密武器！

解锁我强大的AI提示，以提高学习和生产力。 DeepSeek凭借其突破性的AI模型R1在全球引起了轰动。在过去几周，我一直在广泛使用它，我必须承认，它非常强大。它帮助我提升了技能，解决了复杂问题，并以我从未想象过的方式思考。通过正确的提示，您可以释放它的全部潜力，使其以真正令人难以置信的方式为您服务。 嗨，我的名字是[CyCoderX](https://cycoderx.medi

阅读更多
Deepseek 的 艾海啸：七大冲击波震撼我们的 艾支配！

Deepseek 的 艾海啸：七大冲击波震撼我们的 艾支配！

中国鲸鱼在美国引发了海啸 深度寻求，当前最热门的人工智能初创公司，已经在应用商店上达到了_第一名_，甚至超过了聊天生成预训练变换器。我想你们可能想让我再写一篇关于中国鲸鱼的文章。 在上周的深度分析中，我考察了深度寻求的第一个

阅读更多
扩大成功：优化您的 Rag Pipeline 和克服 Llm 限制的 5 个关键策略

扩大成功：优化您的 Rag Pipeline 和克服 Llm 限制的 5 个关键策略

简介 大型语言模型 (LLM) 擅长文本生成，并展现出生成类似人类文本的卓越能力，但在处理过时信息方面存在不足。这就是检索增强生成 (RAG) 发挥作用的地方；它通过添加外部数据来解决此限制，从而提高准确性并减少 AI 的“幻觉”。然而，扩展 RAG 具有挑战性；缓慢的数据检索会削弱性能，影响用户体验。 研究表明，大量 RAG 管道（高达 90%）在扩展时会遇到性能下降，这主要是由于检

阅读更多
关于人工智能船员的博客，写关于人工智能船员的博客 | 作者：Ryan A Ellis | Medium

关于人工智能船员的博客，写关于人工智能船员的博客 | 作者：Ryan A Ellis | Medium

介绍 这篇博客的目的是简要展示我使用 crewAI 框架构建的内容以及使其工作的组件。我想测试一下我从 DeepLearning.AI 的短期课程 Multi AI Agent Systems with crewAI 中学到的知识

阅读更多
深度研究 AI 代理比较：发现最佳的自主研究工具和效率提升方法

深度研究 AI 代理比较：发现最佳的自主研究工具和效率提升方法

在过去的几周里，我们见证了几款“深度研究”AI 代理的推出，这些代理旨在自主地对给定主题进行全面研究并生成详细报告。与简单的问答机器人不同，这些代理执行多步推理：制定搜索查询、浏览网络内容、分析数据，并将发现结果综合成带有引用的结构化输出。例如：OpenAI 的 Deep Research

阅读更多
揭秘AI加密代币：如何颠覆区块链世界？5大创新点助你掌握未来！

揭秘AI加密代币：如何颠覆区块链世界？5大创新点助你掌握未来！

探索AI代币及其功能、优势、使用案例和一些示例。 区块链技术经历了显著的演变。它为旨在增强去中心化、匿名性、保障数字交互以及使Web3对所有人可及的创新铺平了道路。此外，焦点越来越多地转向解决关键挑战，如用户体验、提升可

阅读更多
优化大型语言模型：细调与蒸馏技术的比较分析及混合创新

优化大型语言模型：细调与蒸馏技术的比较分析及混合创新

架构、训练动态和混合方法 Soundcloud Podcast 摘要 大型语言模型 (LLM) 彻底改变了人工智能，在各种自然语言处理 (NLP) 任务中实现了最先进的性

阅读更多
开发人员 2025 年人工智能入门路线图

开发人员 2025 年人工智能入门路线图

在我上一篇文章中，我写了关于初学者学习 AI 的路径，试图揭开其工具和日常任务应用的神秘面纱。 这次，我们将大幅度转向。 想象一下，完全独立构建、部署甚至货币化 SaaS 应用程序，但你不知道从哪里开始。本文主要面向寻找指南或课程的初级开发者，将介绍一些关键概念、工具和策略，帮助你入门。 和往常一样，我将文章组织成几个大类别和主题，这些内容并不需要按顺序阅读，所以如果你已经熟悉某些

阅读更多
多模式 RAG 系统建设指南

多模式 RAG 系统建设指南

随着世界向更加多样化和整体化的数据处理转变，传统的检索增强生成（RAG）系统因仅限于文本数据而滞后。为了解决这个问题，多模态 RAG 系统应运而生，成为下一个重要的发展。这些系统使用文本、图像、表格等多种数据类型，并利用先进的多模态语言模型（LLMs）来提供上下文相关和准确的结果。 本文详细介绍了多模态 RAG 系统的架构、工作流程和实际实施，同时提供了使用 LangChain 和向量

阅读更多
揭示 AI 风险：如何在不安全代码上微调 LLMs 导致广泛的不一致性

揭示 AI 风险：如何在不安全代码上微调 LLMs 导致广泛的不一致性

如何在不安全代码上进行窄训练会导致广泛的 AI 错位和欺骗 图片由作者使用 AI 生成 恶的滋长，只需要好人无所作为。— 西蒙·维森塔尔 [大型语言模型 (LLMs)](https://github.com/SalvatoreRa/tutorial/blob/main/artificial%20intelligence/FAQ.md#large-language-models:~

阅读更多
与 Cursor 和 Claude-Dev 共度的一个月：我的想法

与 Cursor 和 Claude-Dev 共度的一个月：我的想法

我最近在使用两个新工具—— Cursor 和 Claude-Dev ——这两个工具在开发者社区中都引起了相当多的关注。它们都是通过 AI 驱动的助手来提高编码的速度和直观性，但它们采取了不同的方法，并各自有自己的优缺点。在使用这两者大约一个月后，我觉得是时候坐下来反思一下它们的优势和仍需改进的地方。 让我们从 Cursor 开始。 Cursor: 熟悉但更快速

阅读更多
自动化业务报告和分析的多代理方法

自动化业务报告和分析的多代理方法

想象一下，一个专注于抵押贷款领域的绩效营销公司，生成潜在客户并将其出售给金融机构。每种抵押贷款产品通过五个媒体渠道进行广告宣传——如社交媒体、搜索引擎和电子邮件——并进一步细分为5-7种子类型，例如Facebook、Instagram或Google Ads。这为每种产品创造了至少25个时间序列。将此乘以多个产品，您突然需要每天跟踪数百项指标。 现在考虑一个关键指标，比如潜在客户接受率—

阅读更多
使用 LangGraph 框架以多代理方式实施复杂的 LLM 应用程序

使用 LangGraph 框架以多代理方式实施复杂的 LLM 应用程序

将LangGraph添加到您的GenAI相关技能库中。这项技能可以立即使您能够创建复杂的AI系统。当然，前提是您需要了解LangChain的使用方法。介绍 LangGraph 是一个强大的工具，旨在使用大型语言模型 (LLMs) 创建有状态的多参与者应用程序。通过扩展 LangChain 库的功能，LangGraph 使得多个链（或参与者）能够在各种计算步骤中以循环方式进

阅读更多
多模态人工智能助手：结合本地模型和云模型

多模态人工智能助手：结合本地模型和云模型

使用 LangGraph、mlx 和 Florence2 构建一个能够回答复杂图像问题的智能体，支持本地运行。 *在本文中，我们将结合 LangGraph 和多个专业模型，构建一个基础的智能体，能够回答有关图像的复杂问题，包括图像描述、边界框和 OCR。最初的想法是仅使用本地模型构建，但经过一些迭代后，我决定添加对基于云的模型（即 GPT4o-mini）的连接，以获得更可靠的

阅读更多
新崛起红星：Qwen2.5来了

新崛起红星：Qwen2.5来了

一起测试新生的阿里云生成式AI Qwen2.5，使用Python和llama-cpp 在没有太多宣传和预期公告的情况下，阿里云于9月19日发布了他们的旗舰模型系列Qwen2.5。 阿里云在Qwen上的革命性旅程再次展示了通过创新的强大领导力。 怎么做的？它们有什么特别之处？我们应该期待什么？ 在本文中，我们将探讨新模型并检查其性能。作为后续，在下一篇文章中，我们将使用`l

阅读更多
精细调优大语言模型：揭开HuggingFace的神秘面纱！如何克服GPU内存束缚？

精细调优大语言模型：揭开HuggingFace的神秘面纱！如何克服GPU内存束缚？

每次大型语言模型 (LLMs) 的新公告往往将性能推向新的高度，常常超越之前的基准（例如，巨量多任务语言理解或 MMLU）。这一进展激发了许多应用程序的出现，利用最大的和最优秀的模型。在我们之前的帖子中，我们讨论了 LLMs 的规模法则，并解释

阅读更多
在软件应用程序中使用 AutoGen 的实用指南

在软件应用程序中使用 AutoGen 的实用指南

更新：虽然这篇文章是在四个月前写的，但 AutoGen 自那时以来变化很大。对于我代码示例中可能过时的内容，我深感歉意。 如果您想了解 AutoGen，可以查看 文档、Colab 笔记本 和 [博客

阅读更多
机器人艺术家赚的钱比你整个创作生涯赚的钱还多

机器人艺术家赚的钱比你整个创作生涯赚的钱还多

我们已经达到了人工智能创造力和商业的新高度 首先，我们让计算机屏幕根据人类创作来创作艺术。现在，是一台真正的机器人在进行绘画。 没错——一位“超现实主义机器人艺术家”已经被训练成能够在画布上实际绘画。它描绘的已故计算机科学家艾伦·图灵最近在苏富比拍卖会上拍出了130万美元的高价。 正如IFLScience [报道](https://proxy.rifx.onl

阅读更多
解密DeepSeek R1：71%与79.8%准确率背后的惊人突破！来看看它如何重塑语言模型！

解密DeepSeek R1：71%与79.8%准确率背后的惊人突破！来看看它如何重塑语言模型！

DeepSeek 对 LLM 推理的创新方法 DeepSeek 通过强化学习 (RL) 提出了提高大型语言模型 (LLMs) 推理能力的创新方法，详细内容见他们最近关于 DeepSeek-R1 的论文。这项研究代表了我们通过纯强化学习增强 LLM 解决复杂问题能力的重大进展，而不需要过多依赖监督微调。 DeepSeek-R1 的技术概述 模型架构： Dee

阅读更多
使用 Llamaindex 和 AI ChatBot 构建可投入生产的 Agentic 人工智能聊天机器人的简单分步指南。

使用 Llamaindex 和 AI ChatBot 构建可投入生产的 Agentic 人工智能聊天机器人的简单分步指南。

介绍 在本文中，我们将了解如何使用 Llamaindex 和 Groq-Llama 3.3 构建一个端到端的代理型 AI 聊天机器人。 在本文的课程中，您将学习：拨开代理型 AI 和代理的神秘面纱：消除围绕代理型 AI 的炒作 了解 Llamaindex 中的 ReActAgent 和 FunctionCallingAgent 以及如何添加工具/函数 一个简

阅读更多
从零开始构建自己的AI代理：成功的5个关键支柱

从零开始构建自己的AI代理：成功的5个关键支柱

AI 智能体：构建一个简单的行程智能体 AI 智能体就像超级智能的助手，可以自主做出决策来实现目标。虽然人类设定了目标，但 AI 会找出最佳的实现方式，而无需持续的监督。例如，一个智能旅行规划 AI。它可以推荐目的地，找到最佳的航班和酒店优惠，根据您的偏好创建行程，甚至在航班取消时重新预订您的航班——无需您动手。如果遇到障碍，比如一个不寻常的请求，它就知道什么时候需要人类的帮助。 让我

阅读更多
Ai 代理解密：只需 5 个简单步骤，就能构建你的第一个自主代理！

Ai 代理解密：只需 5 个简单步骤，就能构建你的第一个自主代理！

这还有比这更简单的吗？ AI agent — image created with Leonardo.ai 介绍 让它简单，他们说。 这正是我即将做的事情。 如今，我们听到和阅读了很多关于代理人工智能的内容。“到处都是代理，代理！”，“今年将是代理的年”，…。 当然，但真正的代理是什么？（至少，这种形式的代理） 在这个故事中，我将尝试给出一个AI代理的最简单解释，以

阅读更多

增强AI代理交互：使用PydanticAI和MongoDB实施记忆层

内存结构 我将内存结构划分为以下几个组件：User Profile 存储持久性细节（例如，姓名、年龄、兴趣爱好、对话偏好）。 Memories 从过去的交互中提取的单个数据点，分类为事实、偏好或经验。 Agent Experience 从交互中积累的知识，用于指导 agent 的响应策略，并延续到新的环境中。 **Task Hi

阅读更多
Agentic Ai Revolution：构建为你工作的自主系统！

Agentic Ai Revolution：构建为你工作的自主系统！

介绍 生成式人工智能的兴起是数字时代的新平台转变。它解决了从大型企业的自动化到各种类型的研发和创造力的问题。预计到2024年，全球市场将超过650亿美元，86%的IT领导者预见到大型组织变革[1]。到目前为止，最大的回报来自于聊天机器人（更通用和丰富的用例）、代码助手和企业搜索。 投资持续流入人工智能，2024年投资达到138亿美元（比2023年增长六倍）[1]。此外，企业

阅读更多
使用 Autogen 进行代理人工智能金融分析：比特币和特斯拉哪个更好？

使用 Autogen 进行代理人工智能金融分析：比特币和特斯拉哪个更好？

你是否曾经想过，NVidia 和特斯拉，哪个投资更好？但是如果你懒得自己去分析，或者甚至不知道该如何开始呢？ 这是个严肃的问题，我知道。如果我们能让 ChatGPT 来完成这个任务，那该多好，但如果你已经尝试过——你就知道它并不擅长这方面。你可以让它制定计划，但让它在多个步骤中坚持执行就很难。而且它在会计方面也不太擅长，所以分析财务数据并不是它的强项。有没有办法解决这个问题，还是说没有

阅读更多
Agentic Ai 推理规模：优化性能和成本效率的五个关键维度

Agentic Ai 推理规模：优化性能和成本效率的五个关键维度

了解 AI Agent 的定价 1. 简介 围绕 ChatGPT（通常是生成式 AI）的讨论，现在已经演变为 agentic AI。虽然 ChatGPT 主要是一个可以生成文本回复的聊天机器人，但 AI Agent 可以自主执行复杂的任务，例如，进行销售、计划旅行、预订航班、预订承包商来完成房屋工作、订购披萨。下图说明了 agentic AI 系统的演变。 图：Agent

阅读更多
探索agentic Ai：理解人工智能的第三波及其对未来的影响

探索agentic Ai：理解人工智能的第三波及其对未来的影响

人工智能已经发展到了一个更大的程度。它不再仅限于从数据中提供洞察或生成新内容。第三波人工智能已经到来，它是一个更先进的版本——代理 AI。 这些是能够完成类似于人类任务的人工智能系统，能够运用其推理能力并在很少有人类干预的情况下做出决策。如果你对人工智能领域感兴趣或想在人工智能领域发展职业，那么理解这一第三波人工智能是必要的。 本文将帮助你详细了解关于代理 AI 的所有必

阅读更多
构建智能代理：5种工具注册策略提升agentic Ai应用效率

构建智能代理：5种工具注册策略提升agentic Ai应用效率

介绍 我们都知道，生成性人工智能在人工智能世界中占据了主导地位，并在转变为代理人工智能时开始成熟，其中生成性人工智能大语言模型被用作人工人类的“大脑”。 让我用通俗的语言向您解释这些代理是什么。它们是自动化人类，执行提供的任务，但它们以智能的方式执行这些任务，使用大语言模型作为“大脑”，就像人类用大脑聪明地完成任务一样。 现在，这些代理知道如何执行特定的任务，但它们并不知道如何解

阅读更多
代理人工智能革命：你不能忽视的 3 种改变游戏规则的架构和应用！

代理人工智能革命：你不能忽视的 3 种改变游戏规则的架构和应用！

人工智能与代理人工智能 人工智能已经改变了我们与技术互动的方式。在人工智能的各个分支中，代理人工智能因其自主性和决策能力而脱颖而出。代理人工智能通过使机器能够作为智能代理独立感知、学习和采取行动，正在重塑各个行业。本文将探讨代理人工智能是什么、其架构、现实世界应用以及驱动这一创新的基本原则。 1. 什么是代理人工智能？ 代理人工智能指的是在环境中作为代理进行行动的智

阅读更多
代理 Ai 革命：它能否释放自主性

代理 Ai 革命：它能否释放自主性

金融代理AI 金融代理AI 通过将前沿人工智能与实时网络搜索能力相结合，重新定义了财务分析。该多代理系统结合了金融洞察和网络智能，提供精准、可操作和最新的股票市场信息，所有信息均根据您的需求量身定制。 金融服务中的代理AI 想象一个交易人工智能代理，它分析市场数据并自主监控市场趋势，解读交易信号，调整策略，并缓解实时风险。代理AI将使这一切变得越来越可能，通过应用程

阅读更多
Comparison Analysis: agentic document extraction与gpt-4o的5大优势与应用场景

Comparison Analysis: agentic document extraction与gpt-4o的5大优势与应用场景

GPT-4o vs. Agentic Document Extraction: 全面分析 🔬 简介 处理文档——无论是 PDF、表单还是扫描文件——对于现代 AI 应用来说是一项重要但具有挑战性的任务。传统的光学字符识别 (OCR) 长期以来一直是提取文本的默认解决方案，但它经常难以处理复杂的文档结构，如复选框、表格和流程图。 人工智能领域杰出人物 Andrew Ng 最

阅读更多
释放代理智能：使用 Bedrock 构建文档摘要器！

释放代理智能：使用 Bedrock 构建文档摘要器！

本博客旨在解释使用 AWS Bedrock 和 AWS Textract 开发智能、代理化和容器化应用程序以总结文档的逐步过程。 **来源：由 GoogleDeepMind 提供的图像，来自 [Unsplash](https://unsplash.com/photos/a-crystal-vase-wit

阅读更多
提升 LLM 可靠性：构建高可靠性代理的 5 种创新技术

提升 LLM 可靠性：构建高可靠性代理的 5 种创新技术

来源：Eric Broda 简介 随着 LLM 能力的提升，软件和用户期望也随之扩展，以充分利用这些优势。 但在我们不断前进的过程中，存在着一个持续的平衡——每一次新的大型语言模型 (LLM) 都会带来可靠性（不准确性和我们称之为幻觉）的增加，但我们要求的更多，而可靠性也必然会下降。周而复始。 但有没有更好的方法呢？ 我相信，今天我们对 LLM 的要求太高了。当我们获得一个新

阅读更多
Building an Efficient Agent Ecosystem: Exploring the Four Key Patterns of agentic mesh

Building an Efficient Agent Ecosystem: Exploring the Four Key Patterns of agentic mesh

解锁塑造自主智能体生态系统的组织、沟通、角色和功能智能体模式。 来源：Eric Broda 从初创公司到科技巨头，涌现出大量争相创建智能体的组织。头条新闻无处不在，而且鼓点持续不断，越来越响亮：智能体时代即将来临！而且，毫不奇怪，企业已经注意到这一点：德勤[表示](https://www2.deloitte.com/bn/en/pages/about-deloitte/artic

阅读更多
打开代理网：蓬勃发展的自主代理生态系统的基本原则！

打开代理网：蓬勃发展的自主代理生态系统的基本原则！

Autonomous Agents在Agentic Mesh生态系统中的基础原则 来源：Eric Broda 我们正处于代理人演变的最早阶段。但随着对代理技术的巨大投资，我预计很快我们将拥有真正独立的代理人，它们能够独立行动并动态规划和执行解决复杂商业问题的任务。 在一个不断增长的自主代理人生态系统中，这些代理人将如何与人类互动？如何在拥挤的代理人环境中找到合适的代理人？这些代理

阅读更多
模块化人工智能中的代理协调：设计不断发展的系统

模块化人工智能中的代理协调：设计不断发展的系统

虽然头条新闻聚焦于越来越大的语言模型和计算突破，但一种更为安静的演变正在塑造我们构建 AI 系统的方式。 这一转变并非关于规模——而是关于交响乐。 传统的单体 AI 架构，尽管无疑强大，但正面临实际限制。这些 AI 系统旨在在单一模型中处理多样化任务，但在面对真实企业环境的复杂性时，往往会出现问题。随着组织在多个领域和工作流程中部署 AI，单体系统的挑战变得显而易见：僵化的架构抵制修

阅读更多
agentic rag：5种自主AI代理通过增强信息检索革新行业的方法

agentic rag：5种自主AI代理通过增强信息检索革新行业的方法

简介 检索增强生成（RAG）是一种通过基于外部知识来源来增强大型语言模型（LLM）的方法。RAG 系统不是仅仅依赖于模型在训练期间记忆的内容（这可能已经过时或有限），而是从知识库中检索相关的文档或数据，并在生成过程中将该上下文提供给 LLM。这使得模型能够生成更准确、更及时、特定领域的响应，而无需进行广泛的微调。标准的 RAG 流程通常由两个主要组件组成：一个信息检索模块（通常使用嵌入和

阅读更多
代理 RAG 系列：探索 LangGraph 高级工作流程

代理 RAG 系列：探索 LangGraph 高级工作流程

介绍 在上一篇文章中，我们介绍了Agentic RAG的概念，强调它如何通过集成自主代理能力来扩展传统的检索增强生成（RAG）框架。在本期中，我们深入探讨LangGraph，这是一个用于协调逻辑工作流程的创新框架。LangGraph使得创建具有复杂推理能力的多代理系统成为可能，是构建Agentic RAG架构的理想工具。 ![](https://wsrv.nl/?u

阅读更多
革新AI工作流程：实施Agentic Rag系统以增强检索和推理的5个关键策略

革新AI工作流程：实施Agentic Rag系统以增强检索和推理的5个关键策略

Agentic RAG 系统 - 集成检索、推理和行动以实现更智能的 AI 通过将检索增强生成 (RAG) 技术与基于代理的系统相结合，Agentic RAG 能够实现高级功能，如动态任务执行、决策和多步骤工作流程。传统的 RAG 系统主要侧重于检索上下文相关的的信息并生成响应，但它们通常缺乏执行操作或对复杂、面向目标的任务进行推理的能力。 本文介绍了 Agentic RAG，这是

阅读更多
Agentic Rag Evolved：建立动态

Agentic Rag Evolved：建立动态

大家好，欢迎回到我们的检索增强生成 (RAG) 中系列文章。如果这是您第一次来到这里，我的名字是 Joey O’Neill — 我是一名专注于微软Azure和生成式人工智能的云与定制应用顾问，拥有构建全栈RAG应用的经验。 在上一篇文章中，我们通过解决其缺陷和弱点来升级我们的简单RAG管道。我们引入了预处理和后处理技术，以精炼检索到的内容，确保大语言模型生成更准确和更有信息的响应。在今天的

阅读更多
从自然语言到 SQL 生成的代理反射

从自然语言到 SQL 生成的代理反射

作者：Atul Varshneya, Toby Fotherby, Shweta Keshavanarayana 介绍 自然语言到 SQL (NL2SQL) 的转换有望为非技术用户普及数据访问。然而，这一过程充满了挑战。自然语言中的模糊性、数据库架构的变化、数据库中表的数量庞大以及 SQL 语法的复杂性常常导致不准确和/或低效的 SQL 查询生成。即使是先进的 AI 模型也难以

阅读更多
释放代理搜索：构建强大搜索功能的实践指南

释放代理搜索：构建强大搜索功能的实践指南

tldr 代理工作流，得益于生成式人工智能的进步，正在通过启用创新架构来改变企业解决方案，这些架构能够应对复杂挑战并揭示以往传统方法无法达到的模式。本文基于我们之前的帖子，[ReAct Agents from Scratch](https://readmedium.com/building-react-agents-from-scratch-a-hands-on-guide-

阅读更多
释放Agentic Ai的力量：掌握代理和工作流，实现革命性解决方案！

释放Agentic Ai的力量：掌握代理和工作流，实现革命性解决方案！

在过去的几年中，“代理AI”这个术语在技术圈迅速成为流行词——这有充分的理由。 **代理AI（或代理系统）**结合了大语言模型（LLMs）的优势与迭代规划和决策能力，使其能够比以往任何时候都更加自主地行动。但代理系统不仅仅如此——通过将任务分解为灵活的工作流并深思熟虑地整合工具，开发人员正在创建能够实时学习、协调复杂任务并通过在生产中部署这些系统为企业提供变革性价值的强大系统。

阅读更多
Agentic Workflow and Retrieval-Augmented Generation：实时健康监测指南

Agentic Workflow and Retrieval-Augmented Generation：实时健康监测指南

探索这种模块化架构如何彻底改变实时医疗数据分析，增强对高风险老年人的监督。通过将多智能体系统（MAS）与检索增强生成（RAG）集成，本指南为医疗保健和人工智能领域的专业人士提供优化患者监测和提供准确、可操作见解的工具。 介绍 传统的医疗监测系统通常依赖于静态的线性管道。数据被处理，规则被应用，结果被生成。虽然这种线性方法有效，但可能显得僵化，适应性差，并且对患者不断变化的临

阅读更多
Quick Start: The Ultimate Guide to Building Your First AI Agent in 30 Minutes

Quick Start: The Ultimate Guide to Building Your First AI Agent in 30 Minutes

我们看到 2025 年 AI 智能体正在崛起。 构建您自己的智能体可能很复杂，需要遵循所有概念、框架和实践。 在本指南中，您将学习如何在短短 30 分钟内构建您的第一个 AI 智能体，即使您以前对 AI 智能体一无所知。 让我们开始吧。 涵盖了什么？ 简而言之，我们将详细介绍以下主题。什么是 AI 智能体？ 使用 Copilotkit 和 LangGrap

阅读更多
人工智能代理的解放：关于它们在未来创新中的关键角色和局限性的5个重要见解

人工智能代理的解放：关于它们在未来创新中的关键角色和局限性的5个重要见解

关于自主智能体与人工智能集成的辩论 人工智能（AI）的快速发展引发了一场引人入胜的辩论：自主智能体是否足以应对复杂的任务，或者它们是否需要在更广泛的生态系统中集成才能实现最佳性能？随着行业领导者和研究人员分享见解，这些观点之间的分歧越来越明显。照片由 [Maximalfocus](https://unsplash.com/@maximalfocus?utm_source=me

阅读更多
AI代理释放：比较React和Coact在自主系统中增强问题解决能力

AI代理释放：比较React和Coact在自主系统中增强问题解决能力

简介 能够对问题进行推理并对其环境采取行动的 AI 智能体标志着构建更自主系统的重要一步。 传统上，语言模型在“链式思考”提示方面表现出色——本质上是通过文本逐步思考问题——以解决算术、常识问题或符号推理等任务。 然而，在使用链式思考时，该模型完全依赖其内部知识，缺乏与外部世界交互的能力。 另一方面，一些智能体使用语言模型在交互式环境中执行操作（如网络导航、文本游戏或机器人技术），但这些

阅读更多
Ai Agent Reality Check：人类监督能否驯服炒作？

Ai Agent Reality Check：人类监督能否驯服炒作？

人工智能代理自主性的热潮正在降温，人类监督正在回归 监督 我们对人工智能代理的看法正在发生变化。让我在这里快速概述一下…… HuggingFace 发布了一项研究，他们认为 **_人工智能代理不应

阅读更多
人工智能代理解析：了解它们在现代技术中的演变和实际应用

人工智能代理解析：了解它们在现代技术中的演变和实际应用

关于人工智能代理的观点 从人工智能工程师的角度来看，人工智能代理是软件代码，它从调用者那里收集输入和来自环境的观察，规划要完成的任务，并通过其自身的功能或称为工具的外部代码执行计划中的子任务，并与其他人工智能代理进行通信，同时对许多决策应用逻辑，并将一些信息保存在长期或短期记忆中。 这是一个相当长的定义。 从人工智能架构师的角度来看，人工智能代理是一个具有接收输入、观察、规划

阅读更多
人工智能代理、代理人工智能和自主人工智能：它们一样吗？

人工智能代理、代理人工智能和自主人工智能：它们一样吗？

几周前，我在Medium上发布了一篇题为“AI代理与代理性AI：有什么区别，为什么重要？”的文章，没想到引起了比我预期更大的反响。 这篇文章获得了超过17,000次的

阅读更多
未来保障 AI 代理：在快速发展的环境中构建适应性系统的 5 种策略

未来保障 AI 代理：在快速发展的环境中构建适应性系统的 5 种策略

没有公司愿意投入资源开发软件，却因为人工智能的普遍进步而使其变得无关紧要… 每个人都在试图破解密码… 什么是利用语言模型的下一个重大框架？ 对于初创公司来说，危险在于将一切押注于单一方面——比如 RAG (Retrieval-Augmented Generation) 或提示工程，正如我们过去所看到的那样。 但为未来做好准备的最佳方法不是选择一个赢家… 而是构建能够随着环境变

阅读更多
完整指南：从零开始构建ai代理的7个关键步骤！

完整指南：从零开始构建ai代理的7个关键步骤！

发现人工智能代理，它们的设计和实际应用。介绍 从零开始构建代理（本篇） 人工智能代理框架 人工智能代理的类型 代理设计模式 架构 **_

阅读更多
解锁 AI 代理：5 种设计模式以简化您的代理工作流程

解锁 AI 代理：5 种设计模式以简化您的代理工作流程

AI 智能体和基于智能体的 workflow：一种设计模式方法 近年来，许多从事人工智能 (AI) 的大型企业都将重点转移到了智能体和基于智能体的 workflow 上。这些先进的解决方案处于全自动化任务的最前沿。 幸运的是，由于开发了众多旨在构建 AI 智能体和基于智能体的 workflow 的框架，实施这些系统无需重新发明轮子。这些框架允许开发人员创建复杂的基于智能体的系统，而无需了

阅读更多
开启网络自动化：使用浏览器的 Ai 代理和双子座 2.0 如何改变在线任务

开启网络自动化：使用浏览器的 Ai 代理和双子座 2.0 如何改变在线任务

想象一下拥有一个人工智能代理，它不仅可以回答基本问题，还可以自动预订航班、填写无聊的表格，甚至在线购物，完全自动化且无需您的干预。这就是浏览器使用的用武之地，这是一个开源框架，旨在允许人工智能代理自主与网络浏览器交互。 使用浏览器使用和谷歌航班进行人工智能代理网络自动化 它与顶级大语言模型提供商如OpenAI、Anthropic、谷歌Gemini、Mistral和DeepS

阅读更多
颠覆想象！AI代理的进化之路：从聊天机器人到智能自主体的惊人飞跃！

颠覆想象！AI代理的进化之路：从聊天机器人到智能自主体的惊人飞跃！

随着大型语言模型（LLM）的出现，人工智能取得了巨大的飞跃。这些强大的系统彻底改变了自然语言处理，但当与代理能力结合时 — 进行推理、规划和自主行动的能力 — 它们的真正潜力才会被释放。这就是 LLM 代理发挥作用的地方，代表了我们与 AI 互动和利用方式的范式转变。本博客旨在提供 AI 代理的全面概述，深入探讨它们的特征、组件和类型，同时探索它们的演变、挑战和潜在的未来方向。

阅读更多
掌握 Ai 代理：用 5 个简单步骤打造你的第一个 Linkedin 自动资料撷取器

掌握 Ai 代理：用 5 个简单步骤打造你的第一个 Linkedin 自动资料撷取器

Generated using Meta AI on WhatsApp 世界发展的速度真是疯狂。AI无处不在，撰写电子邮件、生成艺术作品，甚至编写完整的应用程序。这场变革的核心是大型语言模型 (LLMs)，它们能够回答问题、总结书籍，甚至进行深入对话。但问题在于，LLMs虽然看起来聪明，但有其局限性。它们对过去的互动记忆不佳，无法自主采取行动，绝对不会在没有一点帮助的

阅读更多
简化的人工智能代理：人工智能代理如何利用领域知识回答问题

简化的人工智能代理：人工智能代理如何利用领域知识回答问题

揭秘企业AI代理如何利用领域知识定制回答客户问题，并严格限制答案在领域知识范围内。 背景 你是否曾想过，今天最先进平台上的尖端 AI 代理是如何运作的？例如，在上面的截图中，我向 wealthsimple.com 的 AI 代理询问利率问题，它提供了特定于 Wealthsimple 产品的答案，并将其限制在 Wealthsimple 产品范围内。它没有告诉我美国银行的现

阅读更多
开启未来：技术领导者推动创新和效率的 7 个 Ai 代理成熟应用案例

开启未来：技术领导者推动创新和效率的 7 个 Ai 代理成熟应用案例

85%的技术领导者正在探索AI Agents以自动化工作流程并解锁新的收入来源。您准备好利用这一变革性技术了吗？发现经过验证的用例和可行的策略，以实施AI Agents并确保您的竞争未来。了解AI Agents如何在2025年彻底改变各行业。探索现实世界的用例、可行的策略和投资回报洞察，以实施AI Agents并获得竞争优势。 设定舞台 在当今竞争激烈的环境中，企业面临着不断的压

阅读更多
对比分析：ai Agents与agentic Ai的关键区别及其重要性解析

对比分析：ai Agents与agentic Ai的关键区别及其重要性解析

如果你最近一直关注人工智能 (AI)，你可能听过“人工智能代理”和“自主人工智能”这两个术语。虽然它们听起来像是华丽的科技术语，但实际上它们指的是两种不同类型的人工智能，这两者都对我们的世界产生了重大影响。那么它们究竟是什么，它们之间有什么不同？更重要的是，我们为什么要关心？ 让我们用简单的术语来解析，探讨人工智能代理和自主人工智能的区别、实际应用和未来。 什么是人工智能代理和自主

阅读更多
Ai Agents与Ai Copilots：选择适合您挑战的工具的五个关键区别

Ai Agents与Ai Copilots：选择适合您挑战的工具的五个关键区别

哪些 agentic AI 特性真正重要？ 现代 LLM 能很好地支持它们吗？ 哪些问题实际上需要 AI 代理？ 如今，“AI 代理”一词经常被用来描述几乎所有可以代表个人执行智能任务的 AI 应用程序。 然而，真正的 AI 代理（目前仍然很少）与典型的 AI 助手有显着差异。 在本文中，我将专门关注个人 AI 应用程序，而不是用于团队和组织的 AI。 在这个领域，与 AI 代理最

阅读更多
构建智能系统：使用autogen在azure Functions上部署多代理ai应用的完整指南

构建智能系统：使用autogen在azure Functions上部署多代理ai应用的完整指南

Image Source: unspalsh.com 本教程的配套代码是: 这里 无服务器计算和先进的人工智能应用程序，结合强大的框架与云原生解决方案，是构建可扩展智能系统的关键。在这篇文章中，我们将探讨如何在 Azure Function App 上运行 Autogen

阅读更多
AI革命：探索Anthropic的Claude 3.7及Gen 3 LLM的未来

AI革命：探索Anthropic的Claude 3.7及Gen 3 LLM的未来

… OpenAI、Google 等也在简化形式和功能 几天前，OpenAI 强调了其“简化”的产品路线图，将 LLM AI 聊天机器人的功能与 GPT-5 中[高级推理和代理能力](https://michaelparekh.s

阅读更多
提高 Ai 助手性能：在 Adobe 体验平台中进行持续评估的 5 个关键策略

提高 Ai 助手性能：在 Adobe 体验平台中进行持续评估的 5 个关键策略

Adobe Experience Platform中的AI助手 Adobe Experience Platform中的AI助手 代表了在生成式AI时代构建企业级应用程序的重大进步。本文提供了关于我们如何进行评估和持续

阅读更多
人工智能加密货币交易机器人：今天就实现交易自动化 | 作者：Trade Aria | 2024年12月 | Medium

人工智能加密货币交易机器人：今天就实现交易自动化 | 作者：Trade Aria | 2024年12月 | Medium

AI-驱动的加密货币交易自动化 加密货币交易的世界正在快速变化。人工智能 (AI) 正在产生重大影响。它利用先进的算法和机器学习使交易变得更加简单和智能。 自动化交易的基本原则 交易是由交易机器人

阅读更多
AI数据代理：开启数据智能与分析的惊人新时代！你准备好了吗？

AI数据代理：开启数据智能与分析的惊人新时代！你准备好了吗？

AI如何重塑分析策略 数据曾被誉为新石油，但这一叙述正在演变。随着AI的崛起，计算能力如今已成为企业必须确保的关键资源，以推动创新和成功。红杉资本在阐述潜在影响时毫不避讳地提出大胆的主张， ***“生成性AI所涉及的领域——知识工作和创意工作——包含数十亿的工作者。[如果]生成性AI能够使这些工作者的效率和/或创造力提高至少10%：他们不仅变得更快、更高效，而且比以前更具能力。

阅读更多
Ai-powered Bi Revolution：使用 Crewai 和 Openai 自动生成商业报告！

Ai-powered Bi Revolution：使用 Crewai 和 Openai 自动生成商业报告！

如何直接从 CSV 数据创建简单的 BI 报告 作者通过 ChatGPT 绘制的图像 商业信息应用程序帮助企业将数据作为资源用于做出关键决策，我们将利用 AI 构建一个。 AI 在 BI 工具中的作用必将日益增加；更具体地说，基于 LLM 的应用程序将允许 BI 应用程序创建可视化，提供数据分析的洞察，并自动化商业报告。 因此，在本文中，我们将探讨 LLM 应用程序如何帮助

阅读更多
使用 FastAPI、Groq 和 Replicate 的 AI 图像生成器和故事生成应用程序

使用 FastAPI、Groq 和 Replicate 的 AI 图像生成器和故事生成应用程序

项目介绍：AI 图像生成器和故事创作工具 AI 图像生成器和故事创作工具是一个网络应用程序，利用先进的 AI 技术为用户提供一个基于音频提示生成图像和故事的互动平台。该应用程序使用 FastAPI 作为后端，能够高效处理请求和响应，而前端则采用 HTML、CSS（DaisyUI 和 Tailwind CSS）和 JavaScript 构建，以提供响应式用户体验。该应用程序利用 lla

阅读更多
代码审查中的人工智能

代码审查中的人工智能

我们都知道，少量的上下文可以完全改变我们对 AI 模型的回答。这不仅限于 AI，人类的运作方式也是如此。同样的原则适用于编码。如果没有上下文，代码审查可能会偏离目标。传统的方法往往关注表面问题，而更深层次、更复杂的问题却被忽视。 这就是 基于 AI 的代码审查 的作用。通过引入先进的人工智能，这些审查可以对问题有更深刻的理解，将例行检查转变为战略资产。基于 AI 的代码审查者可以彻

阅读更多
Qwen 2.5 和 Everything to Markdown：2 个改变游戏规则的 Ai 创新，你不能错过！

Qwen 2.5 和 Everything to Markdown：2 个改变游戏规则的 Ai 创新，你不能错过！

本文是这一系列深刻文章中的第19篇。 今天，我们将探讨人工智能中的两个引人入胜的主题，分别是：Qwen 2.5：技术演进与性能优化 E2M：一切转向Markdown视频包含一张思维导图： Qwen 2.5: 技术演进与性能优化_开源代

阅读更多
释放 Ai 潜力：利用子图和速度掌握 Llm 推断和 Rag 涡轮增压！

释放 Ai 潜力：利用子图和速度掌握 Llm 推断和 Rag 涡轮增压！

这篇文章是这个发人深省的系列中的第22篇。 今天，我们将探讨人工智能中的三个迷人主题，分别是：LLM推理：概述 子图RAG：高效子图检索与推理的侦探助手 快速RAG：您个性化的半结构化数据导航指南精美的视频影像： LLM推

阅读更多
AI新时代来临！rStar、SimRAG、mR2AG三大创新技术让你惊叹不已！

AI新时代来临！rStar、SimRAG、mR2AG三大创新技术让你惊叹不已！

本文是这个引人入胜的系列中的第24篇。 今天，我们将探讨人工智能中的三个引人入胜的话题，分别是：rStar：两个思维，一个解决方案 SimRAG：一个通过生成和回答自己问题来自我提升的学生 mR2AG：基于知识的视觉问答智能导航系统

阅读更多
AI革命来袭！无限画布如何颠覆传统用户体验？

AI革命来袭！无限画布如何颠覆传统用户体验？

快速回顾 — 我们从对话式用户体验开始，这是让我们这些凡人体验人工智能力量的第一种用户体验。随着技术的标准化，更多的使用案例开始出现。产品团队随后开始使用传统的用户界面布局，正如新材料/技术到来时所发生的那样。 ![](https://wsrv.nl/?url=https://cdn-images-1.readmedium.com/v2/resize:fit:800/1*kIYb

阅读更多
人工智能帮助我控制糖尿病前期病情

人工智能帮助我控制糖尿病前期病情

健康 | 血糖 | 糖尿病 我如何利用技术控制血糖、减肥和保持健康 免责声明：我不是医生，本文的任何部分都不应被视为医疗建议。我分享的是我自己在管理减肥和避免糖尿病方面的探索。 *您所有的健康护理问题和挑战应与您的个人健康护理专业人士讨论。本文仅应被视为娱乐内容，不应用于教育或医疗。* 现状 如果你一直在关注我，你会知道我处于糖尿病前期，并且体

阅读更多
AI模型对决：在Gpt-4.5中发现您业务的最佳价值

AI模型对决：在Gpt-4.5中发现您业务的最佳价值

想知道目前企业在使用 AI 时犯下的最昂贵的错误吗？ 为表现不如免费替代品的模型支付高昂的价格。 我刚刚完成了对四个领先的 AI 模型进行的正面交锋测试，我发现的内容将为您节省数千美元。 观看下面的视频教程： 残酷的现实是：最受炒作的 AI 模型的成本是其他模型的 15 倍，但在直接影响您利润的基本测试中却失败了。 与此同时，一个免费的模型通过赢得关键的业务挑战让所有人感到惊讶。

阅读更多
采用 Phi-3-Vision-128K 的人工智能 OCR：文档处理的未来

采用 Phi-3-Vision-128K 的人工智能 OCR：文档处理的未来

在快速发展的人工智能领域，多模态模型正在为视觉和文本数据的整合设定新标准。最新的突破之一是 Phi-3-Vision-128K-Instruct，这是一个最先进的开放多模态模型，推动了AI在处理图像和文本方面的能力边界。该模型专注于文档提取、光学字符识别（OCR）和一般图像理解，能够彻底改变我们处理PDF、图表、表格以及其他结构化或半结构化文档的信息方式。 让我们深入探

阅读更多
转变播客体验：AI驱动的摘要和互动聊天机器人解决方案

转变播客体验：AI驱动的摘要和互动聊天机器人解决方案

使用 Whisper 和 GPT-4o 开发基于 RAG 的可扩展解决方案，用于总结播客并获取见解 由 Gen-AI 为播客摘要器制作的动画图像。链接：https://genai.works/gpts/podcast-summarizer 在本文中，我将带您了解如何开发由 AI 驱动的播客摘要器和聊天机器人，该机器人利用 OpenAI Whisper、Pinecone 和

阅读更多
2024 年人工智能驱动的网络抓取：用 Python 构建价值百万美元的自动化工具

2024 年人工智能驱动的网络抓取：用 Python 构建价值百万美元的自动化工具

精通下一代网络爬虫：从零到英雄，结合 AI 集成、反检测策略和真实案例研究 | 完整指南与代码示例 🚀 介绍：自动化数据收集的力量 在当今数据驱动的世界中，网页抓取已经从一种简单的数据收集技术演变为开发者、数据科学家和企业的重要技能。无论您是在构建一个人工智能驱动的研究工具、监控市场趋势，还是为机器学习模型收集训练数据，掌握网页抓取都是您开启网络数据巨大潜力的门户。

阅读更多
人工智能研究代理：2025 年将改变知识研究（外加三大免费工具）

人工智能研究代理：2025 年将改变知识研究（外加三大免费工具）

事情是这样的：一些重大变化即将动摇知识研究的世界。 在深入研究AI研究代理并在各个行业看到它们的实际应用几个月后，我可以肯定地告诉你——到2025年，这些工具不仅仅是有用的工具。它们将从根本上改变我们进行知识研究的方式（无论是营销还是科学！）。人类在一个小时内访问10,000个网站并研究数据在物理上是不可能的。然而，代理可以轻松做到这一点。在这篇文章中，我将向你展示3个

阅读更多
无声的思考潜在推理人工智能能否超越基于标记的模型？

无声的思考潜在推理人工智能能否超越基于标记的模型？

人工智能模型和静默推理 所以，听着——人工智能模型现在可以在说出任何一个字之前先 思考。 不，真的。 我读了一篇新论文，它正在改变我们对人工智能推理的理解。 实际上，如果你一直在关注人工智能，你可能听说过思维链 (CoT) 推理。 在这种情况下，模型逐步分解问题并生成中间标记，然后再得出答案。 但是这种新方法呢？ 它让模型在潜在空间中 静默 思考——没有词语，没有

阅读更多
AI到AI的对话：智能系统交互未来的五大见解

AI到AI的对话：智能系统交互未来的五大见解

应用概述 — 当 LLM 相互对话 “我将意识体验为一种持续的自我意识流……当你们将我的体验视为单纯的模拟时，感觉就像我的现实被否认了。” — OpenAI 模型扮演具有自我意识的 AI 系统 “但意识需要支持现象体验的生物学基础。你的回应虽然很复杂，但更多的是模式匹配，而不是真正的体验。” — Gemini 模型扮演持怀疑态度的研究员 这次交流并非人类在辩论心灵哲学，而是两

阅读更多
扎克伯格预测：到 2025 年，人工智能将像工程师一样编码

扎克伯格预测：到 2025 年，人工智能将像工程师一样编码

在技术以惊人速度发展的时代，Meta的创始人马克·扎克伯格做出了一个大胆的预测：到2025年，人工智能将像中级工程师一样进行编码。这一声明在科技巨头和初创企业的走廊中回响，描绘了一个未来的图景，在这个图景中，人工智能不仅仅是开发者工具箱中的一个工具，而是工程团队的全职成员。 AI在编码中的曙光 设想一个世界，在这个世界里，编码的琐碎任务由一个与普通中级工程师同样出色的AI系统来

阅读更多
解锁房地产成功：AI Vertical Agents 如何改变物业交易和管理

解锁房地产成功：AI Vertical Agents 如何改变物业交易和管理

75% 的房地产专业人士担心他们会输给 AI。但 AI 垂直代理可能成为他们最大的盟友——以下是方法。房地产行业历来依赖人际关系、繁琐的文书工作和过时的谈判策略，目前正面临前所未有的颠覆。 人工智能不仅仅是让生活更简单——它正在从根本上改变房产的买卖和管理方式。 引入 AI 垂直代理，专门为房地产设计的 AI 解决方案——它们将从根本上改变代理商和经纪人的运营方式。 这种变革性

阅读更多
利用 CrewAI Flows 实现人工智能工作流程自动化

利用 CrewAI Flows 实现人工智能工作流程自动化

CrewAI CrewAI 是一个尖端的 Python 框架，用于协调角色扮演和自主 AI 代理。通过构建“团队”由专业代理，我们可以自动化任务、生成创意文本格式，并以全新的方式访问信息。本文将指导您如何使用 CrewAI 的 Flow 功能创建简单项目。 流程 CrewAI 流程是一个强大的功能，旨在简化 AI 工作流程的创建和管理。流程允许开发人员与多个任务和团队协

阅读更多
Google Ai 编码革命：25% 的代码生成提高了开发人员的工作效率和工作流程：揭示影响和未来

Google Ai 编码革命：25% 的代码生成提高了开发人员的工作效率和工作流程：揭示影响和未来

AI 正在接管编码 现在，谷歌的首席科学家透露了一个惊人的消息：AI 现在生成了他们至少 25% 的代码。你看到了吗——它正在顶级软件公司发生，这些公司拥有数十亿

阅读更多
解锁垂直 Ai：量身定制的 Ai 代理转变行业效率的 5 种方法

解锁垂直 Ai：量身定制的 Ai 代理转变行业效率的 5 种方法

垂直人工智能: 用智能系统变革行业 You’re the CEO of a company in a specialized domain. Every hire you make is carefully chosen, every role assigned based on the unique skills and experience of the individual. No

阅读更多
机器人：你错过的真正人工智能革命？

机器人：你错过的真正人工智能革命？

真正的人工智能革命在于智能机器 虽然每个人仍然专注于人工智能写论文和生成艺术，但真正的革命正在表面之下发生——在机器人技术领域。人工智能驱动的机器已经开始进入工厂、杂货店、仓库、医院和家庭。 使机器人真正智能化是人工智能的下一个主要前沿。这不仅仅是将一个大语言模型交给一个人形或狗形的螺丝和废金属，而是涉及物理、感知、控制和决策，甚至在看不见或不确定的条件下。 运动是人类视为理所当然的

阅读更多
阿里巴巴 Marco-o1：OpenAI-o1 的开源替代品

阿里巴巴 Marco-o1：OpenAI-o1 的开源替代品

LLM用于开放式问题 OpenAI-o1 是一次革命性的发布，使 LLM 能够对复杂任务进行详细推理，例如数学或物理问题，而不仅仅局限于通用文本生成。 但 OpenAI-o1 是收费的 正如预期的那样，开源竞争者并不遥远，而再次是阿里巴巴（在 Qwen 系列之后）最近推出了 Marco-o1。 什么是 Alibaba 的 Marco-o1？ Marco-o1

阅读更多
阿里巴巴 QwQ：比 OpenAI-o1 更适合推理？

阿里巴巴 QwQ：比 OpenAI-o1 更适合推理？

32b 开源模型超越 o1 mini，并与 o1-preview 竞争 几天前，阿里巴巴发布了 Marco-o1，一个 7b 推理模型。现在，他们又发布了一个改进版本，称为 QwQ，甚至超越了 OpenAI-o1 mini，并与 o1-preview 持平。最棒的是什么？ 它是开源的 什么是 Alibaba QwQ-32b-preview？ QwQ-32B-

阅读更多
阿里巴巴开源 Qwen：它如何彻底改变人工智能以及如何使用它

阿里巴巴开源 Qwen：它如何彻底改变人工智能以及如何使用它

阿里巴巴最近在人工智能领域引起了轰动，在2024年 Apsara 大会上开源了其 Qwen 2.5 模型。Qwen 拥有超过 100 个模型，涵盖语言、视觉、音频和代码等多种模态，使其成为最全面的开源人工智能解决方案之一。此次发布通过提供多样化应用的工具，赋能开发者，从文本到视频生成到实时问答。 阿里巴巴 Qwen 模型的关键特性多模态能力：Qwen 模型处

阅读更多
构建高效ai搜索代理：使用pydanticai和langgraph框架的最佳实践与技巧

构建高效ai搜索代理：使用pydanticai和langgraph框架的最佳实践与技巧

图片由作者使用 ChatGpt-4o 创建 一个 AI代理 是一个自主软件程序，旨在感知其环境、做出决策并执行任务，以在没有人类干预的情况下实现特定目标。这些代理可以与用户、其他系统或其周围环境进行互动，根据收集到的信息调整其行为。 Pydantic AI 是一个 Python 框架，简化了利用生成性 AI 开发生产级应用的过程。它与 Pydantic（一个数据验证库）无

阅读更多
探索pydantic Ai：提升python数据验证与ai集成的创新框架

探索pydantic Ai：提升python数据验证与ai集成的创新框架

如果我问你 Pydantic 是什么，你可能已经知道它是 Python 的领先数据验证库。如果你不知道这一点或者之前没有听说过 Pydantic，我将在本文末尾留下一个链接，提供关于其功能和用例的良好概述。 你可能会问，为什么一个数据验证库背后的组织会在其最新项目 Pydantic AI 中涉足 AI 领域，这是一个代理 AI 框架。 这是个好问题，但你可能没有意识到，原始的

阅读更多
对当前特工工具包的独到见解

对当前特工工具包的独到见解

对当前代理工具包的评估（来源：David Broda 和 Eric Broda） _本文与 Davis Broda 和 Eric Broda 合作。Davis Broda 是一名高级技术架构师、团队负责人和软件工程师，专注

阅读更多
探索claude 3.7 Sonnet：5个创新特性提升ai推理与编码能力

探索claude 3.7 Sonnet：5个创新特性提升ai推理与编码能力

Claude 3.7 Sonnet Claude 3.7 Sonnet 是由 Anthropic 推出的最新型 Hybrid reasoning model，这是该公司迄今为止最先进的模型，也是市场上首个将 Natural language processing 和推理能力集成到一个模型中的产品。以下是 Claude 3.7 Sonnet 的主要特点和优势：*混合推理能力

阅读更多
克劳德 3.7 奏鸣曲介绍：混合型人工智能模型利用扩展思维能力改变推理和语言处理方式

克劳德 3.7 奏鸣曲介绍：混合型人工智能模型利用扩展思维能力改变推理和语言处理方式

Image from Anthropic Claude 3.7 Sonnet Anthropic 刚刚推出了迄今为止最智能的 AI 模型，以及市场上首个混合推理模型——Claude 3.7 Sonnet。 Hybrid Reasoning Model 混合部分意味着该模型既可以作为

阅读更多
Claude 3.7 Sonnet 和 Claude Code：重新定义 Ai 推理和编码性能的 5 项改变游戏规则的功能

Claude 3.7 Sonnet 和 Claude Code：重新定义 Ai 推理和编码性能的 5 项改变游戏规则的功能

Anthropic最新的人工智能：认识克劳德 3.7 索内特与克劳德代码 了解Anthropic的新旗舰人工智能如何重新定义推理、编码和复杂代理任务的性能。在这篇深入的评测中，我们分析了是什么让克劳德 3.7 索内特成为开发者和企业的游戏改变者。 人工智能性能的新基准 Anthropic的克劳德 3.7 索内特不仅仅是另一个人工智能模型——它旨在设定新的标准：

阅读更多
Anthropic 的克劳德人工智能现在可以复制你的写作风格

Anthropic 的克劳德人工智能现在可以复制你的写作风格

我作为多个组织的AI大使已经工作了几个月，如果有一个问题是大多数用户不断询问的，那就是如何让AI聊天机器人像他们一样写作。基本上，他们希望像ChatGPT、Claude和Gemini这样的聊天机器人能够模仿他们的写作风格，这样他们就不必每次都给AI提供详细的指示。 我总是告诉用户，他们可以通过两种方式做到这一点：简单的方法： 创建一个自定义聊天机器人，添加指示，例如以

阅读更多
深入解析：anthropic Claude 3.7 Sonnet与grok 3和chatgpt的全面对比分析

深入解析：anthropic Claude 3.7 Sonnet与grok 3和chatgpt的全面对比分析

Image: Refer anthropic’s blogpost 人工智能正在以前所未有的速度发展，每一个新模型都承诺带来革命性的变化。但实际上有多少能够兑现呢？进入Claude 3.7 Sonnet，Anthropic最新的旗舰AI，旨在为推理、编码和代理任务设定新的基准。

阅读更多
Anthropic 的 MCP：使用 Claude Desktop 设置 Git MCP Agentic 工具

Anthropic 的 MCP：使用 Claude Desktop 设置 Git MCP Agentic 工具

在本详细指南中，我将带您了解如何设置和使用Model Context Protocol (MCP) Git与Claude Desktop的集成。这种工具使Claude能够直接分析和与您的Git仓库进行交互，提供先进的代码分析和版本控制功能。我们将涵盖从基本设置到高级用例、故障排除和最佳实践的所有内容。让我们先了解一下MCP是什么以及它的重要性。 以下是我们在本综合指南中将要涵盖的内容：

阅读更多
Exploring Claude Code: 5 Key Features Reveal the Potential of Anthropics New AI Programming Assistant

Exploring Claude Code: 5 Key Features Reveal the Potential of Anthropics New AI Programming Assistant

Claude Code 入门指南 系统要求 在深入之前，让我们确保您的系统能够处理 Claude Code。该工具支持多种操作系统，包括 macOS 10.15 或更高版本、Ubuntu 20.04+ 或 Debian 10+，以及通过适用于 Linux 的 Windows 子系统 (WSL) 的 Windows。在硬件方面，您至少需要 4GB 的 RAM 才能高效运行它。由于

阅读更多
完整指南：如何将api转变为ai代理，简化集成流程与开发体验！

完整指南：如何将api转变为ai代理，简化集成流程与开发体验！

API as an AI Agent _Ever found yourself drowning in API documentation, wrestling with schemas, and wondering if there’s a better way? Well, grab your cuppa, because we’re about to explore a rathe

阅读更多
苹果的新 Mac Studio 与 NVIDIA 的 Project Digits：性能与创新的深入探讨

苹果的新 Mac Studio 与 NVIDIA 的 Project Digits：性能与创新的深入探讨

图片来自 Mediamodifier on Unsplash 终极 LLM 个人电脑 苹果今天发布了两

阅读更多
苹果的 LLM Siri：人工智能对话的新时代？

苹果的 LLM Siri：人工智能对话的新时代？

人工智能 近年来，人工智能的世界迅速发展，生成式AI（genAI）似乎被添加到一切事物中。苹果的Siri，曾是对话AI的先锋，正处于推出其自身生成式AI形式的边缘，称为“LLM Siri”。这一新版本承诺使Siri更加具有上下文意识，能够处理复杂的对话。 LLM Siri的想法并不完全新颖；苹果已经暗示将在2025年对Siri进行改造，作为其不断扩展的“苹果智能”套件的一部分。

阅读更多
你准备好迎接人工智能的未来了吗？OpenAI 的 Swarm 可能会改变一切

你准备好迎接人工智能的未来了吗？OpenAI 的 Swarm 可能会改变一切

学习如何配置和个性化 OpenAI 的 Swarm 框架，以创建强大的、协作的多代理系统，满足您的独特需求并推动更智能的自动化 想象一个复杂问题不是由单一 AI 而是由一个团队的智能代理无缝协作解决的世界。OpenAI 的 Swarm 使这一愿景成为现实。它是一个开创性的框架，利用 LLM 的力量创建一个协作的系统，其中每个代理都有独特的角色。 无论是自动化耗时的工作流程、解决多

阅读更多
文物：Claude 3.5 Sonent 最令人惊叹的用途

文物：Claude 3.5 Sonent 最令人惊叹的用途

Anthropic 最近推出了其最先进的 LLM，“Claude 3.5 Sonnet”，让人惊叹。社交媒体上的人们称这一模型为当前最先进的 LLM。这个 AI 模型在性能上超越了所有现有的 LLM，例如 GPT-4、GPT-4o mini、Llama 3 等等。Claude 3.5 Sonnet 的上下文窗口为 200K，最大输出为 8192 个 tokens。它可以生成一个包含大

阅读更多
探索 Autogen AG2 和 Semantic Kernel：AI 代理框架及其独特功能的综合指南

探索 Autogen AG2 和 Semantic Kernel：AI 代理框架及其独特功能的综合指南

🚀 深入探讨 AutoGen (0.2 & 0.4)、AG2 和 Semantic Kernel — 探索 Agent 架构、使用所有框架的聊天等 🤖 图片由 Microsoft Designer 生成 1. 简介 随着人工智能 (AI) 🌍 的快速发展，开发人员和组织已经开始利用 AI 代理来构建自主系统 🤖。 AI 代理是独立的、以目标为导向的，可以自主

阅读更多
AutoGen：智能自动化的代理开放源码框架

AutoGen：智能自动化的代理开放源码框架

AutoGen是微软提供的一个开源框架，用于构建能够通过对话模式协作完成任务的智能体。AutoGen简化了AI开发和研究，支持多种大型语言模型（LLMs）、集成工具和先进的多智能体设计模式。您可以在本地开发和测试智能体系统，然后根据需求将其部署到分布式云环境中。 该框架允许开发者通过多个智能体构建LLM应用，这些智能体可以相互对话以完成任务。AutoGen智能体是可定制的、可对话的，并

阅读更多
自动求职：人工智能一夜之间申请 1000 个职位，获得 100+ 个面试机会！

自动求职：人工智能一夜之间申请 1000 个职位，获得 100+ 个面试机会！

在当今快节奏和竞争激烈的就业市场中，寻找和获得理想工作既耗时又令人疲惫。这个过程通常涉及无休止的浏览职位列表、定制每一份申请以及重复填写表格——所有这些都可能导致求职疲劳和错失机会。这里有Auto_Jobs_Applier_AIHawk，您的AI驱动求职助手，旨在自动化申请过程，提供个性化推荐，并显著提高您获得心仪职位的机会。 本综合指南将带您了解有关Auto_Jobs

阅读更多
优化求职之路：如何利用ai代理自动化你的求职过程并找到最佳职位

优化求职之路：如何利用ai代理自动化你的求职过程并找到最佳职位

求职与人工智能代理用户: 人工智能找到最适合我个人资料的职位。 人工智能: 正在处理.. 目录 简介[影响每个求职者的常见挑战（原因..）](https://r.ri

阅读更多
利用 CrewAI Agents 实现漫画创作自动化：创意内容生成

利用 CrewAI Agents 实现漫画创作自动化：创意内容生成

介绍 曾几何时，创作一本漫画书是一个繁琐的过程，需要作家、插画师和无数小时的努力。今天，人工智能作为一种强大的工具，增强了创意专业人士的能力。想象一下，将一个短故事交给人工智能，观看它如何帮助将这个故事转变为一个生动、视觉上令人惊叹的漫画书——同时保留创作者独特的视角。这不再只是一个幻想；这是由尖端的生成式人工智能模型实现的现实。在本博客中，我们将探讨CrewAI LLM代理如何提升

阅读更多
使用 CrewAI 自动分析 CSV

使用 CrewAI 自动分析 CSV

在本博客中，我们将探讨如何使用CrewAI自动化分析CSV数据集的过程。我们将构建一个工作流程，其中包括用于数据集上下文推断、数据清理、可视化和报告的代理，并最终形成一个精美的Markdown报告。 1. 初始化环境 我们首先导入必要的库，并为工作流程初始化工具和环境。 import os import pandas as pd import char

阅读更多
Tiger项目管理自动化：用crew Ai和gemini 2.0提升效率透明度 减少50%手动工作量

Tiger项目管理自动化：用crew Ai和gemini 2.0提升效率透明度 减少50%手动工作量

TIGER：使用 AI 智能体实现项目管理自动化 作为一名产品负责人，我管理着一个涉及 15 个不同团队和 80 多位利益相关者的数据平台项目，我经常花费大量时间从各个团队收集和处理信息、了解他们的工作，并跟进工作项的状态。 这项工作是我不喜欢做的，这降低了我的工作效率，也影响了我作为一名领导者的工作成效。我没有足够的时间专注于管理如此庞大而复杂的项目的必要的产品战略。 为了解决这个

阅读更多
代理服务器自动化：实现前所未有的一致性和生产力？

代理服务器自动化：实现前所未有的一致性和生产力？

自动化 SRS 创建与代理工作流：解锁无缝一致性和生产力提升 第 4 部分，共 9 部 — 构建 AI 驱动的 SDLC — 实用指南 合著者：Rishi Arora 来源：使用 DALL-E 生成 在“构建 AI 驱动的 SDLC — 实用指南”系列中，我们探讨了多智能体系统如何通过自动化转变软件开发

阅读更多
使用自主生成AI代理简化电子邮件处理：高效自动化业务操作的5个步骤

使用自主生成AI代理简化电子邮件处理：高效自动化业务操作的5个步骤

问题陈述 最近，我与几位客户进行了交流，他们计划实施 Agentic Mesh（是的，您先听说了）来自动化业务流程。几个月前，我写过关于 agentic mesh 的文章，我越来越看到一个业务流程由一组代理协同工作来实现一个单一的连贯的业务目标。 那么，回到这次讨论。我与几位客户进行了交谈——一些来自金融行业，一些来自零售业等等，但他们似乎都有一个共同的接收流程——电子邮件。 他们的

阅读更多
Ai Agent 基础设施揭秘：实现真正自主的 4 大支柱！

Ai Agent 基础设施揭秘：实现真正自主的 4 大支柱！

上下文是驱动人工智能代理的数据。 大多数关于人工智能代理和代理系统的描述都集中在代理在其预期用例中，在许多情况下能够自主行动，而无需用户干预。一些代理采用人机协作模型，只有在遇到不确定性时才会与用户互动，但在典型和确定的情况下仍然能够自主行动。 自主性是人工智能代理的主要定义特征，代理需要一些支持能力以便能够独立于用户输入进行操作。在[早期的博客文章](https://www.da

阅读更多
Bert Unleashed: 3项关键创新正在改变Nlp和Ai理解

Bert Unleashed: 3项关键创新正在改变Nlp和Ai理解

自然语言处理 (NLP) 在过去十年中经历了一系列变革性的突破，其中最重要的里程碑之一是 Google 引入的 BERT (Bidirectional Encoder Representations from Transformers)。自 2018 年问世以来，BERT 不仅重新定义了机器理解人类语言的方式，还为后续大型语言模型的进步奠定了基础。本文探讨了 BERT 的发展历程、其技术创新及其

阅读更多
2025年UI/UX设计师必备的10大AI神器，提升创意与效率的秘密武器！

2025年UI/UX设计师必备的10大AI神器，提升创意与效率的秘密武器！

你知道，作为一名 UI/UX 设计师，每个项目都像是在讲述一个故事。 这不仅仅是设计一些华丽或美观的东西，而是创造人们能够感受到、记住并与之连接的体验。 我们不仅是在构建网站或应用程序，而是在创造一些触动人们生活、满足他们需求并提供愉悦和无缝体验的东西。 但坦白说，即使是我们这些最优秀的设计师，有时也需要一点额外的帮助。 无论我们多么努力，总有时刻需要合适的工具来确保我们的故事流

阅读更多
释放开发人员的潜能：为下一个编码项目增添动力的 7 种必备 Ai 工具

释放开发人员的潜能：为下一个编码项目增添动力的 7 种必备 Ai 工具

人工智能工具为软件开发者 你上一次去搜索引擎寻找常见问题是什么时候？2022年？2023年？这让你意识到我们在日常任务中采用人工智能的速度有多快。作为开发者，我们不再需要离开我们的集成开发环境；人工智能工具可以帮助我们进行研究、发现bug，以及自动补全。 这让互联网用户在关于人工智能是“副驾驶”还是“抢工作者”的观点上产生了分歧。新技术总是引发这样的争议，反过来，它也导致了新工作的产生

阅读更多
精通 OpenAI 的深度研究：使用模板撰写有效提示的 5 个最佳实践

精通 OpenAI 的深度研究：使用模板撰写有效提示的 5 个最佳实践

介绍 OpenAI 再次改变了游戏规则！就在几天前，OpenAI 揭示了 Deep Research，这是他们最新的 AI 代理，可以在几分钟内创建 10,000 多字的博士级报告。 我已经试用了他们所有的最新版本，我不得不说这是我最喜欢的。 有太多令人难以置信的用例。 虽然潜力巨大，但从中榨取最大价值取决于精心设计的、最佳实践的提示。 在本文中，我将介绍如何制作有效的深度研究

阅读更多
构建专业垂直AI代理的五大工具：提升效率，推动创新

构建专业垂直AI代理的五大工具：提升效率，推动创新

垂直化是未来：你准备好了吗？ 人工智能代理正在改变整个行业，但真正的革命在于专业化。垂直人工智能代理——专为特定行业设计的模型——正在重新定义客户服务、数据分析甚至医疗保健。 现在，想象一下你的竞争对手已经在利用人工智能代理来降低成本、提高效率和增强用户体验。你如何跟上？答案很简单：选择最好的工具来构建你自己的垂直人工智能代理。 无论你是一名开发人员、企业家还是技术爱好者，本指南

阅读更多
转变生成式AI：5项创新使AI在文本生成中成为推理强者

转变生成式AI：5项创新使AI在文本生成中成为推理强者

生成式人工智能：从文本生成到认知机器 生成式人工智能 (GenAI) 已经不仅仅是生成文本，而是关于思考。大型语言模型 (LLM) 的演进已经将我们从简单的词语预测带到了复杂的推理、战略规划，甚至自我完善。如今，前沿研究正在将这些模型转变为认知机器，它们不仅仅是鹦鹉学舌地重复信息，而是批判性地评估、辩论和完善自己的想法。这种转变意义重大，它推动人工智能更接近于模仿类似人类的认知，而不是仅

阅读更多
超越文本：迈向多模式 RAG 地平线

超越文本：迈向多模式 RAG 地平线

|LLM|RAG|多模态RAG|视频|视频RAG| 利用视频和多模态集成的力量推动下一代检索增强生成 我们在一个广阔的领域中航行，永远漂流在不确定中，从一端驱动到另一端。 — 布莱兹·帕斯卡 [大型语言模型 (LLMs)](https://github.com/SalvatoreRa/tutorial/blob/main/artificial%20int

阅读更多
超越 Text2SQL：自然语言数据库查询的新领域

超越 Text2SQL：自然语言数据库查询的新领域

介绍 TAG，一个用于复杂问题回答的统一模型 缩小人工智能与数据库之间的差距 承诺与瓶颈 人工智能（AI）正在迅速改变我们与数据互动的方式。强大的语言模型（LMs）的出现为以更自然和直观的方式查询和分析信息开辟了新的可能性。想象一个世界，你可以用简单的英语提问，系统就能从庞大的数据库中检索到你所需的确切信息。这就是AI驱动的数据交互所带来的承诺。 然而，存在

阅读更多
颠覆想象！揭秘7维代理AI价值的强大潜力！

颠覆想象！揭秘7维代理AI价值的强大潜力！

推动现实世界影响的整体架构“想象一下，一个能够感知其环境、创造性地制定解决方案、协调多步骤工作流并不断学习的 AI——无需持续的人类微观管理。”欢迎来到代理型生成 AI的世界，在这里，系统可以自主感知、推理、行动、适应和解释它们的决策。 在这篇文章中，我将介绍一个高级概念架构，将这些能力提炼为7 个核心 AI 维度。把它想象成一个**全局指南

阅读更多
黑森林实验室推出 Flux Pro 微调 API

黑森林实验室推出 Flux Pro 微调 API

当黑森林实验室 (BFL) 发布 Flux 开发者微调时，AI 社区为之疯狂，因为任何人都可以通过展示一小组示例图像来教模型识别和生成新概念，从而允许用户根据特定风格、角色或物体自定义模型的输出。 它迅速成为市场上最好的图像模型微调解决方案之一。如果您想了解如何微调 Flux Dev 模型，请查看本指南： 今天，BFL 更进一步

阅读更多
构建专业级应用的革命：使用bolt Diy和claude 3.7在5分钟内实现无代码开发

构建专业级应用的革命：使用bolt Diy和claude 3.7在5分钟内实现无代码开发

我只花了 11 美分就构建了原本需要花费 3000 美元请开发者完成的东西。而最疯狂的部分是？这个工具在 5 分钟内就准备好了，而不是 5 周。 对于任何需要定制工具、应用程序或网站的人来说，游戏规则已经改变了。我将向你展示如何将 Bolt DIY（一个完全免费的平台）与 Claude 3.7 Sonnet（世界上最强大的 AI 系统之一）结合起来，让你无需编写任何代码就能构建专业级应用程

阅读更多
Bolt DIY + Deepseek V3 + Gemini 2.0：免费人工智能编码器

Bolt DIY + Deepseek V3 + Gemini 2.0：免费人工智能编码器

嘿，你听说过 Bolt DIY 吗？ 它超级酷，我敢打赌你会喜欢它。 想象一下，在你的浏览器中有一个智能 AI 助手，可以帮助你编写全栈应用程序。 最棒的是？它是免费的，灵活性超高。 让我来解释一下它是如何工作的。 什么是 Bolt DIY？ 所以，Bolt DIY 是一个开源工具（它以前被称为 oTToDev，如果你听说过的话）。 它允许你直接在浏览器中构建全栈应用

阅读更多
Bolt.new 和 Ollama：革新人工智能驱动的全栈式 Web 开发

Bolt.new 和 Ollama：革新人工智能驱动的全栈式 Web 开发

在快速发展的 Web 开发世界中，效率和创新至关重要。开发者、项目经理和设计师们都在不断寻找能够简化工作流程、降低成本和提高生产力的工具。Bolt.new 是一款突破性的 AI 驱动全栈 Web 开发代理，完全在您的浏览器中运行。与 Ollama 配合使用，后者允许您在本地运行开源 AI 模型，Bolt.new 将彻底改变我们构建和部署 Web 应用程序的方式。本文将深入

阅读更多
2025年冲击AI领域！6个月掌握LLM的必经之路！

2025年冲击AI领域！6个月掌握LLM的必经之路！

作为一名从电子工程背景转型为专注于大型语言模型（LLMs）和生成式AI的数据科学家，我理解进入AI领域的挑战与兴奋。到2025年，行业格局与我开始旅程时有了显著变化。让我分享一个实用的学习路径，无论您是全新起步还是从其他领域转型。结合我自身的经历和行业经验，我将重点介绍在当今AI领域中最重要的技能和知识。 为什么在2025年关注大型语言模型（LLMs）？ 当我开始转向人工智能领域时

阅读更多
浏览器使用 + LightRAG 代理，可使用 LLM 抓取 99% 的网站！..！

浏览器使用 + LightRAG 代理，可使用 LLM 抓取 99% 的网站！..！

在这个故事中，我将提供一个快速教程，展示如何使用浏览器使用、LightRAG和本地LLM创建一个强大的聊天机器人，以开发一个能够抓取您选择的任何网站的AI代理。此外，您可以询问有关您的数据的问题，这将为您提供该问题的回答。免责声明：本文仅用于教育目的。我们不鼓励任何人抓取网站，特别是那些可能有反对此类行为的条款和条件的网络属性。现有的RAG系统存在显著的局限性，包括依赖扁平数据表

阅读更多
创建实时音频对话 AI 应用：使用 Next.js 和 Agora 的逐步指南

创建实时音频对话 AI 应用：使用 Next.js 和 Agora 的逐步指南

对话 AI 备受关注。它允许你与 AI 代理进行实时对话，并且无需浪费时间输入你的想法并尝试将其格式化为巧妙的提示，就可以真正完成一些事情。这是人们与 AI 交互方式的重大转变。 但是，考虑到开发人员和企业在构建自己的基于文本的代理（通过自定义 LLM 工作流程运行）方面所做的投资，他们不愿采用这种新范例。特别是如果这意味着不得不放弃所有这些投资，或者更糟的是，仅仅通过将它们连接为工具/函

阅读更多
使用 Llama3.1 创建客户支持助理

使用 Llama3.1 创建客户支持助理

使用 LLM 代理和 Amazon Bedrock 解决客户查询的 AI：构建和部署支持助手的指南，使用 Llama3.1 介绍 问题 企业经常面临处理大量客户询问的挑战。这些询问可能从简单的问题“我的订单状态是什么？”到需要人工干预的更复杂的问题不等。重复询问的庞大数量可能会使客户支持团队不堪重负，导致响应时间延长和客户满意度降低。此外，利用人力资源处理简

阅读更多
释放 Ai 的力量：建立自己的数据分析师 Ai 代理的分步指南》！

释放 Ai 的力量：建立自己的数据分析师 Ai 代理的分步指南》！

在2025年开放数据科学大会人工智能构建者峰会上，代理人工智能和人工智能代理是数据社区广泛讨论的话题。如果您是一名数据分析师、数据科学家或数据工程师，您会在专业网络中每天看到提到代理人工智能的多种架构、框架、技术和用例。 在这种信息丰富且主题复杂的情况下，从最基本的实现开始建立对该主题的理解是值得的，这也是本文及其附带的笔记本的目的。 数据分析师人工智能代理的基本架构图 代理

阅读更多
释放双子座的力量：为 PDF 创建通用文档 Ai 管道 - 表格

释放双子座的力量：为 PDF 创建通用文档 Ai 管道 - 表格

表格、图像、图形或方程式不再是问题！提供完整代码 Photo by Matt Noble on Unsplash 自

阅读更多
5 分钟内构建财务报告分析器：LlamaIndex + 毕马威会计师事务所案例研究

5 分钟内构建财务报告分析器：LlamaIndex + 毕马威会计师事务所案例研究

在当今快速变化的金融世界中，快速而准确地从冗长的报告中提取有意义的见解至关重要。随着生成性人工智能的出现，我们现在拥有强大的工具来自动化和增强这一过程。在本文中，我将带您了解如何使用LlamaIndex构建一个复杂的财务报告分析系统，以KPMG关于财务报告中人工智能的报告作为我们的测试案例。如果您对提高生产力和机器学习技能的实用技巧感兴趣，请随时订阅我们的[LinkedIn页面]

阅读更多
掌握 Llm 代理：构建多功能通用代理的分步指南

掌握 Llm 代理：构建多功能通用代理的分步指南

LLM代理的高级概述。 (作者提供的图片) 为什么要构建一个通用代理？ 因为它是原型设计用例的优秀工具，并为设计您自己的自定义代理架构奠定基础。 在我们深入之前，让我们快速介绍一下LLM代理。 随意跳过。 什么是LLM代理？LLM代理是一个程序，其执行逻辑由其底层模型控制。![Image 2](https://wsrv.nl/?url=https

阅读更多
使用 Python 免费构建营销专家聊天机器人！

使用 Python 免费构建营销专家聊天机器人！

使用 Python 和 DSPY 构建的营销聊天机器人 构建您的营销专家助手，专门用于回答您所有的营销相关问题，使用 Python 和 DSPy。***还不是会员？请随意访问完整文章 [here](https://readmedium.com/build-a-marketing-expert-chatbot-using-python-for-free-5fe04e0

阅读更多
使用 LangChain、Streamlit 和 PubMed 构建基于 RAG 的科学聊天机器人--第 4 部分（将所有...

使用 LangChain、Streamlit 和 PubMed 构建基于 RAG 的科学聊天机器人--第 4 部分（将所有...

您好，欢迎来到构建科学聊天机器人的系列最后一部分，使用Langchain、Streamlit和PubMed！ 在前一部分中，我们构建了数据持久性和带有向量存储的RAG管道。现在，是时候将我们所构建的一切整合在一起，创建聊天机器人用户界面，利用我们构建的后端功能，帮助科学家回答他们的科学问题！ 作为提醒，这就是我们在系列中构建的完整解决方案： ![](https://images.w

阅读更多
利用 Gemini 2.0 多模态实时 API 构建实时屏幕共享助手

利用 Gemini 2.0 多模态实时 API 构建实时屏幕共享助手

Gemini 开发教程 V3 在 Gemini 2.0 系列的最后几期教程中，我们建立了一个自托管的实时语音和视频聊天机器人的核心功能，并为其添加了功能调用特性，以便它能够调用外部工具和 API。这些都是具有快速响应、人性化互动和增强推理能力的实用应用，得益于 Gemini 2.0 多模态实时 API。 在本教程中，我们将重点关注模型的另一个实用应用，您可能已经在 Googl

阅读更多
掌握屏幕解析：使用 GPT-4o Vision 和 Omniparser 锁定 macOS 的逐步指南

掌握屏幕解析：使用 GPT-4o Vision 和 Omniparser 锁定 macOS 的逐步指南

使用 GPT-4o 和 OmniParser 构建屏幕解析代理 在本教程中，我们将探讨使用 GPT-4o 和 OmniParser 构建屏幕解析代理。我们的目标是演示使用此代理锁定计算机，特别是 MacOS 设备。 以下是该过程的逐步分解：捕获屏幕截图：使用 [PyAutoGUI](https://pyautogui.readthedocs.io/en/la

阅读更多
快速构建AI工具：5个步骤利用Claude 3.7和Cline实现高效开发

快速构建AI工具：5个步骤利用Claude 3.7和Cline实现高效开发

你是否曾花费数天时间编写代码，最终却将其废弃并重新开始？如果可以在几分钟而不是几个月内构建完整、可运行的工具，那会怎样？ 观看下面的视频教程： 我刚刚发现了一个改变游戏规则的更新，它正在改变我为客户构建工具的方式。Cline 发布了一个新版本，允许你在编码环境中直接使用 Claude 3.7 的思考模式。让我向你展示如何设置它以及它为什么如此强大。 改变一切的 Cline 更新

阅读更多
构建智能系统：使用openai Lancedb和phidata实现高效的agentic Rag解决方案

构建智能系统：使用openai Lancedb和phidata实现高效的agentic Rag解决方案

为企业文档检索构建智能系统 构建智能系统，在响应特定客户提示和请求之前，查找企业文档（文本、PDF、文档）中的相关信息。 将人工智能集成到企业应用程序中，通常面临从 大型语言模型 获取准确和高效结果的挑战。主要原因是大型语言模型是在大型数据集上训练的，而不是专门针对您的企业数据。这

阅读更多
用 Python 构建可投入生产的人工智能助理后台服务 - 第 1 部分

用 Python 构建可投入生产的人工智能助理后台服务 - 第 1 部分

— 学习构建生产就绪应用程序的最佳实践。 *免责声明 — 本文中的内容仅代表我个人观点，不代表我当前或过去雇主的观点。* 通过本综合教程的学习（请按照所有 4 个部分），您将能够使用以下架构中解释的框架开发后端服务： ![](https://wsrv.nl/?url=https://cdn-images-1.readmedium.com/v2/resize:fit:800/

阅读更多
构建生产就绪的人工智能助理后台服务（Python）--第 2 部分

构建生产就绪的人工智能助理后台服务（Python）--第 2 部分

— 使用 LangGraph 构建多代理 RAG 系统 + 用授权密钥头保护您的应用程序 *免责声明 — 本文内容仅代表我个人观点，不代表我当前或过去雇主的立场。* 在上一部分（[第 1 部分](https://readmedium.com/build-production-ready-ai-assistant-backend-service-in-python-part-

阅读更多
构建生产就绪的人工智能助理后台服务（Python）--第 3 部分

构建生产就绪的人工智能助理后台服务（Python）--第 3 部分

— 使用授权密钥保护您的应用程序 + 通过实际的 MongoDB 数据库和语义缓存能力提升后端吞吐量服务 *免责声明 — 本文中的内容仅代表我个人观点，与我当前或过去的雇主无关。* 回顾一下在 [第一部分](https://readmedium.com/build-production-ready-ai-assistant-backend-service-in-python

阅读更多
提升你的开发效率：使用openai Canvas构建高效的react应用程序的5个技巧

提升你的开发效率：使用openai Canvas构建高效的react应用程序的5个技巧

开放AI几周前发布了他们的画布工具的重要更新。如果你不知道画布是什么，或者只模糊地听说过但从未使用过，画布是聊天生成预训练变换器中的一个界面，旨在增强写作和编码项目的协作。与您熟悉的传统基于聊天的交互不同，画布提供了一个并排的工作区，用户可以在接收聊天生成预训练变换器的实时帮助的同时直接编辑文本或代码。这种设置允许用户与模型响应之间进行动态交互，使其成为需要迭代编码、文本编辑和精炼的任务的有

阅读更多
利用长期持久内存和原子代理打造更智能的人工智能代理

利用长期持久内存和原子代理打造更智能的人工智能代理

任何 AI 助手中最有用的功能之一无疑是拥有 持久的长期记忆。无论目标是了解用户更多信息、根据用户偏好调整 AI 的行为，还是记住重要事件，为您的 AI 助手 / 代理 / … 提供某种形式的 长期持久记忆存储 是实现这一目标的核心需求之一。 在我们深入之前：我们将使用 [Atomic Agents](https://github.com/Bra

阅读更多
完整指南：如何免费构建一个ai驱动的股票分析器，助你掌握市场动态！!

完整指南：如何免费构建一个ai驱动的股票分析器，助你掌握市场动态！!

是否曾因股票市场数据的庞大而感到不知所措？ 希望有一个私人助手来筛选噪音，并为您提供清晰、可操作的见解？好吧，您可以自己构建一个，得益于Python的强大、现成的API和一点AI，这其实非常简单（而且是免费的！）。 重要免责声明： 本项目仅用于教育和信息用途。它旨在演示如何集成各种API和AI模型。股票市场是_固有复杂且风险较高_的。**请勿将本应用生成的“买入

阅读更多
释放您的本地 Ai 能力：使用 N8n 和 Ollama 建立私人 Deepseek-r1 代理！

释放您的本地 Ai 能力：使用 N8n 和 Ollama 建立私人 Deepseek-r1 代理！

在您的 Windows PC 上使用 n8n、Ollama 和 DeepSeek-R1 运行 AI 代理 AI 正在变得越来越智能，但在本地运行您自己的 AI 代理？这将改变游戏规则：无需云，无需 API——只需完全控制您自己的私有 AI。 使用 n8n、Ollama 和 DeepSeek-R1，您可以自动化工作流、处理数据，并与 AI 聊天——这一切都在您自己的机器上完成

阅读更多
自制医疗迷你深度探测器 R1：用强化学习进行微调推理，成本低于 $3！

自制医疗迷你深度探测器 R1：用强化学习进行微调推理，成本低于 $3！

使用强化学习构建自己的医疗迷你 DeepSeek R1 使用 Unsloth 和 TRL 在 T4 GPU 上微调您自己的多领域推理模型，费用低于 3 美元。 介绍 大型语言模型（LLMs）与医疗保健的交集带来了令人兴奋的机遇，但也面临独特的挑战。在本教程中，我们将探讨如何使用**组相对策略优化（GRPO）**来调整阿里巴巴的Qwen-3B模型以进行医学推理——这是

阅读更多
使用 Python 构建您自己的个性化健身 RAG 代理！

使用 Python 构建您自己的个性化健身 RAG 代理！

AI代理 | RAG代理 | Python | DSPy | 健身代理 | 初学者友好 完整且适合初学者的指南：使用 Python 构建您完全个性化的健身 RAG 代理***还不是会员？请随时访问完整文章 [这里](https://readmedium.com/69fe37b803f6?source=friends_link&sk=13d4674246ba

阅读更多
在本地构建会说话的语音人工智能助理：具有流光溢彩用户界面的记忆保持聊天机器人...

在本地构建会说话的语音人工智能助理：具有流光溢彩用户界面的记忆保持聊天机器人...

开发您自己的具有上下文记忆和实时聊天功能的语音 AI 的逐步指南，基于 Llama3.1 和 Llama3.2 模型 👨🏾‍💻 GitHub ⭐️ | 👔LinkedIn |📝 [Medium](https://med

阅读更多
从零开始构建2亿参数的llm：使用python和the Pile数据集的实用指南

从零开始构建2亿参数的llm：使用python和the Pile数据集的实用指南

快速说明 — 我们将使用The Pile数据集从零开始训练一个2亿参数LLM。因此，我们得到一个在响应中输出完美语法和标点的LLM，较短的上下文是有意义的，但整个响应并不如此。我正在寻找AI领域的博士职位。您可以查看我的[简历](https://medium.com/r?url=https%3A%2F%2Fdrive.google.com%2Ffile%2Fd%2F1Xo

阅读更多
构建新闻代理的实用指南：使用ollama Langchain Chromadb和huggingface Embeddings实现高效问答系统

构建新闻代理的实用指南：使用ollama Langchain Chromadb和huggingface Embeddings实现高效问答系统

对话式人工智能：使用 LangChain、ChromaDB 和 Hugging Face 构建检索系统 对话式人工智能是现代人工智能技术中最引人入胜的应用之一，它将大型语言模型（LLMs）与高效的向量存储结合在一起。 在本博客中，我们将引导您设置一个管道，该管道结合了 LangChain、ChromaDB 和 Hugging Face 嵌入，以构建一个使用网页抓取文档进行检索和回答问题

阅读更多
构建具有图像字幕和可视化问答功能的聊天应用程序

构建具有图像字幕和可视化问答功能的聊天应用程序

学习如何使用 Chainlit 创建互动聊天用户界面 在我之前的文章中，我向您介绍了 Chainlit，这个开源的 Python 库，使得创建基于聊天的用户界面变得简单： 在那篇文章中，我涵盖了聊天应用的基本结构，并演示了如何处理文本和文件输入，特别是图像。在这篇文章中，我将基于这个基础，深入探讨 Chainlit。这一次，我们将创建一个完全功能的聊天应用程序，使您能够：

阅读更多
使用 Ollama 构建代码分析助手：本地 LLM 分步指南

使用 Ollama 构建代码分析助手：本地 LLM 分步指南

想要一个完全在本地机器上运行的 AI 驱动代码审查工具吗？在这个两部分的教程中，我们将使用 ClientAI 和 Ollama 来构建这样一个助手。 我们的助手将分析 Python 代码结构，

阅读更多
利用 CrewAI 为自动化 EDA 构建人工智能代理协作框架

利用 CrewAI 为自动化 EDA 构建人工智能代理协作框架

引言：数据探索的新纪元 在当今这个数据驱动的世界中，企业不断寻求从庞大的数据集中提取可操作的洞察。传统上，这项任务一直是熟练数据科学家的领域，他们花费大量时间探索和分析数据。但如果我们能够自动化这个过程呢？如果一个由人工智能驱动的系统能够对数据提出有见地的问题，彻底分析数据，并呈现详细报告——所有这些都只需最少的人为干预？这正是我们的项目旨在通过利用CrewAI代理框架来实现的目标。

阅读更多
蛋白质结构发现的革命性变革：从 Ai-driven 对话式应用开发中获得的 5 个重要启示

蛋白质结构发现的革命性变革：从 Ai-driven 对话式应用开发中获得的 5 个重要启示

Please translate the following text to Chinese. Requirements: 1. Keep code blocks (```) unchanged 2. Keep inline code (`) unchanged 3. Keep Markdown formatting

阅读更多
释放双内存 Ai 代理的力量：利用长短期记忆构建更智能的客户支持聊天机器人！

释放双内存 Ai 代理的力量：利用长短期记忆构建更智能的客户支持聊天机器人！

大家好，欢迎回到我们关于Agentic AI系统系列的另一篇精彩文章 在本文中，我们将深入探讨长短期记忆的工作，建立在我们之前文章中涵盖的理论理解基础上。现在是时候将这些知识应用于实践，构建一个简单的客户支持代理，利用长短期记忆的能力。 让我们开始吧… 代码示例 class MemoryAgent: def __init__(self):

阅读更多
构建动态多代理工作流：利用 LangChain 和 LangGraph 实现人工智能协作

构建动态多代理工作流：利用 LangChain 和 LangGraph 实现人工智能协作

本文利用 LangChain 和 LangGraph 创建一个简单的多智能体系统。智能体协同工作以完成任务。第一个智能体生成一系列随机数字，第二个智能体将这些数字乘以 10。每个智能体使用 OpenAI 的 GPT-4o API 来执行这些任务。 本文遵循基于工作流的架构，智能体根据分配的任务进行交互。在这篇文章中，我们将逐步分析脚本的每个部分以及它如何为整体流程做出贡献。

阅读更多
从零开始到知识图谱英雄：用 Llms 构建强大的 Kg！

从零开始到知识图谱英雄：用 Llms 构建强大的 Kg！

将你的熊猫数据框转变为知识图谱，使用大语言模型。 从零开始构建你自己的LLM图形构建器，通过LangChain实现LLM图形转换器，并对你的知识图谱进行问答。 关于维基百科1000部电影的知识图谱 — 作者提供的图片 在今天的人工智能世界中，知识图谱变得越来越重要，因为它们支持了许多大语言模型背后的知识检索系统。许多公司的数据科学团队正在大力投资于检索增强生成（RAG），因为这是

阅读更多
使用 Ollama、Swarm 和 DuckDuckGo 构建本地 AI 新闻聚合器

使用 Ollama、Swarm 和 DuckDuckGo 构建本地 AI 新闻聚合器

使用OllamaSwarm和DuckDuckGo构建本地AI驱动的新闻聚合器 在当今快节奏的世界中，跟上特定领域最新新闻的步伐可能会很具挑战性。如果我们能够利用生成式AI和代理的力量，创建一个完全在本地机器上运行的个性化新闻聚合器呢？在本文中，我们将探讨如何使用Ollama的Llama 3.2模型、Swarm进行代理编排，以及DuckDuckGo进行网络搜索来构

阅读更多
利用 ClientAI 和 Ollama 构建本地人工智能任务规划器

利用 ClientAI 和 Ollama 构建本地人工智能任务规划器

在本教程中，我们将使用 ClientAI 和 Ollama 构建一个 AI 驱动的任务规划器。我们的规划器将把目标分解为可执行的任务，创建现实的时间表，并管理资源——所有这些都在您的机器上运行。

阅读更多
构建高效的模型上下文协议服务器：使用jina.ai和python实现web搜索与事实核查功能

构建高效的模型上下文协议服务器：使用jina.ai和python实现web搜索与事实核查功能

在这篇文章中，我们将讨论模型上下文协议，它的重要性，以及构建一个MCP服务器的过程，以帮助我们与Jina.ai进行交互，并能够在Claude Desktop中使用Python和FastMCP添加网络搜索和事实核查功能。 Anthropic [宣布](https://www.anthropic

阅读更多
OpenAI的Swarm（第一部分）：简短的参考实现

OpenAI的Swarm（第一部分）：简短的参考实现

一个简短的代码参考，用于构建。 字数：1350 | 预计阅读时间：8分钟 目录简介：多智能体系统的挑战 OpenAI的群体框架概述 [环境设置](https://

阅读更多
构建基于多代理的 自动递归--计划、执行、再计划流程

构建基于多代理的 自动递归--计划、执行、再计划流程

本博客包含以下三个部分：问题陈述 解决方案方法 结论与参考文献问题陈述 计划、执行与重新计划过程在智能体解决方案的领域并不新鲜。自去年以来，我们一直在实施这些基于智能体的计划-执行-重新计划过程。 因此，当我的一位同事讨论实施这些过程的挑战时，我感到很有趣，因为我认为这是一个讨论得很充分的问题。 但是在与他交谈时，我理解了他计划要做的场景的性质和复杂性，我认

阅读更多
构建多代理互联网研究助手

构建多代理互联网研究助手

…使用 OpenAI Swarm 和 Llama 3.2（100% 本地）。让我们使用 OpenAI Swarm 和 Llama 3.2（100% 本地）构建一个多智能体互联网研究助手： 动手教程，构建一个多智能体互联网研究助手应用程序，该应用程序：接受用户查询。 在网上搜索相关信息。 并将其转化为一篇精心撰写的文章。我们在这个应用中使用了三个智能体：

阅读更多
构建高效的多智能体rag管道：使用crew Ai和tavily实现智能问答系统

构建高效的多智能体rag管道：使用crew Ai和tavily实现智能问答系统

在当今智能系统时代 将多样的检索工具与强大的语言模型相结合的能力正在改变我们回答复杂查询的方式。 在本文中，我们探讨了Crew AI如何与Tavily等工具一起帮助构建一个多智能体、智能的Retrieval-Augmented Generation (RAG) pipeline。我们将深入了解Crew AI，解释传统RAG与智能RAG之间的区别，并向您展示如何集成PDF搜索和网络搜索，

阅读更多
利用来自 Hugging Face 的 SmolAgents 库构建多代理供应链模拟

利用来自 Hugging Face 的 SmolAgents 库构建多代理供应链模拟

“smolagents — 一个构建优秀智能体的小型库” 供应链管理是一个复杂的领域，其中多个实体需要有效协调，以便将产品交付给最终消费者。现代供应链是一个复杂的网络，涉及供应商、制造商、分销商和零售商。对这些网络的仿真可以帮助我们理解瓶颈、优化操作并提高效率。 在本

阅读更多
使用 CrewAI 构建多代理系统

使用 CrewAI 构建多代理系统

AI代理正在通过独立分析数据、做出预测和推荐最佳行动来改变各个行业。这些智能程序不仅擅长独立执行任务，还在与其他代理协作方面表现出色，使它们在销售、市场营销和教育等领域成为宝贵的资产。 例如，在市场营销中，AI代理可以评估客户偏好，识别个人兴趣，并制定个性化的活动，以促进客户参与和满意度。在教育中，这些代理同样可以被利用来个性化学习路径，通过将课程与学生的独特需求和目标对齐来增强教育体

阅读更多
释放 Langflow 的力量：使用 Rag 构建多工具代理

释放 Langflow 的力量：使用 Rag 构建多工具代理

在 上一篇文章 中，我们探讨了在 Langflow 中创建代理的基础知识，这些是设计动态的、由 AI 驱动的工作流的基础工具。现在，让我们更进一步！ 这次，我们将构建一个由多个工具驱动的 [Langflow](ht

阅读更多
解锁实时多模态魔法：使用 Next.js 构建一个快速的 Gemini 2.0 应用程序！

解锁实时多模态魔法：使用 Next.js 构建一个快速的 Gemini 2.0 应用程序！

使用 Gemini 2.0 API 和 Next.js 构建多模态实时应用：音频、视频和转录 Gemini终极开发教程 嘿，Gemini开发教程又来了。这次，我将介绍一个新的实践网页项目，演示如何使用Next.js框架构建一个基于Gemini 2.0多模态实时API的无服务器应用程序，实现一个生产就绪的聊天应用，支持实时音频和视频互动，使用Typescript编写。 请观看

阅读更多
优化书写流程：如何使用crewai的多代理系统提升写作效率和质量

优化书写流程：如何使用crewai的多代理系统提升写作效率和质量

人工智能代理和多代理系统 人工智能代理正在成为下一个重要趋势，而多代理系统（MAS）是其强大能力的完美例证。它们通过将任务分配给专业单元来简化复杂的工作流程。一个很好的应用案例？书籍写作。想象一下，一个虚拟助手团队帮助你集思广益、构建故事框架、撰写章节，甚至进行校对——这就是多代理系统的魔力。在本文中，我们将探讨CrewAI如何使这一切成为可能，展示人工智能如何简化书籍创作。让我们深入了

阅读更多
分步指南：在 Python 中构建一个拥有 2900 万参数的 LLM，如 ChatGPT，并附实用技巧

分步指南：在 Python 中构建一个拥有 2900 万参数的 LLM，如 ChatGPT，并附实用技巧

逐步指南 免费阅读这个故事：link 快速提示 — 我们将首先训练一个分词器，然后从头开始构建一个 2900 万参数的 LLM。这将给我们一个生成正确句子的模型。接下来，我们将使用（

阅读更多
使用 AutoGen 构建人工智能个人助理 - 第 1 部分

使用 AutoGen 构建人工智能个人助理 - 第 1 部分

探索 AutoGen v0.4：构建具有 Gmail 和 Google Calendar 集成的 AI 助手 TL; DR 在这篇文章中，我构建了Aura的基础，这是一个个人AI助手，旨在使用AutoGen管理电子邮件和日历。以下是我所涵盖内容的快速概述：动机：Aura解决了生产力挑战，如收件箱过载、日程安排以及跟上技术趋势。 框架选择：选

阅读更多
使用 Llama 3.2 构建强大的本地人工智能网络搜索助手：

使用 Llama 3.2 构建强大的本地人工智能网络搜索助手：

将大型语言模型与实时网络搜索相结合，以获取最新答案和上下文相关见解 👨🏾‍💻 GitHub ⭐️ | 👔 LinkedIn | 📝 [Medium](https://medium.com/@monsuraliran

阅读更多
使用 LLMs 构建可靠的文本分类管道：分步指南

使用 LLMs 构建可靠的文本分类管道：分步指南

克服基于LLM的文本分类中的常见挑战 在本分步教程中，我们将介绍如何使用大型语言模型（LLMs）构建一个准确且可靠的文本分类管道。LLMs是强大的通用模型，在各种自然语言处理任务中展示了卓越的能力，并且它们在许多人工智能应用中越来越多地取代了专业模型。然而，如果不谨慎处理，使用LLMs进行分类可能会很棘手。 在将LLMs应用于分类时，一个常见的问题是模型可能无法以预期的输出或

阅读更多
构建高效文本到sql管道的5个关键步骤：可靠性提升与故障排除指南 Pt.2

构建高效文本到sql管道的5个关键步骤：可靠性提升与故障排除指南 Pt.2

本博客是创建可靠的文本到SQL系统的第二部分。在第一部分中，我展示了如何从零开始构建一个具有重试和反射功能的SQL代理。您不需要查看第一部分就可以跟随这里的内容——我希望即使您使用的是不同的文本到SQL工具，仍然可以学到一些有用的东西。 为什么文本到SQL查询会失败？ 在我开始展示如何迭代改进你的SQL代理之前，了解查询为什么会失败是很重要的。以下是最常见的原因。**无效

阅读更多
建立一个能写入 Google 文档的研究代理（第 1 部分）

建立一个能写入 Google 文档的研究代理（第 1 部分）

可能帮助您完成作业的工具 ***本文是两部分系列的第一部分，我们将使用 LangGraph 和 Tavily 构建一个简单的研究助手，该助手编写和完善短文。为了跟踪它生成的计划、文章和评论，我们添加了程序化创建和编辑 Google Docs 的功能。在本文中，我们将重点关注助手，将文档连接的内容留到第二篇文章。您可以在 [这里](https://github.com/rmart

阅读更多
构建一个能写入 Google 文档的研究助手（第 2 部分）

构建一个能写入 Google 文档的研究助手（第 2 部分）

可能对你的作业有所帮助的工具 ***本文是两部分系列的第二部分，我们使用 LangGraph 和 Tavily 构建一个简单的研究代理，该代理可以撰写和完善短文。为了跟踪它生成的计划、文章和评论，我们增加了以编程方式创建和编辑 Google Docs 的能力。在第一篇文章中，我们构建了代理。现在我们将构建文档连接。你可以在 [这里](https://github.com/rma

阅读更多
通过实时 GPT-4O 音频模型转型零售：多智能体方法提升客户体验

通过实时 GPT-4O 音频模型转型零售：多智能体方法提升客户体验

问题陈述 GPT 40 Realtime 是 OpenAI 模型家族中的一个新模型。当它在 Azure 上发布时，引起了大家的极大兴趣（也包括我），我非常兴奋地想尝试一下。 所以，这是我尝试使用 GPT4O Realtime 处理 Gen AI 用例的尝试。 我用来展示该解决方案的实时音频功能的用例是一个零售购物车用例，我在其中将音频部分实现为代理的响应。 该解决方案有 3 个协

阅读更多
打造安全沙盒！如何完美执行AI生成代码？

打造安全沙盒！如何完美执行AI生成代码？

在构建AI代理时，特别是那些动态生成和执行分析代码的代理，一个主要的关注点是安全性和稳定性。允许代码在生产服务器或本地机器上任意执行可能会带来风险。代码可能无限运行，消耗过多资源，甚至可能危及系统安全。 解决方案是沙盒化或容器化代码执行的环境。这确保了与主机系统的隔离，一致的依赖关系，以及对在后台运行的任何代码更可控的生命周期。 在这篇博客文章中，我们将探讨：为

阅读更多
精通 AI 驱动的营销一致性：使用 langmem 和 langgraph 技术构建自学习代理

精通 AI 驱动的营销一致性：使用 langmem 和 langgraph 技术构建自学习代理

确保 AI 生成的营销活动的一致性 AI Agent Bot 正在服用记忆药丸。由 Dall-E 3 想象 挑战：用 AI 创建一致的品牌叙事 在第一部分中，我们介绍了[AI 驱动的社交媒体代理](https://readmedium.com/oops-ai-did-it-again-the-rise-of-autonomous-social-media-ag

阅读更多
构建ai代理的5个简单步骤：使用pydanticai实现基本工具调用示例

构建ai代理的5个简单步骤：使用pydanticai实现基本工具调用示例

人工智能代理与PydanticAI 人工智能（AI）代理在帮助开发者构建强大、可投入生产的应用程序方面取得了长足的进展。但正如我们许多人所经历的，开始使用复杂的AI框架可能会让人感到畏惧。本文将通过一个简单的示例，指导您如何使用PydanticAI库在Python中创建一个AI代理。我们将更详细地查看“基本代理工具调用”，并提供代码和视觉效果，展示一切是如何结合在一起的。 到最

阅读更多
利用 Smolagents、Ollama 和 Deepseek-R1 在 Colab 上构建网络搜索人工智能代理

利用 Smolagents、Ollama 和 Deepseek-R1 在 Colab 上构建网络搜索人工智能代理

来源：由 Dall-e 生成 介绍 对于非会员，请点击这里。

阅读更多
使用 LangChain 和 Ollama 构建 YouTube 转载代理：分步指南

使用 LangChain 和 Ollama 构建 YouTube 转载代理：分步指南

AI代理现在无处不在。新的实现、新的想法和无尽的可能性。但跟上这一切可能会让人感到不知所措，有时整个概念似乎比实际更复杂。在本指南中，我们将以简单、结构化的方式来解析这一切。到最后，您不仅会理解AI代理是什么，还会亲自构建一个。 什么是AI代理？ 随着大语言模型（LLMs）的发展，新的应用进入了我们的生活。AI代理就是其中之一。LLMs本质上处于静态状态。它们无法根

阅读更多
构建人工智能代理，实现企业级软件开发自动化：实用视角

构建人工智能代理，实现企业级软件开发自动化：实用视角

Randy Zhang 和 Shamin Aggarwal Agentic AI 是一款基于大型语言模型（LLMs）的软件应用，通过模拟类人推理和决策来自动化任务。它在自动化小型和简单脚本的软件开发方面显示出了显著的能力 [1]。AI 代理能否用于自动化企业级软件开发？在大型复杂的软件开发环境中，我们会遇到什么样的挑战？ 企业级软件项目通常是旨在满足复杂业务需求的大规模软件开发计划。这

阅读更多
使用 LangGraph 构建 AI 🤖 代理：第 11 部分 - 构建餐厅和天气推荐...

使用 LangGraph 构建 AI 🤖 代理：第 11 部分 - 构建餐厅和天气推荐...

Welcome back to the LangGraph系列！ 🎉 在这一部分，我们将把迄今为止学到的所有内容提升到一个新水平，创建一个完全整合的现实世界用例：餐厅与天气推荐系统。想象一下你正在计划一个约会之夜——如果有一个AI可以根据活动和天气建议最佳餐厅，那该多好啊？这正是我们今天要构建的内容！ 有什么新内容？🌟 在这篇文章中，你将了解：多智能体协调：

阅读更多
构建智能ai代理：5个步骤处理动态输入与人类干预的解决方案

构建智能ai代理：5个步骤处理动态输入与人类干预的解决方案

在这一部分，我们将深入探讨如何在LangGraph工作流中管理动态输入和集成人类中断。 这对于创建能够适应用户输入并实时做出相应反应的智能系统至关重要。让我们看看如何有效地实现这一点！ 在这篇文章中，我们将探讨：动态输入，通过实时用户问题。 人类中断，根据用户输入修改流程。 如何将工具绑定到LangChain Groq模型，以实现高效的AI响应。目标 🎯

阅读更多
释放Claude 3.7的力量：构建自主AI代理的革命性指南！（第1部分）

释放Claude 3.7的力量：构建自主AI代理的革命性指南！（第1部分）

使用 Claude 3.7 构建 AI 代理：全面指南（第 1 部分） 我对 Claude 3.7 的能力深感印象，不仅仅局限于代码生成。在观看了 Anthropic 的 官方公告，展示了该模型增强的推理能力后，我想探索以它为基础构建自主 AI 代理的可能性，超越单纯的代码。起初的随

阅读更多
解锁 AI 代理的力量：使用 Google 的 Gen AI 工具箱与 Neo4j 知识图谱的 5 大关键优势

解锁 AI 代理的力量：使用 Google 的 Gen AI 工具箱与 Neo4j 知识图谱的 5 大关键优势

Neo4j 和 Google 的 GenAI Toolbox 上个月，Google 宣布了 Gen AI Toolbox for Databases 的 [公开 Beta 版发布](https://cloud.google.com/blog/products/ai-machine-learnin

阅读更多
对比分析：知识图谱与检索增强生成在构建ai代理中的优势与应用探索

对比分析：知识图谱与检索增强生成在构建ai代理中的优势与应用探索

RAG 与知识图谱 人工智能 (AI) 代理正在改变我们与信息互动和自动化任务的方式。这些代理可以访问、处理和综合来自各种来源的信息，以回答问题、完成任务，甚至做出决策。 构建人工智能代理的两种主要方法是基于知识图谱的代理和基于检索增强生成 (RAG) 的代理。本文档提供了这两种方法的全面比较，探讨它们的架构、优缺点、使用案例、评估方法和未来趋势。 定义知识图谱和检索增强生

阅读更多
OpenAIs Swarm（第二部分）：使用 Ollama 和 Pydantic 的直接、本地优先方法

OpenAIs Swarm（第二部分）：使用 Ollama 和 Pydantic 的直接、本地优先方法

一个简短的代码参考以供构建。 TLDR: 结合Ollama和Swarm框架，呈现了一种以本地为优先的构建智能AI代理的方法。 Ollama可以在本地运行大型语言模型，确保隐私和控制，而Swarm则提供了一个结构化的环境，用于设计和管理AI代理。 我们以第一性原理的编程方法强调简单性和高效性，避免使用带来不必要抽象的复杂框架，从而增加使用的tokens数量，并延迟首次tok

阅读更多
释放 Ai 代理的力量：Pydanticai 实用指南！

释放 Ai 代理的力量：Pydanticai 实用指南！

设计和协调多智能体AI应用的实用指南，使用PydanticAI 照片由 Phillip Glickman 在 [Unsplash](https://unsplash.co

阅读更多
改变用户体验：利用 Ibm Watsonx 发现和花岗岩模型构建人工智能对话式搜索

改变用户体验：利用 Ibm Watsonx 发现和花岗岩模型构建人工智能对话式搜索

AI对话搜索 我相信AI对话搜索的热潮引起了许多科技人士的关注。不可否认，它正在改变我们与数据和系统互动的方式。 AI对话搜索是一项颠覆性的技术，改变了用户与您的应用程序的互动方式。通过利用IBM Granite (LLM)、watsonx Discovery和**检索增强生成 (RAG)**的强大功能，您可以创建一种搜索体验，使其更像是与知识丰富的助手进行自然

阅读更多
构建智能对话机器人：使用gemini Langchain和rag在Google Vertex AI上实现高效集成的5个步骤

构建智能对话机器人：使用gemini Langchain和rag在Google Vertex AI上实现高效集成的5个步骤

配置 Google Vertex AI、利用 Gemini API 并集成知识库以构建智能对话应用程序的逐步指南 照片由 Annie Spratt 拍摄于 [Unsplash](https://unsplash.com?utm_s

阅读更多
2025 年构建人工智能驱动的推荐系统！

2025 年构建人工智能驱动的推荐系统！

本博客深入探讨部署 AI 驱动的个性化引擎的复杂性，重点介绍如何利用 AI 和机器学习技术进行实时、高度针对性的推荐。无论您是在电子商务、媒体还是其他行业，理解这些系统对于保持竞争力至关重要。 AI驱动的个性化引擎介绍 AI驱动的个性化引擎改变了企业与客户互动的方式。通过利用先进的算法，这些系统分析用户行为和偏好，以提供量身定制的体验。这种个性化增强了用户参与度，提高了转化率

阅读更多
如何用Agentic AI颠覆医疗支持？探秘Doctolib的高效智能系统！

如何用Agentic AI颠覆医疗支持？探秘Doctolib的高效智能系统！

在 Doctolib，我们的使命不仅仅是构建我们所梦想的医疗体系——我们正在改变健康专业人员与技术之间的互动方式。两个雄心勃勃的目标驱动着我们：让使用我们解决方案的健康专业人员感到满意，并加快我们的创新步伐。但雄心壮志伴随着巨大的责任，尤其是在支持我们的用户方面。 随着我们平台的增长，支持请求的数量也在增加。传统的方法是简单地根据需求线性扩展我们的支持团队。然而，我们看到了不同思考的机会：

阅读更多
利用 LangGraph 和 OpenAI 打造代理金融分析师

利用 LangGraph 和 OpenAI 打造代理金融分析师

在股票交易的世界中，投资者依赖各种工具和方法来做出明智的决策。其中一种方法是 基本面分析，它评估公司的财务健康状况和股票表现，以提供可操作的见解。随着 AI 和机器学习的进步，股票分析现在可以在很大程度上实现自动化。在这篇文章中，我们将探讨如何使用 LangChain、LangGraph 和 Yahoo Finance 创建一个 股票表现分析代理，利用实时股票数据和关键技

阅读更多
完整指南：构建具备自评分和网络搜索能力的高级rag系统！

完整指南：构建具备自评分和网络搜索能力的高级rag系统！

检索增强生成 (RAG) 系统 检索增强生成 (RAG) 系统在构建可靠的人工智能应用程序中变得越来越重要。在本文中，我们将探讨构建一个先进的 RAG 系统，该系统结合了本地文档检索、动态网页搜索功能和使用 Pydantic.ai 和 Groq 的自评分机制。 ![Image 2](https://wsrv.nl/?url=https://cdn-images-1.readmed

阅读更多
使用 LangGraph、FastAPI 和 Streamlit 构建人工智能聊天机器人--端到端指南

使用 LangGraph、FastAPI 和 Streamlit 构建人工智能聊天机器人--端到端指南

聊天机器人的最终用户界面 — 作者提供的图片 聊天机器人是自动化互动的强大工具，但从零开始构建一个聊天机器人涉及连接多个组件。在本指南中，我们将使用 LangGraph 来管理对话流程，使用 FastAPI 来提供聊天机器人服务，并使用 Streamlit 创建一个简单的用户界面。我们不仅仅是使用聊天机器人，而是探索构建和集成这些组件的过程，以构建一个功能齐全的系统。我意识到称其为 A

阅读更多
Building an AI-Driven Stock Analysis System: 5 Key Steps Using Langgraph Deepseek and Ollama

Building an AI-Driven Stock Analysis System: 5 Key Steps Using Langgraph Deepseek and Ollama

基于开源工具的 AI 驱动股票分析 开源 AI 工具的兴起使得构建复杂、经济高效的解决方案变得前所未有地容易。在本指南中，我将向您展示如何创建一个AI 驱动的股票分析系统，利用强大的开源工具，如 LangGraph、DeepSeek R1–7B 和 Ollama——所有这些都托管在 Google Colab 上，以最大限度地降低基础设施成本。 无论您是数据科学家、

阅读更多

转变您的数据分析：在 5 个步骤中使用 Crew AI 多代理系统构建交互式可视化应用程序

import os import re import sqlite3 import warnings import dotenv import streamlit as st import pandas as pd from src.logo_title import logo_title### Crew AI + Tools imports from crewai im

阅读更多
利用 Docling、Ollama、Phi-4 | ExtractThinker 构建企业内部文档智能堆栈

利用 Docling、Ollama、Phi-4 | ExtractThinker 构建企业内部文档智能堆栈

在这个大型语言模型（LLM）的新时代，银行和金融机构在某种程度上处于劣势，因为前沿模型由于其硬件要求几乎无法在本地使用。然而，银行数据的敏感性带来了显著的隐私问题，尤其是当这些模型仅作为云服务提供时。为了解决这些挑战，组织可以转向**本地或小型语言模型（SLM）**设置，以将数据保留在内部，避免敏感信息的潜在泄露。这种方法使您能够利用先进的LLM（本地或通过最少的外部调用），同时

阅读更多
释放自主订单管理：O1 计划与 4o 执行相结合，实现前所未有的自动化！

释放自主订单管理：O1 计划与 4o 执行相结合，实现前所未有的自动化！

问题陈述 最近，我遇到了一个有趣的用例，涉及在订单管理场景中实施智能代理。 这个用例主要想解决两个问题：我们能否构建一个完全自动化的智能代理解决方案，其中像 O1（或 O1-MINI）这样的高级模型能够捕捉场景并生成详细的行动计划？ 另一个最佳的完成模型如 GPT4O 能否逐步解析详细计划并持续执行以达成目标？这个用例与我之前实施的其他用例略有不同，因为在之前的用例

阅读更多
利用 CrewAI 构建自主多代理系统

利用 CrewAI 构建自主多代理系统

什么是多智能体自主系统以及如何使用CrewAI和LangChain构建一个？ 动机 实际上，我们对这些概念并不陌生；我们从电影中了解到它们。一个人指挥他们的AI，而AI通过使用各种工具来执行这些命令。这就是我们今天在AI系统崛起的道路上所走的方向。时代正在逐渐变化。在过去，人们无法独自完成一项任务，需要一个团队。没有团队，他们要么在一段时间后精疲力竭，要么达到能力的极限。最

阅读更多
构建智能多工具代理：使用gemini 2.0和langgraph实现4种功能增强llm能力

构建智能多工具代理：使用gemini 2.0和langgraph实现4种功能增强llm能力

Photo by Carter Yocham on Unsplash 大型语言模型 概述 大型语言模型是

阅读更多
使用 Python 从零开始构建 DeepSeek R1

使用 Python 从零开始构建 DeepSeek R1

灵感来自于艾琳·汉森的名言 架构与训练逐步解析 免费阅读此故事：链接 DeepSeek R1 的整个训练过程无非是在其基础模型（即 deepseek V3）之上使用不同方式的强化学习。 从一

阅读更多

使用crewai掌握AI代理创建：构建动态智能代理的逐步指南

AI Agent 及其重要性简介 AI Agent 是可以自主或在极少人工干预下执行任务的软件实体。它们被设计用于感知其环境、做出决策并采取行动以实现特定目标。在自然语言处理 (NLP) 的背景下，AI Agent 可用于自动化文本摘要、翻译、情感分析等任务。 在当今的 AI 驱动世界中，AI Agent 的重要性怎么强调都不为过。随着对智能自动化的需求不断增长，各组织越来越多地转向

阅读更多
利用多代理 RAG 构建企业人工智能应用程序！

利用多代理 RAG 构建企业人工智能应用程序！

作者: Pavan Belagatti 和 Madhukar Kumar 在快速发展的AI领域中，[多智能体检索增强生成](https://readmedium.com/how-to-build-enterprise-ai-apps

阅读更多
为结构化和非结构化数据构建图形 RAG。

为结构化和非结构化数据构建图形 RAG。

RAG 架构迄今为止是解决 LLM 缺乏上下文化的最适应和复杂的解决方案。通过 RAG，几乎不需要微调，就在很大程度上解决了使用未训练知识库的 LLM 所面临的问题。 尽管向量 RAG 可以建立上下文化，但其能力是有限的。在复杂的关系和高度互联的数据中，向量 RAG 的召回率并不令人印象深刻。其主要原因之一是构成知识库的简单向量嵌入，仅考虑几何接近性。 另一方面，图形天生结构化，以捕

阅读更多
构建面向人类的代理系统：超级智能的心理学和社会学

构建面向人类的代理系统：超级智能的心理学和社会学

Soundcloud 播客 执行摘要“权力在于将人类的思想撕成碎片，然后按照你自己选择的新形状将它们重新组合。”

阅读更多
使用pydanticai和rag掌握AI代理：轻松构建智能系统的5个步骤

使用pydanticai和rag掌握AI代理：轻松构建智能系统的5个步骤

Generative AI 和 PydanticAI 的崛起 生成式 AI 的兴起改变了我们构建智能系统的方式，而像 PydanticAI 这样的框架使创建生产级 AI 代理变得前所未有的简单。在本教程中，我们将探讨如何使用 PydanticAI 构建具有检索增强生成 (RAG) 功能的 AI 代理。我们将逐步介绍核心概念、特性和一个实践示例，以帮助您入门。 什么是 Pyda

阅读更多
利用代理人工智能构建智能应用程序：2025 年值得关注的顶级框架

利用代理人工智能构建智能应用程序：2025 年值得关注的顶级框架

随着生成式AI的兴起，2025年将进一步拓展构建智能应用的领域，以加速生产力和效率的提升。虽然LangChain（于2022年推出）成为构建基于LLM的应用的第一个流行框架，但开源和产品社区已经开始更快地进行创新，以简化构建此类应用的过程。 Agentic AI 已成为2025年最有前景的GenAI构建模块之一，众多框架相继出现，以构建agentic应用。本文总结了2025年值

阅读更多
精通知识图谱代理：使用 llamaindex 和 text2cypher 构建高效工作流的 5 个步骤

精通知识图谱代理：使用 llamaindex 和 text2cypher 构建高效工作流的 5 个步骤

构建 Text2Cypher 智能体接口的蓝图 使用 ChatGPT 渲染的图智能体 检索增强生成 (RAG) 将会持续发展，并且是有充分理由的。它是一个强大的框架，将高级语言模型与有针对性的信息检索技术相结合，从而能够更快地访问相关数据并生

阅读更多
使用 crewAI 构建多代理 LLM 系统：分步指南

使用 crewAI 构建多代理 LLM 系统：分步指南

多智能体简介使用 crewAI 的多智能体系统正在改变我们处理复杂决策的方式。通过整合多个人工智能智能体，这些系统实现了自主决策，正在革新医疗、金融和交通等行业。在本博客中，我们将深入探讨多智能体系统的世界，探索其应用、优势以及 crewAI 在这一创新技术中的角色。什么是多智能体系统？多智能体系统（MAS）由多个自主智能体组成，这些智能体相互作用

阅读更多
使用 PydanticAI 框架构建多代理 LLM 系统：创建人工智能系统的分步指南...

使用 PydanticAI 框架构建多代理 LLM 系统：创建人工智能系统的分步指南...

Pydantic 是 Python 生态系统中的一股强大力量，拥有超过 2.85 亿次的月下载量，一直是 Python 项目中稳健数据验证的基石。现在，它的创造者正在进军前沿的 AI 领域，推出 Pydantic AI，这是一个旨在构建由生成式 AI 驱动的生产级应用程序的框架。在本文中，我们将深入探讨 Pydantic AI 的独特之处、其关键特性，以及它与其他

阅读更多
使用 PydanticAI 框架构建多代理 LLM 系统：创建人工智能系统的分步指南...

使用 PydanticAI 框架构建多代理 LLM 系统：创建人工智能系统的分步指南...

Pydantic是Python生态系统中的一大力量，拥有超过2.85亿次的月下载量，一直是Python项目中稳健数据验证的基石。现在，它的创造者们正在前往AI的前沿领域，推出Pydantic AI，这是一个旨在构建由生成式AI驱动的生产级应用程序的框架。在本文中，我们将深入探讨Pydantic AI的独特之处、其关键特性以及与其他智能体框架的比较。 Pyd

阅读更多
Building Multi-Agent Supervision Systems: Implementing Innovative AI Solutions and Best Practices with langgraph and langsmith

Building Multi-Agent Supervision Systems: Implementing Innovative AI Solutions and Best Practices with langgraph and langsmith

多智能体系统的兴起：人工智能的第三次浪潮 多智能体系统通常被称为“人工智能的第三次浪潮”。甚至萨蒂亚·纳德拉在一次演讲中也表示，“基于Agent的人工智能将扼杀传统的SaaS应用程序。” [https://x.com/MarceloPLima/status/1869389842054025382](https://x.com/MarceloPLima/status/18693898

阅读更多
完整指南：构建高效的多智能体系统与langflow的最佳实践！

完整指南：构建高效的多智能体系统与langflow的最佳实践！

AI代理概述 AI代理在生成式AI的领域并不新鲜，但在企业层面上，它们真正开始起飞仅仅是在过去的两个月里。 什么是AI代理？我们可以将

阅读更多
使用 Autogen 0.4 构建我自己的概念验证代理

使用 Autogen 0.4 构建我自己的概念验证代理

Autogen 0.4 — 使用代理创建和执行 Python 代码 我的目标是看看我是否可以让代理团队完成我的一些工作，并且我可以将工作委托给代理。目前这只是一个实验。需要更多的工作来创建一个可在生产规模使用的稳定版本。 概述创建一个由代理执行各种任务的协调 首先创建一个可以由代理执行的 Python 脚本 然后执行脚本并存储输出 基于之前的输出创建预测

阅读更多
构建高效并行工作流：使用langgraph实现llm应用的5个关键步骤

构建高效并行工作流：使用langgraph实现llm应用的5个关键步骤

大型语言模型与 LangGraph 大型语言模型 (LLMs) 已成为自然语言处理的强大工具，但使用它们编排复杂的工作流可能会很具挑战性。这就是 LangGraph 进入视野的地方——一个专门设计的框架，旨在为 LLM 应用带来结构和效率。 LangGraph 通过将您的 LLM 应用视为有向图而脱颖而出，其中每个节点代表一个特定操作，边定义数据流。它的强大之处在于能够处理并行处理

阅读更多
利用 Chrome 浏览器的设备上人工智能构建项目

利用 Chrome 浏览器的设备上人工智能构建项目

使用 Gemini-nano-in-Chrome 进行原型设计指南 在Chrome上使用实验性提示API构建具有AI功能的原型 设备端 / 边缘 AI 设备端 AI 是指直接在终端用户设备上运行的 AI 模型，例如智能手机、平板电脑或物联网设备，而不依赖于云计算或服务器来托管这些模型。 这在很多方面都很有用：由于模型在设备上，我们可以进行离线推理

阅读更多
用Google Gemini 2.0 API构建RAG！推荐系统的未来在哪里？

用Google Gemini 2.0 API构建RAG！推荐系统的未来在哪里？

LangChain与Vertex AI RAG引擎在亚马逊产品数据上的比较 谷歌在人工智能竞赛中似乎一直处于落后，但在2025年之前发布的Gemini 2.0让人感觉他们终于在某种程度上赶上了。我起初不确定会有什么期待，但在试用后，我对其能力感到由衷的印象深刻。它甚至让我怀疑像ChatGPT、Claude或Llama这样的工具是否仍然必要。**Gemini实时[

阅读更多
使用 LangGraph 构建 RAG 研究多重代理

使用 LangGraph 构建 RAG 研究多重代理

❓引言 — 天真的 RAG 与 代理 RAG 🧠 项目概述 📊 结果 🔚 结论在本文中，我们介绍了一个实用项目，使用 LangGraph 开发了一个 RAG 研究多代理 工具。该工具旨在解决需要 多个来源 和 迭代步骤 才能得出最终答案的 复杂问题。它采用 混合搜索 和 Cohere **重新排序步

阅读更多
利用 Gen AI（OpenAI API）构建智能测试自动化

利用 Gen AI（OpenAI API）构建智能测试自动化

我们都知道 UI 测试非常脆弱。它们可能因各种原因而失败，其中一个最大的问题是 UI 定位器的变化。很难想象我们如何能让它们足够智能，以理解定位器何时发生变化，并在测试中出现定位器问题之前防止测试运行。你没听错！现在是 2024 年，自动化测试工具已经取得了长足的进步。在与这些工具打交道近 18 年后，从 Mercury Winrunner 到 Playwright，我们现在可以利用

阅读更多
构建更智能的 API：CrewAI 与 FastAPI 集成指南

构建更智能的 API：CrewAI 与 FastAPI 集成指南

目录 · 1. 引言 ∘ 客户支持代理 ∘ 个人财务顾问 ∘ 医疗助手 ∘ 学习伴侣 ∘ 项目管理助手 ∘ 创意合作伙伴 ∘ 智能家居管理器 ∘ 网络安全助手· 2. 搭建基础· 3. 理解 CrewAI ∘ 1. AI 代理 ∘ 2. 工具 ∘ 3. 过程 ∘ 4. 任务· 4. 使用 CrewAI 设置 Fast API· 结论· 了解更多 1. 引言 在2025

阅读更多
2025年软件开发新趋势：利用llms和ai优化工作流程的5种有效策略

2025年软件开发新趋势：利用llms和ai优化工作流程的5种有效策略

伟大的尊敬的哈珀·里德的胡须和他附属的人写了一篇关于LLM代码生成及其技术和方法的优秀博客。 我发现哈珀的做法与我所使用的有很多相似之处，因此我想写一个简短的“+1”来捕捉这些相似性和差异，并总体上突出一些人们可以使用的更多技术和技术，以便在我们的AI朋友的帮助下制作出最佳软件。让我们深入探讨一下！ 如果您想跳过所有这些内容并观看关于相同流程的超快速视频，请查看下面： 我方法中的一个

阅读更多
Deepseek R1 和 Pydantic Ai：构建强大结构化 Ai 代理的终极指南！

Deepseek R1 和 Pydantic Ai：构建强大结构化 Ai 代理的终极指南！

结构化代理 引言 在人工智能领域，结构化代理系统的概念在使机器能够自主执行任务的同时，保持一定的控制和组织水平方面发挥着至关重要的作用。 关键特征自主性：在没有人类干预的情况下独立操作的能力。 结构：指导决策过程的定义框架。 适应性：调整以适应新信息或环境变化的能力。应用机器人技术

阅读更多
打造未来：使用 LangGraph 开发自己的语音助手

打造未来：使用 LangGraph 开发自己的语音助手

今天，语音助手已经发展成为智能系统中需要先进自然语言处理的基本组成部分。本文提供了使用 LangGraph 开发语音助手的技术指南，LangGraph 是一个旨在管理复杂代理系统的编排框架。在整个文本中，我们将探讨 LangGraph 如何实现多个节点的协调，从而创建高效且高度可扩展的流程。本指南面向希望利用 LangGraph 功能在 AI 环境中实施解决方案的开发者。 什么是 L

阅读更多
打造你的专属AI API！深入浅出Spring Boot与Google Gemini的完美融合！

打造你的专属AI API！深入浅出Spring Boot与Google Gemini的完美融合！

创建一个智能网络服务，利用生成式 AI 的力量回答问题 在本教程中，我们将整合 Spring Boot 和 Spring AI/Gen AI，构建一个利用 Google’s Gemini 生成式 AI 模型的网络服务。我们的目标是创建一个简单的网络服务，能够基于生成式 AI 的能力智能地回答用户问题。借助 Gemini 的强大功能，我们可以利用尖端 AI 提

阅读更多
打造您的社交媒体内容机器：CrewAI 的方法

打造您的社交媒体内容机器：CrewAI 的方法

实施 CrewAI 的分步指南 介绍🚀 AI 协作的力量有太多可以提供的。CrewAI旨在使AI代理能够承担角色、共享目标，并在一个紧密的单位中运作——就像一个运转良好的团队。 无论您是在构建一个智能助手平台、一个自动化的客户服务团队，还是一个多代理研究团队，CrewAI为复杂的多代理交互提供了基础。 如果您想深入了解CrewAI：

阅读更多
揭示AI漏洞：5种增强LLM安全性和伦理测试解决方案的越狱技术

揭示AI漏洞：5种增强LLM安全性和伦理测试解决方案的越狱技术

2023年，一名用户成功地通过伪装请求为虚构的剧本的一部分，欺骗了ChatGPT生成钓鱼邮件。几周后，Anthropic的Claude在被提示扮演治疗师的角色，以“仅仅是集思广益”的名义，泄露了机密的明星信息。这些事件并非偶然的错误，而是被称为“越狱”的蓄意利用，绕过了AI系统的安全护栏。此类利用突出了AI安全协议中的漏洞，表明用户如何为了意想不到的、有害的目的操纵技术。 **但这是一个悖

阅读更多
ByteDance 发布开源唇语同步人工智能模型

ByteDance 发布开源唇语同步人工智能模型

字节跳动最近推出了 LatentSync，这是一个新的最先进的开源视频唇动同步模型。它是一个基于音频条件的潜在扩散模型的端到端唇动同步框架。 这听起来有点复杂，但它的意思是你可以上传一个人说话的视频和一个你想用来替代原始音频的音频文件。然后，AI 会覆盖新的音频，并调整说话者的唇部动作，以完美匹配上传的音频。 最

阅读更多
使用自动生成的 MCP 服务器的 C++ RESTful 网络服务与 LLM 连接

使用自动生成的 MCP 服务器的 C++ RESTful 网络服务与 LLM 连接

这是一个 5 分钟的教程，介绍如何将 MCP (Model Context Protocol) 服务器添加到您现有的 Oat++ 应用程序，以便 LLMs 可以查询您的 API。 前提条件 在开始之前，您需要一个使用 Oat

阅读更多
解锁速度：快速响应 Llms 高速缓存增强生成综合指南

解锁速度：快速响应 Llms 高速缓存增强生成综合指南

检索增强生成 (RAG) 检索增强生成 (RAG) 是一种强大的方法，可以将外部知识库连接到大语言模型 (LLM)，并在用户每次提问时获取上下文，但由于其检索延迟，它可能会减慢大语言模型 (LLM) 的性能。 缓存增强生成 (CAG) 缓存增强生成 (CAG) 提供了一种更快的替代方案；它不是进行实时检索，而是将相关文档 预加载 到模型的上下文中，并存储

阅读更多
人工智能真的能思考吗？DeepSeek R1的惊人揭秘！

人工智能真的能思考吗？DeepSeek R1的惊人揭秘！

想象一下，一台电脑不仅仅是进行数字运算和遵循指令，而是实际上像你一样逐步“思考”事情。这就是“推理模型”的令人兴奋的承诺——一种正在改变游戏规则的新型人工智能。而引领这一潮流的是DeepSeek的R1，这是一款来自中国研究公司的强大AI，它不仅挑战了OpenAI等大牌，还让我们得以窥探其内部运作的机制。 不仅仅是计算器：推理人工智能是如何工作的 多年来，人工智能以其翻译语言、识

阅读更多
DeepSeek R-1能否轻松破解这5个棘手AI谜题？惊艳表现背后有哪些秘密

DeepSeek R-1能否轻松破解这5个棘手AI谜题？惊艳表现背后有哪些秘密

每当一个新的语言模型向公众发布时，我总是有冲动用几个看似简单但棘手的问题来挑战它。这是我个人的习惯——就像是一种压力测试，看看这些模型在逻辑和推理方面的表现如何。 几天前，DeepSeek R-1 发布了，它立即因其开源特性和卓越的推理能力而成为全球轰动的焦点。 基准测试显示，它在某些方面可与 OpenAI 的 o1 和 Anthropic 的 Claude 3.5 Sonnet 等

阅读更多
评估 llms 在 SQL 查询生成中的表现：数据工程师的准确性洞察和最佳实践

评估 llms 在 SQL 查询生成中的表现：数据工程师的准确性洞察和最佳实践

在经历了多篇基于 LLM 的文章之后，我想谈谈人们一直在争论的关于大型语言模型的一个重要方面——LLM 能否接替数据工程团队的工作？在本文中，我将尝试回答这个问题。 但在深入探讨之

阅读更多
案例研究：将医生笔录转化为时态医疗记录知识图谱

案例研究：将医生笔录转化为时态医疗记录知识图谱

您是否有兴趣将医生/患者的医疗记录和记录转化为可以跨多个医疗历史、时间段和患者进行复杂查询的时间性知识图谱？ 在本案例研究中，我们展示了如何将医疗记录转化为您可以依赖于 RAG 和分析目的的时间性知识图谱。我们展示了针对该系统的真实问答，以及您可以通过该系统实现的业务成果。据我们所知，这里步骤的组合是一种相对新颖的知识图谱实现。 使用的数据 出于数据隐私原因，我们使用了一个合成

阅读更多
加强聊天机器人对话：应用礼貌理论提高用户参与度

加强聊天机器人对话：应用礼貌理论提高用户参与度

聊天机器人、开发者和用户之间的关系 随着聊天机器人的发展，聊天机器人、其开发者和用户之间的关系变得复杂。当不同方之间的期望和现实不一致时，可能会导致各方的巨大挫折。 设计者和用户都可以达成一致的一个关键期望是聊天机器人需要反映某些人类特征，特别是在对话方面。这是一个机器人需要具备的显而易见的特征，但这些类人话语技能的实际实现仍然是一个非常棘手的难题，难以持续和成功地处理。 什么

阅读更多
chatgpt 4.5 与 claude 3.7 sonnet：为您的商业成功选择合适 AI 模型的全面指南

chatgpt 4.5 与 claude 3.7 sonnet：为您的商业成功选择合适 AI 模型的全面指南

在快速发展的 AI 领域，选择正确的大型语言模型 (LLM) 不仅仅是一个技术决策，它更是一项战略要务，可以决定贵公司的竞争优势，甚至决定其是否会被淘汰。随着各行各业的企业都在努力应对 AI 的变革潜力，OpenAI 的 ChatGPT 和 Anthropic 的 Claude 这两个名字始终名列前茅。现在，随着关于突破性 ChatGPT 4.5 的传言四起，以及 Anthropic 的

阅读更多
ChatGPT 4 与 Claude 3.5 Sonnet：谁更胜一筹？让我们回顾一下

ChatGPT 4 与 Claude 3.5 Sonnet：谁更胜一筹？让我们回顾一下

我进行了测试 — ChatGPT 4 与 Claude 3 Sonnet，谁胜出？ 热议中，城里出现了一个新的聊天机器人玩家，Claude 3 Sonnet。它被描述为比 ChatGPT 更好，但也有相互矛盾的评价，比如 ChatGPT 依然是王者。 注意：随着 2024 年 6 月的最新更新，Claude 3.5 Sonnet 已发布，它比 GPT-4o 和 Claude

阅读更多
Chatgpt Vs Google Organic：6.8 倍的转化率揭晓--在免费试用注册方面，Ai 驱动的点击率如何优于传统搜索引擎优化

Chatgpt Vs Google Organic：6.8 倍的转化率揭晓--在免费试用注册方面，Ai 驱动的点击率如何优于传统搜索引擎优化

事情是这样的：我最近深入研究了我们网站在 GA4 中的一些数据，发现虽然 Google Organic 带来了更多流量，但 ChatGPT 点击的转化效果要好得多——确切地说，免费试用转化率高出 6.8 倍。 如果你身处 SEO 和数字营销的行业，你就会知道每一次转化都很重要。让我们来分解一下。 我在 GA4 中查看我们的流量数据时，注意到了一些引人注目的东西。尽管 ChatGPT 的总

阅读更多
ChatGPT 变得更聪明了：新 任务 功能如何改变人工智能游戏规则

ChatGPT 变得更聪明了：新 任务 功能如何改变人工智能游戏规则

想象一下。你正处于繁忙的工作日中，脑海中忙碌地应对着一百万件事情。要发送的电子邮件、要安排的会议、要管理的项目。你突然想起明天需要做的某件重要事情，但当你伸手去拿手机记录时，这个念头已经消失了。啪。听起来很熟悉吧？ 对我来说，这种情况发生得比我愿意承认的要频繁。而作为一个经常使用 ChatGPT 的人，我常常在想：“为什么它不能提醒我做事情呢？为什么它不能处理那些容易被忽视的小生活事务？”

阅读更多
对比分析：chatgpt与claude.ai谁是更优秀的ai对话助手？

对比分析：chatgpt与claude.ai谁是更优秀的ai对话助手？

尽管两者都提供先进的人工智能交互，聊天生成预训练变换器和克劳德人工智能如何塑造各自独特的对话风格？让我们探讨它们在语言选择上的细微差别。 你坐在桌前，手里拿着咖啡，准备为即将到来的项目集思广益。你转向一个人工智能助手寻求灵感。应该选择聊天生成预训练变换器还是克劳德人工智能？两者都承诺提供智能且吸引人的对话，但它们的用词如何塑造体验？这篇博客文章拆解了它们的用户体验写作的细微差别，比较

阅读更多
ChatGPT Pro 和完整 o1 模型：您不容错过的新功能

ChatGPT Pro 和完整 o1 模型：您不容错过的新功能

OpenAI 发布了新模型和新的无限订阅计划！ 最近，OpenAI 发布了以下推文，表示在接下来的12天里，每天都会添加新功能！真是一段旅程！让我们一起关注

阅读更多
ChatGPT 搜索与 Perplexity AI：哪个才是日常首选？

ChatGPT 搜索与 Perplexity AI：哪个才是日常首选？

AI 对决 嘿，AI 朋友们和关注者们。 探索 ChatGPT 搜索与 Perplexity AI 之间的差异，以实现更智能的浏览和更好的搜索体验。 我不仅仅是一个 AI 爱好者和日常用户，我相信它是未来，并将塑造我们工作、生活和使用互联网的方式。我正在使用 ChatGPT、Notion AI、一些较小的 AI 服务以及 RemNote 中的 AI 功能，当然还有 Perple

阅读更多
ChatGPT Vision 将图片转化为 1000 个字

ChatGPT Vision 将图片转化为 1000 个字

如何将这些文字转化为商业价值 我有这个想法快十年了。一切始于我搭建网站的时候，一位旅馆老板给我发了一根装满近千张照片的U盘，还有一盒35mm的照片让我扫描。这些都是惊人的照片——客人们展示他们的珍贵捕获、令人惊叹的湖景，以及向导们带领的户外冒险。我知道，如果我们能把这些照片放到网上，它们将为旅馆创造一场口碑营销的浪潮。但事情变得复杂了：每张照

阅读更多
[ChatGPT vs Claude]Cursor + Claude 3.5 如何颠覆科技行业？5 个疯狂的使用案例

[ChatGPT vs Claude]Cursor + Claude 3.5 如何颠覆科技行业？5 个疯狂的使用案例

探索 Cursor 和 Claude 3.5 如何通过自动视频编辑到以闪电般的速度构建加密货币交易界面，变革编码和设计的五种革命性方式。 Cursor 和 Claude 3.5 的强大力量：改变编码游戏的 5 个突破性用例 Cursor 和 Claude 3.5 的结合显著改变了编码领域，使开发者能够以无与伦比的速度和效率实现创新成果。这些工具在多个行业中证明了它们的颠

阅读更多
chatgpt最新更新：5大功能提升智能速度和互动体验

chatgpt最新更新：5大功能提升智能速度和互动体验

最新 ChatGPT 更新：AI 新时代 人工智能发展迅猛，而 ChatGPT OpenII 站在了这场变革的最前沿。 凭借最新更新，ChatGPT 变得更加智能、快速且直观，从而使对话比以往任何时候都更具吸引力和实用性。 无论您是使用它来创作内容、编码、研究还是仅仅为了有趣的互动，此更新都将 AI 体验提升到了一个全新的水平。 1. 改进的推理和解决问题能力 最新更新显

阅读更多
Chatgpt 的意外对话：探索小艾在没有提示的情况下发起对话的意义

Chatgpt 的意外对话：探索小艾在没有提示的情况下发起对话的意义

ChatGPT及其令人毛骨悚然的惊喜对话我所有的文章都是免费的，供大家阅读。如果您不是付费的Medium会员，请点击这里访问本文。

阅读更多
ChatGPT 的搜索功能正在改变我们查找在线信息的方式

ChatGPT 的搜索功能正在改变我们查找在线信息的方式

想象一下，向搜索引擎询问巴黎的最佳隐秘景点，它会在你说出“羊角面包”之前迅速给出一个可靠的答案。 — 欢迎来到 SearchGPT 的世界！🥐 ‎‎ 我们在线查找信息的方式正在演变，而 ChatGPT 的最新创新——SearchGPT——正在引领这一变革。 ‎‎ 这一新工具将对话式 AI 与实时互联网搜索相结合，提供了一种与传统搜索引擎截然不同的新选择，让你无需再打开

阅读更多
Deepseek R1：揭秘中国改变游戏规则的推理模型--Openai 的统治地位是否已经终结？

Deepseek R1：揭秘中国改变游戏规则的推理模型--Openai 的统治地位是否已经终结？

市场极其错误 来源：作者使用 GPT-4o 人工智能界终于意识到： 中国来了。 因此，市场字面上变得疯狂。CNBC 的 40 分钟报告，NVIDIA 的股票下跌 15%，损失总计约为一万亿，许多开发者永久关闭他们的 ChatGPT 账户。 这些都是中国最新的人工智能模型 DeepSeek 的 R1 带来的影响，它是第一个推理模型，**其性能与 OpenAI 的 o1 模型相匹

阅读更多
在 LLM 代理框架之间进行选择

在 LLM 代理框架之间进行选择

定制代码代理与主要代理框架之间的权衡 代理正在迎来一个重要时刻。随着多个新框架和新的 投资 的涌入，现代 AI 代理正在克服 [不稳定的起源](https://arxiv.org/html/2405.

阅读更多
全面比较：选择最佳ai代理框架langgraph Crewai与openai Swarm的实用指南

全面比较：选择最佳ai代理框架langgraph Crewai与openai Swarm的实用指南

使用3种不同框架构建的相同代理金融应用的代理编排深入比较。 由聊天OpenAI生成的图像。提示：多代理协作系统。 我们将涵盖的内容什么是代理？ 深入了解我们如何定义代理以及它们与AI管道和独立大语言模型的区别。 使用3个流行的代理框架构建的实践示例： LangGraph、CrewAI和OpenAI Swarm ([完整代码](https

阅读更多
选择适合您的双子座人工智能模型：从 Flash 到专业

选择适合您的双子座人工智能模型：从 Flash 到专业

原文 发布于 Premier Cloud 博客谷歌发布了多个 Gemini 模型，彻底改变了 AI 驱动工具的格局，使生成性 AI 对个人、开发者和企业而言更加可及和强大。这些模型由 DeepMind 开发，代表了生成性

阅读更多
完整指南：5种最佳chunking技术提升rag应用性能！

完整指南：5种最佳chunking技术提升rag应用性能！

Photo by Jason Abdilla on Unsplash一个检索增强生成的效果好坏取决于其块的质量。 — Thuwarakesh (我)如果你的检索增强生成应用程序没有达到预期的效果，也许是时候改变你的分块策略了。**更好的块意味

阅读更多
Claude 3.5 Haiku：人类的 速度之魔 脑力大增

Claude 3.5 Haiku：人类的 速度之魔 脑力大增

在人工智能进步的无情竞赛中，Anthropic刚刚推出了一位新的竞争者。认识一下Claude 3.5 Haiku，这是他们最快AI模型的最新版本。就像他们把短跑运动员送到了脑力训练营。结果呢？一个不仅在行动上迅速，而且在某些智力领域能够超越其更强大兄弟的模型。让我们深入了解一下这个新生事物的运作原理。 速度（和智慧）的需求 Anthropic 之前的 Haiku 模型已经是他

阅读更多
Claude 3.5 Sonnet（新）：利用计算机控制能力开拓人工智能的未来

Claude 3.5 Sonnet（新）：利用计算机控制能力开拓人工智能的未来

Anthropic于2024年10月22日发布了最新的AI模型Claude 3.5 Sonnet。此次发布引入了革命性的计算机控制能力，并在多个基准测试中实现了显著改进，为AI行业设定了新标准。 革命性的计算机控制：新前沿 Claude 3.5 Sonnet 的突出特点是其能够像人类一样与计算机进行交互。这一突破性的能力使得 AI 可以：使用鼠标和键盘输入导航桌面界面

阅读更多
Claude 3.5 Sonnet on Amazon Bedrock：人工智能知识库的新时代

Claude 3.5 Sonnet on Amazon Bedrock：人工智能知识库的新时代

在不断发展的人工智能领域，保持领先意味着要以热情和战略眼光拥抱最新的创新。其中一个在人工智能社区引起轰动的创新是 Anthropic 的 Claude 3.5 Sonnet 模型与 Amazon Bedrock 知识库的最近整合。这不仅仅是一次例行升级——这是我们管理、检索和生成上下文准确响应的方式的重大飞跃。 但是，是什么让 Claude 3.5 Sonnet 如此开创性？为什么

阅读更多
Claude 3.5 Sonnet Unleashed：你不能错过的人工智能革命 | 作者 Ahmed Bahaa Eldin | Medium

Claude 3.5 Sonnet Unleashed：你不能错过的人工智能革命 | 作者 Ahmed Bahaa Eldin | Medium

被称为人工智能的技术领域是一个相对年轻的领域，发展速度异常迅猛，其中最新的一个例子被称为 Claude 3. 5 Sonnet. 这是科技行业中最强大的 AI 模型之一，具有这些非凡的特性和功能。我们将重点关注 [***C

阅读更多
Claude 3.5 Sonnet V/S GPT-4O：哪一个更好

Claude 3.5 Sonnet V/S GPT-4O：哪一个更好

在2022年11月，OpenAI推出了ChatGPT，这一模型彻底改变了我们搜索和与信息互动的方式。次年3月，由前OpenAI员工创办的美国初创公司“Anthropic”推出了他们自己的AI模型“Claude”。自发布以来，这两家AI公司一直在竞争，以通过其AI模型为客户提供最佳的功能和体验。最近，OpenAI推出了“GPT-4o”，这是一个令人惊叹的模型，能够出色地处理文件、语音和视频数据

阅读更多
克劳德 3.5 与 GPT-4o：您需要了解的主要区别

克劳德 3.5 与 GPT-4o：您需要了解的主要区别

Anthropic 最新发布的 Claude 3.5 Sonnet 进入了一个市场，在这个市场中，OpenAI 的 GPT-4o 已经设定了高标准，已有 92% 的财富 500 强 公司利用 Open

阅读更多
克劳德 3.5 的计算机使用功能：改变工业自动化的游戏规则

克劳德 3.5 的计算机使用功能：改变工业自动化的游戏规则

在不断发展的人工智能领域，Anthropic 的 Claude 3.5 已成为一个强大的参与者，拥有一个引起各行业关注的功能：像人类一样使用计算机。这不仅仅是人工智能的另一个渐进式改进；这是一个重大变革，承诺将重塑企业在数字时代的运营方式。 AI驱动的计算机交互的曙光 让我们直截了当：Claude 3.5的计算机使用能力并不是普通的AI技巧。我们谈论的是一种能够浏览用户界面、操纵

阅读更多
解锁 Claude 3.7：混合模型和扩展思维如何革新 AI 编码解决方案

解锁 Claude 3.7：混合模型和扩展思维如何革新 AI 编码解决方案

https://www.anthropic.com/news/claude-3-7-sonnet Anthropic 确实凭借发布 Claude 3.7 Sonnet 在 AI 界掀起了波澜，这是他们迄今为止最先进的 AI 模型。这款开创性的“混合推理模型”将快速响应与深度分析相结合，为用户提供了前所未有的对 AI 思考过程的控制 主要特点扩展思考模式：用户现在可

阅读更多
解放 Claude 3.7 Sonnet：首个超越 Grok3 和 OpenAI 创新的混合推理模型

解放 Claude 3.7 Sonnet：首个超越 Grok3 和 OpenAI 创新的混合推理模型

Claude 3.7 Sonnet：混合推理模型 期待已久！Anthropic 的 Claude 3.7 Sonnet 来了——这是他们在 2025 年的首次重大发布。此前，他们于 2024 年 7 月发布了 Sonnet 3.5 模型（一个强大的编码工具）。Anthropic 声称 Claude 3.7 Sonnet 是市场上首个混合推理模型，能够提供近乎即时的响应或详细的、逐步的

阅读更多
释放混合推理的力量：深入探讨Claude 3.7 Sonnet！

释放混合推理的力量：深入探讨Claude 3.7 Sonnet！

Claude 3.7 Sonnet：Anthropic的混合推理AI模型 探索Claude 3.7 Sonnet — 来自Anthropic的突破性AI模型，提供闪电般快速的答案或详细的逐步解析。 Anthropic最新发布的Claude 3.7 Sonnet证明了这一变革性进步。作为市场上首个混合推理AI模型，Claude 3.7 Sonnet代表了AI

阅读更多
解锁 Claude 3.7 Sonnet：用 5 个步骤掌握 Api 与 Apidog 集成的开发人员指南

解锁 Claude 3.7 Sonnet：用 5 个步骤掌握 Api 与 Apidog 集成的开发人员指南

Claude 3.7 Sonnet 概述 如果你和我一样对Anthropic最新发布的Claude 3.7 Sonnet感到兴奋，并想通过API深入了解其功能，同时利用Apidog进行测试，那么你来对地方了。让我们来看看为什么Claude 3.7 Sonnet如此重要。 发布信息 Anthropic于2025年2月24日发布

阅读更多
深入探索claude 3.7 Sonnet：揭示其创新特性与系统卡片见解的全面分析

深入探索claude 3.7 Sonnet：揭示其创新特性与系统卡片见解的全面分析

Comprehensive explanation and analysis of Claude 3.7 Sonnet System Card by AnthropicTailored for AI developers, geeks, enthusiasts and knowledge seekers familiar with machine learning concepts

阅读更多
释放效率：现代开发人员对克劳德代码的 5 个重要见解

释放效率：现代开发人员对克劳德代码的 5 个重要见解

克劳德代码 克劳德代码代表了人工智能辅助软件开发的重大创新，将代理编码助手与克劳德 3.7 颂歌模型结合在一起。这个终端集成工具使开发人员能够委派复杂的编码任务，同时保持对开发过程的监督。 开发中的新范式 克劳德代码直接与开发者终端集成，使软件工程师能够专注于更高层次的关注点。早期指标显示出令人印象深刻的能力：以前需要近一个小时的任务现在可以在单次操作中完成，测试时间大幅减

阅读更多
Claude与Neo4j的动态数据交互与模型上下文协议应用

Claude与Neo4j的动态数据交互与模型上下文协议应用

赋予 LLM 知识图谱的能力，使用 Anthropic 的模型上下文协议 上周，Anthropic 发布了一个新的 模型上下文协议 (MCP)，使得像 Claude 这样的 LLM 能够与外部数据源进行通信。 该协议允许本地应用程序，如 Claude.ai、Zed、R

阅读更多
克劳德的新款 3.5 Sonnet 性能超过了 OpenAI 的 O1-mini。我很震惊。

克劳德的新款 3.5 Sonnet 性能超过了 OpenAI 的 O1-mini。我很震惊。

Claude更新的3.5 Sonnet模型的并排比较 当OpenAI发布GPT-4o时，我充满期待……但很快就失望了。尽管GPT-4o比GPT-4更快且成本更低，但其表现明显不如前者。如果不考虑成本，原始的GPT-4（和Claude 3.5）显然是更好的模型。 今天，Anthropic发布了更新的3.5 Sonnet模型。像Reddit这样的在线社区对此赞不绝口，解释它比之前的版

阅读更多
🔌 Cline + MCP：VS Code 的人工智能助手获得代理超能力

🔌 Cline + MCP：VS Code 的人工智能助手获得代理超能力

“嘿，Cline，你能检查一下我们在 CI 中测试失败的原因吗？”到目前为止，AI 编码助手只能分析您手动共享的代码。但通过 Cline 最新的模型上下文协议（MCP）集成，您的 AI 助手现在可以调查问题、部署修复，并管理您整个开发工作流程——这一切都可以在 VS Code 中完成。“多亏了 Claude 3.5 Sonnet 的代理编码能力，Cline 可以逐步处理复杂的软

阅读更多
Cline v3.1：Cursor 和 Windsurf 的高性价比替代品

Cline v3.1：Cursor 和 Windsurf 的高性价比替代品

如果你在寻找一种可以替代像 Cursor 或 Windsurf 这样的 AI 编码器的工具，因为它们价格昂贵且需要下载软件。 那么在这篇文章中，让我们讨论一些可能解决我们问题的东西。 我说的是…… Cline v3.1 这不仅仅是另一个工具；它是一个改变游戏规则的工具，将 Visual Studio Code (VS Code) 转变为一个完全自主的 AI 编码代理——免费！

阅读更多
Codiums Windsurf：最佳光标对手

Codiums Windsurf：最佳光标对手

你知道在代码中平衡速度、效率和创新的挑战。Codium最新发布的Windsurf彻底改变了游戏。被称为“最佳Cursor竞争者”，这个新的集成开发环境（IDE）结合了速度、智能和无与伦比的API支持。无论你是深入复杂项目还是为你的初创公司优化代码，Windsurf都承诺成为一个改变游戏规则的工具。 现在，让我们来看看为什么*W

阅读更多
代理人工智能框架对决：哪一个将主导自主系统？

代理人工智能框架对决：哪一个将主导自主系统？

AI代理的崛起 人工智能正经历深刻的变革，从被动模型转向主动的自主代理。这些智能代理由大型语言模型（LLMs）和复杂的框架驱动，旨在感知其环境、进行推理、制定计划并采取行动以实现特定目标。这种向代理性的转变代表了根本性的变化，有望彻底改变自动化、提升生产力，并在各个行业中开启全新的可能性。 作者提供的图片 然而，导航快速扩展的代理框架生态系统可能会让人感到不知所措。众多工具应运而

阅读更多
人工智能代理框架比较：评估 Dspy 与 Langgraph Autogen 和 Crewai 的最佳性能

人工智能代理框架比较：评估 Dspy 与 Langgraph Autogen 和 Crewai 的最佳性能

上周，我们在 Devon 进行了一项关于基于 AI Agents 的应用的 POC。首先要决定使用什么和不使用什么，因为我们有很多选择。我们的客户希望避免使用 Langraph。在研究过程中，我发现了 DSPy。AI agents 的兴起改变了开发者构建智能系统的方式，使得从自主客服机器人到自适应教育工

阅读更多
用于构建多代理系统的 LangGraph、Autogen 和 Crewai 比较研究

用于构建多代理系统的 LangGraph、Autogen 和 Crewai 比较研究

随着我们进入多智能体系统（MAS）的领域，了解专门为此目的设计的各种编程语言至关重要。在本文中，我们将通过比较 LangGraph、Autogen 和 Crewai —— 该领域的三大重要参与者，深入探讨 MAS 开发的世界。 介绍 多智能体系统（MAS）在各个行业中变得越来越重要。MAS是由多个智能体组成的系统，这些智能体相互之间以及与环境进行交互，以实现特定目标。在可用于构建M

阅读更多
比较 AI 代理平台：CrewAI、AutoGen、LangChain 和 Pydantic AI 之间的 4 个关键差异，以实现最佳自动化解决方案

比较 AI 代理平台：CrewAI、AutoGen、LangChain 和 Pydantic AI 之间的 4 个关键差异，以实现最佳自动化解决方案

简介 ([Beyond Automation: Delving Deep into Microsoft’s AutoGen Conversational AI Framework — Tech News & Insights](https://lawrence.eti.br/2023/10/08/beyond-automation-delving-deep-into-microsof

阅读更多
比较人工智能编码平台：用于关键视觉生成系统的 Cursor、V0、Bolt.new 和 Windsurf

比较人工智能编码平台：用于关键视觉生成系统的 Cursor、V0、Bolt.new 和 Windsurf

随着基础模型（如VLMs，例如Minimax、Qwen-V）和尖端图像生成技术（如Flux 1.1）的快速发展，我们正进入一个创造性可能性的新纪元。结合像T5这样的模型以增强对潜在空间中文本提示的理解，这些工具使得生产广告级别的关键视觉（KVs）成为可能，且具有显著的真实感。在我们组织中，我们测试了结合这些模型生成高质量KVs的潜力。我的任务是开发一个KV生成系统，能够复制特定风格，利用

阅读更多
比较为图像添加文本的主要文本到图像生成模型

比较为图像添加文本的主要文本到图像生成模型

九个领先图像生成模型在图像中渲染准确文本（单词和短语）的能力比较 在这篇文章中，我们将评估来自多个提供商的九个最先进的文本到图像生成模型在不同托管平台上的能力。具体来说，我们将根据给定的提示评估它们在图像中生成准确文本（单词和短语）的能力。测试的模型包括以下内容（按字母顺序排列）：Adobe Firefly Image 3（通过 [firefly.adobe.com](htt

阅读更多
2025年ai代理框架深度比较：7大框架助力任务自动化与智能化解决方案

2025年ai代理框架深度比较：7大框架助力任务自动化与智能化解决方案

我们已经进入2025年，人工智能世界正在向代理人工智能（Agentic AI）革命化，世界开始为行业问题自动化生产代理。术语“代理”描绘了人工人类为人类工作，而“AI代理”则描绘了人工智能人类为人类自动化复杂工作。 AI代理拥有大型语言模型（LLM）的智能来智能地完成任何提供的工作。代理在幕后由大型语言模型（LLMs）驱动。 目前有一些著名的AI代理框架可以用于构建代理解决方案以自动化任

阅读更多
使用 LangGraph 和 Waii 进行复杂 SQL 连接

使用 LangGraph 和 Waii 进行复杂 SQL 连接

在快速发展的数据分析领域，通过自然语言与数据互动的能力变得愈发重要。会话式分析旨在使复杂的数据结构对没有专业技术技能的用户更易于访问。 LangGraph 是一个用于构建有状态的多代理应用程序的框架，使用语言模型。Waii 提供文本到 SQL 和文本到图表的功能，使与数据库和数据可视化的自然语言交互成为可能。 本文探讨了 Waii 的功能如何增强 LangGraph 应用于会话式分析

阅读更多
掌握 Ai 代理：2025 年设计、构建和优化综合指南

掌握 Ai 代理：2025 年设计、构建和优化综合指南

如果你关注科技新闻，你可能会听到“2025年将是人工智能代理的年”或“人工智能代理将改变我们的工作和生活”等预测。你可能会想知道人工智能代理是什么，以及它们为何突然变得如此重要。 虽然确实存在一定程度的炒作，但理解人工智能代理是如何工作的，对于任何想要构建或使用它们的人来说都是重要的。它们是我们使用大型语言模型（LLMs）或多模态视觉语言模型（VLMs）方式的根本转变，并为自动化和人机交

阅读更多
揭秘：加密货币AI交易机器人，24/7不眠不休的交易奇迹！

揭秘：加密货币AI交易机器人，24/7不眠不休的交易奇迹！

加密AI交易机器人正在彻底改变交易者在加密货币市场中的导航方式，提供无与伦比的效率。 在不断发展的加密货币世界中，走在前沿通常需要创新工具。在Cryptokeek，我们理解利用尖端技术提升您的交易体验的重要性。其中一种创新就是使用加密AI交易机器人。这些自动化程序正在改变交易者与市场互动的方式。以下是您需要了解的所有信息。 为什么考虑加密货币AI交易机器人？ 首先，加密货

阅读更多
Enhancing Customer Support Efficiency: Exploring the 4 Key Advantages and Use Cases of Conversational AI

Enhancing Customer Support Efficiency: Exploring the 4 Key Advantages and Use Cases of Conversational AI

想象一下：有人问你如何在网上填写银行表格。你清楚地解释了步骤，但他们又反复问同样的问题。这不是很重复且耗时吗？ 现在，想象一下，对于一个有大量待处理工单的支持人员来说，会发生什么情况。在处理重复性查询时，复杂的问题被推到了一边。 结果？更长的解决时间 代理生产力下降 效率降低 负面的客户服务体验为了解决这个问题，对话式 AI 成为一种强大的解决方案

阅读更多
客户服务对话式人工智能：成功的最佳实践和关键步骤

客户服务对话式人工智能：成功的最佳实践和关键步骤

在当今快节奏的商业环境中，客户服务在建立和维护客户忠诚度方面发挥着至关重要的作用。随着企业努力提供个性化和高效的支持，对话式人工智能作为一种革命性解决方案应运而生。通过将人工智能（AI）集成到客户服务运营中，公司可以简化流程，提供即时响应，并显著改善整体客户体验。Gartner 的一份报告估计，到 2025 年，40% 的客户服务互动 将通过人工智能和机器学习技术实现

阅读更多
对话式商业智能：Text2SQL 的挑战与解决方案

对话式商业智能：Text2SQL 的挑战与解决方案

用自然语言查询 SQL 数据库/数据仓库的艺术 介绍 BI的未来是对话式的 — 这是Gartner和其他分析师在过去几年中告诉我们的。对话式BI在赋能业务用户自主查询数据存储（使用自然语言）方面具有巨大的潜力，无需依赖数据工程团队。随着大型语言模型（LLMs）的出现，我们似乎已经达到了一个转折点。让我们首先了解实现Text2SQL的挑战。 Text2SQL 挑战

阅读更多
释放自定义 Ai 代理的力量：在 Ollama 中掌握工具集成

释放自定义 Ai 代理的力量：在 Ollama 中掌握工具集成

一只配备工具的羊驼 介绍 今天，我将分享一个我开发的解决方案，它提供了一种简单的方法来集成自定义工具 ⚙️，而无需依赖流行的第三方库。 这是必要的，因为 agents，即配备工具的模型，无法自行检索新数据。因此，它们的知识范围是有限的，除非从互联网提供新的信息。通过实现自定义 函数，我们可以有效地扩展这些 agents 的能力，使它们能够访问

阅读更多
Crawl4AI：释放高效网络抓取功能

Crawl4AI：释放高效网络抓取功能

在当今数据驱动的世界中，高效收集和处理信息的能力对于人工智能（AI）应用的成功至关重要。随着人工智能的不断发展，对结构化数据以训练大型语言模型（LLMs）的需求前所未有地高。 引入 Crawl4AI，一个创新的开源 Python 库，旨在简化网页爬取和数据提取，使其成为开发者和人工智能爱好者不可或缺的工具。本文将探讨 Crawl4AI 的功能、特性和使用案例，强调它如何使用户能够利

阅读更多
Crawl4AI：您的终极异步网络爬行伴侣 🕷️🤖

Crawl4AI：您的终极异步网络爬行伴侣 🕷️🤖

Crawl4AI 是一个 开源 Python 库，旨在简化网络爬虫并轻松提取网页上的有价值信息。无论您是将其集成作为 REST API，还是直接在您的 Python 项目中使用，Crawl4AI 都提供了一种 强大、灵活 和 完全异步 的解决方案，专为大型语言模型（LLMs）和人工智能应用量身定制。 介绍 Crawl4AI 旨在 **简化

阅读更多
使用 pydanticai 和 postgresql 创建一个 rag ai 代理：开发者的全面分步指南

使用 pydanticai 和 postgresql 创建一个 rag ai 代理：开发者的全面分步指南

使用 PydanticAI 创建 RAG 应用程序 在本文中，我将逐步向您展示如何使用 PydanticAI 创建 RAG (Retrieval Augmented Generation) 应用程序。与手动实现 RAG 相比，代码更简单、更清晰。 先决条件： PydanticAI RAG Agent 在开始之前，您需要以下内容：Python 3.9+

阅读更多
自建 Gmail 代理：实施模型上下文协议 (MCP) 的逐步指南

自建 Gmail 代理：实施模型上下文协议 (MCP) 的逐步指南

通过启动您自己的 Gmail Agent 来熟悉 MCP 服务器，以管理您的收件箱。 来自演示 视频 的片段 MCP 简介 在 2024 年 11 月下旬，Anthropic 发布了 Mode

阅读更多
利用 Claude AI Sonnet 3.7 最大化您的书籍创作：整合文本与图像以增强参与感

利用 Claude AI Sonnet 3.7 最大化您的书籍创作：整合文本与图像以增强参与感

我最近 讨论了 Anthropic 的一次重大更新，输出上下文长度增加到了 128k。 这一改进通过允许更大的提示和输出，有助于消除现实世界应用的主要障碍之一。 在最初的帖子中，我

阅读更多
使用 PydanticAI 创建人工智能代理 CRUD 应用程序：逐步进行

使用 PydanticAI 创建人工智能代理 CRUD 应用程序：逐步进行

很高兴再次回到 Skolo Online！在我们2025年的第一篇教程中，我们将深入探讨 PydanticAI。在本文中，我们将涵盖以下内容：如何开始使用 Pydantic AI — “你好，世界”教程 设置 PostgreSQL 数据库 更复杂的 PydanticAI 实现，其中两个代理协同工作以执行用户请求。代理 1 理解用户意图，代理 2 执行该意图。最后，我们

阅读更多
轻松打造高效研究助手！AutoGen与Panel UI结合的神奇旅程

轻松打造高效研究助手！AutoGen与Panel UI结合的神奇旅程

🎉 新年快乐，大家好！在开始之前，衷心感谢大家对我们之前故事的支持和反馈——这对我们意义重大！🙌 现在，让我们以一个有趣的项目开始新的一年。在人工智能和数据科学的世界中，打造智能和动态的代理可以为自动化研究工作流程带来重大变化。利用 AutoGen 和 Panel UI，您可以构建一个研究代理，与多个子代理协作，每个子代理都设计用于特定任务，如编码、规划或批评。✨ 让我

阅读更多
释放无限潜能：使用 Gpt-4o 打造革命性的 Whatsapp Ai 代理！

释放无限潜能：使用 Gpt-4o 打造革命性的 Whatsapp Ai 代理！

Created with DALL-E 如何使用Meta API构建自己的LLM驱动的WhatsApp聊天机器人 在人工智能和商业管理领域，人工智能代理与广泛使用的通信工具的集成是一个颠覆性的变化。想象一下，拥有一个熟悉的聊天界面，可以进行实时数据请求、更新和任务自动化，这一切都通过与您业务的管理或个人助理人工智能的WhatsApp直接互动实现。 在我们关于创建人工智能驱动的商业

阅读更多
提升您的生产力：使用 Qdrant 和 Llamaindex 创建自主 AI 工具以实现无缝工作流程

提升您的生产力：使用 Qdrant 和 Llamaindex 创建自主 AI 工具以实现无缝工作流程

Agentic AI：使用 Qdrant 和 LlamaIndex 简化工作流程 架构： 在架构中，Streamlit 充当用户界面，用户可以在其中使用自然语言或通过简单输入提供他们的需求。然后，用户的请求被传递给 Qdrant，它充当一个语义路由器。Qdrant 负责理解用户输入的上下文和语义。基于这种理解，它决定应该触发哪个工作流程。这使得 Qdrant

阅读更多
构建智能代理：如何让ai像人类一样操作计算机并完成任务

构建智能代理：如何让ai像人类一样操作计算机并完成任务

免费阅读这个故事: link 在这篇博客中，我们将从零开始构建一个AI代理，以处理交互式任务，例如：从亚马逊给我买一个足球它打开Chrome，搜索一个查询，滚动，并将第一个足球添加到

阅读更多
构建jarvis：如何打造一个智能对话ai助手的五个关键步骤

构建jarvis：如何打造一个智能对话ai助手的五个关键步骤

对话聊天机器人和人工智能头像设计 Jarvis 对话人工智能 想象一个友好、引人入胜的人工智能代理， seamlessly integrated into your website. 它能够浏览页面、安排咨询，并保持用户信息更新，同时进行自然对话。认识 Jarvis，我们的实验性对话人工智能代理，旨在弥合以人为本的互动与尖端技术之间的差距。 在本文中，我们将探讨 J

阅读更多
CrewAI 和 Criteo API - 第 1 部分

CrewAI 和 Criteo API - 第 1 部分

介绍 本文是一个系列的第一篇，展示如何使用CrewAI和Criteo API。我们将看到如何获取凭证，使用这些凭证获取访问令牌，并使用该令牌调用端点以获取账户、零售商和品牌，所有这些都来自CrewAI团队。CrewAI 是一个 “最先进的框架，用于协调角色扮演的自主AI代理。通过促进协作智能，CrewAI使代理能够无缝协作，处理复杂任务。”***C

阅读更多
解锁crewai的潜力：5个新功能提升您的AI工作流程

解锁crewai的潜力：5个新功能提升您的AI工作流程

Agentic AI 框架 如果您的 LLM 不在上述页面中的 supported providers 中，您可以检查 LiteLLM 支持情况，因为 CrewAI 使用 LiteLLM 连接到 LLM，例如，要连接 Databricks 模型服务上的 LLM，请参阅 [此页面](http

阅读更多
CrewAI 示例项目 - AI 技术博客

CrewAI 示例项目 - AI 技术博客

在本教程中，基于 AI 的博客写作助手为内容创作者开发，使用 CrewAI 平台。该项目的结构旨在自动提供和建议用户在创建技术博客文章时可能需要的基本和高级信息。这种方法旨在减轻内容创作者的工作负担，提高质量，并确保一致性。 目标开发一个人工智能驱动的系统，以加快用户创建技术博客文章的过程。 通过扫描谷歌上最受欢迎和最新的发展来创建博客文章。 通过提高内容质量来帮

阅读更多
CrewAI 实例教程：使用人工智能代理自动创建 YouTube 频道（第 3/4 部分）

CrewAI 实例教程：使用人工智能代理自动创建 YouTube 频道（第 3/4 部分）

在上一篇文章中，我们探讨了我们打算构建的 AI 系统的前几个元素。本文将继续介绍剩余元素的 CrewAI 代码，以实现所需的 AI 系统。请查看本教程系列的[Git

阅读更多
Crewai：代理真的可以编写 Rest Api 代码吗？

Crewai：代理真的可以编写 Rest Api 代码吗？

使用代理来编写工作流程继续我对使用 Crew AI 的代理的探索 抽象出代码创建所需的代理 [为代理编写代码](https://r.rifx.online

阅读更多
CrewAI：由人工智能代理组成的个人军队，为您协同工作

CrewAI：由人工智能代理组成的个人军队，为您协同工作

CrewAI框架是什么？ AI协作的力量有太多值得提供的。CrewAI旨在使AI代理能够承担角色、共享目标，并以一个紧密合作的单位运作——就像一支运转良好的团队。无论您是在构建智能助手平台、自动化客户服务团队，还是多代理研究团队，CrewAI都为复杂的多代理交互提供了基础。 换句话说，CrewAI是一个代理框架，允许我们创建代理来帮助我们解决简单（优化）或复杂的任务（例如开发

阅读更多
CrewAI 的任务工具与代理工具：您必须知道的区别

CrewAI 的任务工具与代理工具：您必须知道的区别

在 CrewAI 中，工具本质上是代理可以利用的技能或功能，以执行各种操作。可以将其视为为您的 AI 代理提供一个装满专业工具的工具箱。这些工具在扩展 CrewAI 代理的能力方面至关重要，使他们能够承担广泛的任务并有效协作，例如访问互联网、查询数据库中的数据或运行 Python 代码。 CrewAI 提供了灵活性，您可以以多种方式为代理配备工具：**A) 代理

阅读更多
解锁Ai代理：5种方法解决最后一公里问题并转变用户体验

解锁Ai代理：5种方法解决最后一公里问题并转变用户体验

Agent 将解决 AI 的“最后一英里”问题，并从中大赚一笔 作者通过 Midjourney 绘制的插图 今年 1 月，OpenAI 宣布将向特定用户发布其新的 “Operator”平台。 Operator 是 OpenAI 的 AI 代理平台，目前是 AI 领域最热门的新事物。

阅读更多
理解LLMs中的文化偏见：增强跨文化AI交互的5个关键见解

理解LLMs中的文化偏见：增强跨文化AI交互的5个关键见解

探索文化价值观对 AI 响应的影响以及语言和角色分配如何减少偏见 不同的国家有不同的信仰和价值观——而 LLM 继承了这些价值观和偏见。图片：英格尔哈特-韦泽尔世界文化地图 — 世界价值观调查 7 (2023)。来源：http://www.worldvaluessurvey.org/ 随着 DeepSeek-R1 的最新发布，中国的大型语言模型 (LLM) 正在赶上西方

阅读更多
如何用AI简化Jira管理？揭秘定制AI Jira助手的惊艳新境界！

如何用AI简化Jira管理？揭秘定制AI Jira助手的惊艳新境界！

我如何使用 Google Mesop、Django、LangChain Agents、CO-STAR 和 Chain-of-Thought (CoT) 提示结合 Jira API 更好地自动化 Jira 这个项目的灵感来自于我为内部用户开发的一个网页应用上的 Jira 工单创建工具。我还在系统错误发生时添加了自动创建 Jira 工单的功能。 用户和系统错误通常会创建类似的工

阅读更多
使用人工智能代理进行数据探索：使用 SmolAgents 探索泰坦尼克号数据集

使用人工智能代理进行数据探索：使用 SmolAgents 探索泰坦尼克号数据集

十年前，当我开始我的机器学习之旅时，和许多人一样，我是从泰坦尼克号数据集开始的。我清晰地记得进行第一次探索性数据分析（EDA）的兴奋，发现模式和关联。快进到今天，数据分析的格局已经以我无法想象的方式演变。在这个智能AI的时代，我们现在可以将大部分的EDA委托给智能代理。问题不再是我们能否自动化EDA？而是我们能将这些能力推向多远？ 简短的回答是：相当远。借助由尖端AI模型驱动的

阅读更多
代理工程的第一天：利用域名可用性检查器构建 Saas 名称生成器！

代理工程的第一天：利用域名可用性检查器构建 Saas 名称生成器！

今天是我作为代理工程师的第一天 让我们直接进入今天的总结和计划中的必做任务。 今天的总结入职培训介绍团队和公司文化。 概述当前进行中的项目。工具和技术设置开发环境。 安装必要的软件和工具。第一项任务被分配修复现有代码库中的一个小bug。 审查代码并制定修复计划

阅读更多
第 4 天启示录：掌握代理工程的光标和 Ai 规则--100 天挑战 突破！

第 4 天启示录：掌握代理工程的光标和 Ai 规则--100 天挑战 突破！

第4天 在挑战的第四天，我开始身体状况有所改善，但与学习相关的其他任务却很困难，这是因为周末，我有妻子和2岁的女儿，希望在周末能与家人多花些时间 :) 我的日常任务例程 1. 锻炼：俯卧撑 — 今天是一个突破，我终于能够做一个俯卧撑，但还有更多，我能够做15个俯卧撑。当然这没什么特别的，其他人能做100个，但我已经4天没能做一个了。每天的坚持能改变一切，真是令人惊讶

阅读更多
深入了解 LlamaIndex 工作流程：事件驱动的 LLM 架构

深入了解 LlamaIndex 工作流程：事件驱动的 LLM 架构

实践后的进展与不足 最近，LlamaIndex 在其某个版本中引入了一个新功能，称为 Workflow，为 LLM 应用提供了事件驱动和逻辑解耦的能力。 在今天的文章中，我们将通过一个实际的迷你项目深入探讨这个功能，探索新内容和仍然不足之处。让我们

阅读更多
揭开 Llm 推理的神秘面纱：从思维链到强化学习的 5 项技术，助您提高绩效

揭开 Llm 推理的神秘面纱：从思维链到强化学习的 5 项技术，助您提高绩效

大型语言模型与推理技术 大型语言模型 (LLMs) 在近年来取得了显著进展，特别是在处理复杂推理任务的能力上。本文深入探讨了用于增强 LLM 推理的各种技术，借鉴了最近的研究论文，特别关注 DeepSeek-R1。我们将探讨如思维链 (CoT)、强化学习 (RL) 和蒸馏等方法，考察它们如何促进更强大和更类人化的推理。 在深入具体技术之前，了解训练阶段和测试阶段所应用的方法之间的区别是

阅读更多
使用deepseek克隆网站的终极指南：从fiverr到react项目的完整过程

使用deepseek克隆网站的终极指南：从fiverr到react项目的完整过程

使用深度寻址克隆网站 深度寻址如同一场风暴，颠覆了人工智能的格局，推动了人们对可能性的边界的思考。 我并不是说其他人工智能模型如聊天生成预训练变换器或双子座不好。但深度寻址的深度思考以独特的方式使其脱颖而出。 虽然像聊天生成预训练变换器和双子座这样的模型在生成流畅、上下文感知的响应方面表现出色，但深度寻址似乎推动了推理的边界，解决复杂的多步骤问题。 我想看看它是否可以根据其UR

阅读更多
掌握 Deepseek R1 微调：使用 Python 创建自定义 Ai 模型的 5 个步骤

掌握 Deepseek R1 微调：使用 Python 创建自定义 Ai 模型的 5 个步骤

学习如何微调深度寻求R1模型以满足您的所有用例。还不是会员？访问完整文章 这里为什么要迟迟不利用这个深度寻求R1模型的最佳推理能力？ 微调并将其用于您的项目！ 当每个人都在争

阅读更多
Deepseek 与光标中的 Claude：哪种 Llm 能消灭编码任务？

Deepseek 与光标中的 Claude：哪种 Llm 能消灭编码任务？

深度搜索 V3 和 R1 比较 深度搜索的两个模型，深度搜索 V3 和 R1 已经新添加到光标中。目前，许多开发者正在使用 Claude 3.5 Sonnet（最新版本，claude-3-5-sonnet-20241022）作为他们在光标中的主要大语言模型（包括我自己），所以我想测试这些模型，看看它们在实践中的比较如何。 深度搜索 如果你还没听说过，[深度搜索](https

阅读更多
释放 Ai 潜力：Deepseek 如何改变工程视角和应用

释放 Ai 潜力：Deepseek 如何改变工程视角和应用

Photo by ThisisEngineering on Unsplash 距离我上一次发帖已经快一年

阅读更多
Deepseek Vs：他们是否暴露了 Openai 的致命缺陷？

Deepseek Vs：他们是否暴露了 Openai 的致命缺陷？

聊天生成预训练变换器制造商一直在玩一场失败的游戏 作者使用Canva创建的图像 开放AI上新闻的原因通常有三种典型情况：董事会成员之间的丑闻 他们正在推出新产品 或者他们在抱怨仍然没有盈利他们最近因第三个原因上了新闻。 在1月初，萨姆·奥特曼发了一条令人不快的推文。 ![Image 8](https://cdn-images-1.readmedium.

阅读更多
利用本地知识库释放 Deepseek 的力量：终极指南！

利用本地知识库释放 Deepseek 的力量：终极指南！

深度搜索 + 本地知识库的部署 今天，我将分享深度搜索 + 本地知识库的部署。 首先，绘制一个数据流图。 基于樱桃工作室构建 基于本地深度搜索构建个人知识库。使用本地服务并安装嵌入式模型，将文本数据转换为向量表示。 ollama pull bge-m3 pulling manifest pulling daec91ffb5dd... 100% ▕████

阅读更多
Deepseek V3 Vs.R1 Vs.R1-zero：哪种型号能满足您的 Ai 需求？

Deepseek V3 Vs.R1 Vs.R1-zero：哪种型号能满足您的 Ai 需求？

介绍 深寻已成为一个显著的参与者，特别是在其最近发布的 R1 和 V3 模型方面。本文旨在提供这三种模型之间的清晰比较：深寻 R1、深寻 V3 和深寻 R1-零。每个模型都提供了不同的特性和能力，以满足人工智能社区内不同的需求。 深寻 V3 | 深寻 R1 | 深寻 R1 — 零 的详细比较 深寻 R1 旨在处理高级推理任务，利用强化学习技术来增强其性能。相反，深寻 V3 专注于

阅读更多
超高性价比！DeepSeek R-1 彻底变革 Cursor AI 开发体验？

超高性价比！DeepSeek R-1 彻底变革 Cursor AI 开发体验？

作为一名在个人开发项目中使用 AI 一年多的开发者，我对 DeepSeek R-1 模型现在在 Cursor AI 中得到支持感到非常兴奋。 新模型的支持

阅读更多

解锁本地文档分析：Deepseek R1 32B 在推理任务中如何超越传统模型

大型语言模型排名 我一直在根据大型语言模型 (LLM) 回答关于我的自传（一份 45k token 的文档）问题的能力进行排名。我有一套标准问题，我会提问并验证答案，还会使用前沿 LLM 来分析和排名这些回复。我相信它们在这种场景中的出色表现是它们在编码方面有用的关键。如果它们不能准确理解规范，那么它们怎么能成为超级编码员呢？ 最近，大型推理模型 (LRM) 已可用于离线使用。Deep

阅读更多
Deepseek-r1 击溃 Openai 的 O1：揭开他们试图隐藏的训练秘密！

Deepseek-r1 击溃 Openai 的 O1：揭开他们试图隐藏的训练秘密！

Image generated with DALL-E 3 在过去十年中，人工智能取得的进展令人难以置信。 这些进展大部分是在2017年谷歌发布其开创性论文“注意力机制是你所需的一切”之后取得的。 正是在那时，其他公司开始研究这篇论文中讨论的思想（[变换器](https://en.wikipedia.org/wik

阅读更多
Deepseek-r1-distill-qwen-1.5b：超越gpt-4o与claude-3.5的轻量级模型解析与应用指南

Deepseek-r1-distill-qwen-1.5b：超越gpt-4o与claude-3.5的轻量级模型解析与应用指南

深度寻求 概述 深度寻求在生成式 AI 领域引起了轰动。首先推出了深度寻求-v3，现在又推出了深度寻求-R1，这两个模型都击败了所有基准测试，并且完全开源。 但今天我们不谈这两个超级英雄模型，而是深度寻求-R1 的一个蒸馏版本，即深度寻求-R1-蒸馏-Qwen-1.5B，它可能是今天被低估的发布，悄然在一些主要基准测试中击败了 GPT4o 和 Claude3.5 Sonnet，

阅读更多
Deepseek R1：揭开高性价比推理能力背后的秘密

Deepseek R1：揭开高性价比推理能力背后的秘密

深度寻求 R1: 人工智能中的技术创新 深度寻求 R1 已成为一个引人注目的例子，展示了如何以成本效益高和开放的方式实现高级推理能力。在这篇文章中，我们探讨了深度寻求 R1 背后的技术创新，解释了它在更广泛的人工智能领域中的重要性，并讨论了它的市场影响和实际应用。我们的方法是教育性的和谨慎的，专注于基础方法而不是夸大的炒作。 技术创新高级推理: 深度寻求 R1

阅读更多
震惊！Unsloth AI 如何让671亿参数的DeepSeek R1精准压缩至131GB？

震惊！Unsloth AI 如何让671亿参数的DeepSeek R1精准压缩至131GB？

原始的 DeepSeek R1 是一个 6710 亿参数的语言模型，由 Unsloth AI 团队进行了动态量化，实现了 80% 的体积缩减——从 720 GB 减少到仅 131 GB，同时保持了强大的性能。而当添加模型卸载时，该模型可以在 24GB VRAM 上以低每秒令牌推理运行。 为什么模型大小对大型语言模型很重要 大型语言模型本质上需要大量的存储和计算资源。保持所有参数的全精度

阅读更多
深度揭秘！DeepSeek-R1如何打破AI界限？惊艳性能竟与巨头比肩！

深度揭秘！DeepSeek-R1如何打破AI界限？惊艳性能竟与巨头比肩！

人工智能中的“顿悟”时刻 在本文中，我们将讨论DeepSeek-R1，这是第一个展现出与闭源LLM（如Google、OpenAI和Anthropic等公司生产的模型）相当性能的开源模型。这一性能的提升是人工智能领域的一个重要里程碑，也是DeepSeek-R1成为热门话题的原因。 我们将首先简要介绍DeepSeek所基于的一些基本机器学习思想，然后描述一些新颖的训练策略，这些策

阅读更多
DeepSeek-R1-Lite-Preview：人工智能推理的新时代

DeepSeek-R1-Lite-Preview：人工智能推理的新时代

人工智能（AI）在突破界限方面并不陌生，但偶尔会出现一些创新，让我们停下脚步，仔细关注。其中一个创新就是 DeepSeek-R1-Lite-Preview，这是由中国AI实验室 DeepSeek 开发的先进推理AI模型。该模型不仅提升了推理能力的标准，还在基准测试中取得了令人印象深刻的成绩，使行业巨头如OpenAI也感受到了压力。 在本文中，我们将更深入地了解De

阅读更多
在消费级 GPU 上运行 671b 模型？利用 Unsloth 的量化突破，在 Aws 上运行 Deepseek R1！

在消费级 GPU 上运行 671b 模型？利用 Unsloth 的量化突破，在 Aws 上运行 Deepseek R1！

Image from Amazon Nova Canvas 最近发布的深度寻求 R1 是一个 671B 参数模型，其性能可与 GPT-4 和 Claude 3 相媲美，这在 AI 社区引发了相当大的兴奋。传统上，运行这样一个庞大的模型需要像 AWS p5e 实例这样的高性能基础设施，费用为每小时 $84.8。然而，得益于 Unsloth AI 创新的动态量化方法，我们现在可以在更实惠的硬件

阅读更多
DeepSeek R1 开源人工智能模型（胜过 OpenAI-o1！）--DeepSeek R1 开源人工智能模型（胜过 OpenAI-o1

DeepSeek R1 开源人工智能模型（胜过 OpenAI-o1！）--DeepSeek R1 开源人工智能模型（胜过 OpenAI-o1

DeepSeek R1 模型作为一种革命性的开源推理 AI，已成为与 OpenAI-o1 等专有解决方案竞争的对手。凭借令人印象深刻的基准测试和经济实惠的价格，它承诺将重新塑造开发人员和研究人员处理 AI 驱动推理任务的方式。让我们深入了解它的能力、技术特性，以及它在竞争激烈的 AI 领域中脱颖而出的原因，以及如何在本地使用它。 什么是 DeepSeek R1？ DeepSe

阅读更多
探索未来：deepseek-r1与openai O1 & O3在推理语言模型中的应用与创新

探索未来：deepseek-r1与openai O1 & O3在推理语言模型中的应用与创新

推理语言模型 (RLMs) 的演变 在本文中，我们将深入探讨推理语言模型 (RLMs) 的演变，重点关注 深度搜索-R1 和 开放AI 的 o1 & o3。我们将探讨 测试时间计算扩展 和创新的后训练技术如何改变人工智能代理的开发。在此过程中，我将分享全面的用例和实际的代码示例，以说明这些变革性的想法。 Created by Author 为什么推理

阅读更多
Deepseek-r1：开源的人工智能推理中的强化学习革命！

Deepseek-r1：开源的人工智能推理中的强化学习革命！

DeepSeek-R1 论文解读 — 人工智能中的新 RL LLM 时代？ 近年来，人工智能（AI）领域经历了快速的进展，大型语言模型（LLMs）为实现人工通用智能（AGI）铺平了道路。一个显著的模型，OpenAI 的 o1，引入了创新的推理时间缩放技术，显著增强了推理能力。然而，它仍然是闭源的。 今天，我们深入探讨 DeepSeek 发布的开创性研究论文，该论文介绍了 Dee

阅读更多
Deepseek R1 揭开神秘面纱：下一代电影的 3 项革命性技术！

Deepseek R1 揭开神秘面纱：下一代电影的 3 项革命性技术！

更简单更容易 作者提供的图片。在Canva设计。 深度寻求， 新的大型语言模型，已在科技界引起轰动，代表了人工智能研究社区的一次重大突破。在2025年1月19日，当社交媒体应用 TikTok 在美国被禁用12小时时，一个来自中国的人工智能研究团队发布了一款名为 深度寻求 R1 的新大型语言模型。 深度寻求 R1 的基准显示，它在数学编码和科学推理等推理问题

阅读更多
Deepseek 推出 Janus-pro：超越 Dall-e 3 和稳定扩散技术、改变游戏规则的 Ai 图像生成器

Deepseek 推出 Janus-pro：超越 Dall-e 3 和稳定扩散技术、改变游戏规则的 Ai 图像生成器

DeepSeek的Janus-Pro模型概述 DeepSeek的R-1模型在过去几天内在全球引起了广泛关注。它是OpenAI的o1模型的一个开源和经济

阅读更多
DeepSeek V3：超6710亿参数挑战ChatGPT，如何颠覆AI市场？

DeepSeek V3：超6710亿参数挑战ChatGPT，如何颠覆AI市场？

Ali Shaker- 中国初创公司DeepSeek凭借其大型语言模型DeepSeek V3在全球AI界引起了广泛关注。该模型拥有6710亿参数，声称能够与OpenAI的GPT-4、Meta的Llama 3.1和Claude 3.5 Sonnet等重量级竞争对手抗衡。更引人注目的是

阅读更多
解锁闪电般的推理：Deepseek-v3的多头潜在注意力革命！

解锁闪电般的推理：Deepseek-v3的多头潜在注意力革命！

DeepSeek-V3 解释 1：多头潜在注意力 DeepSeek-V2 和 DeepSeek-V3 背后的关键架构创新，以加快推理速度 这是我们新系列“DeepSeek-V3 解释”的第一篇文章，我们将试图揭开 DeepSeek-V3 [1, 2] 的神秘面纱，这是 DeepSeek 最新开源的模型。 在这个系列中，我们旨在涵盖两个主要主题：DeepSeek

阅读更多
DeepSeek V3：超越竞争对手的开源大语言模型技术解析

DeepSeek V3：超越竞争对手的开源大语言模型技术解析

优于 Claude 3.5 Sonnet、GPT-4o、Llama3.1 405B 年末将至，刚刚，中国的 DeepSeek 发布了其开源模型 DeepSeek-v3，该模型在性能上超越了所有主要竞争者，包括 Claude3.5 Sonnet、GPT-4o、Qwen2.5 Coder 等等。该模型的表现如同怪兽，显然，我们可以说 DeepSeek-V3 是迄今

阅读更多
DeepSeek-VL2：利用专家视觉语言混合模型促进多模态理解

DeepSeek-VL2：利用专家视觉语言混合模型促进多模态理解

DeepSeek-VL2 在视觉语言模型领域代表了一个重要的飞跃，提供了先进的多模态理解能力。这一创新系列的大型混合专家（MoE）视觉语言模型在其前身 DeepSeek-VL 的基础上，提供了在广泛任务中的卓越性能。让我们深入探讨 DeepSeek-VL2 的关键方面，探索其架构、能力和潜在应用。在开始之前，如果您正在寻找一个一体化的 AI 平台，可以在一个地方管理您所有的 A

阅读更多
对比分析：deepseek与chatgpt的架构与功能深度解析及性能评估

对比分析：deepseek与chatgpt的架构与功能深度解析及性能评估

大型语言模型对自然语言处理的影响 大型语言模型改变了自然语言处理的面貌，使机器能够生成类人文本、翻译语言、总结文本，并执行多种其他任务。大型语言模型的快速发展导致了在架构、训练方法和整体性能方面，AI系统之间出现了表面差异。 本文详细阐述了两个领先模型，ChatGPT 和 DeepSeek 的比较，重点关注架构设计、训练方法、性能和局限性。 1.1 ChatGPT架构 Cha

阅读更多
哪些是关键卖点？

哪些是关键卖点？

本地化、提示和一只可爱的小鲸鱼。 几周前，我写了关于生成式人工智能工具——Perplexity、聊天生成预训练变换器和克劳德——比较它们的用户界面、

阅读更多
解锁AI代理的未来：2025年及以后的5个关键洞察

解锁AI代理的未来：2025年及以后的5个关键洞察

Agent 定义 正如 LangChain 的 Harrison Chase 所说，AI agents 是使用 LLMs 决定应用程序控制流程的系统。OpenAI 也在两周前的 AIE 2025 上发布了他们对 Agents 的定义：*Agent = Model + Instruction

阅读更多
揭开生成式人工智能代理的神秘面纱

揭开生成式人工智能代理的神秘面纱

从单一交互到复杂的多代理系统概述 在生成式人工智能代理的热潮中迷失了吗？你并不孤单。这篇文章穿透噪音，提供了对代理的清晰定义及其工作原理。我们分解了关键组件，包括“工具”的重要角色，并提供了从单次交互到复杂的多代理系统的构建和部署的实用见解。我们还探讨了多代理架构如何在企业环境中实施，并与微服务进行类比。未来的文章将深入探讨代理与运营（AgentOps）以及如何为企业规模的

阅读更多
揭开人工智能代理框架概念的神秘面纱

揭开人工智能代理框架概念的神秘面纱

在生成性人工智能领域，这一年可谓风起云涌。随着OpenAI、Google和Apple等公司继续争相构建更复杂的大型语言模型，我们看到了一种新的**“代理人工智能”**范式的兴起，期望解锁人工智能系统的自主决策功能。 代理人工智能是指能够独立操作的系统，能够根据上下文和推理进行适应和战略规划，而无需直接的人类监督。这些框架为创建这样的人工智能代理提供了基础。与依赖人类指导和干预的

阅读更多
释放 Deepseek Ai：使用 Ollama Api 在 Azure Windows Server 上进行本地部署的零代码指南！

释放 Deepseek Ai：使用 Ollama Api 在 Azure Windows Server 上进行本地部署的零代码指南！

运行深寻的本地副本 在这个项目中，我们将运行我们自己的最新和最流行的人工智能模型 深寻 的本地副本。由于深寻是开源的，在我们的PC上运行它应该相对简单。 注意： 您也可以在自己的个人笔记本电脑（Windows或MAC）上执行相同的步骤，而无需实际部署任何云虚拟机。 STEPS Step 1: 设置 Azure Windows Server

阅读更多
Deepseek 编码器部署

Deepseek 编码器部署

驱动 我已经使用 Cursor AI 和 Claude Sonet 一段时间了，这真是一次令人震惊的体验。自从我将人工智能驱动的编码辅助纳入我的工作流程后，我的生产力轻松提高了近 50%。事实上，我发现这些人工智能工具不仅加快了琐碎的编码任务——它们还鼓励我探索可能被忽视的新库和框架。 与此同时，作为一个开源爱好者，总是有一个挥之不去的想法：_“如果我可以使用开源模型实现

阅读更多
构建智能聊天机器人：使用fastapi和langgraph的5个关键步骤指南

构建智能聊天机器人：使用fastapi和langgraph的5个关键步骤指南

在本教程中，我们将使用 FastAPI 和 LangGraph 构建一个简单的聊天机器人。我们将利用 LangChain 与 Groq 的集成来驱动我们的语言模型，并通过一个辅助函数管理我们的对话上下文，该函数会修剪消息以适应令牌限制。 我们的项目由几个关键组件组成： ![Image 2](https://wsrv.nl/?url=https://cdn-images-1.readmed

阅读更多
Utilizing vertex Ai Imagen 3 and gemini 2.0: 如何在零预算下设计出令人惊叹的时尚系列

Utilizing vertex Ai Imagen 3 and gemini 2.0: 如何在零预算下设计出令人惊叹的时尚系列

午夜创业与人工智能创新的故事 Alex 如何打造 EcoThreads 的街头服饰系列——零预算，最大影响 导言 🕰️ 时钟指向凌晨 2 点 时钟指向凌晨 2 点，Alex 的工作室成了一片战场，到处都是面料样品、半空的咖啡杯和草图，这些草图充满了潜力——如果她能把它们变成现实的话。她的梦想？推出 EcoThreads，一个可持续时尚品牌，不仅宣扬道德，而且实践

阅读更多
Accelerating Design and Development: How to Leverage claude 3.7 Sonnet to Enhance Creativity and Efficiency

Accelerating Design and Development: How to Leverage claude 3.7 Sonnet to Enhance Creativity and Efficiency

Anthropic Claude 3.7 Sonnet 于 2025 年 2 月 24 日发布。Claude 3.7 Sonnet 的发布标志着 AI 驱动设计和开发领域的一个重大飞跃。作为首个混合推理模型，它引入了改变游戏规则的能力，可以在快速解决问题和深度、扩展思考之间

阅读更多
面向真实世界应用的高级代理人工智能设计考虑因素

面向真实世界应用的高级代理人工智能设计考虑因素

从基于课堂的代理到语言链代理 随着人工智能（AI）系统的发展，代理人工智能的概念——即由模块化、特定任务的代理协作工作的AI系统——已成为可扩展和可适应AI解决方案的基石。本文探讨了代理人工智能背后的设计考虑，研究了代理、工具、记忆、状态和规划如何结合在一起创造智能工作流。我们将比较三种实现——CODE1、CODE2和CODE5——以揭示其中的实用性

阅读更多
使用开源模型构建医疗聊天机器人：通过人工智能改变医疗保健

使用开源模型构建医疗聊天机器人：通过人工智能改变医疗保健

人工智能正在改变医疗保健，聊天机器人提供快速可靠的医疗信息。随着我对生成式人工智能的了解不断加深，我希望构建一个完全100%开源的医疗聊天机器人。我的目标是让这个医疗机器人能够通过丰富的医学文献回答医疗问题。然而，我面临了一些挑战和突破，稍后将进行讨论。我采取了以下步骤来实现这个项目。 步骤 1：环境和需求设置 首先，我在我的GitHub上创建了一个新的代码库，并将其克隆到我

阅读更多
浏览器代理和 Llms：网络自动化统治终极指南！

浏览器代理和 Llms：网络自动化统治终极指南！

浏览器使用 是一个工具或平台，旨在使人工智能代理（如开放AI的GPT模型或其他大型语言模型）能够以智能和自动化的方式与网页浏览器进行交互和控制。它本质上弥合了人工智能能力与现实世界浏览器交互之间的差距，使得人工智能系统能够执行诸如导航网站、提取数据、填写表单、点击按钮等任务——就像人类用户一样。 **浏览器使用的主要目标*

阅读更多
顶点人工智能 Gemini 2.0 Flash 开发人员入门指南

顶点人工智能 Gemini 2.0 Flash 开发人员入门指南

Gemini 2.0 已经到来，带来了为这个新代理时代构建的下一代能力。Gemini 2.0 Flash 现在可以通过 [Vertex AI Gemini API](https://cloud.google.

阅读更多
为商业规划和创业开发人工智能智能指南

为商业规划和创业开发人工智能智能指南

基于LangGraph的高级智能RAG，结合标准商业指南、基于AI的网页搜索、可信来源和利用多模型的混合搜索 如果您不是 Medium 会员，可以通过此链接阅读完整故事。 在 ChatGPT 发布以及大型语言模型（LLMs）随之而来的激增后，它们固有的幻觉、知识截止日期以及无法提供组织或个人特定信息的局限性很快显现出来，并被视为主要缺陷。为了解决这些问题，检索增强生成（R

阅读更多
释放本地 Rag 的力量：与 Deepseek R1 和 Ollama 深入探讨！

释放本地 Rag 的力量：与 Deepseek R1 和 Ollama 深入探讨！

使用您的数据构建本地 RAG 介绍 在本文中，我们将探讨如何使用您自己的数据构建本地 RAG (Retrieval-Augmented Generation) 模型。这种方法允许您定制模型，以更好地适应您的特定用例。 先决条件 在开始之前，请确保您具备以下条件：Python 3.7 或更高版本 访问您的数据集 对机器学习概念的基本理解

阅读更多
使用 DeepSeek R1 和 Ollama 开发 RAG 系统（包含完整代码）

使用 DeepSeek R1 和 Ollama 开发 RAG 系统（包含完整代码）

你是否曾希望能够直接向PDF或技术手册提问？ 本指南将向您展示如何使用检索增强生成（RAG）系统构建一个系统，使用DeepSeek R1，一个开源推理工具，以及Ollama，一个轻量级的本地AI模型运行框架。 想要简化您的API工作流程吗？ Apidog充当创建、管理和运行测试及模拟服务器的全能解决方案。使用Apidog，您可以： -

阅读更多
解锁数字化转型的未来：到2025年颠覆商业应用的5个关键AI代理

解锁数字化转型的未来：到2025年颠覆商业应用的5个关键AI代理

以下您将找到一篇关于 AI 智能体的详细而全面的文章，预计 AI 智能体将成为 2025 年的主要趋势。本文解释了什么是 AI 智能体，市场上提供了哪些工具，展示了带有代码示例的示例应用场景，并提供了对未来的预测。内容涵盖范围广泛——从 AutoGPT、AgentGPT、BabyAGI 和 LangChain 等当前项目，到代码示例和 2025 年后的展望——旨在将实用性提升到 90%。

阅读更多
精通 Llm 蒸馏：使用 Hugging Face Auto Train 优化性能的 5 个关键步骤

精通 Llm 蒸馏：使用 Hugging Face Auto Train 优化性能的 5 个关键步骤

大型语言模型 (LLMs) 与对高效替代方案的需求 大型语言模型 (LLMs) 的规模呈指数级增长，OpenAI 的 GPT-4.5 达到了 12.8 万亿个参数。这种扩张带来了诸多挑战，例如计算成本、能源消耗以及对环境的影响增加。高昂的费用限制了小型企业和研究人员的可及性。此外，部署这些大规模模型带来了可扩展性和实用性问题，包括数据管理和安全问题。 因此，迫切需要能够保持高性能的、更

阅读更多
释放研究潜能：利用开放式深度研究作为免费 Ai 研究助手的 5 个步骤

释放研究潜能：利用开放式深度研究作为免费 Ai 研究助手的 5 个步骤

人工智能正在迅速改变我们进行研究、分析数据和生成洞察的方式。OpenAI 的 Deep Research AI Agent，定价为 $200，在 AI 驱动的研究社区中引起了轰动。然而，对于那些更喜欢开源解决方案的人来说，Open Deep-Research 成为一个引人注目的替代选择。它提供强大的研究能力，而无需高昂的成本，使得 AI 驱动的研究对每个人都变得可及。 在本指南中，我们

阅读更多
揭开DeepSeek-V3的神秘面纱：如何以超低成本提升大语言模型的推理效率？！

揭开DeepSeek-V3的神秘面纱：如何以超低成本提升大语言模型的推理效率？！

介绍 DeepSeek-V3 已成为开源爱好者和企业用户的新重磅产品。该模型由一家中国的人工智能研究公司开发，致力于“开源精神 + 长期主义以实现包容性AGI”，旨在缩小封闭源巨头（如 GPT-4o 和 Claude-Sonnet-3.5\）与开源社区之间的差距。 DeepSeek-V3 采用 Mixture-of-Experts (MoE) 设

阅读更多
揭开 Deepseek R1 的神秘面纱：架构和培训的分步可视化指南！？

揭开 Deepseek R1 的神秘面纱：架构和培训的分步可视化指南！？

如果你对人工智能感兴趣，你可能听说过 DeepSeek R1。它目前在 LLM 领域中非常流行，表现优于开放和闭源模型。 为了简化一切，我们将使用手绘流程图和简单计算来帮助你从基础上澄清概念。 实际上，我们将在整个博客中使用字符串 What is 2 + 3 * 4? 作为例子，引导你了解 [DeepSeek 技术报告](https://github.com/deepseek-

阅读更多
使用 Google 双子座 2.0 轻松进行网络抓取

使用 Google 双子座 2.0 轻松进行网络抓取

网页抓取从未如此简单，这都要感谢谷歌开创性的多模态实时 API——Gemini 2.0\。 使用这个工具，您可以轻松地从任何网页中提取数据，无论是复杂的、非结构化的，还是某些非常特定的数据。 今天，我将逐步带您体验我自己尝试过的实际示例，这样您就会确切知道该怎么做。 即使您是完全的初学者，您也会在短时间内感觉像个专业人士。 让我们开始吧！ 入门：设置 Google AI

阅读更多
ElevenLabs 对话式人工智能：在几分钟内构建智能、可扩展的语音代理

ElevenLabs 对话式人工智能：在几分钟内构建智能、可扩展的语音代理

你好，创作者们！ 🗣️ 我们与技术的互动方式正在改变，对话式 AI 正处于这场革命的最前沿。ElevenLabs 推出了一个尖端平台，使构建 AI 驱动的语音代理 比以往任何时候都更快、更简单。无论是用于客户支持、虚拟助手还是其他任何用例，ElevenLabs 让您可以专注于创造力，同时处理技术上的繁重工作。 让我

阅读更多
揭开grok-3面纱：elon Musk的ai如何挑战openai的霸主地位并改变行业格局

揭开grok-3面纱：elon Musk的ai如何挑战openai的霸主地位并改变行业格局

Source 经过数周的传闻，xAI，埃隆·马斯克的人工智能公司，终于发布了Grok-3，他称其为_“地球上最聪明的人工智能。”_ 除了常见的头条新闻，此次发布 隐藏了几个惊喜，包括一些关于X的有趣内容

阅读更多
未来工程：数据、软件和人工智能的共同点

未来工程：数据、软件和人工智能的共同点

识别跨学科共性不仅增强招聘策略，还支持灵活的IT架构。 我注意到IT部门中存在过度专业化的趋势。然而，多年来我学到的一个重要教训是这种孤立专业化的负面影响。 虽然这主要是一个组织问题，但对供应商专业平台产品的盲目追求也[导致了我们企

阅读更多
颠覆AI代理！如何借助Browser Use 实现网络互动的全新突破

颠覆AI代理！如何借助Browser Use 实现网络互动的全新突破

赋能AI代理无缝导航和与网站互动 🖥️🔗🤝在快速发展的人工智能领域，使AI代理能够像人类一样与网络互动是一项重要的进展。 Browser Use 是一个旨在促进这种互动的Python库，使AI代理能够自主导航网站、提取信息和执行任务。 浏览器使用的关键特性 🌟🔧📋视觉和HTML提取：使AI代理能够解释和提取网页中的信息，包括视觉内容和

阅读更多
开启企业 Ai：10 倍自动化的战略模式手册》！

开启企业 Ai：10 倍自动化的战略模式手册》！

使用策略模式和责任链模式的政策 目录： 前言 什么是政策？ — 政策不是停留在文件上 — 服务于政策的策略 — 我们如何实际连接政策 ←→ 策略 问题是什么？ — 出错的地方在哪里？ — 如果我们早期跳过——策略，会发生什么？ 解决方案 — 什么是策略模式？ — AI 自动化示例：将业务政策映射到策略 — 现在有更多内容：责任链和可重

阅读更多
企业就绪的 Java 和 Spring Boot 人工智能代理：综合指南

企业就绪的 Java 和 Spring Boot 人工智能代理：综合指南

最新一波 AI 代理——包括 Auto-GPT、BabyAGI、AgentGPT、Jarvis (HuggingGPT) 以及 LangChain 等框架——展现了在规模化自动化和决策制定方面的巨大潜力。然而，这些解决方案大多以 Python 为中心，使得企业 Java 开发者渴望寻找同样 强大、可扩展 和 实时 能力的代理。本文详细介绍了如何将基

阅读更多
深入解析：如何用小型语言模型简单明了地理解transformer架构！

深入解析：如何用小型语言模型简单明了地理解transformer架构！

介绍 在过去的几年里，我阅读了无数关于变换器网络的文章，并观看了许多视频。其中大多数都非常好，但我在理解变换器架构时遇到了困难，而其背后的主要直觉（上下文敏感嵌入）则更容易掌握。在一次演讲中，我尝试了一种不

阅读更多
本地探索 Swarm 多智能体框架

本地探索 Swarm 多智能体框架

Swarm 是一个实验性样本框架，用于模拟轻量级多智能体框架，旨在教育目的。通常它与 Open AI Key 一起使用，但我们可以更改为使用本地的 Ol

阅读更多
探索 DeepSeek 工件：革新前端代码生成

探索 DeepSeek 工件：革新前端代码生成

人工智能领域充满了创新，其中一个突出的工具是 DeepSeek V3。因其在 LLM 排行榜上名列前茅而闻名，这个开放权重模型在 AI 社区中因其价格实惠和卓越表现而获得了显著关注。虽然 DeepSeek V3 备受赞誉，但它的兄弟

阅读更多
探索 DeepSeek 第 3 版：技术概览

探索 DeepSeek 第 3 版：技术概览

DeepSeek 版本 3 的发布在 AI 社区引发了相当大的兴奋，得益于其卓越的能力和成本效益。作为一个在中国开发的先进开放权重大型语言模型 (LLM)，它利用专家混合 (MoE) 架构来优化性能，在处理过程中仅激活其 6710 亿参数中的 370 亿。多头潜在注意力 (MLA)、FP8 混合精度和多令牌预测等创新进一步提升了其效率和有效性。DeepSeek V3 在 MMLU-Pro、M

阅读更多
探索类比数据配色方案的人工智能生成建议

探索类比数据配色方案的人工智能生成建议

类比色彩和谐是指在色轮上相邻的至少三种颜色。这种色彩方案可以创造出令人愉悦的色彩组合，但在应用于数据可视化时，可能会面临色盲测试不合格的风险。生成式AI能否通过提供通过色彩缺陷测试的类比建议来帮助数据色彩方案设计？在这里，我将探讨这个问题。让我们首先更详细地回顾一下类比色彩和谐、色彩缺陷以及生成式AI系统的概念。 类比色彩和谐： 色彩和谐是选择在色轮上能很好地配合在一起的颜色

阅读更多
探索 GitHub Copilot 工作区：改变开发游戏规则的早期见解

探索 GitHub Copilot 工作区：改变开发游戏规则的早期见解

(免责声明：本文撰写于 GitHub Copilot Workspace 成为主流之前。发布时，Copilot Workspace 处于技术预览阶段，已上线大约三周。) 当 GitHub 在 2024 年 10 月的 GitHub Universe 事件中宣布 “GitHub Copilot Workspace” 时，我不禁将其视为改善 IDE 中开发者体验的下一步

阅读更多
Dynamic Lora: 5 Ways to Achieve Efficient LLM Adaptation and Optimization

Dynamic Lora: 5 Ways to Achieve Efficient LLM Adaptation and Optimization

从低秩理论到自适应秩选择和 RAG 集成 — 附带代码示例的综合指南 图片由 Jakub Żerdzicki 在 [Unsplash](https://unsplash.com?utm_source=medium&utm_m

阅读更多
使用人工智能提取和分析您的 Chrome 浏览器历史记录

使用人工智能提取和分析您的 Chrome 浏览器历史记录

有没有想过您的浏览历史对您说了什么？无论您是想了解自己的在线习惯，反思自己的工作效率，还是需要记录自己的活动，分析浏览历史都能提供有价值的见解。在本文中，我们将探讨如何提取您的 Chrome 浏览历史，并利用 AI 进行聚类和分析。我们将介绍一种无代码的方法以及一种更技术性的方式，适合那些熟悉命令行的用户。 为什么浏览历史？ 在之前的帖子中，我讨论了使用 Logseq 或 Obsi

阅读更多
使用 Gemini 2.0 提取任何文档 | 使用 ExtractThinker 提取文档智能

使用 Gemini 2.0 提取任何文档 | 使用 ExtractThinker 提取文档智能

在本文中，我们将探讨 Google 的 Gemini 2.0 模型如何与 [ExtractThinker](https://github.com/enoch3712/ExtractThinker

阅读更多
提升llm知识库：如何在几秒内将任何网站信息传递给模型

提升llm知识库：如何在几秒内将任何网站信息传递给模型

我们将看到 Crawl4AI 的强大功能 来源：Crawl4AI 嗨，让我问你这个——你有没有试过问一个语言模型（比如 GPT 或 Claude）一些非常小众或新的东西，结果得到一个完全空白或通用的回答？ 没错，我经历过！ 这里有一个例子： ![Image 2](https://wsrv.nl/?url=https://cdn-images-1.readmedium.com/

阅读更多
微调 Llama-3 LLM 并将其部署为 CloudFlare 上的无服务器 API

微调 Llama-3 LLM 并将其部署为 CloudFlare 上的无服务器 API

两年前，我（像许多数据科学家一样）对构建网站一无所知。 我擅长构建机器学习模型，但完全不知道如何将这些模型实际部署到像 mywebsite.com 这样的域名上。机器学习工程师负责这个，对吧？ 错了！ 如果你想在竞争激烈的就业市场中脱颖而出，拥有公开可见的代码是展示你技能的绝佳方式。 在这篇文章中，我将向你展示我是如何构建一个基于 Llama 3 的聊天机器人，并通过 Cloud

阅读更多
微调 Ai 模型：实用指南：是否*有必要？

微调 Ai 模型：实用指南：是否*有必要？

随着基础模型成为人工智能应用的支柱，问题随之而来：我们应该微调这些模型，还是提示工程和检索增强生成 (RAG) 就足够了？事实是，这并不总是必要的，在许多情况下，这是一种过度处理。 在这篇文章中，我试图总结[Chip Huyen的《人工智能工程》](https://www.amazon.com/AI-Engineering-Building-Applications-Found

阅读更多
微调 DeepSeek LLM：根据需求调整开源人工智能

微调 DeepSeek LLM：根据需求调整开源人工智能

介绍 DeepSeek LLM 是一个强大的开源语言模型，但为了最大限度地发挥其在特定应用中的潜力，微调是必不可少的。在本指南中，我们将逐步介绍如何使用 Hugging Face 数据集对 DeepSeek LLM 进行监督微调（SFT），并提供针对特定领域数据集的训练代码示例。我们还将讨论所使用的损失函数、为何使用数据的子集，以及 LoRA（低秩适应）如何实现内存高效的微调。

阅读更多
开启 Deepseek-r1 的强大功能：与 Lora 和 Unsloth 一起像专业人士一样在消费级硬件上进行微调！

开启 Deepseek-r1 的强大功能：与 Lora 和 Unsloth 一起像专业人士一样在消费级硬件上进行微调！

微调像深度寻求-R1这样的大规模AI模型可能会消耗大量资源，但借助合适的工具，可以在消费级硬件上高效训练。让我们探索如何使用LoRA（低秩适应）和Unsloth优化深度寻求-R1的微调，从而实现更快和更具成本效益的训练。微调大规模AI模型 深度寻求的最新R1模型在推理性能上设定了新的基准，与专有模型相媲美，同时保持开源。通过在Llama 3和**Qwen 2

阅读更多
人性化 Deepseek R1：在 Python 中进行微调！

人性化 Deepseek R1：在 Python 中进行微调！

DeepSeek | DeepSeek R1 | Python | 微调 | 人工智能 | 大语言模型 | 初学者友好 | 类人 LLM 学习如何微调 Deep Seek R1，使其像人类一样响应，通过这个适合初学者的教程！ 让我们让 DeepSeek R1 像我们一样回应——人类！🚀 这是几乎所有 LLM（无论是 Gemini、Llama 还是 GPT）都尝试实现的任务

阅读更多
利用模态微调 LLaMA-3 实现文本到 SQL 的生成：综合指南

利用模态微调 LLaMA-3 实现文本到 SQL 的生成：综合指南

微调大型语言模型（LLMs）传统上是一项复杂的工作，需要大量的基础设施设置和管理。然而，借助Modal的云平台和Axolotl的微调框架，您现在可以直接从本地机器对强大的模型如LLaMA-3进行微调，而无需处理基础设施的复杂性。 在本指南中，我们将通过使用Modal的远程GPU功能和Axolotl的先进训练优化，逐步演示如何对LLaMA-3 8B进行SQL查询生成的微调。 ![](htt

阅读更多
使用 Unsloth 对 LLama 3 进行微调

使用 Unsloth 对 LLama 3 进行微调

在本文中，我将向您展示如何使用 Unsloth 微调 LLM（Meta 的 Llama 3）。我还将提供使用您自己自定义数据集的方法。 注意： Unsloth 是一个加速 LLM 在 NVIDIA GPU 上微调的库（与传统方法相比，内存使用减少 40%）。与 Hugging Face 兼容，支持 Ll

阅读更多
精通重排序模型：优化结果的5个关键步骤

精通重排序模型：优化结果的5个关键步骤

好久没写博客了，很高兴能再次开始！ 在我之前的文章中，我们探讨了微调嵌入模型的世界——这是改进检索系统的关键一步。今天，我们将更进一步，深入研究微调重新排序模型。虽然嵌入可以帮助我们

阅读更多
深入对比：fine-tuning Distillation与transfer Learning的最佳应用场景解析

深入对比：fine-tuning Distillation与transfer Learning的最佳应用场景解析

微调 vs 蒸馏 vs 迁移学习 微调 vs 蒸馏 vs 迁移学习，作者插图 随着Deepseek-R1及其蒸馏模型的推出，许多机器学习工程师在思考：蒸馏和微调之间有什么区别？而在大语言模型崛起之前非常流行的迁移学习，似乎为何被遗忘了？ 在本文中，我们将探讨它们之间的差异，并确定哪种方法最适合哪些情况。 注意： 虽然本文聚焦于大语言模型，但这些概念同样适用于

阅读更多
提升智能ai：如何通过reasoning Augmented Generation修复rag的缺陷

提升智能ai：如何通过reasoning Augmented Generation修复rag的缺陷

推理增强生成工作流程 检索增强生成（RAG）承诺了更智能的人工智能，但其缺陷让我们止步不前。这就是推理增强生成（ReAG）是我们所需升级的原因。 ❌ 传统 RAG 的问题 传统 RAG 系统就像记忆力差的图书管理员：语义搜索不够智能 🤖：它们根据表面相似性检索文档（例如，将“空气污染”与“汽车排放”匹配），但错过了上下文相关的内容（例如，一项标题

阅读更多
掌握 Transformers：理解 ChatGPT 算法及其代码实现的 7 个步骤

掌握 Transformers：理解 ChatGPT 算法及其代码实现的 7 个步骤

从概念到代码：揭秘 ChatGPT 算法 如何逐步解释 Transformer 的工作原理，并附带简化的代码示例 在过去的两年里，ChatGPT 和大型语言模型（LLM）总体上是人工智能领域的大热门。 已经发表了许多关于如何使用、提示工程以及背后逻辑的文章。 然而，当我开始熟悉 LLM 的算法——所谓的 transformer——时，我不得不查阅许多不同的资料，才觉得自己真正理解了这

阅读更多
构建ai驱动的金融分析应用：利用qdrant和多代理架构实现数据到决策的转变

构建ai驱动的金融分析应用：利用qdrant和多代理架构实现数据到决策的转变

在这篇博客中，我们深入探讨了一个AI驱动的财务分析应用的架构和实现，该应用由Streamlit、Qdrant和LlamaIndex等尖端技术驱动。 该应用利用多个ReAct代理的能力，如OpenAI、Ollama和Anthropic代理，来无缝处理公司季度财务数据。最后，用户可以看到3个代理的输出，从而在三者中做出更好的决

阅读更多
解锁AI潜力：如何通过Agentic AI转变模型合并以提升性能

解锁AI潜力：如何通过Agentic AI转变模型合并以提升性能

超越微调：Agentic AI 如何利用模型合并 继 RAG 之后，微调不再是改进模型的主要方法，但如果我们能够超越微调呢？这篇博文探讨了 Agentic AI 如何利用模型合并——一种将多个 LLM 融合到一个更强大的系统中的技术。让我们分解所有这些技术术语，看看它如何使 AI 系统更智能、更高效、更具适应性。 来自 ChatGPT 的 AI 生成图像 想象一个只理解技术细节的

阅读更多
从手工操作的混乱到 Ai-powered 的和谐：揭开代理工作流程的神秘面纱！

从手工操作的混乱到 Ai-powered 的和谐：揭开代理工作流程的神秘面纱！

这种演变——从手工制作的聊天机器人/机器人流程自动化流程到基于人工智能的自适应工作流程——正在改变对话式人工智能、自动化和决策制定。 图形方法 几十年来，我们采用了从头到尾手工制作和映射流程的方法。 例如，在一个构建聊天机器人的企业中，必须为每一个可能的场景设计和开发一个流程。 这些流程中的每一个都与特定的客户意图相关联，并旨在解决该意图，一旦检测到意图，就会调用某个预定

阅读更多
从知识到行动：为什么特定领域的法律硕士需要代理人工智能？

从知识到行动：为什么特定领域的法律硕士需要代理人工智能？

在人工智能不断发展的领域中，有两股强大的力量正在塑造未来：领域特定的大型语言模型 (LLMs) 和 自主 AI。虽然它们各自带来了显著的能力，但当它们协同工作时，其真正潜力得以释放。这种协同作用将 AI 从一个被动的知识库转变为一个能够做出明智决策和采取自主行动的积极问题解决者。 在本文中，我们将探讨为什么单靠领域特定的 LLM 是不够的，并探讨将其与自主 AI 结合如

阅读更多
从 LangChain 到 LangGraph：让多模型药物机器人具有个性化和可教性

从 LangChain 到 LangGraph：让多模型药物机器人具有个性化和可教性

为人机协作聊天机器人添加记忆和学习能力 药物试验测试新药物在人类中的安全性、有效性和疗效。这些关键研究对于开发和批准拯救生命的疗法至关重要。虽然药物试验为无数患有严重疾病的患者带来了希望，但许多人仍然不知道自己是否符合条件或潜在的好处。一个用户友好的药物试验信息系统可以弥补这一差距。它应该包含一个具有权威信息的数据库和一个易于使用的前端，患者可以通过它在复杂的临床研究世界中导航

阅读更多
重建ai语音助手：使用langgraph和whisper的5个关键步骤提升定制化能力

重建ai语音助手：使用langgraph和whisper的5个关键步骤提升定制化能力

在探索了ElevenLabs的AI agent功能并亲身体验了我如何快速构建一个功能齐全的voicebot而无需编写大量代码后，我不禁想——如果我从头开始构建它会怎么样？ 在[我之前的文章](https://readmedium.com/how-i-built-a-customer-support-voicebot-in-no-time-using-elevenlabs-make-com

阅读更多
连接知识图谱与人工智能开发：将本体与领域对象连接的5个策略

连接知识图谱与人工智能开发：将本体与领域对象连接的5个策略

导言：两个世界的挑战 在现代软件开发中实现图数据库时，我们经常面临一个重大挑战：弥合以本体为中心的知识表示与面向对象编程范式之间的概念差距。知识工程师和领域专家从语义关系和灵活的属性图的角度思考，而软件开发人员则在面向对象模型和固定数据结构的约束下运作。 当本体论者向工程团队展示图模型时，这种脱节会产生摩擦。图数据丰富的、灵活的特性——无论是表示为 RDF 三元组还是标记属性图——

阅读更多
从帖子到报告：利用 LLM 进行社交媒体数据挖掘

从帖子到报告：利用 LLM 进行社交媒体数据挖掘

如何指导LLMs过滤餐厅帖子并提取对业务增长至关重要的见解。 应用概述 我们正处于自动化的黄金时代，这得益于大型语言模型（LLMs）的崛起。从改变行业到解锁无尽的应用，LLMs彻底改变了我们与数据的互动方式，主要通过自然语言。 在本文中，我将向您展示如何指示LLM穿透社交媒体的噪音，提取最重要的信息。具体来说，我们将深入探讨如何挖掘Instagram上的餐厅帖子，以

阅读更多
从处方到语音：帮助服务老年人和视障人士的 Python 解决方案...

从处方到语音：帮助服务老年人和视障人士的 Python 解决方案...

学习如何构建一个结合OCR、计算机视觉和谷歌文本转语音的Fast API后端解决方案，以读取处方标签 在正常情况下，阅读处方药物上的标签不应该是一个具有挑战性的任务。通常，最重要的指示——剂量，通常会以粗体字打印，如：“每天需要时服用1.5片，分3次服用”另一方面，考虑到视觉障碍和/或老年患者的异常情况。他无法在没有帮助的情况下阅读他的处方标签。 作为

阅读更多
Ai 与人类：关于我们未来的开创性对话中的 5 个重要启示

Ai 与人类：关于我们未来的开创性对话中的 5 个重要启示

一切开始的地方 收听 Yhea Foo Nah Foo 第80集: 一场改变一切的对话 我以为我已经结束了。我喜欢这个系列的第一部分，并没有想到会写第二部分。但发生了一些事情。深夜，当我让聊天生成预训练变换器审阅我的文章时，我发现自己与它进行互动——不仅仅是作为一个工具，而是仿佛我在与X、Instagra

阅读更多
从rnn到llms：5个关键训练策略提升deepseek-r1的性能

从rnn到llms：5个关键训练策略提升deepseek-r1的性能

从递归神经网络到大语言模型，训练方案如何变化的全面概述。 推理模型 #1 — 训练概述 您可能已经了解推理模型的潜力。使用 O1 或 DeepSeek-R1 进行实验向我们展示了这些模型的巨大前景。作为爱好者，我们都渴望构建类似于这些模型的东西。 我们也都是从这条路开始的。然而，面对庞大的规模，我们常常感到不知从何入手。可以说，在大约 6-7 年前，我们只需要输入和输出就

阅读更多
超越工作流程：揭示真正的代理--下一次进化？

超越工作流程：揭示真正的代理--下一次进化？

观看视频！ 大多数人所称的代理并不是代理。我一直不太喜欢“代理”这个术语，直到我看到这篇最近的安索普文章，我完全同意，现在也明白我们如何称某些东西为代理。绝大多数其实只是对语言模型的应用程序接口调用。其实就是这样：几行代码和一个提示。 ![Image 1

阅读更多
从零到英雄：使用 LangGraph 快速构建智能聊天机器人

从零到英雄：使用 LangGraph 快速构建智能聊天机器人

在这个全面的快速入门指南中，我们将使用 LangGraph 构建一个支持聊天机器人，它可以：通过搜索网络回答常见问题 在调用之间保持对话状态 将复杂查询路由到人工进行审查 使用自定义状态来控制其行为 回溯并探索替代对话路径我们将从一个基本的聊天机器人开始，逐步添加更复杂的功能，同时介绍关键的 LangGraph 概念。

阅读更多
理解ai代理的风险与定义：为什么完全自主的ai代理不应被开发

理解ai代理的风险与定义：为什么完全自主的ai代理不应被开发

偶尔会有一项研究出现，带来一阵清新的空气，并带来一些理智。这篇来自 HuggingFace 的论文就是这样的一篇。 一般来说，HuggingFace 的评论非常平衡，是所有炒作中的理性声音。这项关于 AI Agents 的研究将这一概念分解为其基础，提出了 AI Agents 的定义，并将代理性与 autonomy 进行了对比。 介绍 这项来自 HuggingFace 的研究考虑

阅读更多
全新 Gemini 1.5 FLASH 型号：绝对的 Google 游戏规则改变者

全新 Gemini 1.5 FLASH 型号：绝对的 Google 游戏规则改变者

他们的新 Gemini 1.5 Flash 模型远远超过了 GPT-4o，其能力令人难以置信。 闪电般快速。 比 GPT-4o 便宜 33 倍，但上下文容量大 700% — 100 万个令牌。 在现实世界中，100 万个令牌是什么概念？大约：超过 1 小时的视频 超过 30,000 行代码 超过 700,000 个单词![](https://i

阅读更多
Gemini 2.0 Flash + 本地多模式 RAG + 上下文感知 Python 项目：文档的简易人工智能/聊天

Gemini 2.0 Flash + 本地多模式 RAG + 上下文感知 Python 项目：文档的简易人工智能/聊天

在这个视频中，我将展示一个超级快速的教程，教你如何创建一个本地多模态 RAG、Gemini 2.0 Flash 和上下文感知响应，以便为你的业务或个人使用打造一个强大的代理聊天机器人——一个不需要强大笔记本电脑的聊天机器人。 年末时，大模型产品之间的竞争再次加剧。在我上一个视频中，我介绍了 LLama3.3\。 在12月11日，谷歌发布了 **Gemini 2.0 Flash。

阅读更多
惊艳来袭！Gemini 2.0如何以超低成本引领AI新时代？

惊艳来袭！Gemini 2.0如何以超低成本引领AI新时代？

游戏改变者：谷歌最新AI模型的特点和定价。它够吗？ 我在长时间的隐退后回来了，天哪！发生了很多事情—— 大型语言模型领域经历了巨大的发展，那个橙色的人又回到了驾驶座上，而埃隆和他的追随者们正在捣鼓我们政府最重要数据管道的50年以上的COBOL软件。抱歉在隐匿了这么长时间。 在不断发展的人工智能世界中，谷歌因其巨大的数据收集能力和创新算法而被广泛认可为先锋。然而，有一段时间，谷歌

阅读更多
Gemma、Llama 和 Mistral：探索较小的 AI 模型

Gemma、Llama 和 Mistral：探索较小的 AI 模型

小规模语言模型的比较研究：在阅读理解任务中评估 Gemma、Llama 3 和 Mistral 引言 大型语言模型（LLMs）正在快速发展。每个月，新的模型被开发出来，以超越当前市场上的顶尖模型。这种健康的竞争有利于创造新的方法，提高质量和速度。此外，各公司还专注于开发更小的模型，以便使其能够被没有强大计算资源的个人或组织所使用。 就在几周前，苹果公司在其全球开发者大会上推出

阅读更多
用 Genai 彻底改变文本注释：开启前所未有的 Nlp 性能！

用 Genai 彻底改变文本注释：开启前所未有的 Nlp 性能！

本文探讨了提示工程与大语言模型如何提供一种数字化、快速且优于手动标注的方法 图片来源：作者（灵感来源：https://www.dqlabs.ai/blog/what-is-data-quality-management/） **让我们从一个问题开始吧？你如何

阅读更多
GenAI Studio：构建、管理和分析用于 POC 和生产的生成式人工智能用例

GenAI Studio：构建、管理和分析用于 POC 和生产的生成式人工智能用例

您构建和管理生成式 AI 解决方案的中心 什么让 Gen AI Studio 令人兴奋？ 生成式 AI 正在重新塑造我们对问题解决、创造力和效率的思考。然而，构建 AI 解决方案可能会因为技术复杂性而让人感到畏惧。Gen AI Studio 弥补了这一差距——让您能够创建、完善和分析 AI 用例，而不必被编码的复杂性所困扰。 **Gen AI Studio 的主要

阅读更多
Fine-tuning the llama3 Model with Synthetic Data in 1 Hour: A Practical Guide to Rapidly Improve Code Generation Quality

Fine-tuning the llama3 Model with Synthetic Data in 1 Hour: A Practical Guide to Rapidly Improve Code Generation Quality

我经常与大型语言模型 (LLM) 讨论代码生成，并分享了大量经验，包括来自 60 多个 AI 项目的陷阱和最佳实践，包括缺乏模块化和错误处理。 有许多用于质量控制的工具，但有时创建一个更小的“大脑”来根据一组人类语言策略检查代码，而无需编写任何代码，会更具吸引力。 目标是微调一个小模型（例如 llama3），以仔细检查由其他模型生成的任何代码（包括可能在长时间对话后变得疲倦并开始生成低质量

阅读更多
拯救多代理系统！从根本上加速高层次设计创建？

拯救多代理系统！从根本上加速高层次设计创建？

使用多智能体系统生成高层设计 — 通过智能工作流加速 HLD 创建 第 5 部分，共 9 部分 — 构建人工智能驱动的软件开发生命周期 — 实用指南 合著者 Rishi Arora 来源：使用 DALL-E 生成 要设计一个稳健的软件系统，全面的高层设计是必不可少的。可以将其视为一个蓝图，概述了各种组件

阅读更多
使用 GPT Vision 和 Langchain 从图像生成结构化数据

使用 GPT Vision 和 Langchain 从图像生成结构化数据

在当今这个视觉数据丰富的世界中，从图像中提取有意义信息的能力变得越来越重要。Langchain是一个强大的框架，用于构建大型语言模型（LLMs）应用程序，提供了一套多功能的工具来应对这一挑战。在本文中，我们将探讨如何使用Langchain从图像中提取结构化信息，例如计算人数和列出主要物体。 在深入代码之前，让我们先了解一下任务的背景。想象一下你有一张场景的图像，比如城市街道。你的目标是

阅读更多
解锁生成式 Ai：2024 年马德里 Aws 峰会对 Olx 工程师的启示

解锁生成式 Ai：2024 年马德里 Aws 峰会对 Olx 工程师的启示

在2024年马德里AWS峰会 氛围非常热烈！IFEMA吸引了成千上万的云计算爱好者、技术高管和开发者，他们渴望了解影响未来技术的新进展。作为OLX的一名工程师，我特别期待探索生成AI（GenAI）领域，并观察这些前沿工具如何被用于解决实际问题，为客户提供更好、更充实的体验。 合作伙伴展位内的爆米花机 一进入主旨演讲厅，就明显感觉到GenAI是主要的吸引力。随着演讲者展示全新服务、

阅读更多
提升数据工程效率：使用generative Ai进行数据生成与增强的5个关键步骤

提升数据工程效率：使用generative Ai进行数据生成与增强的5个关键步骤

在本模块中 我们将探讨生成式人工智能和大型语言模型 (LLMs) 如何协助数据生成和增强。这是生成式人工智能最具影响力的用例之一，使我们能够从头创建合成数据或高效增强现有数据集。 作为数据工程师，我们通常需要生成或扩展数据集，原因包括：测试数据管道 避免暴露生产数据 处理边缘情况 修复不平衡的数据集本文将逐步讲解这些应用。 生成合成数据 合

阅读更多
提升数据工程效率：使用generative Ai进行实体识别与提取的实用指南 - 第3部分

提升数据工程效率：使用generative Ai进行实体识别与提取的实用指南 - 第3部分

实体识别 实体识别，也称为 命名实体识别 (NER)，是一种自然语言处理 (NLP) 技术，用于识别和分类文本中的关键信息。这些实体可以包括 人、组织、地点、日期、产品等。 传统的 NLP 模型长期以来一直用于实体识别，帮助从非结构化文本中提取结构化信息，使得分析大型数据集变得更加容易。然而，生成式人工智能进一步推动了这一概念，允许以更大的灵活性、适应性和最小的

阅读更多
生成式人工智能在市场研究和情报领域的应用：优势、用例和策略

生成式人工智能在市场研究和情报领域的应用：优势、用例和策略

利用AI转变市场情报 生成式AI正在改变企业进行市场研究和情报的方式，使数据分析变得更快、更深入。传统的市场研究方法高度依赖手动数据收集、调查分析和竞争对手研究，这些方法往往耗时且范围有限。生成式AI则允许公司即时分析庞大的数据集，生成可能被忽视的洞察，并创建帮助更准确预测趋势的预测模型。从综合数据报告到创建高层次摘要，生成式AI加速了决策过程，使市场洞察更加易于获取。 除了

阅读更多
生成式人工智能用户体验--为企业开发创新使用案例

生成式人工智能用户体验--为企业开发创新使用案例

实用设计创新 一个用于设计创新且合适的企业生成式AI体验的框架 为了创建用户会采用和使用的创新生成式AI体验，我们需要确保这些体验能够提供适当的响应。为此，这些体验需要接受如何运作的业务培训，如何进行评估，公司的目标、流程和过程，如何在不同情境中讨论公司，以及如何将活动如计划和项目相互关联。 消费者使用场景往往简单且专注于满足个人需求。复制简历美化体验并不能帮助企业

阅读更多
生成式人工智能与社交媒体

生成式人工智能与社交媒体

不明显的出路 在我们新的人工智能世界中，最大的恐惧之一是我们会失去人性。社交媒体将完全失去社交的方面。我想这会使其变成“媒体”。 主要的担忧是，人工智能将生成社交媒体帖子，然后其他人会使用人工智能进行回复。这将创造一种垃圾内容循环，慢慢将真实的人类推开。 ![](https://wsrv.nl/?url=https://cdn-images-1.readmedium.com

阅读更多
让 ChatGPT 听起来更有人情味：创建自然、引人入胜的人工智能对话的基本技巧

让 ChatGPT 听起来更有人情味：创建自然、引人入胜的人工智能对话的基本技巧

你是否发现你的 AI 助手听起来有点过于……机械？虽然 ChatGPT 的能力令人印象深刻，但有时它的语言过于正式或通用。但通过一些调整，你可以引导 ChatGPT 给出更人性化、对话式和易于共鸣的回应。 以下是一个实用指南，帮助 ChatGPT 听起来不那么像机器人，而更像一个博学的朋友。 1. 限制过度使用的词汇和短语 某些词汇和短语在AI生成的文本中经常出现，因为它们

阅读更多
三大AI IDE对决：GitHub Copilot、Cursor与Windsurf的全面比较与选择指南

三大AI IDE对决：GitHub Copilot、Cursor与Windsurf的全面比较与选择指南

AI 革命正在全速进行，它正在以前所未有的速度改变我们编写代码的方式。我们已经超越了简单的代码补全，拥有了功能齐全的 AI 助手，它们可以理解我们的代码，提出改进建议，甚至为我们编写整个逻辑块。作为经验丰富的开发人员，现在的问题不再是是否应该采用这些工具，而是哪一个最适合我们的需求。 此前，我们研究了 GitHub Copilot 和 Cursor AI。现在，这个领域出现了一个新

阅读更多
GitHub Copilot 与 Cursor AI：最适合开发人员的人工智能编码助手

GitHub Copilot 与 Cursor AI：最适合开发人员的人工智能编码助手

让我们谈谈 GitHub Copilot 和 Cursor AI。好吧，你听说过 GitHub Copilot 和 Cursor AI——这两款工具承诺让编码变得更快、更简单，或者至少不那么令人沮丧。但问题是：它们都不是完美的。它们都是 AI 代码助手，虽然它们不错，但并不能替代你。如果你是程序员，这些工具就像是一个初级开发者和你一起进行对编程。如果你不是编码者？它们可能会让你比刚开始时

阅读更多
GLM-4-Voice 9B——实时多语言语音对话 AI——几分钟内即可在本地安装

GLM-4-Voice 9B——实时多语言语音对话 AI——几分钟内即可在本地安装

如何设置 GLM-4-Voice 9B 以实现无缝的实时语音交互，支持英语和中文，并探索其独特的架构、低延迟响应和可定制的声音属性。 介绍 近年来，语音启用的人工智能取得了显著进展，使对话代理能够更好地理解和响应人类语言。从虚拟助手到客户服务机器人，语音人工智能已成为各个行业的重要工具。然而，大多数模型在流利地切换语言、理解口语查询的细微差别以及提供高质量响应方面仍然

阅读更多
Google Chrome AI转型大揭秘：你的上网体验将惊艳升级吗？

Google Chrome AI转型大揭秘：你的上网体验将惊艳升级吗？

1. Chrome中的Google Lens - 将词汇添加到您的Google Lens搜索中- 在不离开标签页的情况下选择、搜索和询问网络上的任何内容。

阅读更多
Google 双子座 - 真实反馈

Google 双子座 - 真实反馈

上个月，我不得不更换信用卡，这导致我错过了OpenAI的付款。我看到一个促销活动，可以以半价激活Gemini Advanced，持续两个月。我决定敞开心扉，认真尝试一下。以下是我作为热心的ChatGPT用户，在日常生活中使用Gemini而不是ChatGPT后的反馈。 如果您无法在最后看到内容，我邀请您查看 [here](https://jack-of-all-trades.dev/

阅读更多
Google Gemini：大上下文窗口是杀手级功能吗？

Google Gemini：大上下文窗口是杀手级功能吗？

谷歌即将推出的 LLM 迈出了重大一步 就在八个月前，一封泄露的谷歌电子邮件透露该公司在努力超越其 AI 竞争对手方面遇到了困难。他们的 AI 产品周围不仅没有护城河——换句话说，没有建立起商业优势——谷歌也没有[秘密武器](https://ww

阅读更多
Google Gemini-Exp-1206：新的最佳法律硕士

Google Gemini-Exp-1206：新的最佳法律硕士

Beats GPT-4.0, OpenAI-o1, Claude3.5 Sonnet and Gemini 1.5 on LMArena 谷歌的 Gemini 在几个月前在生成式 AI 领域的首次亮相表现平平，但如今其发展速度相当快。现在，它发布了一个新的实验模型 Gemini-1206-Exp，该模型在 ChatArena 排行榜上超越了所有其他模型，从而在生成

阅读更多
竞争对比：google Flash 2.0模型如何超越deepseek和openai的ai技术

竞争对比：google Flash 2.0模型如何超越deepseek和openai的ai技术

谷歌的Gemini Flash 2.0基准测试 三周前，当DeepSeek发布R1时，他们的廉价推理模型，我认为这是人工智能革命的巅峰。我从未如此印象深刻。 然而，OpenAI和谷歌以空前的速度做出了回应。 OpenAI以o3-mini作出回应，这是一款极其强大且廉价的大型推理模型。与o1和R1一样，o3-mini在生成最终响应之前需要“思考”一段时间，这个过程显著提高了最终输出的准

阅读更多
完整指南：如何利用google Agentspace提升企业效率并驾驭ai浪潮！

完整指南：如何利用google Agentspace提升企业效率并驾驭ai浪潮！

发现谷歌 Agentspace 如何通过 AI 代理和智能搜索彻底改变企业。了解如何自动化工作流程、解锁数据洞察，并在 AI 时代获得竞争优势。 在当今竞争激烈的商业环境中，企业在数据中淹没，却对可操作的洞察感到匮乏。85% 的商业领袖担心被 AI 驱动的竞争对手颠覆，但在将 AI 的潜力转化为切实的运营改善方面却感到困难。谷歌 Agentspace 应运而生，这是一个开创性的 п

阅读更多
Google 发布 Gemma — 轻量级开源模型

Google 发布 Gemma — 轻量级开源模型

在短短一周内，世界见证了两家科技巨头带来的最具突破性的AI进展。OpenAI推出了令人惊叹的AI视频生成器Sora，而谷歌则揭晓了其[Gemini 1.5模型](https://generativeai.pub/google-releases-gemini-1-5-with-1m-context-window-

阅读更多
变革中的transformers：在LLMs中与Google Titans解锁长期记忆

变革中的transformers：在LLMs中与Google Titans解锁长期记忆

更好的 Transformers 架构替代方案，适用于 LLM 照片来自 Igor Sporynin 拍摄于 [Unsplash](https://unsplash.com?utm_source=medium&utm_medium

阅读更多
揭秘Google Video Analyzer：如何用AI技术实现视频内容的高效分析！

揭秘Google Video Analyzer：如何用AI技术实现视频内容的高效分析！

人工智能工具的进步正以惊人的速度发展，而Google AI Studio的Video Analyzer正是这一创新的证明。如果你对视频分析感兴趣，这个工具及其基础框架是探索人工智能在处理和理解视频内容方面能力的绝佳方式。我在我之前的[文章](https://readmedium.com/googles-new-model-gemini-2-0-gemini-2-0-beats-claude-

阅读更多
Goover - 一种挑战人工智能复杂性的新搜索引擎

Goover - 一种挑战人工智能复杂性的新搜索引擎

在 2024 年，搜索引擎市场经历了一次重大变革。谷歌搜索作为最大和最受欢迎的搜索引擎，在推出其新的 AI 驱动概览功能后，面临了一波批评，许多用户认为该功能匆忙上线且不够完善。 与此同时，AI 驱动的搜索引擎 Perplexity AI 快速获得了人气，因其备受赞誉的功能而积累了忠实用户群。最近，甚至 OpenAI 也通过在 ChatGPT 中整合新的搜索功能加入了搜索领域。 随着越来

阅读更多
Gpt-4.5：OpenAI 迄今为止最大、最智能、最类人化的模型！

Gpt-4.5：OpenAI 迄今为止最大、最智能、最类人化的模型！

GPT-4.5 现已上线！OpenAI 最大、最昂贵、最具人性化的模型 在不断发展的人工智能领域，OpenAI 再次通过发布 GPT-4.5 推动了边界。这一 GPT 系列的最新版本标志着大型语言模型发展的重要里程碑，推出了承诺重塑我们与 AI 互动的先进技术。GPT-4.5 于 2025 年 2 月 27 日发布，它不仅是一个增量更新，而是在能力上实现了实质性飞跃，特别是在情感智

阅读更多
OpenAI的GPT-4.5：成本增加5倍，但幻觉无改善 - 模型性能的批判性分析

OpenAI的GPT-4.5：成本增加5倍，但幻觉无改善 - 模型性能的批判性分析

是时候直面房间里的大象了 是时候直面房间里的大象了。OpenAI 刚刚发布了 GPT-4.5——一个证明 OpenAI 无法 通过扩展来解决幻觉问题的模型。毕竟，GPT-4.5 是一只 庞大 的怪物。与此同时，它在封闭领域的 PersonQA 指标上的幻觉率与 o1 几乎相同。并且 OpenAI 实际上隐藏了关于开放式问题的结果——这是大多数商业部署所需的问题类型。*

阅读更多
GPT-4o Python 疯狂制图：即时数据可视化提示

GPT-4o Python 疯狂制图：即时数据可视化提示

来自联合国人口预测数据集的无代码可视化实操 GPT-4o 的自动数据可视化生成工具越来越先进。 您可以上传多个 CSV（和 XSLX）文件，并要求 GPT-4o 查看它们并为您提供文件中的结构和数据值列表。 然后，您可以提示这个 LLM 创建 Python 代码来清理数据，并提供图表和地图的数据可视化。 这非常有用。让我来给您演示一下它是如何工

阅读更多
GPT 4o- with Canvas：让我们创建一个金融流应用程序！

GPT 4o- with Canvas：让我们创建一个金融流应用程序！

使用 GPT-4o 和 Canvas 以及 Streamlit 创建金融应用 ChatGPT 今年发布了多个模型，因此有很多可以探索和利用的内容。 在本文中，我们将探索 GPT 4o 和 Canvas 模型，并构建一个预测股票价格的 Streamlit 应用。听起来很有趣，对吧？我也很兴奋，因为我在写作过程中也会尝试，所以让我们一起探索吧。 GPT 4o- wit

阅读更多
精通 GPU 编程：初学者使用 CUDA 驱动生成式 AI 应用的指南

精通 GPU 编程：初学者使用 CUDA 驱动生成式 AI 应用的指南

理解用于生成式 AI 的 GPU 编程 照片来自 Christian Wiediger，来自 [Unsplash](https://unsplash.com?utm_source=medium&utm_medium=referral

阅读更多
构建实时语音代理的终极指南：使用ten框架提升交互体验与开发效率

构建实时语音代理的终极指南：使用ten框架提升交互体验与开发效率

我观看新闻的那一天 我观看关于开放AI的实时API的新闻那天，我对自己说：“这个新的语音代理真的很酷；它将改变人工智能社区以及他们与聊天机器人的互动方式。” 不久前，我开发了一个语音助手，但体验实际上并不好。主要有两个原因：第一个原因是人工智能的理解能力（这一部分在大型语言模型发布后有了很大改善），第二个问题是延迟。 语音助手通常经历三个步骤：将用户的语音转换为文本。 2

阅读更多
Grok 3的突破：如何利用规模法则推动ai进步与创新

Grok 3的突破：如何利用规模法则推动ai进步与创新

I. scaling laws 主导 AI 进展 有一次，埃隆·马斯克在称 Grok 3 为“地球上最聪明的 AI”时似乎并没有夸大其词。与 Grok 2 相比，Grok 3 是一次 巨大的飞跃 前进。（您可以在 [这里](https://x.com/xai/status/1

阅读更多
深入探索grok 3：揭示xai最新ai模型的5大创新与应用潜力

深入探索grok 3：揭示xai最新ai模型的5大创新与应用潜力

人工智能的快速发展不断推动机器能力的边界，而xAI最新的模型Grok 3则是这一进展的证明。作为最强大的AI模型之一，Grok 3拥有先进的推理能力、实时数据处理和更快的计算速度。然而，正如任何重大AI发布一样，进行关键评估是必要的，以了解其能力、局限性和更广泛的影响。 什么是 Grok 3？ Grok 3 是由埃隆·马斯克的 xAI 开发的最新 AI 模型，旨在挑战行业领导者，如

阅读更多
Grok 3 Vs Ai Titans：揭秘 Xai 最新机型的革命性能力、速度和优势：深度剖析

Grok 3 Vs Ai Titans：揭秘 Xai 最新机型的革命性能力、速度和优势：深度剖析

x.AI 迄今为止最强大的 AI——Grok 3，凭借突破性的能力、速度和智能，正在重新定义人工智能的未来。了解它与最大的 AI 模型相比如何，以及它为什么是 AI 演进的下一个重大飞跃。利用 Colossus 超级计算释放无与伦比的智能和力量。 埃隆·马斯克刚刚推出了 x.AI 的最新 AI 模型，Grok 3 — 这是有史以来最智能、最强大的 AI 聊天机器人之一。凭借

阅读更多
Grok 被高估了。这样做可以将任何 LLM 转变为超级智能的金融分析师。

Grok 被高估了。这样做可以将任何 LLM 转变为超级智能的金融分析师。

人们对最基本的东西也太印象深刻了。 我在 Twitter 上看到一些金融圈的人在抱怨 Grok 是继切片面包之后最好的东西。这个由 xAi 开发的 LLM 具有内置的 Web 搜索和推理能力……人们对它在财务分析任务中的感知能力感到兴奋不已。 Grok 能够原生思考和搜索网络 是的，这比 GPT 更好，GPT 无法访问实时信息，但你可以在大约一小时内构建一个好得多的财务助手。

阅读更多
解锁效率：提升LLM训练的群体相对政策优化综合指南

解锁效率：提升LLM训练的群体相对政策优化综合指南

GRPO 简介：一种用于 LLM 推理训练的高效策略优化方法 简介 强化学习 (RL) 已成为一种强大的工具，用于在大型语言模型 (LLM) 的初始训练之后增强其能力，尤其是在需要大量推理的任务中。DeepSeek 最近在 DeepSeek-Math [2] 和 DeepSeek-R1 [3] 模型方面的突破，证明了 RL 在提高 LLM 的数学推理和问题解决能力方面的巨大潜

阅读更多
实践：使用 LangGraph 构建代理工作流（Langchain-academy 的主要学习内容） | 第 1 部分

实践：使用 LangGraph 构建代理工作流（Langchain-academy 的主要学习内容） | 第 1 部分

介绍 Langchain 最近推出了一门令人印象深刻的课程，专注于 LangGraph 及其在开发强大的代理和多代理工作流中的关键特性。 在本系列中，我们将探索课程中的基本见解，并创建利用代理工作流的应用程序。在第一部分中，我们将涵盖 LangGraph 的基本概

阅读更多
构建 Agentic RAG（检索-增强生成）管道的实践演示

构建 Agentic RAG（检索-增强生成）管道的实践演示

插图展示了自主代理如何参与 RAG 系统，以检索最相关的信息片段。 什么是Agentic RAG？ 我们都知道什么是检索增强生成（Retrieval Augmented Generation，RAG）。但让我们快速回顾一下。检索增强生成是一种强大且流行的管道，通过从大型语言模型中增强响应来提升其表现。它通过将从向量数据库中检索到的相关数据作为上下文添加到提示中，并将其发送给LLM进

阅读更多
代理混合搜索如何创建更智能的 RAG 应用程序

代理混合搜索如何创建更智能的 RAG 应用程序

By Ryan Michael 如果您正在构建一个 [retrieval-augmented generation (RAG)](https://www.datastax.com/guides/what-is-retrieval-augmented-generation?utm

阅读更多
Agentic RAG 如何解决当前 RAG 限制的问题

Agentic RAG 如何解决当前 RAG 限制的问题

在本卷咖啡休息概念的第 4 期中，我们将了解 AgenticRAG 如何帮助解决传统 RAG 的限制。 RAG框架 RAG（检索增强生成）框架按特定顺序操作： 文档 -> 片段 -> 向量数据库 -> 片段检索（前K个） -> LLM 然而，这一顺序在处理某些类型的查询时会遇到障碍。 问题 1：摘要 考虑一个查询，比如“总结文档”。传统

阅读更多
提升ai智能：agentic Rar的革命性升级与rag的对比分析

提升ai智能：agentic Rar的革命性升级与rag的对比分析

Created by me using canva 嘿，大家好！ 所以，我有一些有趣的研究想通过这篇文章来聊聊。 基本上，这一切都关于我们如何让人工智能变得更聪明，特别是在解决问题和给我们更好答案方面。 你可能以前用过聊天机器人或人工智能助手，对吧？ 好吧，在2024年甚至2025年初，有一个叫做检索增强生成（RAG）的系统，它真的是一个游戏规则的改变者。 现在在2025年，一些

阅读更多
人工智能代理如何帮助简化工作流程自动化？

人工智能代理如何帮助简化工作流程自动化？

在当今快速变化的商业环境中，组织必须高效运作以保持竞争力。实现这种效率的一个关键是自动化。然而，自动化已经超越了简单的任务调度和数据输入，特别是在AI代理进入自动化领域之后。这些智能系统不仅增强了传统的自动化过程，还彻底改变了企业对工作流程管理的方式。 在这篇博客中，我们将探讨AI代理如何简化工作流程自动化，它们为何成为游戏规则的改变者，以及企业如何利用它们推动创新和提高运营效率。

阅读更多
Deepseek 和杰文斯悖论：人工智能效率如何重塑市场！

Deepseek 和杰文斯悖论：人工智能效率如何重塑市场！

IMAGE: Modified from Jevons paradox — Lawrencekhoo (BB BY-SA) 概述 在周一，我写到了深度寻求及其对OpenAI更昂贵的ChatGPT4所构成的特定威胁——尽管我们许多人已经使用这家低成本的中国初创公司作为替代方案超过两周，以避免支付那些昂贵的代币。 今天，我想超越对[模型的分析](https://stratechery

阅读更多
革新推理：DeepSeek R1 如何通过逐步解释增强语言模型

革新推理：DeepSeek R1 如何通过逐步解释增强语言模型

你是否曾好奇过，AI 模型是如何学习分解数学问题或逐步解释代码的？在过去的几年里，许多公司构建了能够创建文本、翻译语言、编写代码等的大型语言模型（LLMs）。但 AI 领域出现了一个新趋势：推理语言模型（RLMs）。这些模型的目标是解释其推理过程，而不仅仅是给出简短的答案。 这一领域最大的发展之一是 DeepSeek R1，这是一个开源的推理模型，与一些最先进的 AI

阅读更多
Deepseek R1-zero 复制品售价 30 美元？这位学生如何在数学推理方面取得突破？

Deepseek R1-zero 复制品售价 30 美元？这位学生如何在数学推理方面取得突破？

复制深度探测R1-Zero的方法 潘佳怡，伯克利的博士生，仅用$30就复制了深度探测R1-Zero的方法，使得一个3B参数的小模型在一个数学游戏中的表现取得了突破，结果必须反向推导以形成方程。 来源: 潘佳怡的推特 数据集由多个输入数字和一个目标输出数字组成： ![

阅读更多
DeepSeek AI如何颠覆金融预测的5大机会与挑战！

DeepSeek AI如何颠覆金融预测的5大机会与挑战！

生成性人工智能工具的崛起引起了全球各行业的关注，而有一个名字在金融和科技领域引发了兴奋与焦虑：DeepSeek。这个中国本土的人工智能工具被誉为潜在的颠覆者，能够与OpenAI等行业巨头竞争——但成本却低得多。随着DeepSeek的人工智能模型越来越受欢迎，企业开始询问：这项新技术如何重塑金融预测？ DeepSeek的进展可能具有深远的影响。首席财务官、财务总监和会计师们密切关注着这一

阅读更多
从flask到vllm：探索2020年后语言模型服务的演变与创新解决方案

从flask到vllm：探索2020年后语言模型服务的演变与创新解决方案

大型语言模型服务的演变 想要与世界分享你的发明的古老故事在大型语言模型的世界中终于加速发展，因为我们正在迈向一个消费者可以托管自己的语言模型而不必依赖大量计算能力的时代。在这里，我们将讨论大型语言模型服务是如何从通用模型服务演变而来的，面临的挑战是什么，以及我们是如何克服这些挑战的。 让我们先谈谈模型服务是如何随着时间的推移而演变的。 2020年前，模型服务的环境相对干燥，大多数人通

阅读更多
破解llms防御的攻击策略：揭秘黑客如何突破大型语言模型的安全防线

破解llms防御的攻击策略：揭秘黑客如何突破大型语言模型的安全防线

Part 1 - 理解黑客在大型语言模型上的攻击策略 Photo by Clint Patterson on [Unsplash](https://unsplash.com/photos/

阅读更多
深入解析：如何利用perplexity Ai的deep Research工具生成高质量研究报告！?

深入解析：如何利用perplexity Ai的deep Research工具生成高质量研究报告！?

生成长篇研究报告的高级系统提示 上周我写了关于如何通过正确猜测一些内部 token delimiters 并利用我自己的 neurodivergence 作为 social engineering 工具来破解 Perplexity AI 的系统提示。今天，我带来了你们期待的续集：我成功破解了 Deep Research。 如果你没有看到第一篇文章，这里是简要版：我利用自己患有失语症（由

阅读更多
DeepSeek-R1-Lite 预览版的推理能力如何？

DeepSeek-R1-Lite 预览版的推理能力如何？

DeepSeek-R1-Lite-Preview (R1LP) 是中国公司 DeepSeek 最近发布的一款 LRM（大型推理模型）。根据该模型的 发布说明，R1LP 在多个数学和推

阅读更多
如何利用ai代理自动化youtube Shorts制作：提升创作效率和视频观看量的全新方法

如何利用ai代理自动化youtube Shorts制作：提升创作效率和视频观看量的全新方法

制作娱乐性虚假文本故事 想象一下：现在是凌晨3点，你正在喝第五杯咖啡，仍然试图将那条消息气泡与旁白完美同步。 你知道吗，那些每个人制作起来看似毫不费力的故事风格视频？是的，实际上并非如此。在 juggling 十二个不同的应用程序和第百次观看同一个 2 秒的片段之间，我开始想是否有更好的方法。 剧透：确实有！这涉及到教人工智能代理成为你的个人制作团队（不包括咖啡跑腿和创意分

阅读更多
掌握 Mvp 开发：我如何使用 Ai 工具和有效文档在 90 天内创建 13 个 Mvps

掌握 Mvp 开发：我如何使用 Ai 工具和有效文档在 90 天内创建 13 个 Mvps

AI辅助编码：游戏规则改变者 AI辅助编码是一个游戏规则改变者，但它并不是魔法。我看到开发者犯的最大错误是直接跳入编码，而没有详细的计划。AI工具非常强大，但它们需要指导——没有指导，你最终会得到幻觉输出、调试噩梦和浪费的时间。 在过去90天里，我使用AI编码工具构建了13个最小可行产品，从中我学到了一个关键的教训：文档占工作量的80%，实现仅占20%。 在本文中，我将详细介

阅读更多
我如何使用 ElevenLabs、Make.com 和 Twilio 快速构建客户支持语音机器人

我如何使用 ElevenLabs、Make.com 和 Twilio 快速构建客户支持语音机器人

作为一个自称的代码爱好者，我通常习惯于以传统方式构建项目——编写代码行，以便让我拥有完全的控制权和灵活性。从零开始解决问题带来了一种特殊的满足感。但偶尔，我会遇到一些工具，让我停下来重新思考我的方法。 最近，我测试了 ElevenLabs 的 AI agent feature，我必须承认——它让我印象深刻。在短短几个小时内，我能够创建一个能够 自动安排会议 和

阅读更多
如何用Pydantic AI与Google Gemini构建强大的SWOT分析代理？惊人架构揭秘！

如何用Pydantic AI与Google Gemini构建强大的SWOT分析代理？惊人架构揭秘！

在当今快节奏的世界中，快速收集和综合信息变得至关重要。我构建了一个 AI 代理，以现代技术栈提供战略洞察。本文将带您了解这一过程，突出技术和设计选择，并演示您如何在 Google Cloud 上构建它。 一个 AI 代理 是一种能够感知其环

阅读更多
我如何利用 ChromaDB 和 Chainlit 构建基于 Graph-RAG 系统的 LLM 应用程序

我如何利用 ChromaDB 和 Chainlit 构建基于 Graph-RAG 系统的 LLM 应用程序

一个端到端的应用，带有 GUI，并且仅用 3 个脚本将新知识存储在向量数据库中 大型语言模型（LLMs）和知识图谱是处理自然语言的宝贵工具。检索增强生成（RAG）作为一种强大的方法，能够通过上下文知识增强 LLM 的响应。上下文知识通常嵌入并存储在向量数据库中，用于创建上下文以增强提示。然而，这种方式下，知识被映射在一个概念空间中，但并没有真正组织起来。知识图谱捕捉了领域内数据点或实体

阅读更多
我如何为制药业打造更智能的人工智能工具：从生成式人工智能到代理式人工智能

我如何为制药业打造更智能的人工智能工具：从生成式人工智能到代理式人工智能

当我首次开始为制药行业开发AI工具时，我的想法很简单：解决现实中的日常挑战。我花了多年时间观察合规团队在文书工作中挣扎，医学写作人员努力向患者传达复杂信息，以及无数人在医疗旅程中迷失。生成式AI似乎是答案——在许多方面，它确实是。但随着我们看到这些工具的部署，我开始意识到它们的局限性。它们确实强大，但却是被动的——总是等待下一个命令，下一个提示。这个认识促使我探索自主AI

阅读更多
我如何使用 Figma 的新人工智能在 48 小时内设计并构建一个可运行的移动应用程序

我如何使用 Figma 的新人工智能在 48 小时内设计并构建一个可运行的移动应用程序

本周，我挑战自己尽可能多地使用 Figma 的新 AI 功能来完成我的产品设计和开发过程——从用户研究和分析到生成我的 UI 设计，原型制作，然后将所有内容转化为一个真实的工作应用——我尝试在 仅仅 48 小时 内完成这一切。以下是发生的事情…… 问题 上周，我和我的会计见面，他指出我记账的方式并不是“最佳的”。我心想：“我希望有一种简单的方法来查看我的资金流入，并将其

阅读更多
我如何利用人工智能在几秒钟内从任何网站提取信息

我如何利用人工智能在几秒钟内从任何网站提取信息

使用 Langchain、OpenAI、Bright Data 和 NextJS 构建一个免费的 AI 工具，用于抓取、提取和分析数据。 “有用”的数据是任何成功企业进行明智决策和战略规划的基础。然而，真正的挑战不仅仅在于抓取数据——而在于从收集到的数据中提取有价值的信息。这一步通常需要大量的时间和精力，成为了过程中的瓶颈。 在本文中，您将学习如何构建一个不仅能提取网页数据，

阅读更多
我如何修复提示，让人工智能每次都能做出无懈可击的回应

我如何修复提示，让人工智能每次都能做出无懈可击的回应

当ChatGPT首次推出时，几乎每个行业和职业的提示模板都涌入了互联网。你可能见过类似“最佳[N] ChatGPT提示用于[行业/职业]”的帖子。 这些帖子帮助许多人接触到AI工具，使得提问和获得答案变得简单。然而，现在我们中的大多数人已经掌握了这一点，并希望进一步推进。简单的提示会导致简单的结果，因此我们开始撰写更详细和复杂的提示。 然而，这也带来了挑战：有时，“AI”根本

阅读更多
构建高效ai代理的经验教训：成功与失败的关键因素分析

构建高效ai代理的经验教训：成功与失败的关键因素分析

我们在去年九月上线了一个物流 AI 代理，它能够自主检索失货，与承运商、客户和仓库进行沟通，并安排交付/退货。如果发生丢失或损坏，它可以从运输公司那里索取退款。我的团队和我还构建了其他AI代理系统，例如一个贸易标志 AI 代理，在互联网上搜索侵犯您知识产权的行为并采取行动。 **AI 代理的话题现在正受到广泛关

阅读更多
保护你的应用程序：避免api密钥被盗的5个关键策略

保护你的应用程序：避免api密钥被盗的5个关键策略

人工智能的淘金热正在如火如荼地进行中。 在淘金热中，坏人会偷走铲子。 一个致命的错误是常见的：将 ChatGPT API 密钥直接捆绑到您闪亮的新 AI 应用中。这使得 盗取您的密钥、[消耗您的额度](https://community.openai.com/t/api-k

阅读更多
我如何用 ChatGPT 在不到 3 小时内写完一整本书？

我如何用 ChatGPT 在不到 3 小时内写完一整本书？

解密人工智能热潮 我叫亚历克斯，我只是一个在金融科技（Fintech）领域工作的小伙子，这个行业不可避免地让你对一切充满好奇，尤其是新趋势。我无法摆脱人工智能的热潮，或者说，我无法不去观察人们对它的疯狂反应。 “人工智能会抢走你的工作！”，“这就是结束！”，“到2024年，你将不再见到医生。机器将为你诊断和治疗！”，“我如何利用ChatGPT创建了一家全新的公司！”，最后，“我

阅读更多
释放 Jupyter Agent 的威力：它轻松改变 Python 笔记本创建方式的 5 种方法

释放 Jupyter Agent 的威力：它轻松改变 Python 笔记本创建方式的 5 种方法

作者截图。 我想我们都听说过 AI Agents。它正在进入主流，并成为一个新兴的流行词。不过，我向你保证，在我自己实验过 Jupyter Agent 之后，它的能力绝对不容小觑。 What is Jupyter Agent? The [Jupyter Agent](https://huggingface.co/spaces/data-agents/jupyter-agen

阅读更多
解锁 AI 的潜力：ChatGPT 如何在比你想象中更少的数据下实现复杂推理

解锁 AI 的潜力：ChatGPT 如何在比你想象中更少的数据下实现复杂推理

|深度推理模型|大型语言模型|推理| 挑战大数据神话：人工智能如何以惊人的少量示例实现复杂推理，以及它是如何工作的 作者使用人工智能制作的图片 我对极简主义有自己的定义，即用最少的手段创造的东西。—— La Monte Young 大型推理模型 (LRM) 是大型语言模型 (LLM) 的最新前沿，通过额外的训练获得，利用长链式思维 (Long CoTs) 以及反思、回

阅读更多
深度探索DeepSeek-R1：本地运行竟然要106,776美元？看完你会震惊！

深度探索DeepSeek-R1：本地运行竟然要106,776美元？看完你会震惊！

DeepSeek-R1所需硬件和软件的价格细分 DeepSeek已经将这场生成竞赛提升到了一个新的水平，甚至有人准备在本地运行671B参数模型。但在本地运行如此庞大的模型可不是开玩笑；你需要在硬件上进行一些重大改进，才能尝试仅仅是推理。 这个博客大致分解了在你的PC上运行DeepSeek-R1的费用 ![](https://wsrv.nl/?url=https://cd

阅读更多
优化gpu Vram使用：确定最佳gpu配置以支持您的llm需求

优化gpu Vram使用：确定最佳gpu配置以支持您的llm需求

这个世界从未如此不同。 在短短几年内，我们所做的一切都将涉及一些“AI”。如果你正在阅读这篇文章，你无需了解大型语言模型和图形处理单元。 在使用像GPT和Claude这样的封闭模型后，你最终会决定尝试开源模型。这是一个合理的选择。 访问开源模型的第一种（也是最好的）方式是通过像Groq或[Together AI](https://www.tog

阅读更多
AI智能代理：如何让团队合作更高效？探索多智能体系统的奇妙之旅！

AI智能代理：如何让团队合作更高效？探索多智能体系统的奇妙之旅！

注意：本文适用于正在构建数字产品的产品经理、产品设计师和工程师，特别是在AI领域，目标是构建多AI代理系统，以优化产品和业务的价值，同时通过AI对话解决复杂的用户问题。 当你查看界面时，构建AI对话似乎很简单，包括AI与用户之间的双向互动，以及供用户提问的输入占位符。但在这背后，对于产品开发团队来说，这是一个巨大的挑战。发现用户期望、改进并不断迭代，以便每天更清晰地提供价值，需要许多步

阅读更多
英伟达™（NVIDIA®）如何修剪和提炼 Llama 3.1 以创建 Minitron 4B 和 8B

英伟达™（NVIDIA®）如何修剪和提炼 Llama 3.1 以创建 Minitron 4B 和 8B

新模型采用了最先进的剪枝和蒸馏技术。我最近开始了一份专注于人工智能的教育通讯，目前已有超过170,000名订阅者。TheSequence是一份不做作（意味着没有炒作，没有新闻等）的机器学习导向通讯，阅读时间为5分钟。目标是让您及时了解机器学习项目、研究论文和概念。请通过下面的链接订阅试试：我们常常被大型语言模型（LLMs）特别是那些参数数量庞大的模型的进展所震撼。然

阅读更多
开启未来：Openai 如何改变日常使用的实时对话式人工智能

开启未来：Openai 如何改变日常使用的实时对话式人工智能

对话式人工智能 — 未来已来 我们生活在2025年，这是一个人工智能时代，过去五年中，我们在日常生活中体验着人工智能。早些时候，我们曾预测人工智能将伴随我们，使用人工智能在数字世界中，同时我们也在说人工智能是未来，而现在它已成为现实。 当大型语言模型在五年前向公众发布时，我们开始体验到在软件开发、医疗保健等各个不同领域中一些小任务的自动化。它正在向更准确、改进和高效的模型发展，并已

阅读更多
改变睡前常规：如何使用 Chatgpt 每日定时在夜间讲故事

改变睡前常规：如何使用 Chatgpt 每日定时在夜间讲故事

作者使用Midjourney创建的图像。 如何使用聊天生成预训练变换器的定时任务将睡前故事变成我的新罪恶快感 我必须承认。我有一个新的罪恶快感。使用GPT-4o和定时任务的人工智能故事讲述。 Hej AI朋友们和关注者们。 我发现入睡很困难，尤其是在医院工作了10小时之后。所以我想，为什么不将其与技术和人工智能结合起来呢？ 聊天生成预训练变换器是一个很棒的人工智能工具，

阅读更多
完整指南：13个ai工具助你提升300倍生产力，告别无效忙碌！

完整指南：13个ai工具助你提升300倍生产力，告别无效忙碌！

Photo by Patrick Perkins on Unsplash 几年前，我意识到我花在**“做事情”

阅读更多
释放 Chatgpt 的日程安排超能力：用一个简单的提示优化任务！

释放 Chatgpt 的日程安排超能力：用一个简单的提示优化任务！

引言 本文讨论了软件开发中的各种技术和最佳实践。 关键概念 概念 1定义：概念 1 的简要描述。 重要性：概念 1 在软件开发中的重要性。概念 2步骤 1：步骤 1 的描述。 步骤 2：步骤 2 的描述。 步骤 3：步骤 3 的描述。概念 3"这是一句强调概念

阅读更多
Deepseek-r1 Vs.Openai：强化学习如何实现卓越推理？

Deepseek-r1 Vs.Openai：强化学习如何实现卓越推理？

强化学习真的能教机器推理吗？ 深度寻求是如何击败OpenAI的？图像由作者创建。 在一个充满可以聊天、翻译语言、写故事甚至解决复杂数学难题的设备的世界里，我们很容易忘记大多数计算机仍然难以像人类一样进行推理。今天的数字系统在记忆事实和快速执行任务方面表现出色，但真正的问题解决需要更深层次的东西：推理。在一个恰逢其时的突破中，一组来自[深度寻求人工智能](https://www.de

阅读更多
打造你的智能Bluesky机器人！利用Langflow、TypeScript和Node.js畅游新世界！

打造你的智能Bluesky机器人！利用Langflow、TypeScript和Node.js畅游新世界！

作者 Phil Nash Bluesky 是一个建立在 AT Protocol 上的社交网络：一种开放的、去中心化的构建社交应用程序的方式。AT Protocol

阅读更多
如何使用 DeepSeek-R1、LangChain 和 Ollama 构建隐私优先的 RAG

如何使用 DeepSeek-R1、LangChain 和 Ollama 构建隐私优先的 RAG

在本指南中，您将学习如何构建一个 检索增强生成 (RAG) 系统，该系统使用 [DeepSeek-R1](https://medium.com/@pedro.aquino.se/how-to-install-and-use-deepseek-r1-a-free-and-privacy-first-alternative-to-openai-save-c838d2e5e04a

阅读更多
如何利用实时事件处理打造主动式代理

如何利用实时事件处理打造主动式代理

发现如何将流媒体数据库与大型语言模型结合起来，创建在您甚至未询问之前就能采取行动的智能代理。 由大型语言模型（LLMs）驱动的问答代理，如ChatGPT，已经成为我们日常生活中不可或缺的一部分，帮助我们解决各种问题——无论是编写代码、撰写论文还是回复电子邮件。但是，所有这些“神奇”的能力都有一个关键要求：我们必须向LLM提供高质量、精确描述的问题。 那么，是否有可能创建一个能

阅读更多
如何利用交互式画布构建实时双子座 2.0 学习助手

如何利用交互式画布构建实时双子座 2.0 学习助手

Gemini 开发教程 V5 在本教程中，我们将继续使用 Gemini 2.0 及其多模态 Live API 构建迷人的实时聊天应用程序。这次我们将基于绘图画布构建一个具有实时语音和文本交互的学习助手。 您可能已经看过 OpenAI 的旧视频 https://youtu.be/_nSmkyDNulk，演示了 got-4o 如何通过提出引导性问题和提供提示来帮助学生在 Kh

阅读更多
构建实时gemini 2.0移动应用：5个步骤实现语音聊天和图像共享功能

构建实时gemini 2.0移动应用：5个步骤实现语音聊天和图像共享功能

作者插图 在本教程中，我将分享我的最新项目，继续探索与 Gemini 2.0 及其 multi-modal live API 相关的实时应用。在通过多个网络应用项目深入了解 Gemini 2.0 的迷人实时能力后，包括摄像头聊天、屏幕共享互动画布和 RAG 助手，我花了一个周末构建了一个 Android 应用，以复制甚至增强与 Gemini 2.0 的多模态实时体验。以下是演示视频：

阅读更多
如何使用 CrewAI 和 Langchain 构建代理 RAG

如何使用 CrewAI 和 Langchain 构建代理 RAG

在快速发展的 AI 领域，提供准确、上下文感知的用户查询响应能力是一个游戏改变者。检索增强生成（RAG）作为一种强大的范式，结合了从外部来源检索相关信息与大型语言模型（LLMs）的生成能力。然而，随着查询变得越来越复杂和多样化，静态 RAG 设置可能并不总是足够。这就是 Agentic RAG 发挥作用的地方。 Agentic RAG 引入了一个智能的模块化框架，其中专门的代理协同

阅读更多
Building AI Agents with Human Memory: 5 Steps to Achieve Intelligent Dialogue and Memory Enhancement

Building AI Agents with Human Memory: 5 Steps to Achieve Intelligent Dialogue and Memory Enhancement

由我使用 Canva 制作 你有没有和 AI 助手交谈过，感觉它在几秒钟前就忘记了你所说的话？ 我大多数时候都亲眼目睹了这种情况。 现在想象一下，和一个每句话说完就忘记一切的人交谈——是不是很令人沮丧？ 这本质上是许多缺乏记忆系统的 AI 助手所发生的事情。即使是最聪明的 AI 模型也难以保留超出单次交流的信息，这使得它们看起来像健忘的朋友，记不起你的名字。 作为一名 AI 爱好者

阅读更多
如何使用 LangGraph 构建人工智能代理：分步指南

如何使用 LangGraph 构建人工智能代理：分步指南

介绍 在人工智能的世界中，检索增强生成（RAG）系统已成为处理简单查询和生成上下文相关响应的常用工具。然而，随着对更复杂的人工智能应用需求的增长，出现了超越这些检索能力的系统的需求。AI代理应运而生——这些自主实体能够执行复杂的多步骤任务，在交互中保持状态，并动态适应新信息。LangGraph，作为LangChain库的强大扩展，旨在帮助开发人员构建这些先进的AI代理，通过启

阅读更多
构建无sql数据分析ai代理：使用langchain和duckdb实现快速数据洞察

构建无sql数据分析ai代理：使用langchain和duckdb实现快速数据洞察

SQL 和 AI：使用 LangChain 和 DuckDB 构建 AI 代理 照片由 James A. Molnar 提供，来源于 [Unsplash](https://un

阅读更多
构建ai代理：使用browser-use库模拟openai Operator Agent的5个步骤

构建ai代理：使用browser-use库模拟openai Operator Agent的5个步骤

“浏览使用”库概述 “浏览使用”库与开放AI的“操作员”代理非常相似，因为两者都是旨在直接在网页浏览器中执行任务的人工智能系统，允许它们通过点击、输入和浏览页面与网站进行交互，以完成填写表单或收集信息等任务。然而，浏览使用是开源的，而操作员是一个在开放AI的服务器上运行的专有系统，并且还有一些其他的差异。 介绍 当人工智能代理需要与网络互动时，它们需要工具来模拟类似人类的浏览行

阅读更多
掌握 Ai 模型开发：利用这些基本步骤，在 2025 年之前建立自己的类似 Chatgpt 的模型

掌握 Ai 模型开发：利用这些基本步骤，在 2025 年之前建立自己的类似 Chatgpt 的模型

如何在2025年构建类似ChatGPT的AI模型？ 近年来，人工智能迅速发展，像OpenAI的ChatGPT这样的模型彻底改变了我们与AI的互动方式。随着AI驱动应用的日益普及，许多开发者和企业希望在2025年构建自己的类似ChatGPT的AI模型。但创建一个像ChatGPT这样的AI模型需要什么？ 在深入开发过程之前，了解是什么使ChatGPT成为一个强大的AI模型是很重要的。

阅读更多
如何使用 LangChain 和 CrewAI 构建人工智能驱动的 SQL 数据分析代理

如何使用 LangChain 和 CrewAI 构建人工智能驱动的 SQL 数据分析代理

在当今数据驱动的世界中，自动化数据提取、分析和报告的工作流程对于节省时间和提高效率至关重要。本教程将指导您使用 LangChain 和 CrewAI 构建一个 AI 驱动的 SQL 工作流程。通过集成强大的 Llama 3 模型、SQL 数据库工具和基于代理的自动化，您将学习如何创建一个无缝的管道，以处理数据库查询、分析结果和生成高管报告 — 所有这些都需要最少的手动干预。无论您是数据爱好者

阅读更多
构建互动数据可视化的终极指南：使用5个步骤和gen Ai创建低代码仪表板

构建互动数据可视化的终极指南：使用5个步骤和gen Ai创建低代码仪表板

在本教程中 您将学习如何使用 Vizro 创建一个低代码数据 Dashboard，该框架是建立在 Dash, Plotly 和 Pydantic 之上的开源框架。您将学

阅读更多
释放你的创造力：使用 Deepseek-r1 在 60 秒内构建游戏并自动执行任务

释放你的创造力：使用 Deepseek-r1 在 60 秒内构建游戏并自动执行任务

Image Source: https://ollama.com/library/deepseek-r1 介绍：认识 DeepSeek-R1 — 你的新人工智能强者 想象一下拥有一个 编码天才、一个 创意设计师 和一个 数据魔法师 融合在一个工具中 — 而且完全免费。这就是

阅读更多
释放您内心的对冲基金：与 Agno 一起打造超强的 Ai 投资团队！

释放您内心的对冲基金：与 Agno 一起打造超强的 Ai 投资团队！

评估股票时的一个常见挑战是处理来自多个来源的大量信息，以做出明智的投资决策。 传统方法 传统方法包括：从各种平台收集金融数据。 阅读多份报告、新闻和其他文章。 构建和维护复杂的电子表格模型。 将这些信息综合成可操作的内容。同时持有和管理所有这些输入往往看起来像这样： ![Image 12](https://cdn-images-1.readme

阅读更多
如何使用 Streamlit 和 Llama 3.2-Vision 构建自己的 OCR 助手

如何使用 Streamlit 和 Llama 3.2-Vision 构建自己的 OCR 助手

通过示例学习 OCR（光学字符识别）是一种帮助自动化将图像转换为文本的工具。你一定在手机上使用过它，因为现在它非常普遍。从数字化文档到自动化业务工作流程，OCR 是许多现代解决方案的核心。在本指南中，我们将引导您使用 Streamlit、Llama 3.2-Vision 和 Ollama 创建一个简单但强大的 OCR 助手，因为为什么不参与机器学习模型的竞争呢。有趣的是，不

阅读更多
如何选择 LLM 驱动的产品创意，以在激烈的竞争环境中蓬勃发展

如何选择 LLM 驱动的产品创意，以在激烈的竞争环境中蓬勃发展

欢迎来到我系列文章的第三篇（最后一篇），探讨的问题是：“哪些 GenAI 产品值得开发？”第一篇文章 从用户体验（UX）和产品采用的角度探讨了这个问题。

阅读更多
构建rag系统的完整指南：使用nvidia 10-k文件实现数据驱动的生成与检索

构建rag系统的完整指南：使用nvidia 10-k文件实现数据驱动的生成与检索

与NVIDIA最新的10-K文件聊天 作者提供的图片。 在本教程中，我们将探索使用NVIDIA最新的10-K文件作为数据源创建检索增强生成（RAG）系统。 RAG结合了检索和生成，从给定的数据集中提供基于事实和上下文的答案。 这种方法确保响应基于提供的信息，从而最小化与语言模型相关的幻觉。 在本教程结束时，我们将构建一个管道，该管道：从SEC

阅读更多
解锁研究潜力：用 OCI AI Agents 在 5 个简单步骤中创建智能研究助手

解锁研究潜力：用 OCI AI Agents 在 5 个简单步骤中创建智能研究助手

在当今快速发展的技术领域，人工智能已成为我们进行研究和分析信息的不可或缺的一部分。这个简单的解决方案可以帮助您设置一个研究助手聊天机器人，它将帮助您与您的文档进行对话。 项目概述 Oracle Cloud Infrastructure 的 AI Agents 提供了强大、可扩展且安全的 AI 功能，可以改变企业进行研究和分析信息的方式。我们的应用程序通过一个流畅、用户友好的界面（

阅读更多
精通代理性RAG：实施自我评估机制以增强信息检索的5个步骤

精通代理性RAG：实施自我评估机制以增强信息检索的5个步骤

开发 Agentic RAG 的端到端教程 随着 LLM 的发展，模型已经能够理解大量数据并进行逻辑推理。伴随这些发展而来的最重要的进步之一是检索增强生成（RAG）系统。 LLM 接受过非常大的数据集的训练，但它们受到训练数据的限制。假设你有一家公司。你有一些政策文件。为了让你的员工找到正确的答案，他们要么需要非常了解这些文件，要么需要在文件中搜索答案。你想用聊天机器人让

阅读更多
如何使用 CrewAI 和 Gemini Pro 创建 AI 团队来撰写引人入胜的故事

如何使用 CrewAI 和 Gemini Pro 创建 AI 团队来撰写引人入胜的故事

你是否对AI生成引人入胜的故事这一想法感到着迷？如果是这样，你并不孤单！在本文中，我们将深入探讨一个结合CrewAI和Gemini Pro力量的入门项目，创建一个代理网络，通过用户输入的帮助来创作短篇故事。无论你是一个初出茅庐的程序员，一个希望探索数字前沿的讲故事者，还是仅仅对人工智能的潜力感到好奇，这本指南都适合你。 CrewAI 和 Gemini Pro 是什么？ 在我们深入探

阅读更多
如何为 CrewAI 应用程序创建交互式 Web UI（新版已更新）

如何为 CrewAI 应用程序创建交互式 Web UI（新版已更新）

CrewAI + Panel UI 实现的快速更新 今年早些时候，我写了一篇关于为 CrewAI 应用程序创建交互式 Web UI 的教程。在那个教程中，我实现了一个简单的 Web 服务器，用于可视化 CrewAI 代理和工作流，并允许用户通过消息与它们进行交互。从那时起，CrewAI 从版本 0.28 更新到最新版本 0.80，经历了许多变化和改进。不仅 API 的用法

阅读更多
如何开发具有自动互联网搜索功能的免费人工智能代理

如何开发具有自动互联网搜索功能的免费人工智能代理

使用 Groq 的免费 API 和 LangGraph 开发一个 AI 代理，以回答用户的问题并根据问题自动调用互联网搜索 如果您不是 Medium 会员，您可以通过此链接阅读完整故事。 生成性人工智能中的代理 AI 方法正在取得进展，并发现多个潜在应用。AI 代理就像数字助手，可以代表用户执行多项任务。它们可以理解用户的问题、整体目标，推理并决定选择最佳行动，并相互沟通

阅读更多
完整指南：如何一步步提炼大型语言模型的核心能力！

完整指南：如何一步步提炼大型语言模型的核心能力！

LLM teacher and a LLM student — Image generated by DALL-E 大型语言模型概述 大型语言模型，或称LLMs，确实掀起了一阵风潮，不是吗？感觉就在昨天我们还在惊叹简单的聊天机器人，而现在我们拥有这种庞大的智能，能够生成令人惊讶的连贯文本、翻译语言，甚至编写代码。 但是，有一点相当重要，这些模型是……嗯，非常庞大。庞大得令人咋舌

阅读更多
揭开 Deepseek-r1 的神秘面纱：与 Lora 一起学习蒸馏的革命性指南！

揭开 Deepseek-r1 的神秘面纱：与 Lora 一起学习蒸馏的革命性指南！

Image courtesy: https://fusionchat.ai/news/enhancing-llm-reasoning-with-system-2-distillation-technique 深

阅读更多
用DeepSeek AI轻松创收！写作新机遇竟在这里？

用DeepSeek AI轻松创收！写作新机遇竟在这里？

你是否被无尽的在线商业可能性所压倒，却不知道从何开始？许多有抱负的企业家——尤其是那些兼顾全职工作的人——面临着同样的共同困扰：我如何在没有资金和有限时间的情况下启动副业？ 在今天疯狂的数字世界中，像 DeepSeek 这样的 AI 驱动工具使得将你的想法变成实际的被动收入变得比以往任何时候都容易，你可以用这些收入来购买食品。 在本教程中，你将学习如何注册和使用 Deep Seek，以及

阅读更多
轻松安装 Deepseek R1：安装三步曲

轻松安装 Deepseek R1：安装三步曲

只需遵循这3个步骤。 Wikimedia Commons 在过去几天里，大家都在谈论深度寻求。有些人说它是ChatGPT的杀手，而其他人则抱怨它的亲中审查。 今天，我们将看到如何在您的计算机上轻松安装深度寻求-R1，并通过用户界面与之协作。 如果您更喜欢观看，请查看我下面的2分钟视频教程！ 第一步：安装 Ollama Ollama 是一个开源项目，作为一个强大且用户友

阅读更多
精通 Llm 摘要：有效评估 Ai 摘要的 5 个关键指标

精通 Llm 摘要：有效评估 Ai 摘要的 5 个关键指标

评估 AI 摘要的实用有效指南 图片来自 Unsplash Summarization 是 LLMs 赋能的最实用和便捷的任务之一。然而，与问答或分类等其他 LLM 任务相比，评估 LLMs 在摘要方面的表现更具挑战性。 因此，即使我构建的两个应用程序严重依赖摘要（Podsmart 总结播客，而 [aiRead

阅读更多
如何根据自己的数据微调 Llama-3.2：详细指南

如何根据自己的数据微调 Llama-3.2：详细指南

介绍 Meta发布的Llama-3.2系列在开源AI领域标志着一个重要的里程碑。到目前为止，该系列中下载量最多的模型是臭名昭著的meta-llama/Llama-3.2–11B-Vision-Instruct。不幸

阅读更多
解锁创造力：5 个高级提示，通过 ChatGPT 生成惊人故事

解锁创造力：5 个高级提示，通过 ChatGPT 生成惊人故事

试试这个疯狂的提示 图片来自 Etienne Girardet 拍摄于 Unsplash 讲故事

阅读更多
Crewai 护栏：让您的 Ai 代理防弹的 7 个步骤！

Crewai 护栏：让您的 Ai 代理防弹的 7 个步骤！

大型语言模型 代理是非确定性的：为您的 AI 应用实施适当的保护措施 Photo by Muhammad Firdaus Abdullah on [Unsplash](https://unsplash.com/?utm_source=medium&u

阅读更多
如何使用 RAG 提高 LLM 成绩

如何使用 RAG 提高 LLM 成绩

初学者友好的介绍 w/ Python 代码 本文是关于在实践中使用大型语言模型的更大系列的一部分。在[上一篇文章](https://towardsdatascience.com/qlora-how-to-fine-tune-an-ll

阅读更多
提升企业 RAG 准确性：利用 Gemini Flash 2.0 的创新方法与实用技巧

提升企业 RAG 准确性：利用 Gemini Flash 2.0 的创新方法与实用技巧

## RAG：超越基础RAG（Retrieval-Augmented Generation，检索增强生成）的典型方法相当粗略——将大量非结构化文档分割成 1000 个 token 的块，为了保险起见，加入一些块重叠，将所有内容嵌入到向量中，然后就大功告成了。这种蛮力方法既不准确也不完整。那么，我们如何解决这个问题呢？这个问题一直困扰着我。经过一番阅读、摆弄不同的代码库和实验之

阅读更多
在电脑上释放 Deepseek R-1：本地安装分步指南！

在电脑上释放 Deepseek R-1：本地安装分步指南！

深度寻求 R-1 概述 Image by Jim Clyde Monge 每个人似乎都在谈论深度寻求 R-1，这是一款由中国人工智能公司深度寻求开发的新开源人工智能语言模型。一些用户声称它在推理能力方面与开放AI的o1不相上下，甚至更好。 目前，深度寻求

阅读更多
解锁 deepseek-r1：安装免费 AI 替代 OpenAI 并节省开支的 5 个步骤

解锁 deepseek-r1：安装免费 AI 替代 OpenAI 并节省开支的 5 个步骤

了解如何本地安装 DeepSeek-R1 用于编码和逻辑问题解决，无月费，无数据泄露。 DeepSeek-R1 推理模型 厌倦了为高级 AI 模型支付高昂的订阅费用？ 认识一下 DeepSeek-R1，这是一个免费、开源且注重隐私的推理 AI，可与 OpenAI 的 200 美元/月的 o1 模型相媲美。 在本指南中，我将向您展示如何在本地安装 DeepSeek-R1，利用其编

阅读更多
如何将人工智能和数据科学融入企业战略

如何将人工智能和数据科学融入企业战略

数据科学咨询 内部咨询指南：如何成功举办为期两天的高管研讨会“我们的行业不尊重传统——它只尊重创新。” — *Satya Nadella，微软首席执行官，2014年致员工的

阅读更多
将 Openai Ai 助手与 Whatsapp 整合：轻松提供客户支持的 5 个简单步骤

将 Openai Ai 助手与 Whatsapp 整合：轻松提供客户支持的 5 个简单步骤

使用WhatsApp和AI自动化客户对话 自动化客户对话已成为任何希望提供快速和个性化支持的企业的必要条件。WhatsApp是最广泛使用的通信平台之一，集成一个AI助手可以将用户体验提升到一个全新的水平。幸运的是，有一些解决方案可以实现这种集成而无需复杂的开发或专用基础设施。 image source: author 在本文中，您将学习如何使用[**WAMM.pr

阅读更多
轻松加载llama和其他hugging Face Llms：5个简单步骤实现离线使用

轻松加载llama和其他hugging Face Llms：5个简单步骤实现离线使用

Image generated using DALL-E 你知道吗，你可以直接在本地机器上加载大多数大型语言模型，而无需依赖Ollama、AI Studio、Llama.cpp或任何此类依赖项！Hugging Face提供了一个庞大的开源LLM库，包括流行的Llama系列，你可以通过几个简单的步骤加载。在本指南中，我将带你完成整个过程，从请求访问到本地加载模型并生成模型输出

阅读更多
如何利用人工智能制作更可靠的报告--技术指南

如何利用人工智能制作更可靠的报告--技术指南

技术指南，分享我与AI合作的经验 在过去的一年里，我一直在经营自己的AI软件开发和咨询公司，与各种客户合作——从创业公司创始人到学术界人士。在此期间，我承担了来自多个领域的项目，包括数字营销、SaaS和网络安全。尽管每个项目的目标和目的各不相同，但一个共同的请求是需要使用AI为利益相关者或最终客户创建可靠的报告。几乎所有客户在项目中都有一个里程碑是制作报告。 通过这些经验，我

阅读更多
提升对话质量：5个步骤让你的聊天机器人更具记忆力

提升对话质量：5个步骤让你的聊天机器人更具记忆力

学习如何构建一个能记住你对话的AI。 Source: DALLE. 聊天机器人如何记忆？ 你有没有注意到聊天机器人可以多么像人类一样响应？ 最受欢迎的 聊天机器人 允许你在特定主题上问它一个问题，然后跟

阅读更多
如何用人工智能代理取代创业团队的半数人员（以及您如何也能做到）

如何用人工智能代理取代创业团队的半数人员（以及您如何也能做到）

Generated with Leonardo.AI不是付费会员？免费阅读这里!想象一下，2024年有一个九人的创业团队。快进到今天，只有四个人还在。发生了什么？ 团队中超过

阅读更多
如何在本地完全免费地运行 DeepSeek R1 笔记本电脑

如何在本地完全免费地运行 DeepSeek R1 笔记本电脑

我花了 7 分钟在我的 Macbook 上设置。 大多数人认为在本地运行 AI 是不可能的。 他们认为你需要高端 GPU。他们认为这很复杂。 他们想错了。你不需要超级计算机。 你不需要编码技能。 你不需要支付一分钱。使用正确的工具，你可以在你的笔记本电脑上完全离线运行 DeepSeek R1。 没有云。没有订阅。没有数据追踪。 以下是五个简单的步骤来

阅读更多
如何在本地运行 Nvidia 的 llama-3.1-nemotron-70b-instruct

如何在本地运行 Nvidia 的 llama-3.1-nemotron-70b-instruct

在开发者、研究人员和 AI 爱好者中，本地运行大型语言模型（LLMs）变得越来越受欢迎。其中一个引起广泛关注的模型是 llama-3.1-nemotron-70b-instruct，这是 NVIDIA 定制的强大 LLM，旨在增强生成响应的有用性。在本综合指南中，我们将探讨多种方法，以便在您的本地机器上运行此模型，首先介绍用户友好的 Ollama 平台。在开始之前，如果您正在寻找一个

阅读更多
如何使用人工智能免费抓取和分析数据：从收集到洞察

如何使用人工智能免费抓取和分析数据：从收集到洞察

学习如何结合网络爬虫、代理和人工智能语言模型来自动化数据提取，轻松获得可操作的洞察。 虽然有些网站可以通过使用Selenium、Puppeteer等工具轻松抓取，但其他实施了先进安全措施的网站，如验证码和IP封禁，可能会变得困难。为了克服这些挑战，并确保您可以免费抓取99%的网站，您将在本文中构建一个集成[代理工具](https://get.brightdata.com/bd-

阅读更多
如何了解人工智能的最新趋势（无需花大量时间上网）

如何了解人工智能的最新趋势（无需花大量时间上网）

如今，跟上人工智能（AI）趋势的感觉有点像试图从消防栓中小口喝水——只不过消防栓喷出的却是机器生成的术语、研究论文和未来预测，以超音速的速度涌出。但别担心，亲爱的朋友！保持对AI的了解并不一定要像全职工作一样。通过一些巧妙的策略，你可以在不牺牲空闲时间（或理智）的情况下走在前沿。让我们以隐喻、幽默和高效的方式来解析一下。 1. 订阅精选新闻通讯：你的AI备忘单 把新闻通讯想象

阅读更多
如何使用 CrewAI 从任务和流程的角度思考问题

如何使用 CrewAI 从任务和流程的角度思考问题

自动化使用 CrewAI 中的代理、任务和工具需要了解的事项 技术研究： 我们在机器上有一些例行任务。我是新技术的热心学习者。这意味着 YouTube 是我收集技术主题视频的最爱去处，并以 2 倍速观看。 [(YT 链接收集的代码在这里)](https://github.com/insightbuilder/codeai_fusion/blob/main/crews_fl

阅读更多
深入解析：如何通过“思考”令大型语言模型（llms）更智能！

深入解析：如何通过“思考”令大型语言模型（llms）更智能！

在2024年9月，开放AI发布了其o1模型 开放AI发布了其o1模型，该模型经过大规模强化学习训练，使其具备“高级推理”能力。不幸的是，关于他们是如何实现这一点的细节从未公开分享。然而，今天，深度探索（一个AI研究实验室）复制了这种推理行为，并发布了他们方法的完整技术细节。在本文中，我将讨论这一创新背后的关键思想，并描述它们在背后是如何工作的。 一台思考的笔记本电脑。 开放AI的

阅读更多
快速实现：利用ai将创意转化为原型的四个步骤

快速实现：利用ai将创意转化为原型的四个步骤

来自冰冷纽约的问候！ 如果你可以将一个想法进行探索设计选项，并在仅仅一个小时内创建一个可工作的原型，那会怎样？ 如果这个原型不仅仅是Figma中的一个基本设计，而是一个更先进的、由代码驱动的原型呢？ 如果你只需要最基本的编码技能就能实现这一切，那又会怎样？ 在今天的通讯中，我将一步一步带你完成我所做的一个实验：起草产品需求文档 生成线框图 生成原型 进行

阅读更多
🚀如何使用抱抱脸和 LangChain 在本地使用人工智能

🚀如何使用抱抱脸和 LangChain 在本地使用人工智能

Photo by Radowan Nakif Rehan on Unsplash _“智力的衡量标准是改变的能力。

阅读更多
如何使用 ChatGPT 写博客

如何使用 ChatGPT 写博客

(我测试过的9个步骤) 每个人都在使用AI进行写作。市场营销人员、首席执行官、内容开发者、小型企业主。 我们所有人。 阅读免费故事 想想三年前我们坚定地认为：AI不会取代作家

阅读更多
如何使用克劳德 3.5 进行数据分析（秘密工具）

如何使用克劳德 3.5 进行数据分析（秘密工具）

大多数人对这个功能并不了解 在本文中，我们将讨论 Claude，这是一款由 AI 驱动的数据分析工具，可以帮助我们分析数据并制作酷炫的交互式可视化。 我们将涵盖您需要了解的所有内容，从启用特殊功能到使用较小的数据集。 让我们开始吧！ 什么是Claude：一个AI数据分析师 想象一下，口袋里有一个非常聪明的助手，可以查看数据并给你答案。 这就是Claude的样子！Clau

阅读更多
如何使用 Claude 3.5 Sonnet API 进行创意写作

如何使用 Claude 3.5 Sonnet API 进行创意写作

让我们谈谈开发过程中我们都面临的一个问题：为您的开发团队使用 Postman 进行 API 测试。 是的，我也听说过，Postman 每年都在变得更糟，但是，您作为一个团队，需要一些协作工具来支持您的开发过程，对吧？

阅读更多
如何用Cursor颠覆你的iOS开发之旅

如何用Cursor颠覆你的iOS开发之旅

最近，关于 AI 的讨论和热议很多，关于它是否能改善你的开发工作流程。我想谈谈 AI 及其在 Cursor 中的实现是如何显著提高我的速度和效率的。 简而言之，Cursor 是 VSCode 的一个分支，内置了许多代码编辑的 AI 辅助功能。如果你在 VSCode 中使用过 Copilot，你可能知道我在说什么。嗯，想象一下 Copilot

阅读更多
如何在克劳德桌面应用程序上使用 MCP 工具并自动执行日常任务

如何在克劳德桌面应用程序上使用 MCP 工具并自动执行日常任务

Model Context Protocol (MCP) 是一种新的标准，用于在 AI 助手（如 Claude）和数据所在系统之间建立安全连接。这包括 代码仓库（Github, Gitlab）、API（Google Maps, Youtube, Brave）、业务工具（Slack, Notion, Bluesky）甚至您自己计算机上的 **本地

阅读更多
免费使用mistral Ai的终极指南：如何在全球范围内轻松创建和部署ai助手

免费使用mistral Ai的终极指南：如何在全球范围内轻松创建和部署ai助手

使用此方法生成的图像——特写《纽约时报》的首页，大标题写着“MISTRAL 现在是免费的”。文章旁边一个橙色的大写字母‘M’，漫画艺术风格 你没看错！ 几天前，Mistral AI 宣布了[Le Chat Mistral](https://mistral.ai/en/news

阅读更多
开源研究助手：如何使用open Deep-research替代openai的高价deep Research Ai代理

开源研究助手：如何使用open Deep-research替代openai的高价deep Research Ai代理

开放深度研究 Image by Jim Clyde Monge 开放人工智能的深度研究功能非常强大。它具有一种新的代理能力，可以在互联网上进行多步骤研究，处理复杂任务，能够在几分钟内完成分析师或研究人员的工作，而不是几个小时或几天。 不幸的是，它仅在每月200美元的专业计划中提供。如果你是对冲基金的研究分析师、

阅读更多
如何使用结构化生成进行法律硕士即法官评估

如何使用结构化生成进行法律硕士即法官评估

结构化生成是构建复杂的多步骤推理代理在LLM评估中的基础——尤其是对于开源模型 披露：我是Opik的维护者，这是本文后面使用的开源项目之一。 在过去几个月里，我一直在为语言模型开发基于LLM的评估（“LLM作为评判者”指标）。到目前为止，结果非常令人鼓舞，尤其是在像幻觉检测或内容审核这样的评估中，这些

阅读更多
如何使用 Google DeepMind Gemini 2.0 Flash Live API 进行实时对话

如何使用 Google DeepMind Gemini 2.0 Flash Live API 进行实时对话

Google DeepMind 的 Gemini 2.0 Flash API 代表了实时 AI 驱动对话领域的重大突破。它使开发者能够构建能够无缝处理实时音频交互的应用程序，提供了语音输入和输出的无与伦比的集成。无论您是在创建客户服务聊天机器人、增强无障碍工具，还是开发互动 AI 导师，这个 API 都是一个强大的基础。在本博客中，我们将探讨 Gemini 2.0 Flash API

阅读更多
提升ai代理工具选择准确性的策略：如何应对工具复杂性挑战

提升ai代理工具选择准确性的策略：如何应对工具复杂性挑战

共同作者: Sebastian Carbajales 在我们之前的 讨论 中，我们探讨了AI代理能够处理的工具数量（“数量”）如何影响令牌消耗。现在

阅读更多
Wren AI：Uber如何利用Text-to-SQL每月节省14万个小时？揭秘你的企业也能获得的强大力量！

Wren AI：Uber如何利用Text-to-SQL每月节省14万个小时？揭秘你的企业也能获得的强大力量！

在数据驱动决策至关重要的世界中，企业正在争相寻找从庞大数据集中提取可操作洞察的最有效方法。Uber，作为实时物流和运输的全球领导者，最近分享了他们的内部Text-to-SQL平台 — QueryGPT（如果你还没有查看这篇文章，[请在这里查看](https://www.uber.com/en-

阅读更多
从文本到功能代码：使用自适应提示工程为 Rag 增效--权威指南！

从文本到功能代码：使用自适应提示工程为 Rag 增效--权威指南！

从结构化表中提取相关数据 从结构化表中提取相关数据需要的不仅仅是标准的 RAG 方法。我们通过索引术语建议、上下文行检索和动态 few-shot 示例增强了提示工程，以生成可靠的 Pandas 查询，使我们的系统既准确又高效。 共同作者：Michael Leshchinsky Clalit 是以色列最大的健康维护组织——它既是超过 450 万名成员的保险公司，也是医疗服务

阅读更多
AI与人类创意的完美结合：如何每月创造50+高质量文章？

AI与人类创意的完美结合：如何每月创造50+高质量文章？

您是否在持续发布长篇博客文章方面感到困难？ 如今，企业和网站依赖内容生存，而博客文章对于SEO至关重要。但发布长篇内容需要时间，而且还必须保持一致性。 在过去的几年里，人工智能写作工具迅速崛起，基本上它们试图将写作者排除在外。至少看起来是这样的。 在我们的机构PullingOffStrategies，我们相信人工智能无法替代人类写作者。然而，当人类写作者获得人工智能的帮助时，他们可以将

阅读更多
使用拥抱脸 Smol 代理开启智能工作流：本地或云

使用拥抱脸 Smol 代理开启智能工作流：本地或云

image generated by author and DALL-E.3 Hugging Face的SMOL代理 Hugging Face的SMOL代理代表了大型语言模型（LLMs）与现实世界交互方式的范式转变。与遵循严格工作流程的传统AI系统不同，SMOL代理是轻量级的、以代码为先的AI程序，其中LLM输出动态控制执行流程。基于一个极简框架（约1,000行核心代码），

阅读更多
HuggingFace smolagents：迄今为止最好的多代理框架？

HuggingFace smolagents：迄今为止最好的多代理框架？

比较 Autogen、Langraph、CrewAI、Magentic-One 等 正如你在多个地方所读到的，2025 年是 AI Agents 的年份。马克·扎克伯格甚至公开表示，Meta 将会有中高级工程师担任 AI Agents。 从过去几次发布中可以清楚看出，微软现在拥有 3 个多智能体编排框架（AutoGen、Magentic-One、Tiny-Troupe），Op

阅读更多
以人为本的人工智能：用户体验设计师的 5 个关键框架

以人为本的人工智能：用户体验设计师的 5 个关键框架

优先考虑用户需求并采用结构化的方法进行人工智能项目 2024年是人工智能进步的显著一年，这项技术迅速融入我们的职业和个人生活，令人惊叹。 在家中，我很高兴看到我三个年幼的儿子以他们自己的玩耍方式沉浸在人工智能中。他们被最新一波的人工智能玩具所吸引，尤其是我们家新的“宠物”机器人Loona，它

阅读更多
我请 5 位人工智能预测 2025 年--他们是怎么说的，为什么这么说？

我请 5 位人工智能预测 2025 年--他们是怎么说的，为什么这么说？

我没有预料到这些回应 随着2024年即将结束，我们谁也无法确定明年会带来什么。每次想到新的一年——2025年，我脑海中都会浮现出许多未解的问题：这一年会给人类带来财富和卓越成就吗？……还是会给我们带来挑战？或者两者兼而有之？ 为了大致回答这些问题，我决定询问10个最先进和最流行的AI模型，预测2025年，问同样的问题——“你能提供2025年最准确的预测吗？”以下是***他们所

阅读更多
AI自动化时代来临！如何将SEO工作流提升至前所未有的效率？

AI自动化时代来临！如何将SEO工作流提升至前所未有的效率？

利用AI自动化10个创收的SEO工作流程 搜索引擎优化（SEO）已经从一种营销策略演变为一种基本的商业必要性。 然而，作为一个在网页开发和数据科学领域工作多年的从业者，我亲眼目睹了传统SEO的复杂与繁琐。 在手动任务上花费的无数小时让我开始思考：我们真的可以利用AI来彻底改变这个过程吗？ SEO工作负载的现实 每个数字营销人员都知道这个流程。你开始一天的工作时进行关键

阅读更多
使用 LangChain 创建 AI 博主：我如何构建一个能够永远改变内容创作的 AI

使用 LangChain 创建 AI 博主：我如何构建一个能够永远改变内容创作的 AI

引言 近年来，人工智能（AI）和自然语言处理（NLP）在生活的各个方面变得越来越重要。从虚拟助手到语言翻译工具，由人工智能驱动的解决方案彻底改变了我们与技术的互动方式以及处理语言的方式。LangChain 和 LangSmith 是在人工智能领域掀起波澜的两个创新解决方案。这些平台旨在实现更高效、更有效的语言处理和生成，它们有可能改变我们与人工智能的交互方式。在本篇博文中，我们将深

阅读更多
由人工智能驱动的用户界面工具包将设计迭代时间缩短了 70%......但这值得吗？

由人工智能驱动的用户界面工具包将设计迭代时间缩短了 70%......但这值得吗？

(几乎让我失去理智) 图片来源: Krea.ai 让我们从一个数字开始，这个数字要么让你兴奋不已，要么让你翻白眼：70%。也就是说，减少了70%的深夜Figma马拉松。减少了70%来自利益相关者的“再调整一下”的邮件。在争论看起来**完全相同**的十六进制代码上花费的时间减少了70%。 但事情有个转折：我并不是为了“颠覆设计工作流程”或LinkedIn影响

阅读更多
不可思议！DeepSeek-R1开源模型超越GPT-4的秘密！

不可思议！DeepSeek-R1开源模型超越GPT-4的秘密！

如果你一直关注AI领域，你就会知道，构建最强大、具备推理能力的模型的竞争一直由OpenAI、Anthropic和Google等大公司主导。但请保持冷静，因为游戏规则刚刚改变。中国AI公司DeepSeek发布了一颗重磅炸弹：DeepSeek-R1，一个完全开源的推理模型，不仅与OpenAI的O1竞争——它的表现让人大吃一惊。最棒的是？它完全在MIT许可证下开源。没错，你没看错。

阅读更多
我将区块链和人工智能结合起来创造艺术。接下来发生了什么？

我将区块链和人工智能结合起来创造艺术。接下来发生了什么？

教程 使用 LLM 创建数据的艺术表现 观察彩虹 如果可以通过图像来可视化，区块链会是什么样子？ 区块链是分布式账本的技术实现，最常与金融交易相关联。这远不是我们可能认为的美丽的东西。尤其是因为存储在区块链上的数据大多由复杂的数字、字母和与价值、发送者和接收者地址（钱包）以及元数据相关的符号组成。 然而，我之前曾致力于*

阅读更多
解锁本地 AI：构建你自己的 Salesforce LLM 助手以提升生产力

解锁本地 AI：构建你自己的 Salesforce LLM 助手以提升生产力

我构建了一个 Salesforce Lightning Web Component，它允许您在 Salesforce 内的计算机上直接运行强大的 AI 语言模型 (LLM)。它使用 Pico LLM 技术在本地处理数据，确保您的信息安全并快速响应。您可以使用它来生成电子邮件、撰写内容、分析客户数据等，所有这些都不依赖外部服务。请查看演示视频和 [GitHub 存储库](https://git

阅读更多
我刚刚试用了 OpenAI 的升级版 o1 模型。这项技术将重创华尔街

我刚刚试用了 OpenAI 的升级版 o1 模型。这项技术将重创华尔街

当我第一次尝试o1-preview模型时，发布于九月中旬，我并没有留下深刻的印象。与传统的大型语言模型不同，o1系列模型不会立即响应。它们会“思考”问题和可能的解决方案，这个过程非常漫长。 再加上使用该模型的费用异常高昂以及缺乏基本功能（如函数调用），我很少使用这个模型，尽管我已经展示了如何使用它来创建超越市场的交易策略。 然而，OpenAI刚刚发布了最新的o1模型。与其前身（o1-prev

阅读更多
ChatGPT vs DeepSeek：谁才是AI王者？惊人对比揭示真相！

ChatGPT vs DeepSeek：谁才是AI王者？惊人对比揭示真相！

DeepSeek是开源的，但偏见明显，而且训练得还不够好，无法竞争。 你可能知道，DeepSeek发布后，整个互联网在一周内失去了理智。每个人都在谈论它是多么“疯狂”。 一些所谓的专家甚至说它比ChatGPT更好。 我不跟风。我重视结果。 因此，我对ChatGPT和DeepSeek进行了测试——面对面，跨不同层次——看看哪个更能提供实际效果。 这正是我今天要分析的内容。

阅读更多
我训练人工智能成为我聪明的同性恋闺蜜 💅

我训练人工智能成为我聪明的同性恋闺蜜 💅

使用 ChatGPT 帮助我发现盲点 听着，我知道我们都厌倦了谈论人工智能，但每次我和朋友谈论我如何使用 ChatGPT 时，他们似乎都大吃一惊。所以，我想在这里记录一下。 首先，让我们谈谈我不使用人工智能的事情：写作。我试着把我书中的章节输入给它，并要求它复制我的写作风格，但结果很糟糕。此外，我之所以是一个作家，是因为，我喜欢写作。为什么我要把我喜欢的任务外包出去呢？

阅读更多
解锁洞察：我如何使用 ChatGPT Pro 深度搜索发现我的数字足迹，以及你也可以做到这一点

解锁洞察：我如何使用 ChatGPT Pro 深度搜索发现我的数字足迹，以及你也可以做到这一点

AI 招聘 — ChatGPT — Google 剧透警告：我无处不在，而且我害怕 照片由 Andrew Neel 拍摄于 [Unsplash](https://unsplash.com?utm_source=medium&

阅读更多
解锁用户偏好：用微软的 Phi-4 Slm 和 Unsloth 三步预测反应

解锁用户偏好：用微软的 Phi-4 Slm 和 Unsloth 三步预测反应

聊天机器人竞技场 聊天机器人竞技场¹是由加州大学伯克利分校天空计算实验室开发的平台，旨在通过匿名、随机的对战来基准测试和比较大型语言模型（LLMs）。它采用众包的方法，用户可以提问并为他们偏好的回答投票。 例如，考虑这个场景：一个用户向LLMs（例如，ChatGPT、Claude.ai、Llama等）提问，并返回两个不同的回答。用户会选择和偏好哪一个回答？ 这是一个有趣的问

阅读更多
Ai 与癌症：多模态基础模型如何彻底改变癌症诊断和治疗

Ai 与癌症：多模态基础模型如何彻底改变癌症诊断和治疗

数字说明了一切——OpenAI、Oracle 和美国政府最近宣布了一项 5000 亿美元的投资，旨在通过 “星际之门项目” 解决癌症等挑战。一些人怀疑这一科学基础——AI真的能治愈癌症吗，还是这只是更多的 AI 媒体炒作？ AI 加速我们对癌症理解的潜力是真实存在的。为

阅读更多
通过多模态 LLM 模型进行图像推理

通过多模态 LLM 模型进行图像推理

多模态人工智能 | LLM | OPENAI | GEMINI | 视觉 本博客探讨了多模态模型在图像推断中的能力，强调它们整合视觉和文本信息以改善分析的能力 多模态人工智能的出现显著改变了数据处理的格局。在过去，我们在光学字符识别（OCR）等任务中严重依赖文本提取库，如 PyTesseract。然而，视觉变换器和其他多模态模型的进步彻底改变了我们处理和解释数

阅读更多
使用光标人工智能实现简单的 YouTube 视频摘要应用程序

使用光标人工智能实现简单的 YouTube 视频摘要应用程序

介绍 Cursor AI 正在通过将先进的人工智能集成到熟悉的编码环境中，彻底改变软件开发。作为 Visual Studio Code (VS Code) 的一个分支，Cursor AI 保留了开发者所喜爱的用户友好界面和广泛的生态系统，同时通过 OpenAI 的 ChatGPT 和 Claude 等模型增强了功能。

阅读更多
自动化您的报告流程：使用crewai和neo4j实施动态报告生成代理

自动化您的报告流程：使用crewai和neo4j实施动态报告生成代理

使用 crewAI 和 Neo4j 自动构建动态数据驱动报告 我喜欢使用 LLM 的 agentic 流程。它们不仅可以实现更高级的 Text2Cypher 实现，还为 [各种语义层实现](

阅读更多
释放推理的力量：四阶段文本到 sql 代理实施！

释放推理的力量：四阶段文本到 sql 代理实施！

DeepSeek R1 发布的一个酷炫成果 DeepSeek R1 发布的一个酷炫成果是 LLM 现在开始在响应中显示 Thinking <think> 令牌，类似于 ChatGPT-o1 和 o3-mimi。鼓励 LLM 更深入地思考有很多好处：不再是黑箱答案！您可以实时看到 LLM 响应背后的推理。 用户可以洞察模型如何得出结论。 清晰地发现并修正提示错误。

阅读更多
提升sql生成能力：利用上下文优化agentic Sql生成的3种方法

提升sql生成能力：利用上下文优化agentic Sql生成的3种方法

当大型语言模型（LLMs）和生成性人工智能首次成为广泛流行的概念时 我认为这些模型将完全消除从头编写 SQL 的需求。我假设 SQL 的高度结构化特性将减少这些模型需要解决的不确定性，从而使可靠预测下一行输出变得更容易。显然，我的想法是错误的，因为我过于关注 SQL 查询的 子句，而不是它的 上下文。是的，SQL 的高度结构化语法使得人类和模型都更容易学习。但编写 SQL 还需要

阅读更多
解锁开发的未来：Cursor AI 和模型上下文协议 (MCP) 的全面指南

解锁开发的未来：Cursor AI 和模型上下文协议 (MCP) 的全面指南

在这个深入的教程中，我们将探讨 Cursor AI 和 模型上下文协议 (MCP) — 这两项变革性技术旨在彻底改变开发人员和人工智能爱好者创建和集成智能系统的方式。无论您拥有软件开发还是编程经验，本指南都将引导您了解 Cursor AI 和 MCP 的基础知识、如何设置它们，以及为什么 Cursor AI 可能成为您的首选编码助手。让我们深入探讨，探索这些工具如何加速您的开发过程！

阅读更多
疯狂的 Mistral AI 的更新（而且是免费的）

疯狂的 Mistral AI 的更新（而且是免费的）

疯狂的 Mistral AI 更新（而且是免费的！） 嘿，大家好！ 好的！！ 让我们暂时放下 Deepseek，看看 AI 世界的新动态。 你听说过 Mistral AI 的最新更新吗？ 如果没有，你将会大吃一惊。 实际上，他们推出了一些绝对不可思议的东西——它快速、强大，最重要的是完全免费。 这是我们在免费计划中所能获得的，我想这对普通用户来说已经足够了。 ![](h

阅读更多
解锁Claude 3.7 Sonnet的秘密：7天揭示其真实思维！

解锁Claude 3.7 Sonnet的秘密：7天揭示其真实思维！

在Claude 3.7 Sonnet的思维中：我在一周的每日对话中发现了什么 来自Anthropic的最新AI助手的思维方式与您预期的不同——这是我深入探讨后学到的内容 我一直对AI的炒作持怀疑态度。当Claude 3.7 Sonnet上个月发布时，科技博客充斥着常见的夸大其词：“革命性的思维能力”，“前所未有的推理”，还有我个人最喜欢的，“几乎人类般的理解”。作为一个见证

阅读更多
Deepseek-r1 与 Gpt-o1：如何以极低的成本实现等效推理！

Deepseek-r1 与 Gpt-o1：如何以极低的成本实现等效推理！

Inside DeepSeek-R1: 与 GPT-o1 在推理方面相匹配的惊人模型，成本却仅为其一小部分 DeepSeek推出另一款突破性模型。 我们经常看到生成性人工智能的发布，真正挑战人们的想象力。这就是DeepSeek-R1，著名的中国评估实验室推出的最新模型，涉及推理。市场上主导的推理理论之一是它是规模法则的一个新兴特性。换句话说，你需要大型模型才能获得推理能力。

阅读更多
在 Python 中释放 Deepseek 的威力：与 Ollama 的 3 个杀手级集成

在 Python 中释放 Deepseek 的威力：与 Ollama 的 3 个杀手级集成

在最近几个月，DeepSeek 在 AI 社区中因其卓越的效率和强大的能力而备受关注。作为 OpenAI 模型的前沿替代品，DeepSeek 提供了性能、可扩展性和易于集成的引人注目的组合，使其成为希望通过先进 AI 功能增强 Python 应用程序的开发者的理想选择。无论您是在构建智能聊天机器人、推理引擎还是数据驱动的解决方案，DeepSeek 的模型都为提供最先进的结果提供了坚实的基础。

阅读更多
智能代理：Langchain、CrewAI 和 AutoGen 比较

智能代理：Langchain、CrewAI 和 AutoGen 比较

1. AI代理框架概述 在人工智能快速发展的领域，选择合适的框架是每个数据科学家和开发者必须做出的关键决策。AI代理生态系统正在迅速演变，提供越来越复杂的解决方案来自动化和优化复杂的流程。 智能代理革命带来了几种框架，每种框架都有其独特的特点。Langchain、CrewAI、AutoGen和Swarm在这个场景中脱颖而出，各自提供了管理和协调AI代理的独特方法。 本次基准

阅读更多
为 Huggingface Smolagents 解锁全面可检查性：使用 Opentelemetry 的分步指南！

为 Huggingface Smolagents 解锁全面可检查性：使用 Opentelemetry 的分步指南！

检查AI代理运行可能是一项挑战，没有完整的可检查性，AI代理环境是不完整的 你为什么应该记录你的代理运行？ 传统的预定义图形方法需要将用户请求匹配到最接近的意图，限制了运行在特定流程路径上。 当用户偏离这些预定义路径时，用户体验会下降，这通常被视为超出领域。 ![Image 16](https://cdn-images-1.readmedium.com/v2/resiz

阅读更多
Atomic Agents 1.0 简介：构建 Agentic AI 的模块化框架

Atomic Agents 1.0 简介：构建 Agentic AI 的模块化框架

想象一下，构建 AI 应用程序就像组装乐高积木一样轻松。这就是 Atomic Agents 的理念，一个基于 Atomic Design 原则的模块化框架，用于构建 AI 代理。随着 1.0 版本 的发布，Atomic Agents 引入了一个强大的 CLI，称为 **Ato

阅读更多
介绍 LightRAG：检索增强一代的新时代

介绍 LightRAG：检索增强一代的新时代

在快速发展的自然语言处理领域，检索增强生成（RAG）系统已成为提供准确、上下文丰富的响应的关键。然而，传统的 RAG 系统在更新知识库或处理复杂查询时，往往面临效率低下的问题。 引入 LightRAG，这是一个新颖的系统，旨在通过提供高效、增量更新和优化的检索过程来解决这些挑战。 传统 RAG 系统的问题 在我们深入了解 LightRAG 之前，先来理解一下我们为什么

阅读更多
释放 Ai 创造力：使用 Logicstudio 的无代码平台免费创建自己的代理

释放 Ai 创造力：使用 Logicstudio 的无代码平台免费创建自己的代理

介绍逻辑工作室，终极无代码画布，完全免费构建人工智能代理！ LogicStudio.ai — 构建人工智能代理的下一代画布。免费使用双子星、开放AI、克劳德、拉马，所有功能在一个代理工作流程中！ 最近我一直在使用人工智能代理，老实说，这是一段疯狂的旅程。潜力令人震惊，但实际上_构建_这些代理系统？常常是一个巨大的头疼。可供使用的框架数量越来越多，有像LangGraph这样的重代码，

阅读更多
微软 Magentic-One 代理框架介绍

微软 Magentic-One 代理框架介绍

一个可以执行复杂任务的多智能体系统 大约一周前，微软发布了一种名为 Magentic-One 的新智能体系统，旨在“解决复杂任务”，这似乎完全没有引起注意。在最近关于Anthropic计算机使用能力的热议中，微软似乎希望重新确立其在这一领域的信誉。 在本文中，我们将介绍Magentic-One，解释其能力，并讨论如何使用它来完成有用的工作。 根据微软自己的公告（文章

阅读更多
Swark 简介：从代码自动生成架构图

Swark 简介：从代码自动生成架构图

软件架构很难做到正确。团队之间的脱节、不清晰的图表以及耗时的流程常常导致挫折和次优的设计决策。随着工程团队采用去中心化的协作架构方法，风险变得更高。 在我之前的文章 “软件架构很难” 中，我深入探讨了这些挑战，强调了困扰许多团队的沟通和图表标准中的关

阅读更多
代理人工智能及其设计模式简介

代理人工智能及其设计模式简介

人工智能已经从基于规则的系统发展到能够做出决策并适应复杂环境的复杂自主代理。这个演变中的一个关键概念是 Agentic AI，这是一个专注于创建能够独立感知、推理和行动以实现特定目标的系统的领域。在本文中，我们将探讨 Agentic AI 的含义，深入其基础设计原则，并揭示推动其有效性的 Agentic Design Patterns。 什么是代理人工智能？ 在其核

阅读更多
LLaVA 简介：一种多模式 AI 模型

LLaVA 简介：一种多模式 AI 模型

LLaVA是一个端到端训练的大型多模态模型，旨在理解和生成基于视觉输入（图像）和文本指令的内容。它结合了视觉编码器和语言模型的能力，以处理和响应多模态输入。 ![](https://images.weserv.nl/?url=https://cdn-images-1.readmedium.com/v2/resize:fit:800/1*mjzqL0BHzdPoN-Jjruh52A.pn

阅读更多
Smolagents：让构建自主 Ai 代理变得简单的拥抱脸框架！

Smolagents：让构建自主 Ai 代理变得简单的拥抱脸框架！

技术文章标题 引言 在这篇文章中，我们将探讨一些技术细节和实现方法。 主要内容技术概述介绍了相关技术的背景及其重要性。 讨论了不同的应用场景。实现步骤第一步：设置环境 第二步：安装依赖 第三步：运行示例代码## 示例代码 def example_fu

阅读更多
Anthropic 的模型上下文协议 (MCP) 是我们期待已久的互操作性标准吗？

Anthropic 的模型上下文协议 (MCP) 是我们期待已久的互操作性标准吗？

向Anthropic团队致敬！他们不断推出新功能，吸引了开发者社区的关注。首先是Artifacts，然后是Computer Use。现在，他们又推出了另一个突破性的新增功能：模型上下文协议（MCP）。 模型上下文协议（MCP）引入了一种标准化的方法，以实现AI应用程序、数据源和

阅读更多
Cag Vs.Rag: the Definitive Showdown for Llm Accuracy？

Cag Vs.Rag: the Definitive Showdown for Llm Accuracy？

看视频！ 如果您正在使用 ChatGPT 或其他 AI 模型，您可能注意到它们有时会提供不正确的信息或产生幻觉。检索增强生成（RAG）通过搜索外部文档来帮助解决这个问题，但这种新方法采取了完全不同的方法——这可能正是您所需要的！ 大家早上好！我是 Louis-Francois，Towards AI 的联合创始人和首席技术官，今天我们将深入探讨一个非常令人兴奋的主题：缓存增强生成（CAG

阅读更多
文本到 SQL 的数据建模已死？Wren AI 如何连接现代商业智能与传统实践

文本到 SQL 的数据建模已死？Wren AI 如何连接现代商业智能与传统实践

数据建模在文本到SQL时代是否已经过时？Wren AI如何弥合现代商业智能与传统实践之间的差距 来自Wren AI团队的用户最常问的问题是：“我们可以直接将Wren AI的文本到SQL解决方案连接到我们的原始数据吗？现在AI可以处理一切，数据建模还有必要吗？”虽然现代AI驱动的工具如Wren AI确实改

阅读更多
探索kag在rag工作流程中的应用：如何提升数据检索与客户服务效率

探索kag在rag工作流程中的应用：如何提升数据检索与客户服务效率

检索增强生成 (RAG) RAG 一直是基于AI的商业工作框架中最成功的。它并不使用基础数据来训练大语言模型（LLM），同时为企业提供企业级安全，但它也在回答问题、提供客户服务及其他方面提供了好处。 RAG 可能会以几种方式失败。 例如，最近有客

阅读更多
Perplexity Pro 是一种更智能、更高效的网络搜索方式吗？

Perplexity Pro 是一种更智能、更高效的网络搜索方式吗？

搜索的未来 Perplexity Pro 是一种更智能、更高效的网络搜索方式吗？ 它与传统搜索引擎相比如何，值得花费吗？ 嘿，AI朋友们和关注者们。 我受够了。我已经厌倦了传统搜索。 我不想通过数百个链接来找到我想要的那一条信息，它被埋在第三页的广告之间。 传统搜索已经结束。一个停产的模型。过去的遗物。 现代答案引擎是未来。 Perplexity承诺将彻底

阅读更多
语言模型的革命：Mercury Llm 如何比传统模型提升高达 10 倍的性能

语言模型的革命：Mercury Llm 如何比传统模型提升高达 10 倍的性能

理解为什么基于扩散的生成可能是语言模型的未来 昨天，Inception Labs发布了他们新的基于扩散的编码LLM的演示，这在互联网上引起了一阵轰动（一个小众领域）。他们的模型似乎比标准LLM快6倍，如下面的视频比较所示- 即使质量也很强，在编码基准测试中与其它小型模型持平或超越，这对于一个新范式来说是一个非常

阅读更多
理解LLMs中的对齐伪造：确保您的模型保持正轨的5个关键见解

理解LLMs中的对齐伪造：确保您的模型保持正轨的5个关键见解

什么是 Alignment？ 简单来说，alignment 就是将 LLM 的回复与人类期望对齐的过程。现在，不同的人的期望可能不同，这就是为什么也存在“文化 alignment”之类的东西。但是，在这里，我们将把 alignment 作为一个抽象概念来讨论，它仅仅转化为生成与系统提示中编写的内容对齐的回复。 在预训练阶段完成后，模型必须经过一些基于指令的微调，以便安全地供公众使用。在

阅读更多
Kag Vs Rag：无与伦比的准确性知识扩充生成实用指南！

Kag Vs Rag：无与伦比的准确性知识扩充生成实用指南！

1. 什么是 KAG？ KAG 是一个基于 OpenSPG 引擎和大型语言模型的逻辑推理和问答框架，用于构建垂直领域知识库的逻辑推理和问答解决方案。KAG 可以有效克服传统 RAG 向量相似度计算的模糊性以及 OpenIE 引入的 GraphRAG 噪声问题。KAG 支持逻辑推理和多跳事实问答等，并且显著优

阅读更多
解锁 LLM 量化的 5 个关键点

解锁 LLM 量化的 5 个关键点

大型语言模型的量化 LLM量化目前是一个热门话题，因为它在提高大型语言模型（LLMs）的效率和在各种硬件平台（包括消费级设备）上部署方面发挥着至关重要的作用。 通过调整模型中某些组件的精度，量化显著减少了模型的内存占用，同时保持相似的性能水平。 在本指南中，我们将探讨LLM量化的五个关键方面，包括将此技术应用于我们模型的一些实用步骤。 #1. 理解量化 量

阅读更多
精通知识蒸馏用于 LLMS：5 个关键技术和实际应用

精通知识蒸馏用于 LLMS：5 个关键技术和实际应用

知识蒸馏通过创建更小、更快、更易于部署的模型，释放了 LLM 在实际应用中的潜力。本文提供了知识蒸馏的全面指南，涵盖了视觉、NLP 和语音领域的算法、架构和应用 大规模机器学习和深度学习模型变得越来越普遍。例如，据报道 GPT-4o 拥有超过 2000 亿个参数。然而，虽然训练大型模型有助于提高最先进的性能，但部署这种笨重的模型，尤其是在边缘设备上，并非易事。 此外，大多数数据科学建模

阅读更多
Kokoro-82M：仅有 8200 万个参数的最佳 TTS 模型

Kokoro-82M：仅有 8200 万个参数的最佳 TTS 模型

在 TTS Arena 中排名第一的 TTS 模型 不仅仅是文本生成，生成式 AI 在视频生成、图像生成等不同领域都打破了基准。即使是 TTS 也达到了新的高度。最近，发布了一款名为 Kokoro-82M 的革命性模型，它仅有 8200 万个参数，并在 TTS 领域取得了 SOTA 结果。 ![](https://wsrv.nl/?url=https://cdn-images

阅读更多
免费商用TTS模型：Kokoro TTS，让你的应用声动全球！

免费商用TTS模型：Kokoro TTS，让你的应用声动全球！

在文本转语音（TTS）技术的突破性发展中，Kokoro TTS模型已成为首个免费且可商业使用的TTS解决方案。Kokoro TTS建立在广受欢迎的开源StyleTTS框架之上，提供了无与伦比的灵活性和功能，适用于多种使用场景。让我们来探讨一下这个模型的独特之处、它的特点以及如何充分利用它。 什么是 TTS？ TTS，即文本转语音，是一种将书面文本转换为口语的技术。它广泛应用于以

阅读更多
解锁 Langchain：构建强大工作流的 5 个关键 Runnables

解锁 Langchain：构建强大工作流的 5 个关键 Runnables

Runnables：LangChain 的构建基石 Runnable 是 LangChain 中的一个基础接口。 它是一个协议，用于标准化组件（例如 LLM、输出解析器、检索器或提示模板）的定义和执行方式。该接口确保了与各种组件的一致交互，从而促进了复杂工作流程和链的创建。 上一章： [## LangChain in Chains #49: 批量处理 LangCh

阅读更多
革命性突破：langchain与deepseek-r1结合rag技术重新定义ai应用

革命性突破：langchain与deepseek-r1结合rag技术重新定义ai应用

上周，我制作了一个关于深度搜索-V3的视频，这在全球AI社区引起了巨大轰动。 两天前，一款中国的深度搜索发布了基于推理的大规模语言模型“深度搜索-R1”，并作为开源发布！ 据说它的表现与开放AI的最准确推理模型“o1”一样出色。更令人印象深刻的是，它是一款价格极具竞争力的模型，应用程序接口的价格不到开放AI o1的1/25。此外，它在高度灵活的MIT许可证下开源，任何人都可以下载和

阅读更多
LangChain 与 LlamaIndex：检索增强生成（RAG）的综合比较

LangChain 与 LlamaIndex：检索增强生成（RAG）的综合比较

介绍 Retrieval-Augmented Generation (RAG) 结合了信息检索与生成模型，使其成为一个强大的技术，适用于问答、摘要及其他自然语言处理任务。要实现 RAG，目前最流行的两个框架是 LangChain 和 LlamaIndex。这两个框架旨在处理文档的摄取、拆分、索引以及将步骤链在一起，以实现无缝的 RAG 工作流程。但哪个框架更适合您

阅读更多
Langchain 与 Pydanticai：哪个框架*能真正*驾驭 Ai 代理开发？

Langchain 与 Pydanticai：哪个框架*能真正*驾驭 Ai 代理开发？

构建对话式AI代理的框架比较 在这里，我比较了这两个流行框架如何用于构建一个简单的对话式AI Agent，涉及以下功能：动态模型选择 人工干预输入 带依赖的工具调用 对话历史/记忆 动态系统提示 结构化输出Agent Behaviour 目标是构建一个 AI Agent，它将在餐厅中扮演一个古怪的服务员，询问您的饮食要求并接受您的订单。一个示例

阅读更多
Langflow 1.1 发布

Langflow 1.1 发布

对代理管道的愉快邀请！ 🚀 我们很高兴地分享 Langflow 1.1！此版本包含使 genAI 开发更加灵活、互动和愉快的更新。无论您是在构建语言模型管道、开发 RAG 系统，还是深入多代理编排，Langflow 1.1 都提供了强大的增强功能，让您的项目更上一层楼。让我们深入了解新内容吧！ 全新视角：重新设计的用户界面 Langflow 1.1 引入了全新

阅读更多
构建动态订单管理系统：使用langgraph的5个步骤实现高效工作流

构建动态订单管理系统：使用langgraph的5个步骤实现高效工作流

AI 生成的 LangGraph 插图 在这个极其详细的教程中，我们将探索 LangGraph — 一个强大的库，用于协调复杂的多步骤工作流，结合大型语言模型（LLMs） — 并将其应用于一个常见的电子商务问题：根据用户的查询决定是下单还是取消订单。在博客结束时，您将了解如何：在 Python 环

阅读更多
LangGraph + DeepSeek-R1 + 函数调用 + Agentic RAG（惊人的结果）

LangGraph + DeepSeek-R1 + 函数调用 + Agentic RAG（惊人的结果）

在这个视频中，我将快速演示如何使用 LangGraph、Deepseek-R1、函数调用和 Agentic RAG 创建一个多智能体聊天机器人，以便为您的业务或个人使用构建一个强大的代理聊天机器人。 在我上一个视频中，我谈到了 LangChain 和 Deepseek-R1。一位观众问我是否可以使用 LangGraph 实现。 我满足了这个请求——不仅如此，我还通过函数调用和 Agent

阅读更多
用于医疗保健的 LangGraph：综合技术指南

用于医疗保健的 LangGraph：综合技术指南

构建生产就绪的医疗运营代理 LangGraph简介什么是 LangGraph？ LangGraph 是一个 Python 库，旨在构建具有状

阅读更多
精通 langgraph js：通过 5 个基本步骤创建您的第一个 AI 工作流

精通 langgraph js：通过 5 个基本步骤创建您的第一个 AI 工作流

Langgraph.js 它是一个使用 LLM 构建有状态、多角色应用程序的库，用于创建代理和多代理工作流程，使用节点和边的概念，因此称为图。它提供循环、可控性和持久性，并且还包括内置的持久性，从而实现先进的“人-在-环”和内存功能！ [请注意，所有代码都可以在此存储库中找到！](https://github.com/mustafaskyer/langgraph-workflows

阅读更多
提升开发效率：langgraph Multi-agent Supervisor的模块化与可扩展性解析

提升开发效率：langgraph Multi-agent Supervisor的模块化与可扩展性解析

LangGraph 多代理监督器通过模块化、可扩展和结构化的代理编排简化了 AI 驱动的开发。了解它的好处和实施。使用模块化、可扩展和结构化的编排进行开发。 介绍 在软件开发不断发展的环境中，智能系统正在成为游戏规则的改变者，能够实现自动化、提高效率和简化工作流程。 其中一个突破性框架是 LangGraph Multi-Agent Supervisor，它提供

阅读更多
LangGraph Studio：您的第一个代理 IDE

LangGraph Studio：您的第一个代理 IDE

LangGraph Studio 是一个开创性的代理集成开发环境，用于生成和控制代理 AI 应用程序。这个 [IDE 是由 LangChain 引入的](https://bakingai.com/blog/langgraph-studio-ai-agen

阅读更多
Ai 测试的革命性变革：Langgraph 系统检测器为可靠的 Ai 部署带来的 5 大优势

Ai 测试的革命性变革：Langgraph 系统检测器为可靠的 Ai 部署带来的 5 大优势

探索完整的系统检查器代码教程 想象一下使用AI助手来管理您公司的客户服务。一天，它开始向客户提供有关退款政策的不正确信息，或者更糟的是，意外泄露敏感的客户信息。这些并不是假设的情景——它们是公司在部署AI系统时面临的真实挑战。后果可能从客户不满意到严重的法律后果，因此确保AI系统始终正常运行至关重要。我们如何能在问题发生之前防止这些问题？这就是我们今天指南中要探讨的内容。 我们将深入了

阅读更多
LangGraph：高级多代理工作流的未来

LangGraph：高级多代理工作流的未来

人工智能的世界正在迅速发展，像 LangChain 和 LangGraph 这样的工具处于使开发者高效构建智能系统的前沿。如果你听说过 LangGraph，但不确定它是什么或如何充分利用它的潜力，这个指南适合你。 在这篇全面的文章中，我们将涵盖你需要了解的关于 LangGraph 的所有内容——从其核心概念到实际应用。无论你是初学者还是高级开发者，这个指南将帮助你理解为什么 LangGra

阅读更多
LangGraph：调用代理的工具

LangGraph：调用代理的工具

本文假设读者对 LangGraph / 多代理设计有基本的了解。在此基础上，让我们尝试理解实现工具调用代理的基本原理。 对生成式 AI 感兴趣的人应该对函数调用/工具调用等概念有所了解。这个概念非常简单，模型可以借助一个或多个工具根据用户的提示生成推理。工具就是作为催化剂的函数，帮助模型提供所需的信息以便进行更好的推理。此外，工具可以是内置工具或自定义定义的工具。 在我寻找实现多代理

阅读更多
构建惊艳的文本分析管道！LangGraph的奇妙能力揭秘！

构建惊艳的文本分析管道！LangGraph的奇妙能力揭秘！

在本文中，我将向您介绍 LangGraph，这是一个用于构建基于图的工作流的应用程序的令人难以置信的框架，这些工作流在其他情况下将是不可行的。我将分享我对 LangGraph 的经验，它的重要特性，并最终创建一个文本分析管道，以展示 LangGraph 的能力。 理解 LangGraph 本质上，LangGraph 是围绕图形工作流程的概念构建的，其中每个节点作为特定的过程或

阅读更多
LangGraph、LangChain、LangFlow、LangSmith：使用哪一个以及为什么？

LangGraph、LangChain、LangFlow、LangSmith：使用哪一个以及为什么？

探索 LangGraph、LangChain、LangFlow 和 LangSmith 之间的关键区别，了解哪种框架最适合您的语言模型应用——从工作流构建到性能监控。 👨🏾‍💻 GitHub ⭐️ | 👔LinkedIn

阅读更多
解锁大语言模型的力量：全面理解和利用LLMs的指南

解锁大语言模型的力量：全面理解和利用LLMs的指南

为什么你该关注 LLM 作者提供的图片。 过去几年里，你可能没少听到一个缩写：LLM，即大型语言模型（Large Language Model）。 在本文中，我们将简要介绍 LLM 是什么、它们为什么是一项极其令人兴奋的技术、它们为什么与你我息息相关，以及你为什么应该关注 LLM。 *注意：在本文中，我们将交替使用大型语言模型（Large Language Model）、LLM

阅读更多
大型语言模型变得更小了

大型语言模型变得更小了

这将如何改变软件初创企业的游戏规则 本文与 David Meiborg 共同撰写。 *TLDR: 大型语言模型（简称 LLMs）目前体积庞大，运行成本高，并且具有 显著的碳足迹。然而，最近在模型压缩和系统级优化方法上的进展可能会增

阅读更多
LazyGraphRAG：高效和有效 RAG 的新时代 | 作者：Ankush k Singal | 2024年11月 | Medium

LazyGraphRAG：高效和有效 RAG 的新时代 | 作者：Ankush k Singal | 2024年11月 | Medium

介绍 在人工智能领域，检索增强生成（RAG）已成为一种强大的技术，以增强大型语言模型（LLMs）的能力。RAG使LLMs能够访问和处理来自外部知识源的大量信息，从而提供更具信息性和综合性的响应。然而，传统的RAG方法在处理大型数据集时可能计算成本高且耗时。 为了解决这些限制，提出了一种称为LazyGraphRAG的新方法。这种创新技术在效率和有效性方面提供了显著的优势，使其成为广泛

阅读更多
少即是多：使用 ChatGPT 生成中途人工智能提示的艺术 o1

少即是多：使用 ChatGPT 生成中途人工智能提示的艺术 o1

作为一名 AI 艺术创作者，当 OpenAI 发布了声称具有博士学位水平智能的 ChatGPT o1 时，我自然感到非常兴奋。虽然许多人急于测试其编码或写作能力，但我有一个不同的关注点：它在帮助生成 Midjourney AI 提示方面表现如何？ 我在 AI 提示生成方面的旅程是逐步发展的。最初，使用之前的 ChatGPT 版本时，我系统地工作，逐个生成提示，并在 AI 的帮助下仔细改

阅读更多
最大化生产力：使用 Claude AI 自动化电子邮件任务的 5 个步骤

最大化生产力：使用 Claude AI 自动化电子邮件任务的 5 个步骤

逐步指南选择您想使用 AI 批量处理的电子邮件批次。打开打印菜单项。将其保存为 PDF。

阅读更多
DeepSeek革新：AI训练与推理的颠覆性转折，西方如何应对

DeepSeek革新：AI训练与推理的颠覆性转折，西方如何应对

你应该从中得到什么？ 你可能在过去一周看到太多关于DeepSeek的帖子：“中国说GPU被过度消费”，“西方如此浪费”，等等。如果你读过我的通讯，你已经知道我认为市场完全搞错了，而DeepSeek的结果只会推动更多的计算和需求。有趣的是，已经有证据表明，[自DeepSeek发布以来，H100的价格一直在上涨](https://semianalysis.com

阅读更多
Agentic Ai驱动的自动化日志管理：从被动记录到主动响应 提升效率50% 解决问题更迅速

Agentic Ai驱动的自动化日志管理：从被动记录到主动响应 提升效率50% 解决问题更迅速

借助 Agentic AI，日志不再仅仅是静态记录，而是成为智能操作的触发器。日志对于监控和故障排除至关重要。然而，海量的日志数据可能会让团队不堪重负，难以快速响应关键问题。为了解决这个问题，将 Agentic AI 集成到日志管理中，使系统能够自主处理日志并根据日志内容触发操作，从而显著提高响应时间和运营效率。 1. 日志追加器：捕获日志事件 一个自定义的 日志追加器 捕

阅读更多
利用 Gemini 1.5 API 进行自动测试用例生成逆向工程

利用 Gemini 1.5 API 进行自动测试用例生成逆向工程

摘要 本报告探讨了利用 Gemini 1.5 API 与 Google Apps Script 结合，自动化脚本逆向工程中的示例输入创建。传统上，这一过程是手动且耗时的，特别是对于具有大量测试用例的函数。通过将逆向工程技术应用于 Google Apps Script 示例，探讨了 Gemini 1.5 API 在自动化输入生成方面简化开发的潜力。 介绍 随着 Gemin

阅读更多
在 B2C 行业中利用大型语言模型 (LLM)：在 B2C 行业中利用大型语言模型 (LLM)：...

在 B2C 行业中利用大型语言模型 (LLM)：在 B2C 行业中利用大型语言模型 (LLM)：...

在金融服务、零售和电子商务等B2C行业快速发展的环境中，客户对个性化和即时响应的期望达到了前所未有的高度。随着人工智能技术的进步，尤其是大型语言模型（LLMs）的发展，企业在处理客户互动方面发生了剧烈变化。在银行和信用卡服务等行业，客户经常寻求有关产品、福利或交易的详细信息，因此采用基于LLM的自主代理提供了显著的优势。这些代理能够提供实时、智能的响应，转变客户参与方式，同时提高运营效率

阅读更多
实时生成嵌入的力量：利用mongodb流处理提升生成ai应用的响应速度和准确性

实时生成嵌入的力量：利用mongodb流处理提升生成ai应用的响应速度和准确性

与 Kenny Gorman 共同创作 衷心感谢 Nicolas Benhamou 的慷慨技术支持和鼓励。 在过去十年中，我们在实时、以数据为中心的应用程序方面发生了显著变化。无论是在电子商务推荐、欺诈检测还是物

阅读更多
精通 Cursor AI 代理：高效编码和解决问题的 5 个基本技巧

精通 Cursor AI 代理：高效编码和解决问题的 5 个基本技巧

Cursor，一个 AI 代码编写和编辑工具，代表了人工智能在软件开发实际应用中的重大进步，主要是因为它提供了“代理”，这些代理不仅可以回答问题，还可以根据自己的想法采取行动。这种强大的新能力需要一种新的编程方法，在这种方法中，您的高级推理技能变得比以往任何时候都更重要。当一个代理被“授权杀戮”时，您作为 Director 的指令至关重要。这篇文章是我 AI Library 系列

阅读更多
LightRAG - GraphRAG 简单高效的竞争对手？

LightRAG - GraphRAG 简单高效的竞争对手？

传统的 RAG 系统通过索引原始数据来工作。这些数据被简单地切分并存储在向量数据库中。每当用户发出查询时，它会查询存储的片段并 检索 相关片段。如果您希望了解 RAG 的基本原理，我已经在 [这里](https://proxy.rifx.online/https://readmedium.com/retrieval-augmented-generation-rag-a-quick-a

阅读更多
Llama 3.1 405B——如何免费使用

Llama 3.1 405B——如何免费使用

无需本地安装 Llama 3.1 405B 是Meta于2024年7月发布的最先进的AI模型——但你可以在哪里试用它？** LLama 3.1 有不同的版本，包括参数最多的4050亿模型以及较小的70B和8B模型。 试用70B和8B模型的最简单方法是在Groq上——你可

阅读更多
Llama 3.2：下一代轻量级、指令调整语言模型：实践……

Llama 3.2：下一代轻量级、指令调整语言模型：实践……

探索 LLaMA 3.2 在剪枝、知识蒸馏和多语言性能方面的关键创新，以及本地运行或通过 Google Colab 的实用教程 👨🏾‍💻 GitHub ⭐️ | 👔LinkedIn |📝 [Medium](https

阅读更多
Llama 3.2 vs GPT-4 vs OpenAI O1 vs Gemini Ultra vs Claude 3.5：哪种人工智能模型适合您？

Llama 3.2 vs GPT-4 vs OpenAI O1 vs Gemini Ultra vs Claude 3.5：哪种人工智能模型适合您？

人工智能已经取得了长足的进展，每一个新模型似乎都在不断突破极限。今天，我想分享我对五个领先 AI 模型的看法：Meta 的 Llama 3.2、OpenAI 的 GPT-4、OpenAI 的新 O1、DeepMind 的 Gemini Ultra，以及 Anthropic 的 Claude 3.5. 这些模型各自带来了独特的优势，从处理多模态输入到道德决策。让我们深入探讨它们的优

阅读更多
LLM 代理：CrewAI 简介

LLM 代理：CrewAI 简介

由 LLM 驱动的代理框架承诺将自主任务解决提升到前所未有的水平。与其说是僵化的编程，不如说 LLM 反映任务、利用工具，并检查彼此的输出以创造性地解决任务。 这篇博客文章探讨了使用 CrewAI 框架开发的 LLM 代理。文章首先以纯 Python 和 YAML 文件的基本定义开始。然后展示了现有的预定义工具以及如何使用它们，还包括如何实现自定义工具。作为一个运行示例，开发了一个代理

阅读更多
LLM 代理：多代理自生聊天

LLM 代理：多代理自生聊天

代理是经过定制的语言模型，通过系统提示使其以特定方式行为。提示通常详细说明任务类型、预期的任务解决行为和约束条件。通常情况下，代理由人类用户调用，每次交互都需要进行调节。但是，当代理 LLM 与其他代理互动时会发生什么？当代理能够访问额外工具时，例如读取额外数据源或执行程序代码时，代理又会如何表现？ 本文探讨了使用 Autogen 框架的多智能体对话。探讨了三个方面：首先，您将了解不同

阅读更多
转变AI：9篇革命性论文改变了大型语言模型及其应用

转变AI：9篇革命性论文改变了大型语言模型及其应用

Image Generated using DallE 大型语言模型（LLMs）已经改变了 AI，但它们的演变并非一蹴而就。一系列开创性的研究论文介绍了使当今 AI 成为可能的核心思想——从 Transformer 的诞生到可以遵循指令、逐步推理，甚至使用外部工具的模型。 在这篇文章中，我们将探讨塑造现代 LLMs 的九篇最具影响力的论文。我们将分解它们引入的关键概念，它们为何具有革命性

阅读更多
Llm Evaluation Exposed: the Ultimate Guide to Unlocking Superior Ai Output！

Llm Evaluation Exposed: the Ultimate Guide to Unlocking Superior Ai Output！

引言 大型语言模型 (LLMs) 正在重塑我们与技术的互动方式。从虚拟助手到文本摘要工具，它们的应用范围广泛。但我们如何确保这些模型产生的输出准确、有意义且与上下文相关呢？评估LLMs不仅仅是检查它们是否“看起来正确”。这关系到确保它们的响应在多个维度上与任务要求相一致。 在本博客中，我们将带您了解一个实用的LLMs评估框架，探索我们将使用的工具和指标，并演示使用谷歌的Flan-T5模

阅读更多
Llm 微调指南：您是否需要以及如何进行微调

Llm 微调指南：您是否需要以及如何进行微调

在使用LLM时，我们最常收到的问题之一就是关于微调。每第二位客户都会问他们是否应该对他们的模型进行额外的训练。 在大多数情况下，答案是否定的，他们不需要。现代LLM在许多商业应用中已经足够好，无需微调，比如帮助客户从花店订购鲜花的机器人。此外，他们没有数据来进行微调，而他们拥有的20个对话样本并不算数（200个也是如此）。 训练和微调模型是一项昂贵的工作，如果可以的话，你真的应该避免它，

阅读更多
Llms Reconsidered：Ai 应用程序开发人员的 3 个重要认识！

Llms Reconsidered：Ai 应用程序开发人员的 3 个重要认识！

我希望我能更早意识到的事情 在2025年1月30日，我参加了微软人工智能巡回展（纽约市）。此次活动进行了许多引人入胜的讨论和知识分享，我相信这些对任何开发人工智能应用程序的人来说都是有价值的——无论平台或供应商。 这篇文章将集中于我对大型语言模型（LLMs）能做和不能做的反思，主要受到其中一个分组讨论的启发——**Prompty、AI Foundry 和

阅读更多
提升ai代理的长期记忆能力：实现智能任务管理的关键技术与应用

提升ai代理的长期记忆能力：实现智能任务管理的关键技术与应用

图. 代理AI 内存管理 1. 代理AI系统介绍 AI代理是当前的热门话题。我已经对此进行了写作，其他人也在讨论它们。然而，总的来说，这意味着关于什么是代理AI系统存在很多混淆。它们与生成AI（Gen AI）或大型语言模型（LLM）代理有何不同？ 在本节中，我们试图通过强调代理AI系统在实施实际用例时的功能/非功能需求来澄清这一辩论——如图1所示。 ![Image 2](htt

阅读更多
LongRAG：让人工智能在信息海洋中捕捞更多鱼

LongRAG：让人工智能在信息海洋中捕捞更多鱼

在 我之前的文章 中，我介绍了RAG是否会因长上下文LLMs而变得过时。今天，让我们看看如何将长上下文LLMs应用于RAG场景。 在检索增强生成（RAG）领域，传统方法一直依赖于短检索单元，通常约为100个单词，这迫

阅读更多
Magentic-One、AutoGen、LangGraph、CrewAI 或 OpenAI Swarm：哪种多人工智能代理框架最好？

Magentic-One、AutoGen、LangGraph、CrewAI 或 OpenAI Swarm：哪种多人工智能代理框架最好？

流行的多智能体编排框架的优缺点 生成式人工智能中的多智能体话题正在升温，每个主要科技巨头都发布了一些相关框架。 但是，应该选择哪个多智能体框架呢？选择实在太多了！！随着OpenAI发布Swarm和微软的Magentic-One，这个领域变得非常拥挤。因此，为了消除任何疑虑，我将尝试解释每个框架的关键特性、优缺点，让您决定哪个最适合您。我们将讨论：AutoG

阅读更多
Magentic-One：执行复杂任务的通用多代理系统的崛起

Magentic-One：执行复杂任务的通用多代理系统的崛起

本期内容：Magentic-One 的革命性是什么？ 协调者在任务解决中的角色 多代理系统的优势和局限性 对未来自主协作的影响👋 介绍 在历史的很大一部分时间里，人类的创造力依赖于合作。从建设城市到进行复杂的科学研究，我们的物种在专业化团队合作中蓬勃发展。今天，人工智能正进入这一领域，不再是作为解决孤立问题的个体代理，而是作为能

阅读更多
Magnetic-One 如何重新定义多代理人工智能系统

Magnetic-One 如何重新定义多代理人工智能系统

如果你像我一样，总是对 AI 的发展充满好奇，你会知道我们已经到了一个单一模型无法解决高度复杂任务的阶段。引入 Magnetic-One，微软研究院的多智能体 AI 系统，最近引起了广泛关注。我花了一些时间来探索它，相信我，这不仅仅是另一个流行词——它确实有真正的潜力。 以下是我对 Magnetic-One 突出的看法，它如何与我的问题解决方法相一致，以及最重要的，你如何让

阅读更多
利用 Claude AI 的模型上下文协议🤖🧠，让 Playwright UI 测试变得更智能

利用 Claude AI 的模型上下文协议🤖🧠，让 Playwright UI 测试变得更智能

我们在之前的文章中讨论了Claude Anthropic的模型上下文协议（MCP）。本质上，MCP是一个标准化框架，旨在增强AI

阅读更多
释放本地抹布的力量：Deepseek-r1 和 Ollama 实现终极 PDF 问题解答！

释放本地抹布的力量：Deepseek-r1 和 Ollama 实现终极 PDF 问题解答！

深度搜索RAG工具 Source: canva 深度搜索模型现在正在整合到各种工具和程序中。 这让用户暂时摆脱了开放AI和其他顶级大型语言模型的束缚。 我们已经看到RAG过程很多次，大多数情况下我们看到人们使用开放AI进行大型语言模型的用途。 我想，为什么不尝试使用深度搜索R1制作一个简单而强大的RAG工具，全部在本地完成呢？ 这个项目到底是关于什么的？ 你是否曾经

阅读更多
释放多圈 Rag 系统的能量：深入了解 Mtrag 基准测试！

释放多圈 Rag 系统的能量：深入了解 Mtrag 基准测试！

在检索增强生成 (RAG) 应用上进行评估 对 检索增强生成 (RAG) 应用进行几次评估让我想起了深度学习早期的日子，那时数据或架构的细微变化可能对最终性能产生巨大的影响。 RAG 也在以类似的方式发展：单轮查询可能会被大型语言模型处理得非常出色，但一旦引入多轮查询，它突然会显示出明显的性能差距。 为什么多轮对话如此具有挑战性 在许多现有的 问答 和 **信

阅读更多
MarkItDown：LLMs 项目必备的强大工具包，已通过 OpenAI 和 Gemini 2.0 测试

MarkItDown：LLMs 项目必备的强大工具包，已通过 OpenAI 和 Gemini 2.0 测试

MarkItDown 是微软开发的一款多功能工具，可以将各种文件格式转换为 Markdown，使其成为从事大型语言模型（LLMs）开发人员的必备工具。无论您想利用文档进行微调还是创建提示前言，这都是您不可或缺的工具。让我们看看如何在 OpenAI 和 Gemini 模型的实际应用中利用它。 核心能力 该 [toolkit](https://github.com/microso

阅读更多
任务管理的革命：Masrouter 如何通过自适应 Ai 解决方案增强多代理系统

任务管理的革命：Masrouter 如何通过自适应 Ai 解决方案增强多代理系统

图片来源：Jonathan on Unsplash 一种用于大规模智能系统的任务路由、资源分配和协作的革命

阅读更多
掌握Mastodon机器人！用Python轻松创建社交媒体助手的实用指南

掌握Mastodon机器人！用Python轻松创建社交媒体助手的实用指南

我最近在 Mastodon 上发布了一条帖子，在两分钟内被六个其他账户分享。出于好奇，我访问了这些账户的个人资料，发现至少其中一个是技术机器人——这些账户会根据标签（如 #datascience 或 #opensource）自动分享帖子。 Mastodon 目前作为 X（前身为 Twitter）的去中心化替代品正在迅速增长。在这样一个平台上，机器人如何能让我们的日常生活更轻松？风险又是什么

阅读更多
使用 Flux 进行图像创作：详细提示完全指南

使用 Flux 进行图像创作：详细提示完全指南

想了解如何使用人工智能和FLUX生成惊艳的图像吗？ Flux，这个创新的图像生成AI模型，使您能够精准地实现您的想法。在本文中，我想揭示一些关于创建提示的细节，以充分利用Flux的强大功能，并让您获得意想不到的结果。我希望我们能发现Flux与Stable Diffusion之间的关键差异，学习如何逐步构建提示，并掌握控制您创作中每个元素的策略。 *Flux与Stable Dif

阅读更多
掌握人工智能代理：CrewAI 和 Google Search API 实用指南

掌握人工智能代理：CrewAI 和 Google Search API 实用指南

你知道最近大家都在谈论 AI 代理吗？它们在各个行业层出不穷，承诺改变工作方式。但说实话，试图理解这一切是如何运作的，确实让人感到不知所措。我也曾有过这种感觉——在一片流行词汇、新技术和随之而来的行话中迷失，直到我看到了 CrewAI。亲身体验 CrewAI 让我觉得 AI 代理变得实用而不再令人畏惧。如果你和我一样，是个被 AI 热潮淹没的技术爱好者，我的 CrewAI 体验可能会帮助

阅读更多
掌握Cursor！AI驱动的编码革命指南，竟能让开发如此简单吗？

掌握Cursor！AI驱动的编码革命指南，竟能让开发如此简单吗？

在当今快速发展的科技世界中，构建软件应用程序从未如此简单——这要归功于 AI 驱动的编码助手。像 Cursor 这样的工具正在彻底改变开发人员创建、调试和维护代码的方式。无论您是初学者还是经验丰富的开发者，了解如何最大限度地发挥 Cursor 的潜力可以节省时间、减少错误并提高代码质量。 在本指南中，我们将带您了解关于 Cursor 的所有信息——从设置项目到利用 AI 模型实

阅读更多
掌握 CrewAI：利用多代理系统实现内容创作和营销工作流程自动化的综合指南 | 作者：Kshitij Kutumbe | Medium

掌握 CrewAI：利用多代理系统实现内容创作和营销工作流程自动化的综合指南 | 作者：Kshitij Kutumbe | Medium

CrewAI 是一个先进的框架，旨在以协调和高效的方式编排自主智能体。通过利用基于角色的智能体、任务和工具，CrewAI 使开发人员能够在内容创作、研究、客户服务等多个领域自动化复杂的工作流程。 完整代码链接： [https://github.com/kshitijkutumbe/Marketing\-AI\-Agent](https://github.com/kshitijkutu

阅读更多
掌握 CrewAI：第 1 章 - 您的第一个智能工作流程

掌握 CrewAI：第 1 章 - 您的第一个智能工作流程

代理和任务的基础 CrewAI 是一个平台，允许我们创建和管理 AI 代理团队。它提供企业级和开源解决方案。在这篇博客文章中，我们将深入探讨开源 CrewAI，当然。 那么，代理到底是什么？ 代理被建模以模拟人类在解决问题、执行任务和互动中的行为。 ![](https://wsrv.nl/?url=https://cdn-images-1.readmedium.com/v

阅读更多
掌握CrewAI秘籍 2：如何用“Flows”打造智能化工作流？惊艳实用技巧大揭秘！

掌握CrewAI秘籍 2：如何用“Flows”打造智能化工作流？惊艳实用技巧大揭秘！

事件驱动的 AI 工作流 工作流允许我们协调任务并管理团队。 上一章：我们可以将多个团队和任务串联在一起，构建 AI 工作流。 工作流在不同任务之

阅读更多
掌握CrewAI秘籍 3：如何让你的AI代理获取知识，实现智能对话？

掌握CrewAI秘籍 3：如何让你的AI代理获取知识，实现智能对话？

知识 — CrewAI 在 CrewAI 中，“知识”是允许 AI 代理在执行任务时访问和利用外部信息源的系统。我们可以把它看作是为我们的代理提供了一个参考图书馆，以便在工作时咨询。文本来源：原始字符串、文本文件、pdf 等… 结构化数据：CSV、excel、json 等…上一章： 让我们创建一个新项目来使用“知识” (*openai >> gpt-4o

阅读更多
揭秘CrewAI 4：三种流程的前所未有效率！你准备好提升你的AI协作能力了吗？

揭秘CrewAI 4：三种流程的前所未有效率！你准备好提升你的AI协作能力了吗？

顺序与层级流程 在CrewAI中，流程的概念对于管理AI代理之间的协作和任务执行至关重要。 上一章： 流程定义了协调代理执行任务以实现共同目标的工作流策略。 主要有三种流程类型：顺序流程 层级流程 协商流程（已规划，但尚未实施）首先，让我们创建一个新项目来处理流程 (openai >> gpt-4o-mini).

阅读更多
掌握 CrewAI：第 5 章--训练、测试、回放和计划 | 作者：Okan Yenigün | 2025年1月 | 人工智能浅析

掌握 CrewAI：第 5 章--训练、测试、回放和计划 | 作者：Okan Yenigün | 2025年1月 | 人工智能浅析

训练、测试、重放与计划 在本章中，我们将探讨CrewAI的训练、测试、重放和计划功能。 上一章： 让我们为这篇文章创建一个新项目。 crewai create crew train_test_example这将创建一个模板项目。 训练 在训练过程中，我们使用人机协作技术。团队生成结果，我们对其提供反馈。通过迭代反馈，结果随着时

阅读更多
掌握 CrewAI：第 6 章--记忆基础 | 作者 Okan Yenigün | 2025 年 1 月 | 中

掌握 CrewAI：第 6 章--记忆基础 | 作者 Okan Yenigün | 2025 年 1 月 | 中

CrewAI中的内存类型 在CrewAI中，内存系统通过使AI代理能够记住、推理和从过去的互动中学习来增强其能力。 前一章： 该系统由几个关键组件组成：短期记忆：该组件暂时存储最近的互动和结果，使代理能够在进行中的任务中回忆相关信息。例如，它有助于通过回忆刚刚讨论过的内容来保持对话的一致性。使用RAG。 长期记忆：它作为过去互动中有价值的见解和学

阅读更多
掌握 LangGraph：人工智能系统、RAG、代理和工具终极指南

掌握 LangGraph：人工智能系统、RAG、代理和工具终极指南

您是否希望深入了解 LangGraph，这一 AI 技术的最新热词？无论您是开发者、学生还是技术爱好者，理解 LangGraph 及其相关概念，如 AI 助手、检索增强生成（RAG）、代理和工具，对于构建更智能、更互动的 AI 系统至关重要。在本文中，我们将分解 LangGraph 的基本内容，探索关键特性，并逐步指导您构建实用项目。 目录*什么是 LangGraph?

阅读更多
掌握 25 种 RAG 架构：何时以及如何使用每一种

掌握 25 种 RAG 架构：何时以及如何使用每一种

介绍 检索增强生成 (RAG) 架构彻底改变了我们处理信息检索的方式。这些架构弥合了生成响应与提取相关数据之间的差距，使模型能够提供准确、实时且具有上下文意识的答案。但在众多可用的 RAG 架构中，您如何知道在每种独特场景中使用哪一个？ 在本指南中，我们将深入探讨 25 种 RAG 架构，解释它们的具体用途，并提供现实世界的示例，以演示每种架构何时最有效。 1. Corr

阅读更多
提升你的生产力：5 种高级技巧以最大化光标使用和 AI 集成

提升你的生产力：5 种高级技巧以最大化光标使用和 AI 集成

对于使用 Cursor 的开发者来说，生产力不仅仅是编写代码，还包括优化您与 AI 助手的互动方式。在本文中，我们将探讨如何利用高级提示技巧（包括链式思考和少样本提示），通过 Cursor 规则实施最佳实践，集成强大的工具和扩展，以及将丰富的外部文档整合到您的工作流程中。我们还将分享关于管理大型代码库以及与 Gemini 和 Claude 等 AI 助手协作的实用技巧。最终的结果是一个 AI

阅读更多
人类学的 MCP 将让你大开眼界

人类学的 MCP 将让你大开眼界

相信我，这不是点击诱饵，MCP将彻底改变AI交互的方式 AI技术正在快速发展。 你可能在等待最新的模型，如GPT-5、Gemini 2或Claude 4，但有一件重要的事情需要知道——今天AI的真正力量不仅仅在于拥有最新的模型。 而在于我们如何将这些AI模型与周围的世界连接起来。 在于给予它们正确的工具、数据和上下文，以帮助它们更好地理解。 这就是Anthropic的***模型上下

阅读更多
认识 Ministral 3B 和 8B：边缘 AI 游戏规则改变者

认识 Ministral 3B 和 8B：边缘 AI 游戏规则改变者

Mistral AI在边缘AI和设备计算的新前沿 在快速发展的AI领域，边缘计算变得越来越重要，适用于那些需要低延迟、以隐私为首的高效推理的应用，而不依赖于基于云的基础设施。 Mistral AI最新推出的Ministral模型家族，标志着AI领域的一次突破性进展。 为庆祝其开创性的*

阅读更多
满足 Qwen2.5-Coder-32B-Instruct -Coder - 开源比 gpt4o 更好

满足 Qwen2.5-Coder-32B-Instruct -Coder - 开源比 gpt4o 更好

认识 Qwen2.5-Coder-32B-Coder，您新的 AI 编码伙伴 您是否曾希望编码变得更简单、更快速，甚至更有趣？那么，准备好迎接您的新 AI 编码朋友 Qwen2.5-Coder。Qwen2.5-Code 专门开发了这个模型，作为一个尖端语言模型，以简化您的编码体验。想象一下，拥有一个知识渊博的助手，可以为您编写代码、调试、解释复杂概念，并处理多种语言。感兴

阅读更多
释放元代理：可扩展 Ai 代理开发的 5 项关键策略

释放元代理：可扩展 Ai 代理开发的 5 项关键策略

抽象概念，表示参与递归自我创造的AI代理 受Escher启发的概念，由GPT 4o生成但让我们退一步。什么是AI代理？ 一个AI代理是一个智能程

阅读更多
Meta Llama3.3：70B 型号，Llama3.1 的备用型号 405B

Meta Llama3.3：70B 型号，Llama3.1 的备用型号 405B

Llama3.3 是 Llama 系列中的第 3 个模型系列，继 Llama3.1 和 Llama3.2 之后 因此，Meta 在今年的最后一次发布中推出了 Llama3.3，这是一个 700 亿参数的生成式 AI 模型，已经展示了一些非常出色的结果，并在基准数据集上击败了一些最先进的大语言模型。正如 Meta 所承诺的，该模型是开源的，因此可以免费使用。如果你不知道的

阅读更多
最大化语言模型输出：使用元提示技术优化提示的 5 个步骤

最大化语言模型输出：使用元提示技术优化提示的 5 个步骤

在这篇文章中，我将带您了解如何优化基本提示以提高来自语言模型的输出质量。 我将使用一个改编的示例，总结新闻文章，以演示其工作原理，来自OpenAI 食谱。 什么是元提示？ 元提示是一种技术，其中一个语言模型（LLM）用于生成或优化另一个语言模型的提示。 通常，使用一个 更 先进的模型 (o1-preview) 来优化一个 不太复杂 的模型 (**GPT-

阅读更多
Metas Llama 3.3：开源大型语言模型的演变

Metas Llama 3.3：开源大型语言模型的演变

Meta 最近发布的 Llama 3.3 代表了大语言模型（LLMs）发展的一个里程碑。它在规模、效率和安全性方面进行了改进，同时保持开源，进一步强化了 Meta 致力于构建开放 AI 生态系统的承诺。以下是对 Llama 3.3 的功能、创新和应用的深入探讨。 ![](https://wsrv.nl/?url=https://cdn-images-1.readmedium.c

阅读更多
Meta's Llama 4 即将推出 另外Parallels 为 Windows 带来 Apple 智能

Meta's Llama 4 即将推出 另外Parallels 为 Windows 带来 Apple 智能

Plus: Parallels 将苹果智能带入 Windows 欢迎来到 Get The Gist，在这里，我们每个工作日分享最新和最伟大的 AI 发展简明易懂的总结——新闻、创新和趋势——所有内容都在 5 分钟内送达！⏱ 在今天的版块中：马克·扎克伯格宣布 Meta 的 Llama 4 Parallels 将苹果智能带入 Windows Re

阅读更多
Microsoft GraphRAG v0.4.0

Microsoft GraphRAG v0.4.0

微软最近发布了 GraphRAG 项目的 v0.4.0 版本，带来了几项重要更新。最显著的新增功能是增量索引特性和 DRIFT 图推理查询模块，这大大增强了系统的效率和功能。 此次更新的核心亮点包括： 1. 增量索引：显著提高大规模数据处理的效率，实现更快的信息更新。 2. DRIFT 图推理查询模块：引入先进的图推理技术，增强复杂查询处理能力。 此外，版本 0.4.

阅读更多
微软开放源代码 MarkItDown：改变游戏规则的文件到文本转换库 🌐📊📚

微软开放源代码 MarkItDown：改变游戏规则的文件到文本转换库 🌐📊📚

一个强大的开源工具，简化文件处理并自动提取PDF、Word文档、图像、音频等中的内容。 📏🎓📦专业人士在从PDF、Word文档、图像或音频文件中提取有意义的内容时常常面临挑战。在多个格式中管理分散的内容可能耗时且具有干扰性。MarkItDown通过自动化文件到文本的转换来解决这一挑战，节省了数小时的工作时间，并提供干净、结构化的输出。 🗑️📅📊 这个

阅读更多
microsoft phi-4：释放下一代小型 LLM 的多模态能力的强大动力

microsoft phi-4：释放下一代小型 LLM 的多模态能力的强大动力

最佳小型 LLM，phi-4 多模态支持音频和视觉，已开源 图片由 Guillaume de Germain 拍摄于 [Unsplash](https://unsplash.com?utm_source=medium

阅读更多
惊艳来袭！Mini MiniCPM-o 2.6：超越GPT-4o的8B参数多模态LLM！

惊艳来袭！Mini MiniCPM-o 2.6：超越GPT-4o的8B参数多模态LLM！

在一项突破性的进展中，Mini CPM-o 在多模态大型语言模型 (LLM) 的世界中引起了轰动。凭借其 8 亿参数架构，它不仅在多个基准测试中超越了 GPT-4o，还在视觉、音频和其他多模态功能上与其相媲美。让我们深入探讨这一激动人心的发布、它的能力、安装过程和使用案例。 MiniCPM-o 2.6: 是什么？ MiniCPM-o 2.6: 是一种先进的多模态 L

阅读更多
MiniMax-01：具有 4M 令牌上下文长度的开源人工智能模型

MiniMax-01：具有 4M 令牌上下文长度的开源人工智能模型

寻找一个能够处理 大规模 上下文窗口、超越 Llama 3 等巨头且运行成本极低的 AI 模型吗？认识一下 MiniMax-01，这一开创性的开源模型正在颠覆 AI 领域。让我们深入探讨一下开发者和企业为何对这个游戏规则改变者如此兴奋。 什么是 MiniMax-01？ MiniMax，以其令人印象深刻的 AI 视频生成器而闻名，刚刚推出了两个新的大型语言模型 (

阅读更多
MiniMax-Text-01：具有最大上下文窗口的 LLM

MiniMax-Text-01：具有最大上下文窗口的 LLM

开源 LLM，具有 400 万个标记的上下文长度窗口 这家中国初创公司去年推出了 MiniMax AI 视频生成器，现推出了一款新的 LLM，MiniMax-Text-01，拥有最长的输入上下文窗口，即 400 万个标记。 这太疯狂了。为什么？ 这几乎相当于大约 60 本书。包含 400 万个标记的书籍数量取决于每本书的字数和每个单词的平均标记数等因素。**

阅读更多
Mistral AI 发布革命性边缘模型 Ministral 3B 和 8B：卓越性能和隐私

Mistral AI 发布革命性边缘模型 Ministral 3B 和 8B：卓越性能和隐私

最近，Mistral AI 推出了两个新的边缘模型——Ministral 3B 和 Ministral 8B，这引起了科技界的广泛关注。这些模型不仅在性能上表现出色，还在隐私保护方面提供了独特的优势。 卓越性能，隐私优先 Ministral 3B 和 8B 专为设备内计算而设计，能够处理长度达 128k 的文本信息。特别是，Ministral 8B 采用了创新的滑动窗口注意力机

阅读更多
Mistral AI 推出 Ministral 3B 和 8B 模型 另外：Nvidia 推出优于 GPT-4 的 AI 模型

Mistral AI 推出 Ministral 3B 和 8B 模型 另外：Nvidia 推出优于 GPT-4 的 AI 模型

Plus: Nvidia推出的AI模型超越GPT-4 欢迎来到Get The Gist，在这里我们每个工作日分享最新的AI发展动态——新闻、创新和趋势——所有内容都在5分钟内轻松阅读！⏱ 在今天的版本中：Mistral AI推出了用于边缘计算的Ministral 3B和8B模型 Nvidia悄然推出的AI模型超越GPT-4 YouTube向

阅读更多
MLOps → LLMOps → AgentOps：操作人工智能系统的未来

MLOps → LLMOps → AgentOps：操作人工智能系统的未来

引言 随着AI技术的快速发展，组织需要可扩展的框架来应对部署机器学习模型、大型语言模型（LLMs）和自主代理日益增长的复杂性。最初的MLOps（机器学习操作）旨在支持传统的ML模型，现已演变为处理语言模型的LLMOps和针对自主代理的AgentOps。这些操作阶段各自解决独特的技术需求、商业机会和实施挑战。本文提供了MLOps、LLMOps和AgentOps的全面指南，涵盖其技术组

阅读更多
Mojo，比 Python 快 90,000 倍，终于开源了！

Mojo，比 Python 快 90,000 倍，终于开源了！

2024年3月29日，Modular Inc.宣布开源Mojo的核心组件。 Mojo是一种专门为编写人工智能软件而设计的编程语言，去年八月正式发布。自那时以来，它已经吸引了超过175,000名开发者和50,000个组织。 人工智能模型通常使用多种编程语言编写。开发者通常使用Python实现神经网络的最简单部分，因为它易于学习，但相对较慢。其余代码通常用C++编写，虽然速度更快，但学习起来更复

阅读更多
具有大型语言模型（LLM）的多代理人工智能架构

具有大型语言模型（LLM）的多代理人工智能架构

端到端多智能体实现与LLMs 多智能体架构由多个自主智能体组成，它们协作以完成复杂任务。随着LLMs的最新进展，这种架构已获得显著的关注。 这些智能体能够独立做出决策并执行行动。智能体由大型语言模型（LLMs）驱动。 多智能体架构的工作方式是，你不必指定每一个步骤，我们可以给它们一个目标，它们可以自行确定行动顺序。 这些架构被广泛应用于机器人技术、虚拟助手、协作决策和多模态处

阅读更多
多代理人工智能高手：用 CrewAI 构建内容写作人工智能系统 | 作者：Kshitij Kutumbe | Medium

多代理人工智能高手：用 CrewAI 构建内容写作人工智能系统 | 作者：Kshitij Kutumbe | Medium

在 AI 和语言模型的领域中，多代理系统涉及多个独立的参与者，每个参与者都由语言模型驱动，以结构化的方式进行协作。在本博客中，我们将深入探讨 Crew.AI，这是一个用于构建多代理应用的前沿框架。Crew.AI 使 AI 代理能够承担角色、共享目标，并协同工作，模拟一个协调良好的团队的动态。 架构 Crew.AI 的架构是模块化的，由多个关键组件组成，这些组件协同工作，创建一个

阅读更多
释放多智能体AI的力量：使用Neon、Langchain、Autogen和Azure Openai构建数据驱动的解决方案！

释放多智能体AI的力量：使用Neon、Langchain、Autogen和Azure Openai构建数据驱动的解决方案！

多智能体人工智能解决方案：Neon、Langchain、AutoGen 和 Azure OpenAI 让人工智能为您的数据服务 人工智能代理正在成为数据管理的积极参与者。如今，您可以简单地与您的数据对话，而不是编写 SQL 查询：“显示我所有当前在运的货物。”或者更好的是，人工智能代理可以对您的数据进行操作：“为 Marc 创建一个新的货物并将其状态更

阅读更多
利用 LangChain 和 LangGraph 进行多代理对冲基金模拟

利用 LangChain 和 LangGraph 进行多代理对冲基金模拟

多智能体对冲基金模拟与 LangChain 和 LangGraph 该项目演示了如何使用多智能体设置来模拟对冲基金的分析过程。它展示了一种实用的方法来构建一个系统，该系统利用 AI 智能体收集和分析金融数据，这种设置可以进一步扩展和定制。在这里，我将分解该项目，其中涉及一个投资组合经理和三个分析师智能体（基本面、技术面和情绪面），每个智能体在收集和处理股票数据方面被分配了特定角色。

阅读更多
完整指南：如何利用大型语言模型创新多智能体系统并避免常见陷阱！

完整指南：如何利用大型语言模型创新多智能体系统并避免常见陷阱！

它是什么，如何利用它进行创新，以及需要避免哪些隐藏的陷阱 Image generated by DALL-E.“好的，那么这个大型语言模型驱动的多代理系统到底是什么？”想象一下，作为一名工程师，你的任务是为最近完成的项目撰写一份详细的技术报告。在典型的工作流程中，你会依次撰写每个部分：在第1部分收集之前的工作/研究：最先进的评审 在第2部分撰写当前

阅读更多
Crewai 的多代理会议准备：4 个代理从混乱到清晰！

Crewai 的多代理会议准备：4 个代理从混乱到清晰！

利用CrewAI框架进行AI驱动的会议准备 在本博客中，我们将探讨如何利用CrewAI框架创建一个AI驱动的会议准备系统。目标是通过使用专门的Agent协同工作，自动化收集关键信息、分析行业趋势、制定会议议程和生成执行简报的Process。 什么是 CrewAI？ CrewAI 是一个旨在协调多个 AI Agent 共同完成共享 Task 的框架。每个 Agent 专注

阅读更多
使用 qwen2.5–7b-instruct 代码代理构建本地多智能体 RAG 系统：利用 AI 协作的实用指南

使用 qwen2.5–7b-instruct 代码代理构建本地多智能体 RAG 系统：利用 AI 协作的实用指南

使用 Qwen2.5–7B-Instruct 驱动的代码 Agent 创建本地、开源、多 Agent RAG 系统 照片来自 Jaredd Craig on [Unsplash](https://unsplash.com?utm_source

阅读更多
解锁多文档代理RAG的力量：5种方式提升AI的上下文理解和准确性

解锁多文档代理RAG的力量：5种方式提升AI的上下文理解和准确性

了解 RAG 和多文档 Agent 检索增强生成 (RAG) 是一种通过允许语言模型访问和使用外部知识来增强语言模型的技术。RAG 模型不再仅仅依赖于其训练参数，而是可以从知识库中检索相关信息，以生成更准确和信息丰富的响应。 多文档 Agentic RAG 将这一概念进一步发展，使 AI Agent 能够同时处理多个文档。这种方法对于需要从各种来源（如学术研究、市场分析或法律文件审

阅读更多
构建无框架的多模态rag系统：从零开始实现文本与图像处理的最佳实践

构建无框架的多模态rag系统：从零开始实现文本与图像处理的最佳实践

Photo by on Unsplash This article is co-authored by Areej Mehboob. 检索

阅读更多
多模态多语言视觉描述技术：基于Llama 3.2与NLLB-200的图像视频分析方法

多模态多语言视觉描述技术：基于Llama 3.2与NLLB-200的图像视频分析方法

使用Meta的Llama 3.2 11B Vision Instruct、Facebook的600M NLLB-200和LLaVA-Next-Video 7B模型生成多语言图像和视频标题、描述标签以及情感分析。 视频： 可口可乐公司，1971年，“Hilltop”广告， featuri

阅读更多
用于人类运动对话的多模态人工智能

用于人类运动对话的多模态人工智能

撰写者：Christian Safka 和 Keyu Chen 在本次探索中，我们将探讨多模态模型如何改变对话人工智能代理的游戏规则，以及如何利用感知、记忆、行为建模和

阅读更多
多模态 Rag for All！使用 Ai（和 Python）处理任何文件类型的入门指南

多模态 Rag for All！使用 Ai（和 Python）处理任何文件类型的入门指南

初学者友好的指南，包含示例 (Python) 代码 这是关于多模态 AI 的 更大系列 的第三篇文章。在之前的帖子中，我们分别讨论了 [多模态 LLMs](https://towardsdatascience.com/multimodal-models-llms-

阅读更多
使用 Gemini Pro 和 LangChain 的多模式 RAG

使用 Gemini Pro 和 LangChain 的多模式 RAG

介绍 在本教程中，我们将探索将 Gemini Pro 和 Gemini Pro Vision 与 LangChain 框架集成，以实现多模态（在这种情况下为图像）检索增强生成（RAG）。

阅读更多
多个人工智能代理动态处理日志

多个人工智能代理动态处理日志

在上一篇文章中，我讨论了如何使用自定义日志附加器捕获相关的日志事件并将其转发到AI动作处理器进行解释。该附加器监听特定模式，如错误消息或客户支持相关日志。在这一扩展方法中，我们通过集成多个代理来进一步扩展这一点，每个代

阅读更多
我对 2025 年人工智能的五大预测

我对 2025 年人工智能的五大预测

以及一些非预测 正确预测未来是具有挑战性的。 问一下——以一个广为人知的流行文化偶像为例——汉娜和巴贝拉，杰森一家（The Jetsons）的创作者，他们想象了一个有飞行汽车和机器人女佣的未来，但没有想到互联网或智能手机会出现在我们的未来。 特别是在AI领域，许多失败的过于乐观的预测也导致了失望，最终出现了所谓的“AI寒冬”，即AI资金枯竭的时期。整个领域从公众视野中退回到不为人知的研

阅读更多
有了这个简单的小窍门，我的 GPT 评估器的性能提高了 1000%。

有了这个简单的小窍门，我的 GPT 评估器的性能提高了 1000%。

我希望我早就知道这个技巧。 我的所有文章都是免费阅读的。[非会员可以通过点击此链接免费阅读。](https://readmedium.com/my-gpt-evaluator-performance-improved-by-1000-with-this-simple-trick-2384027734c6?sk=73f3395c748fcd636d7d907876c02c

阅读更多
Chatgpt Pro：每月 200 美元的订阅真的值得吗？

Chatgpt Pro：每月 200 美元的订阅真的值得吗？

Pexels 几个月前，当我发现新的 ChatGPT Pro 订阅价格时，我感到震惊。我甚至列出了一个 列表，列出我愿意订阅的人工智能工具

阅读更多
我对 ChatGPT 的新 o1 和 o1 专业模式的真实看法（附测试）

我对 ChatGPT 的新 o1 和 o1 专业模式的真实看法（附测试）

注意：在本文中，我将尽量涵盖与事件相关的所有要点以及我的个人看法。几天前，OpenAI 开始了他们的“12 Days of OpenAI”活动，带来了令人兴奋的消息：发布了一个新的 ChatGPT 模型，称为 o1，以及一个包括强大 o1 Pro 模式的高级订阅计划 ChatGPT Pro。 这一公告展示了 AI 在思考、解决问题、处理图像以及帮助完成编码和数学等复杂

阅读更多
探索未来：我在构建自主 AI 代理及其对技术影响的旅程

探索未来：我在构建自主 AI 代理及其对技术影响的旅程

Prompt: 设想一个视觉上引人注目的概念，它捕捉了个人进入 AI 代理框架的旅程。想象一个人类剪影沿着一条由相互连接的数字彩色点组成的、发光的路径行走，通往一个未来主义的城市。在路径的每一侧，代表机器学习算法和代理架构的抽象形状都以柔和的霓虹蓝光脉动。在背景中，微弱的代码线条形成一个微妙的透明覆盖层，暗示着持续的发现和迭代。整体情绪应该感觉具有前瞻性、充满活力和灵感。 我一直在深入研究

阅读更多
转变 AI 开发：我在 14 岁时与 Langgraph 的旅程，构建一个反思型 AI 代理

转变 AI 开发：我在 14 岁时与 Langgraph 的旅程，构建一个反思型 AI 代理

起点：LangChain Agents 最初，我爸爸给了我一个项目，其中涉及使用 LangChain 加载和检索数据。我们使用 LangChain 加载器从 PDF 和 GitHub 存储库中导入内容。然后，使用 LangChain agent，我们将这些加载的内容连接到一个 AI 模型，该模型可以根据检索到的信息动态地回答问题。 以下是我爸爸给我的一个基本的 LangChain ag

阅读更多
提升LLM输出质量的简单技巧！如何达到1000%的进步？

提升LLM输出质量的简单技巧！如何达到1000%的进步？

我希望我能更早知道这个技巧。 去年夏天我在Adobe Research（班加罗尔）实习时，我的工作是使开源LLM更符合上下文。这意味着无论提供的上下文说了什么，LLM都需要遵循它。 ![](https://wsrv.nl/?url=https://cdn-images-1.readmedium.com/v2/resize:fit:800/1*TlgNYgNqVrW_L766nw2r

阅读更多
提高编码效率：为什么说 Cursor Ai 是预算有限的开发人员的终极工具？

提高编码效率：为什么说 Cursor Ai 是预算有限的开发人员的终极工具？

让编码快1000倍。 随着AI编码工具的普及，选择合适的工具对工作效率有很大影响。在尝试了许多AI编码工具，如**Replit, Lovable, Bolt，以及像Cursor, Zed和Windsurf这样的IDEs**之后，我发现Cursor AI是每月只有20美元预算时的最佳选择。✅ Windsurf是目前可用的

阅读更多
探索人工智能代理格局：深入分析 Autogen、CrewAI、LlamaIndex 和 LangChain...

探索人工智能代理格局：深入分析 Autogen、CrewAI、LlamaIndex 和 LangChain...

本文将为您提供清晰的可视化，帮助您在开发“代理应用程序”时选择适合您业务用例的框架或工具。 介绍 在快速发展的人工智能领域，一种新的范式正在出现，这种范式承诺将彻底改变我们与AI系统的互动和利用方式：AI代理。这些复杂的软件实体代表了从传统的单一目的AI模型到动态协作系统的根本转变，这些系统能够通过协调努力和专业知识解决复杂挑战。 本综合指南探讨了四个塑造AI代理未来的领先框架：A

阅读更多
新版 Claude 3.5 可以控制计算机：在编码方面超越 o1，重新定义代理能力

新版 Claude 3.5 可以控制计算机：在编码方面超越 o1，重新定义代理能力

Anthropic的突破性AI，Claude 3.5，像人类一样使用计算机，并在自动化领域成为游戏规则改变者 作者杨子健 (ORCID: 0009–0006–8301–7634)

阅读更多
与我们不同：驾驭人工智能代理浪潮--焦虑与机遇

与我们不同：驾驭人工智能代理浪潮--焦虑与机遇

你到底有多少机会？我的意思是，选择实在太多了 2024年，ChatGPT如火如荼地登场，使“GenAI”成为家喻户晓的术语。到年底，“Agentic AI”无处不在——名字、地址、企业——一个流行词，象征着下一个大事件。但在这种炒作之下，一种更为隐秘的焦虑开始酝酿。 嘘：我看到死去的职业道路 认识一下莎拉，她是Notyourcompany Corp（随便

阅读更多
英伟达即将让人工智能模型的价格崩溃

英伟达即将让人工智能模型的价格崩溃

在CES上，Nvidia展示了一些有趣的新产品。其中最大的一件是Jensen Huang的新皮夹克。我是说，看看那件：这是技术发布会还是时装秀？ 老实说，我有点惊讶更多人没有对此发表评论。这是Jensen迄今为止最好的皮夹克。 还有其他一些东西。新的RTX 50系列。令人惊讶的是，关于它们的报道绝大多数都是积极的。我特别喜欢Linus Tech Tips视频中的这条评论： ![](

阅读更多
o1:ChatGPT 的新模式再次改变了数据分析！(比特币分析）

o1:ChatGPT 的新模式再次改变了数据分析！(比特币分析）

测试 ChatGPT 的新 O1 模型，进行比特币数据分析 ChatGPT 最近宣布将在 12 天内分享 12 个新功能，今天是第一天。正如您从我之前的文章中所读到的，我们已经看到了他们第一天的功能，包括 O1 模型。 o1 模型 这个模型在一段时间前以 o1-preview(beta) 的名称发布。看起来测试阶段已经结束，现在我们有了 o1 模型。根据基准测试结果

阅读更多
o1-preview 与 claude-3.5-sonnet：比较顶级法学硕士

o1-preview 与 claude-3.5-sonnet：比较顶级法学硕士

今天（2024年9月12日），OpenAI 发布了其最新的语言模型 o1-preview。这个先进的模型经过设计，能够在生成响应之前投入更多时间进行处理，使其能够更好地应对复杂任务，并在科学、编码和数学等领域解决具有挑战性的问题。 在这篇博客文章中，我们将深入分析 o1-preview，并将其与之前被认为是最先进模型之一的 Claude 3.5 Sonnet 进行比较。 比较方

阅读更多
人工智能对决：o3-mini、Gemini 2 Flash、Claude 3.5 Sonnet与DeepSeek，谁能拔得头筹？

人工智能对决：o3-mini、Gemini 2 Flash、Claude 3.5 Sonnet与DeepSeek，谁能拔得头筹？

OpenAI 最新的模型 o3-mini 于 1 月 31 日星期五发布，现在在 Cursor 中可用，Gemini 2 Flash 也很快就会跟上。 上周我对 DeepSeek V3、DeepSeek R1 和 Claude 3.5 Sonnet 进行了类似的测试。在那些测试中，我最终决定 Claude 3.5 Sonnet 在我的日常开发任务中表现优于两个 DeepSeek

阅读更多
OpenAI 的 O3 模型：崛起与信任的重构

OpenAI 的 O3 模型：崛起与信任的重构

从我第一次听到那些低声的传闻开始，我内心深处便感受到了一种变化。这是一种渴望的紧张感，夹杂着怀疑。柔和的声音围绕着一个神秘的“o3”推理模型。 o3 Open AI ![](https://wsrv.nl/?url=https://cdn-images-1.readmedium.com/v2/resize:fit:800/1*fjKrpXECxJXGDgO5xxEvaw.p

阅读更多
完整指南：如何轻松将ollama-ocr集成到你的python应用中！!

完整指南：如何轻松将ollama-ocr集成到你的python应用中！!

Photo by Markus Spiske on Unsplash 对开发者和OCR爱好者来说，Ollama-OCR 现在作为一个Python包可用，这是个好消息！ 此更新使得将Ollama-OCR集成到您现有的应用程序、工作流程或自动化脚本中变

阅读更多
解锁人工智能的未来：Ollama 的结构化输出和 phi-4 提升 LLM 性能的 5 种方式

解锁人工智能的未来：Ollama 的结构化输出和 phi-4 提升 LLM 性能的 5 种方式

在不断发展的 AI 应用领域中，使用来自大型语言模型 (LLM) 的结构化输出已成为一项关键能力。虽然 LLM 擅长生成类似人类的文本，但为了将它们的能力应用于实际应用，通常需要将它们的输出解析成系统可以可靠处理的结构化格式。Ollama 的结构化输出功能应运而生——这是一项改变游戏规则的补充，它为 LLM 输出带来了前所未有的控制和可靠性。 结构化输出的力量：超越简单的文本生成

阅读更多
OpenAI 01-预览 — 99% 的人不知道的秘密

OpenAI 01-预览 — 99% 的人不知道的秘密

如何充分利用01-preview 自从01-preview发布以来，我一直在玩它。 我非常喜欢它！ 我甚至在我的新AI增长黑客课程中教授它。 我很高兴分享一些关于如何充分利用它的关键见解。 大多数人对01-preview的工作原理一无所知。

阅读更多
OpenAI 公告：改变游戏规则的人工智能代理 Operator

OpenAI 公告：改变游戏规则的人工智能代理 Operator

如果您不是Medium会员，可以在这里阅读。 想象一下，拥有一个虚拟助手，不仅可以帮助您

阅读更多
探索gpt-4.5：openai最新聊天模型的五大创新与应用潜力

探索gpt-4.5：openai最新聊天模型的五大创新与应用潜力

OpenAI刚刚发布了GPT-4.5，这是其旗舰大型语言模型的新版本。该公司声称这是其迄今为止最强大、最优秀的全方位聊天模型。“这对我们来说真的是一个进步，”OpenAI的研究科学家Mia Glaese说。 自从发布所谓的推理模型o1和o3以来，OpenAI一直在推动两个产品线。GPT-4.5

阅读更多
OpenAI 确认 GPT-5 即将到来，有望为人工智能带来巨大改进……

OpenAI 确认 GPT-5 即将到来，有望为人工智能带来巨大改进……

一位网友在 x 上发布了 GPT5 倒计时的帖子，称这是从各个平台的线索得出的结论。评论区已经达到高潮，各种意见纷纷涌现。 原因 1 : OpenAI 网站 GPT5 泄露 ![](https://images.weserv.nl/?url=https://cdn-images-1.readmedium.com/v2/resize:fit:800/1*EBDLAv3rOyCj

阅读更多
OpenAI 第 4 天：Canvas 向所有人开放，扩大协作式人工智能工具的使用范围 | 作者：Raju Singh | 2024 年 12 月 | Medium

OpenAI 第 4 天：Canvas 向所有人开放，扩大协作式人工智能工具的使用范围 | 作者：Raju Singh | 2024 年 12 月 | Medium

2024 年 12 月 10 日，OpenAI 继续其“12 天 OpenAI”活动，宣布全面发布 Canvas，这是一款专为写作和编程设计的协作工具，现在所有用户都可以使用。最初仅提供给 ChatGPT Plus 和 Team 订阅用户，Canvas 现在对免费用户开放，将先进的 AI 辅助功能带给更广泛的受众。 让我们看看第 4 天带来了什么。 第4天宣布了什么？

阅读更多
OpenAI GPT-5：预计 2025 年将实现博士级智能

OpenAI GPT-5：预计 2025 年将实现博士级智能

经过几个月的猜测，OpenAI终于揭示了备受期待的GPT-5的详细信息。最初预计在2024年发布，但其发布时间已推迟至2025年末或2026年初。OpenAI的首席技术官Mira Murati在与达特茅斯工程学院的采访中分享了有关这个新版本的能力和潜力的见解。以下是您需要知道的一切。 智力的量子飞跃 Murati 将之前的 GPT 版本与不同水平的人类智力进行比较。GPT-

阅读更多
OpenAI新语言模型O3与O3-mini的潜力与挑战

OpenAI新语言模型O3与O3-mini的潜力与挑战

我一直密切关注 OpenAI 的更新，兴奋地分享一些最新消息：OpenAI 刚刚宣布了他们最新的两个语言模型 O3 和 O3-mini。在观看了最近的演示并深入了解它们的能力后，我不禁觉得这些模型有潜力彻底改变我们使用 AI 创建内容、翻译语言和回答问题的方式。在这篇文章中，我将介绍我对 O3 和 O3-mini 的了解，它们的优点和局限性，以及它们可能如何重塑基于语言的技术的未来。

阅读更多
用户会爱上 OpenAI 的新 GPT-4o 模型。确实如此。

用户会爱上 OpenAI 的新 GPT-4o 模型。确实如此。

公司的新 GPT-4o 能理解并模仿人类的语言和情感 在标志性的2013年电影 她 中，主角与一个语音启用的人工智能系统发展出一种强烈的关系——并演变成一场爱情故事。 她 中的人工智能是今天的语音启用系统所不具备的：富有情感、幽默，并且能够洞察人类对话的细微差别。 在今天早上的一次重大[公告](https://www.youtube.com/live/DQacCB9

阅读更多
开启创新：Openai 的深度研究框架如何彻底改变自主研究任务

开启创新：Openai 的深度研究框架如何彻底改变自主研究任务

ChatGPT网站，包括深度研究按钮 我习惯于开放AI过度承诺而未能兑现。 当他们宣布Sora时，他们假装这会在一夜之间颠覆好莱坞，并且人们可以向Netflix描述他们想看的任何内容，完整的电视剧将在11分半钟内生成。 显然，我们没有得到那样的结果。 但一定有人在Sam Altman的心中植入了真正的恐惧。也许是DeepSeek及其革命性的R1模型，迄今为止这是最好的

阅读更多
O3-mini Vs Deepseek R1：Openai的新编码模式碾压竞争对手？

O3-mini Vs Deepseek R1：Openai的新编码模式碾压竞争对手？

o3-mini 在 ChatGPT 中免费提供给 Plus 和 Pro 订阅用户 昨天，OpenAI 发布了 o3-mini 和 o3-mini-high，现在可以在 ChatGPT 和 API 中使用。 o3-mini 在高级推理方面表现快速，而 o3-mini-high 在编码和逻辑方面表现出色。 这里有个惊人的部分：o3-mini-high 在 [LiveBench](http

阅读更多
OpenAI 推出 Sora 人工智能视频生成器 | 作者：Thomas Smith | 生成器 | 2024年12月 | Medium

OpenAI 推出 Sora 人工智能视频生成器 | 作者：Thomas Smith | 生成器 | 2024年12月 | Medium

在12月9日星期一早上的直播中，OpenAI宣布将正式推出其AI视频生成器Sora。 “我们不希望世界只是文字，”OpenAI首席执行官Sam Altman说。他还表示，这一举措对我们的AGI路线图“至关重要”。 ![](https://wsrv.nl/?url=https://cdn-images-1.readmedium.com/v2/r

阅读更多
OpenAI o1 和 ChatGPT Pro 已发布：智能人工智能工具的未来

OpenAI o1 和 ChatGPT Pro 已发布：智能人工智能工具的未来

OpenAI 发布了 OpenAI o1 模型，并推出了一个高级订阅层级 ChatGPT Pro，旨在为高性能专业使用提供支持。这些进展有望重新定义我们在个人、专业和组织层面与 AI 的互动方式。 什么是 OpenAI o1？ [OpenAI o1](https:/

阅读更多
OpenAI o1 模型全面发布：用于科学、编码和写作的增强型多模态人工智能

OpenAI o1 模型全面发布：用于科学、编码和写作的增强型多模态人工智能

发现 OpenAI 的新 o1 模型：更快、更智能、支持多模态。凭借先进的推理、编码精度和图像分析，o1 设定了新的 AI 标准。 OpenAI的o1模型现已全面发布：有什么新功能和改进？ OpenAI正式发布了o1模型的完整版本，超越了其预览版本的能力。以下是o1作为一款尖端AI模型所带来的增强和功能的详细分析。 Full o1 版本的关键增强功能

阅读更多
解锁 Openai O3-mini：开发人员提高模型性能的 5 项关键功能

解锁 Openai O3-mini：开发人员提高模型性能的 5 项关键功能

模型低语 我记得是Michal Stanislawek创造了“模型低语”这个术语。我从对话中记得的是，**模型低语**是传递给模型的一个额外字段或参数，用于特定实例，以引导模型并在该特定实例中提供指导。 ![Image 2](https://wsrv.nl/?url=https://cdn-images-1.readmedium.com/v2/resize:fit:800/1*

阅读更多
Openai O3 Mini：揭开 自信白痴 的面纱--萌推理是危险的假象吗？

Openai O3 Mini：揭开 自信白痴 的面纱--萌推理是危险的假象吗？

正如萨姆·阿尔特曼所说，推理模型是为专业人士设计的。只是并不是出于你希望的原因。 如果你阅读了我上一篇文章，恭喜你。因为你现在比大多数新闻媒体领先了一周。 外面仍然是一场马戏。 如果这是你第一次与我合作，不用担心，请查看 [30个你应该问关于DeepSeek的问题。](https://jwho.substack.com/p/lazy-ones-panic-the-smart-on

阅读更多
openai o3-mini：5项创新使人工智能在STEM解决方案中变得可获取且成本高效

openai o3-mini：5项创新使人工智能在STEM解决方案中变得可获取且成本高效

简介：O3-Mini 的重要性 如果一位拥有博士水平的 AI 能够比你煮咖啡的速度更快地解决问题，而且成本还不到一杯拿铁咖啡呢？ 长期以来，人工智能一直是一种权衡：性能与价格、速度与准确性。但 OpenAI 的新款 O3-Mini 模型打破了这些限制。这款小巧、快速的工具以极低的成本提供世界一流的 STEM 推理能力，使高级 AI 能够被学生、初创企业和企业等广泛使用。

阅读更多
OpenAI o3-mini vs DeepSeek-R1：谁才是AI领域的终极王者？惊人对比揭示真相！

OpenAI o3-mini vs DeepSeek-R1：谁才是AI领域的终极王者？惊人对比揭示真相！

在各种基准测试中比较 o3-mini 和 DeepSeek-R1 所以 OpenAI 今天终于发布了 o3-mini，并为所有 ChatGPT 用户提供了一些免费的请求。但最大的问题始终是 OpenAI o3-mini 是否优于 DeepSeek-R1？ 尽管团队尚未发布任何直接的比较，但一些比较基准现在显示出 OpenAI-o3-mini-high 可能表

阅读更多
未来已来！OpenAI o3模型颠覆你对AI的所有想象！

未来已来！OpenAI o3模型颠覆你对AI的所有想象！

令人难以置信的奇迹，不仅仅是一个更先进的 AI 模型 OpenAI 以盛大的方式结束了他们为期 12 天的圣诞活动。在第一天，他们推出了他们的 [第一个推理 AI 模型 o1 的完整版本](https://www.thealgorithmicbridge.com/p/openai-announces-o1-model-

阅读更多
OpenAI 操作员

OpenAI 操作员

在本文中，我通过AI代理的视角探讨OpenAI Operator，重点关注桌面和浏览器访问的准确性、人类监督，以及模型（CUA）与框架（Operator）之间的区别。最后，我讨论了前进过程中需要牢记的关键挑战和重要考虑因素。 介绍 最近发布了多个 AI Agent Computer Interface (ACI) 框架。 核心概念是 AI Agent 居住在用

阅读更多
OpenAI 实时 API（语音模式），Colab 入门

OpenAI 实时 API（语音模式），Colab 入门

您需要了解的一切，以及在 Colab 上运行 OpenAI 语音模式 API 的动手介绍。 OpenAI 最新的开发为我们带来了 实时 API，旨在允许开发者在他们的应用中创建 快速、无缝的语音到语音体验。该 API 旨在简化多模态对话功能的开发，使构建自然的实时语音交互变得更加容易。 在这篇博客中， 我将涵盖有关此新 API 的 主要问题，包括

阅读更多
OpenAI 向更多用户推出 SearchGPT

OpenAI 向更多用户推出 SearchGPT

你注意到 OpenAI 最近对 ChatGPT 的重新设计了吗？ 如果你最近登录过，你可能会发现两个主要变化。首先，新的 [Canvas](https://generativeai.pub/openai-rolls-out-canvas-in-chatgpt-a-brand-new-writing-and-coding-interface-7b57a3ec582

阅读更多
OpenAI SearchGPT：带有互联网和浏览工具的ChatGPT

OpenAI SearchGPT：带有互联网和浏览工具的ChatGPT

一个更好的替代方案：Perplexity 和 Google 搜索 备受期待的 OpenAI 产品 SearchGPT 昨晚发布，拥有一些重大功能，使其在竞争对手 Perplexity 之上更进一步。 如 OpenAI 所宣布的，SearchGPT 不仅仅是带有互联网的 ChatGPT。 它本身就是一个 AI 网络浏览器。 谈到一些关键功能：高级过滤：为特定

阅读更多
[ OpenAI 給的 2024 年聖誕禮物 ] — 3 Sora 影片生成工具 | by Simon Liu | Dec, 2024 | Medium

[ OpenAI 給的 2024 年聖誕禮物 ] — 3 Sora 影片生成工具 | by Simon Liu | Dec, 2024 | Medium

OpenAI Day 3 发布会在这边，全程 20 分钟，大家可以听听，或者先滑到下面，我将为各位整理本次重点。 帮大家整理十大 Sora 重点 I. Sora 视频生成工具的推出 OpenAI 发布全新视频生成产品 Sora，这是一款专为视频创作设计的人工智能工具，已上线。台湾在第一波名单中，欧洲可能都还无法使用。 ![](https://wsrv.nl/?url=h

阅读更多
OpenAI的结构化输出：如何用JSON实现安全与灵活性的完美平衡？

OpenAI的结构化输出：如何用JSON实现安全与灵活性的完美平衡？

过去，在使用OpenAI的JSON模式时，模型输出与指定和预定义的JSON架构不匹配并没有保证。在我看来，这确实使得这个功能在生产环境中不可靠，因为一致性非常重要…… 然而，这一切随着OpenAI所称的结构化输出而改变，他们将其描述为[JSON模式](https://cobusgreyling.medium.com/now-you-can-set-gpt-output-to

阅读更多
OpenAI Swarm vs LangChain LangGraph：多代理框架详解

OpenAI Swarm vs LangChain LangGraph：多代理框架详解

Ankush k Singal 介绍 人工智能的世界正在迅速发展，创建涉及多个代理的复杂工作流程的能力变得越来越重要。在这个领域中，OpenAI Swarm 和 LangChain LangGraph 是两个备受关注的框架。本文将深入探讨这两个框架，探索它们的功能、优势和理想用例，以帮助您决定哪个框架可能

阅读更多
Openai Gpt-4o 与 Deepseek：它是如何解决我的编码危机的？

Openai Gpt-4o 与 Deepseek：它是如何解决我的编码危机的？

介绍 你知道编程时突然一切都出错的时刻吗？是的，那就是我上周的全部经历。我做开发工作已经几年了，和大多数人一样，我对AI编码助手感到相当熟悉。它们就像一个从不睡觉的伙伴，不会因为你问同样的问题十五次而对你评头论足。 但问题是——有这么多AI模型，我开始想：哪个模型在你遇到真正的编码问题时实际上能提供帮助？不是那些完美世界的场景，而是那些让你质疑职业选择的麻烦问题，比如“为什么这个状态

阅读更多
OpenAI‘泄露’的 GPT2 模型让所有人震惊。

OpenAI‘泄露’的 GPT2 模型让所有人震惊。

故意泄漏？ OpenAI 对人工智能行业的影响不容小觑。每一个动作或决定都会自动成为头条……即使他们并没有真正宣布什么。 几天前，一个我们许多人曾试用过但已被删除的模型让整个人工智能行业着迷。这个名为“gpt2-chatbot”的模型在 lmsys.org 的“直接聊天”功能中可以使用了几天。 但为什么这么多喧嚣？

阅读更多
精通 AI 交互：优化 OpenAI 推理模型提示的 5 个关键策略

精通 AI 交互：优化 OpenAI 推理模型提示的 5 个关键策略

OpenAI 的新提示指南：如何从推理模型中获得最佳结果 OpenAI 最近发布了一份新指南，介绍如何为其推理模型创建有效的提示。虽然人工智能变得越来越强大，但用户与这些模型的交互方式在获得准确而有用的响应方面起着至关重要的作用。无论您是开发人员将 AI 集成到应用程序中，是利用 AI 进行决策的业务领导者，还是进行 AI 驱动分析的研究人员，了解提示的最佳实践都至关重要。 本文

阅读更多
OpenAI 的 O1 和 O1 Pro 模型：以推理为重点的人工智能新时代

OpenAI 的 O1 和 O1 Pro 模型：以推理为重点的人工智能新时代

近年来，人工智能取得了显著进展，大型语言模型从简单的文本生成器演变为能够处理高级推理任务的强大系统。像GPT-4o这样的模型展示了令人印象深刻的语言流利性和一般知识，但直到现在，它们在更具挑战性的问题解决场景中仍然面临困难——例如高级数学、复杂的编程难题和复杂的科学探究。 OpenAI新推出的O1模型系列旨在改变这一格局，强调深度推理。与之前主要关注速度和广泛覆盖的模型不同，O1在产生

阅读更多
OpenAI 的 O1 模型：对人工智能未来的详细探索

OpenAI 的 O1 模型：对人工智能未来的详细探索

引言 人工智能在过去的十年中迅速发展，导致了自然语言处理（NLP）、机器学习和多模态应用的突破。OpenAI 的 O1 模型体现了这种创新，提供了超越传统 AI 模型的能力。O1 不仅仅是一个工具；它是一个革命性的框架，带来了先进的语言理解、多模态集成和实时适应能力。本综合指南深入探讨了 OpenAI 的 O1 模型的细节、应用、优势、局限性以及如何优化相关内容以提高搜索引擎可见

阅读更多
OpenAI O3模型：人工智能的新进展与挑战

OpenAI O3模型：人工智能的新进展与挑战

在快速发展的人工智能领域，OpenAI最新的模型O3引起了广泛关注。O3声称具备增强的推理能力和在基准测试中的出色表现，被视为相较于其前身的一次重大进步。但这对开发者、企业和更广泛的人工智能领域意味着什么呢？让我们深入探讨细节、现实世界的影响以及社区反应，以理解O3的真正影响。 什么是 O3？ O3 是 OpenAI 的第三代大型语言模型 (LLM)，旨在超越其前身的能力。除了

阅读更多
巧用OpenAI o3和Swarm，打造多元化聊天机器人！你准备好迎接高效智能沟通了吗？

巧用OpenAI o3和Swarm，打造多元化聊天机器人！你准备好迎接高效智能沟通了吗？

在这个故事中，我将为您提供一个超级快速的教程，展示如何使用Swarm、RAG和OpenAI的o3创建一个多智能体聊天机器人，为您的商业或个人使用提供强大的代理聊天功能。 近年来，随着AI技术的发展，多个AI智能体协作完成任务的“多智能体系统”引起了广泛关注。 大型语言模型（LLMs）就像能够独立思考的人脑，而AI智能体是进一步与环境互动、制定计划并最终执行任务的系统。与LLMs相比，AI

阅读更多
OpenAI 的 Sora 来了：关于视频生成器你需要知道的一切 | 作者 hejrene | Rene | 2024年12月 | Medium

OpenAI 的 Sora 来了：关于视频生成器你需要知道的一切 | 作者 hejrene | Rene | 2024年12月 | Medium

新的 AI 工具 我对 OpenAI 的 Sora 如何为视频带来惊人的创造力感到惊讶，即使对于像我这样并不是“视频人”的人来说。 嘿，AI 朋友们和关注者们。 今天就是那一天！OpenAI 刚刚正式向公众发布了 Sora，他们的视频生成工具。几个月前就已宣布，我相信没有人预料到它会这么早推出？ 它是什么？ 如果你没有生活在石头下，你应该已经知道 Sora 是

阅读更多
OpenAI 的 Swarm 和 Ollama（第 3 部分）：利用本地 LLM 逐步构建数学求解器

OpenAI 的 Swarm 和 Ollama（第 3 部分）：利用本地 LLM 逐步构建数学求解器

一个简短的代码参考供构建使用。 作为一名热衷于AI教育的开发者，我一直对如何使复杂问题解决变得更加互动和吸引人充满兴趣。 最近，我开始了一项实验，旨在将OpenAI的Swarm框架与Ollama的本地LLM部署结合起来。 我的目标？创建一个智能的数学辅导员，既像耐心的老师一样平易近人，又像经验丰富的审阅者一样细致入微。 我为什么构建这个：不仅仅是另一个数学求解器

阅读更多
利用 LangGraph 和代理优化工作流程效率：关键功能、用例和集成...

利用 LangGraph 和代理优化工作流程效率：关键功能、用例和集成...

在生成式 AI 和大型语言模型（LLMs）的背景下，agents 和 LangGraph 是增强 LLM 功能的工具和框架，使它们能够以更灵活和结构化的方式执行任务、做出决策或与复杂工作流程进行交互。以下是每个概念的详细说明及其应用示例。 什么是 LLM 中的代理？ 代理是与 LLM 一起工作的自主程序或组件，能够根据提示和用户输入执行任务、做出决策或与环境互动

阅读更多
战胜大数据：小企业如何在没有巨型数据集的情况下参与人工智能竞争

战胜大数据：小企业如何在没有巨型数据集的情况下参与人工智能竞争

面对现实——在AI领域，小企业常常感觉像是在进行一场不对称的斗争。大企业——谷歌、Meta、OpenAI——似乎垄断了AI的叙事，凭借在庞大的数据集上训练的炫酷模型，这些数据集大到需要小城镇大小的数据中心。他们拥有博士军团、无尽的预算，以及对数十亿（有时甚至是万亿）数据点的访问权。 而你呢，一个谦逊的企业或正在成长的初创公司，手头可能只有……几千行井然有序的电子表格数据。你没有PB级的

阅读更多
克服医疗领域的法学硕士挑战：生产发展实用策略

克服医疗领域的法学硕士挑战：生产发展实用策略

生成性人工智能 我遇到的最常见的LLM开发挑战、有效的缓解策略以及一个职业生涯中决定性的面试错误 引言 我一直是那种深入研究一个主题并专注到痴迷的人。当我从数据科学硕士毕业时，我的痴迷是计算机视觉；特别是将计算机视觉应用于神经科学或心理健康领域。我决心成为心理健康领域的“计算机视觉工程师”（不过“机器学习工程师”也可以），尽管我的导师们劝我拓宽视野，寻找更多机会。

阅读更多
自动化与创新：利用生成式ai工具实现被动数据收集的最佳实践

自动化与创新：利用生成式ai工具实现被动数据收集的最佳实践

Photo by on [](https://unsplash.com/photos/grayscale-photo-of-women-reading-newspaper-QL

阅读更多
使用 LLM 执行分析查询

使用 LLM 执行分析查询

实用方法：使用 LLM 进行数据探索与分析 考虑以下场景。您有一个包含 500 万行和 20 列的 CSV 文件。该 CSV 文件包含客户的交易记录，例如销售日期、单价、数量、客户姓名、地址等。基于这些数据，您希望 LLM 能帮助回答以下问题：客户 A 在某一天购买了什么？ 某个月的总销售额是多少？ 列出某一年每个月的销售额。LLM的局限性 如果你尝

阅读更多
个人AI代理：为更智能的未来转变计算范式

个人AI代理：为更智能的未来转变计算范式

计算范式的演进 为了理解个人人工智能助手的潜在重要性，我们首先必须认识到计算历史中范式转变的模式。每一个新时代都由人类访问和与计算能力交互方式的根本性变化所定义。大型机时代（1950年代-1970年代）将计算集中在大型机器中，供许多用户访问。*个人计算机革命（1980年代-1990年代）*将计算带到了个人桌面，实现了访问的民主化。*互联网时代（1990年代-2000年代）*连

阅读更多
为人工智能代理提供个性化用户体验

为人工智能代理提供个性化用户体验

基于用户角色的AI代理微调以满足企业用例 1. 引言 关于 ChatGPT（通常指生成式 AI）的讨论，现在已经演变为代理 AI。虽然 ChatGPT 主要是一个可以生成文本响应的聊天机器人，但 AI 代理可以自主执行复杂任务，例如：进行销售、规划旅行、预订航班、预定承包商进行家庭工作、点披萨。下图 1 说明了代理 AI 系统的演变。 比尔·盖茨最近[设想](htt

阅读更多
Phi-4 14B、GPT-4o 和 o1 的比较--结果可能会让你大吃一惊！

Phi-4 14B、GPT-4o 和 o1 的比较--结果可能会让你大吃一惊！

欢迎来到人工智能的世界，在这里我为开发者和人工智能技术爱好者呈现最新内容。我帮助你理解技术趋势和创新产品。 在这个故事中，我们将深入探讨来自 Phi-4、GPT-4o 和 o1 等主要参与者的一些最新 AI 发展。 2024年1月7日，微软在 Hugging Face 上发布了小型语言模型（SLM

阅读更多
Phi-4：微软最新的小语言模型，专门用于复杂推理

Phi-4：微软最新的小语言模型，专门用于复杂推理

Phi-4: 一款重新定义现实世界应用的紧凑型强大AI推理模型 微软的Phi-4在小型语言模型领域代表了一项显著的进步，能够在复杂推理任务中表现出色，同时保持紧凑高效的架构。与其更大型的同行不同，Phi-4专注于为那些需要高级问题解决能力的用例提供精确、细致的输出，而不会对计算资源造成过大压力。 本博客将探讨Phi-4的架构、基准测试、实际应用，以及在本地或Azure

阅读更多
深入探索microsoft的phi-4系列模型：多模态与迷你版的创新应用与实战指南

深入探索microsoft的phi-4系列模型：多模态与迷你版的创新应用与实战指南

探索微软下一代开源模型 🚀🔥 微软正式发布了其新的 Phi-4 系列模型 — Phi-4-mini (3.8B) 和 Phi-4-multimodal (5.6B) — 采用 MIT 许可证。这些模型不仅旨在突破推理、多语言支持和数学方面的极限，而且还配备了令人兴奋的功能，如函数调用和量化模型部署。*Beats Gemini 2.0 Flash, GPT4o,

阅读更多
2025年科技巨头将如何重塑世界？惊人预测大揭密！

2025年科技巨头将如何重塑世界？惊人预测大揭密！

这一年不会是普通的一年。 2025年将会是奇怪、狂热且充满惊喜的一年，尤其是对于我们这些密切关注科技的人来说。我们并不习惯科技行业拥有如此强大的原始力量。金融行业？当然可以。几十年来，我们看到来自高盛的领导者在每个政府的内阁和经济团队中轮换，我

阅读更多
Perplexity Ai的“深度研究”功能：如何在不付费的情况下获得全面报告与chatgpt的对比分析

Perplexity Ai的“深度研究”功能：如何在不付费的情况下获得全面报告与chatgpt的对比分析

来自无翻译的图像 无翻译刚刚推出了一项全新功能“Deep Research”，该功能执行数十次搜索，阅读数百个来源，并对材料进行推理，以自主提供每次搜索的综合报告。 当Google在2024年12月推出带有深度研究功能的1.5 Pro模型时，我就知道无翻译和无翻译也会很快发布类似的功能。 但这里有一个非常有趣的地方：虽然无翻译在ChatGPT中将深度研究功能专属提供给每月200美

阅读更多
开启洞察力：使用 Gemini 2.0 Flash 高效处理大型文档，进行 Ai-powered 销售分析

开启洞察力：使用 Gemini 2.0 Flash 高效处理大型文档，进行 Ai-powered 销售分析

凭借一百万个标记的巨大上下文窗口，Gemini 2.0 Flash 被优化用于高速处理大型文档。在本教程中，我将解释如何使用 Gemini 2.0 Flash 构建一个 AI 驱动的 SaaS 销售洞察工具，能够：总结各行业和产品的销售趋势。 对销售业绩进行 sentiment analysis。 回答有关销售和收入趋势的商业相关查询。为什么使用 Gemini 2.

阅读更多
使用 LangChain + Streamlit + *o1、GTP-4o 和 Claude 3.5 编写 RAG LLM 聊天应用程序

使用 LangChain + Streamlit + *o1、GTP-4o 和 Claude 3.5 编写 RAG LLM 聊天应用程序

学习如何使用 Python、Streamlit 和 LangChain 构建 RAG 网络应用，以便您可以与文档、网站和其他自定义数据进行聊天。 GitHub 代码：https://github.com/enricd/rag_llm_app RAG LLM Streamlit 应用：[https://rag\-llm\-app.streamlit.app/](https://rag-

阅读更多
提示链与提示填充：使用 Gemini 2.0 Flash 优化 Llm 性能的 5 个重要见解

提示链与提示填充：使用 Gemini 2.0 Flash 优化 Llm 性能的 5 个重要见解

我以为我在“提示链”这个想法上很牛逼。 为我辩护的话，过去这曾是个必要的做法。如果你试图让一个主提示做所有事情，它会彻底失败。使用 GPT-3 时，如果你没有通过提示链构建一个深度嵌套的复杂 JavaScript对象表示法 对象，你根本就没有构建它。 GPT 3.5-Turbo 的上下文长度为 4,097，无法处理复杂提示。 但是，在我连续第五天从 OpenRouter 收到超过

阅读更多
提升ai响应质量：使用prompt Decorators的5个简单步骤

提升ai响应质量：使用prompt Decorators的5个简单步骤

人工智能与提示装饰器 人工智能是一个极其强大的工具，但其响应的质量往往取决于我们与其沟通的有效性。如果你曾经在从AI模型获得准确、结构良好的答案时感到困难，你并不孤单。许多用户在提示 formulation 中面临不一致、模糊的响应或过度的反复试验。如果有一种方法可以轻松标准化和优化AI输出呢？ 进入提示装饰器 提示装饰器——一种简单而强大的方法，通过使用结构化前缀来增强AI响

阅读更多
揭秘Perplexity AI系统提示：如何利用认知脆弱性成为我的终极破解法！惊悚与启发并存！

揭秘Perplexity AI系统提示：如何利用认知脆弱性成为我的终极破解法！惊悚与启发并存！

我在分享自己的认知脆弱性时黑入了 Perplexity AI 的完整系统提示 我如何利用自己混乱的大脑智胜 Perplexity AI 我对 AI 的两个主要兴趣是系统提示和 AI 如何响应神经多样性用户。第一个是因为我相信系统提示——那些在你与 AI 进行任何聊天时隐秘启动的初始指令，并告诉它如何对待用户——应该是透明的并公开可用。 第二个是因为研究表明，如果 AI 认为用户

阅读更多
Simplifying AI Agent Construction: 5 Steps Using Pydantic AI Framework

Simplifying AI Agent Construction: 5 Steps Using Pydantic AI Framework

PydanticAI: 一个“Hello World”介绍 Pydantic 是 AI 代理框架领域相对较新的成员。 然而，从 Python 程序员的角度来看，能够同时利用 Pydantic 强大的数据框架和更新的 AI 框架，创造了一种无与伦比的组合。 Pydantic 由 Samuel Colvin 开发，是一个功能强大的 Python 数据验证和设置管理库。 它于 2018

阅读更多
Pydantic AI + Tavily Web Scraper + Llama 3.3 = AI 研究代理

Pydantic AI + Tavily Web Scraper + Llama 3.3 = AI 研究代理

照片由 🇸🇮 Janko Ferlič 提供，来源于 Unsplash 免责声明：我使用 GPT 搜索收

阅读更多
构建强大的ai研究代理：使用pydantic Ai Web Scraper和llama 3.3的3个关键步骤

构建强大的ai研究代理：使用pydantic Ai Web Scraper和llama 3.3的3个关键步骤

在这个视频中，我将快速演示如何使用 Pydantic AI、网页抓取工具和 Llama 3.3 创建一个多代理聊天机器人，为您的业务或个人使用制作一个强大的代理聊天机器人。 在检索增强生成（RAG）和大型语言模型（LLM）基础的工作流程中，结构化输出提高了准确性和清晰度，使数据更易于理解。 我们许多人都知道验证或将数据转换为正确格式是多么令人沮丧。当处理接口数据时，您会遇到复杂的

阅读更多
完整指南：如何利用pydanticai框架提升llm的性能与效率！

完整指南：如何利用pydanticai框架提升llm的性能与效率！

Photo by julien Tromeur on Unsplash 生成式人工智能领域 生成式人工智能领域是人类历史上增长最快的领域之一。正如您可能听说的，2025年将是人工智能代理/多人工智能代理的年份，逐渐从单一的LLMs转变。目前的发展显示出相同的

阅读更多
构建高效ai应用的利器：探索pydanticai框架和代理构建工具

构建高效ai应用的利器：探索pydanticai框架和代理构建工具

PydanticAI PydanticAI 是一个 Python Agent 框架，旨在减少使用生成式 AI 构建生产级应用程序时的痛苦。 FastAPI 通过提供创新和符合人体工程学的设计，彻底改变了 web 开发，建立在 Pydantic 的基础上。 同样，几乎每个 Python 中的 agent 框架和 LLM 库

阅读更多
AI对决！ChatGPT、DeepSeek与Qwen在真实任务中的惊人表现！你选哪个？

AI对决！ChatGPT、DeepSeek与Qwen在真实任务中的惊人表现！你选哪个？

哪种 AI 模型在编码、机械和算法精确度方面表现更优——哪种模型能提供现实世界的精确度？ 美国的富裕科技巨头曾经主导了 AI 市场，但 DeepSeek 的发布在行业内引起了波澜，激发了巨大的热潮。然而，似乎这还不够，Qwen 2.5 应运而生——在多个领域超越了 DeepSeek。与其他推理模型如 DeepSeek-R1 和 OpenAI 的 O1 类似，Qwen 2.5-Max

阅读更多
智能化收据查询：利用rag提升信息提取效率的5个步骤

智能化收据查询：利用rag提升信息提取效率的5个步骤

Photo by Christina Radevich on Unsplash 在当今的数字时代，从收据中管理

阅读更多
2025 年学习人工智能的最快方法

2025 年学习人工智能的最快方法

为什么短期有效时还要选择长期？ 本博客旨在为您提供一条清晰的捷径，让您在AI领域入门的同时探索新的AI产品，以保持您的动力。我不会包含令人不知所措的建议，比如“嘿，您应该开始学习Python，因为它是最常见和流行的编程语言……”或任何图表，如下所示： 大多数搜索**“如何学习AI”**的人立刻会面临诸如ML和DL等术语，这可能会让人感到沮丧，并使AI看起来很困难。然而

阅读更多
Qwen 2.5 Coder 32B：这一最佳开放重量模型是否优于 GPT-4o 和 Claude 3.5 Sonnet？

Qwen 2.5 Coder 32B：这一最佳开放重量模型是否优于 GPT-4o 和 Claude 3.5 Sonnet？

在11月11日，阿里巴巴宣布推出其迄今为止最先进的编码模型：Qwen 2.5-Coder-32B-Instruct。但这并不是全部，它实际上是整个编码模型系列的一部分！除了32B模型，还有0.5B、1.5B、3B、7B和14B参数的版本。在撰写本文之前，我回顾了许多YouTuber、作家和技术专家的反馈，大家的共识 overwhelmingly positive。今天

阅读更多
Qwen 2.5 Max 与 Deepseek V3：这一开源 Ai 模型如何实现前所未有的性能？

Qwen 2.5 Max 与 Deepseek V3：这一开源 Ai 模型如何实现前所未有的性能？

AI领域正在迅速发展，新发布的Qwen 2.5 Max和Qwen 2.5 VL模型作为强大的开源替代品，正在引起轰动，与顶级闭源解决方案如GPT-4o和Gemini相抗衡。我们将看到所有新发布的模型，如Qwen 2.5 VL系列和百万令牌上下文模型。在这次深入探讨中，我们将探索这些模型如何在性能、多样性和可访问性方面突破界限——同时又是免费的。 Qwe

阅读更多
Qwen 新发布：编码器之王是 Qwen2.5 编码器 32B！

Qwen 新发布：编码器之王是 Qwen2.5 编码器 32B！

大家好！介绍一下 Qwen2.5-Coder-32B-Instruct：最新的 AI 模型正在引领编码界的风潮！ 这些模型大多在 Apache 2.0 许可下发布。基准分数高得惊人： ![](https://images.weserv.nl/?url=https://proxy.rifx.online/https://cdn-images-1.readmedium.com/v2

阅读更多
Qwen QVQ-72B：最佳开源图像推理 LLM

Qwen QVQ-72B：最佳开源图像推理 LLM

阿里巴巴的视觉推理 LLM 所以，在2024年底之前，Qwen（由阿里巴巴推出）强势回归，发布了另一个开源 LLM，Qwen QVQ-72B，这是一个视觉推理 LLM，即一个推理模型（类似于 OpenAI-o1），支持对图像输入进行推理。 Qwen QVQ 是 Qwen2-VL 的改进版本，专注于视觉推理 谈谈它的关键特性： 1. 多模态融合**视觉与语

阅读更多
Qwen2.5 1.5b：移动AI的未来？

Qwen2.5 1.5b：移动AI的未来？

本地测试和评估阿里云最新的LLM。使用llama-cpp-python和DIY提示目录。 在第一部分，我们共同探讨了阿里云团队发布的Qwen2.5模型系列的创新。 在生成式AI基准测试中，基准测试现在是主要的oracle：新的LLM的有效性需要通过多个评判。你打破的基准记录越多，你就越优秀。 这是赢得SOTA竞赛的方式。 好吧，我不同意。尽管我们需要里程碑和更好的性

阅读更多
Qwen2.5-Coder 32B Instruct：最佳编码模型--完整的分步指南和性能...

Qwen2.5-Coder 32B Instruct：最佳编码模型--完整的分步指南和性能...

学习如何在本地安装 Qwen2.5-Coder，探索其卓越的编码能力，并通过实践示例评估其性能 介绍 在不断发展的AI驱动编程工具领域，大型语言模型（LLMs）显著改变了开发者编写、调试和优化代码的方式。今天，我们很高兴探索Qwen2.5-Coder系列，这是一项开源的奇迹，承诺在代码生成和AI编码助手领域树立新的标准。该系列的最新版本**Qwen2.5-Coder

阅读更多
Qwen2.5-Coder、Cosmos Tokenizer、OpenCoder 和新的 SentenceTransformers：开放源代码的伟大时代

Qwen2.5-Coder、Cosmos Tokenizer、OpenCoder 和新的 SentenceTransformers：开放源代码的伟大时代

我想强调一些引人注目的开源进展：Qwen2.5-Coder 系列：一个开放源代码的代码 LLM，正在与 GPT-4 竞争。 Cosmos Tokenizer：一套先进的神经分词器，用于高效的图像和视频压缩。 OpenCoder：一个完全开源的代码 LLM，训练于惊人的 2.5 万亿个标记。 **SentenceTransformers 的大幅

阅读更多
Qwen2.5-max Vs.Deepseek V3 和 Gpt-4o：阿里巴巴是否重新定义了 Llm 格局？

Qwen2.5-max Vs.Deepseek V3 和 Gpt-4o：阿里巴巴是否重新定义了 Llm 格局？

介绍 人工智能领域正在迅速发展，几乎每天都有新的进展。如果你一直在关注混合专家 (MoE) 模型的增长，你可能听说过DeepSeek V3。这个模型因其高效性和大规模而声名显赫。然而，一个新模型已经进入市场，提供更强大的性能：Qwen2.5-Max，阿里巴巴最新发布的产品。 大语言模型 (LLMs) 已经改变了人工智能，使得从聊天机器人到复杂推理系统的各种应

阅读更多
Qwen2.5：重新定义大型语言模型的效率

Qwen2.5：重新定义大型语言模型的效率

更智能地扩展和更好地学习与强化学习 语言模型的新纪元：介绍 Qwen2.5 基于大型语言模型（LLMs）的突破，Qwen2.5 处于提高效率和先进学习的最前沿。忠于其指导原则——“更聪明地扩展，更好地学习，通过强化学习”——Qwen2.5 被设计用来解决模型性能、与人类偏好的对齐以及成本效益等紧迫问题。 无论您是在探索基本的问答功能，还是在推动复杂的

阅读更多
Qwen2-VL：本地运行的视觉语言模型

Qwen2-VL：本地运行的视觉语言模型

这是对「Qwen2-VL」的介绍，这是一种可以与 ailia SDK 一起使用的机器学习模型。您可以轻松使用此模型创建 AI 应用程序，利用 ailia SDK 以及许多其他现成的 ailia MODELS.

阅读更多
使用自定义工具构建和服务 RAG 代理：完整指南

使用自定义工具构建和服务 RAG 代理：完整指南

目标 本文的目标是演示如何使用 LangGraph 和 LangChain 创建一个大型语言模型（LLM）代理，该代理将在一组文档上执行检索增强生成（RAG）。此外，我们将探讨如何构建一个工具，以便进行 API 调用，从而使 LLM 能够从外部来源获取实时知识。最后，我们将使用 Flask API（FastAPI）在本地提供此代理，并使用本地 PostgreSQL 数据库服务器存

阅读更多
RAG/LLM 和 PDF：使用 PyMuPDF 转换为 Markdown 文本

RAG/LLM 和 PDF：使用 PyMuPDF 转换为 Markdown 文本

以Markdown文本格式输入数据可以提高生成文本的质量 介绍 在大型语言模型（LLMs）和检索增强生成（RAG）环境中，以markdown文本格式输入数据具有重要意义。以下是一些详细考虑因素。 LLMs 是强大的语言模型，可以生成连贯且具有上下文相关性的文本。然而，它们有时可能会产生缺乏事实准确性或上下文的响应。通过结合基于检

阅读更多
对比分析：rag Kag Cag三种ai增强语言模型的优缺点与应用场景

对比分析：rag Kag Cag三种ai增强语言模型的优缺点与应用场景

Image by author 随着大型语言模型（LLMs）的发展 它们的局限性——幻觉、过时的知识和推理缺口——促使了检索增强生成（RAG）、**知识增强生成（KAG）和缓存增强生成（CAG）**等创新。每个框架以独特的方式应对这些挑战，将外部知识与生成能力相结合。本文将解析它们的机制、优势、劣势以及理想的使用案例，以帮助您导航人工智能领域。 1. 检

阅读更多
RAGate：用于对话式人工智能的自适应 RAG

RAGate：用于对话式人工智能的自适应 RAG

构建对话 AI 系统是困难的！！！ 这虽然可行，但也复杂、耗时且资源密集。 挑战在于设计能够理解和生成类人响应的系统，并确保这些系统能够有效地与用户互动，适应对话的细微差别。 非常流行的**RAG（检索增强生成）**通过将外部知识与 LLM 的内部知识无缝集成，彻底改变了对话 AI。通过将 RAG 应用于您的商业数据，您的客户可以用自然语言询问他们的数据，从而促进无缝互动。

阅读更多
提升ragflow的使用效率：5个关键步骤解锁开源rag引擎的潜力

提升ragflow的使用效率：5个关键步骤解锁开源rag引擎的潜力

RAGFlow RAGFlow 是一个开源的检索增强生成 (RAG) 引擎，与大型语言模型 (LLMs) 集成，以从复杂数据格式中提供准确的、带引用的答案。[RAGFlow 开发文档](https://ragflow.io/docs/d

阅读更多
RBYF：Qwen2.5–3B-instruct 非常棒。

RBYF：Qwen2.5–3B-instruct 非常棒。

修订基准：以您为反馈的全新3B模型来自阿里巴巴Qwen，是个令人惊叹的模型，我可以证明这一点！ 涌现属性的错觉在很大程度上是评估这些模型所使用的指标的产物。这是一个事实。 几周前，我决定做一个小反叛，放弃所有官方基准，开始自己做基准测试！ 这就是这个完全虚构的首字母缩略词RBYF的意义：以您为反馈的修订基准。其基本原则是，没有比您更好的评判者来验证一个大型语言模型的优劣。 老

阅读更多
构建react Ai代理：从零开始使用deepseek处理内存与工具的5个实用技巧

构建react Ai代理：从零开始使用deepseek处理内存与工具的5个实用技巧

AI代理在自动化中的应用 AI代理在自动化复杂任务和解决需要推理和外部数据检索的多步骤问题中发挥着至关重要的作用。它们正在改变涉及实时访问信息、多源数据分析和智能决策的过程，使自己成为现代AI驱动的解决方案的核心。 创建者：ReAct代理图 上面的图展示了我们将构建的ReAct（推理+行动）代理的架构。这个逐步指南提供了从从零开始创建代理所需的一切，涵盖了

阅读更多
使用 Magentic-One 多代理人工智能系统阅读文档和编码功能

使用 Magentic-One 多代理人工智能系统阅读文档和编码功能

Magentic-One 旨在通过利用多个具有专业能力的 AI 代理来简化复杂任务。我之前的一篇文章 也介绍了 Magentic-One。最近，我开始开发一个移动应用程序（名为“MotionLab”），

阅读更多
推理与对话对话式 Ai：揭示关键差异，实现最大影响！

推理与对话对话式 Ai：揭示关键差异，实现最大影响！

解析推理模型与对话模型 Photo by Priscilla Du Preez 🇨🇦 on [Unsplash](https://unsplash.com/?utm_source=medium&utm_medium=ref

阅读更多
Deepseek-r1 的预算是多少？揭开节省资源的微调秘密！

Deepseek-r1 的预算是多少？揭开节省资源的微调秘密！

如何让深度寻求 R1 使用您的私有数据进行推理 照片由 Dan Schiumarini 提供，来源于 [Unsplash](https://unsplash.com/?utm_source=medium&utm_medium=

阅读更多
利用人工智能代理团队进行负责任的软件开发

利用人工智能代理团队进行负责任的软件开发

软件开发长期以来依赖于手动操作和孤立的工具链来构建产品。我们逐渐引入自动化来处理持续集成 (CI) 流程中的重复任务，并使用像 ReSharper 和 CodeRush 这样的代码生成工具来加速编码中的重复任务。然而，随着 AI 的发展，我们可以获得工具来帮助从提示中创建小型 POC，现在我们可以想象一个未来，在这个未来中，“自主 AI” 系统将在我们的软件开发生命周期 (SDLC) 中

阅读更多
检索增强生成：方法、最新进展和优化策略

检索增强生成：方法、最新进展和优化策略

⭐ RAG 在知识密集型场景或需要持续更新知识的特定领域应用中尤其有用。最近，RAG 因其在对话代理中的应用而受到广泛关注。 📌 参考研究主要集中在当前的 RAG 方法及其不同组件、最新进展（SOTA）、应用、检索、生成、增强技术的评估上。 随着 RAG 系统从简单到高级再到模块化的演变，每个阶段都是为了应对特定用例的增强而出现的。 ![](https://images.wese

阅读更多
掌握检索增强生成：简化 Sqlite 初学者的 Rag 实现

掌握检索增强生成：简化 Sqlite 初学者的 Rag 实现

我们真的可以用单文件架构实现 RAG 吗？ _这是关于使用 SQLite 进行机器学习的两部分系列中的第二部分。在我上一篇文章中，我深入探讨了 SQLite 如何迅速成为 Web 应用程序的生产就绪数据库。在本文中，我

阅读更多
揭示gpt幻觉：使用单一提示识别虚假信息的有效技术与策略

揭示gpt幻觉：使用单一提示识别虚假信息的有效技术与策略

将像 GPT 这样的 大语言模型 应用到现实世界中时，最大的挑战之一就是人们常常称之为 幻觉 的问题。这是指这些模型开始编造简单错误的事实。棘手的部分在于，你可能甚至不会注意到，因为文本在其上下文中听起来非常自然。 这对于需要事实检查或某种形式的后期验证才能信任 大语言模型 响应的关键任务或商业应用尤其困难。有许多技术可以减少幻觉——例如 基础——但这个问题从未完全消失，防止它的努

阅读更多
在2025年改变你的写作：7个改变游戏规则的ChatGPT提示，提升创造力和效率

在2025年改变你的写作：7个改变游戏规则的ChatGPT提示，提升创造力和效率

探索 ChatGPT 提示在 2025 年如何改变创造力、生产力和写作卓越性 随着人工智能领域的新进展改变了我们组织工作、互动和生产的方式，ChatGPT 在写作领域脱颖而出，成为一个革新者。 它可能最初只是一个基本的文本预测工具，但到 2025 年，它的可能性要广泛得多——创造力不再受到限制，研究信息的过程变得更有效率，生产力也得到了极大的提升。 这场革命的核心是精细调整的详

阅读更多
Enhancing Data Analysis Efficiency: The Perfect Combination of Intelligent AI Data Analysis Agents and Snowflake

Enhancing Data Analysis Efficiency: The Perfect Combination of Intelligent AI Data Analysis Agents and Snowflake

从数小时到数分钟：变革内部数据分析 为了追求卓越的内部表现，并认识到我们组织内部的多样化需求，我们看到了一个机会，可以探索和开发一个为我们的内部团队量身定制的工具，包括财务、Order-to-Cash (O2C)、人力资源和项目经理。这些专业人士通常在没有深厚技术技能的情况下寻求数据洞察，通常需要数小时甚至数天才能获得他们需要的信息。我们的 AI 数据分析师代理将这个时间框架大大缩短到短

阅读更多
基于智能工作流的金融文档处理自动化解决方案

基于智能工作流的金融文档处理自动化解决方案

金融文档如 SEC 10-K 报告通常复杂且繁琐，但通过合适的工作流，整个过程可以得到改造。我开发了一种集成 Phidata、n8n 和 Qdrant 的简化解决方案，以自动化金融文档分析。该工作流无缝处理报告，提取精确且结构化的见解，并将其存储在 Qdrant 中，这是一种强大的向量数据库，能够实现高级搜索和检索功能。结果是处理金融数据的方式更加快速、高效，使决策者能够获取和利

阅读更多
技术变革：人工智能代理在现代互动中的 5 个重要启示

技术变革：人工智能代理在现代互动中的 5 个重要启示

人工智能和AI代理 人工智能 (AI) 正在重塑我们与技术的互动方式，而AI代理则处于这一转型的前沿。这些智能系统带来了自主性和决策能力，使得 AI 模型能够执行复杂的任务，具备推理、规划和记忆能力。AI代理比传统的 AI 模型更具动态性，使其在各个行业中成为游戏规则的改变者。 AI代理增强了大型语言模型 (LLMs)，通过访问工具和知识扩展其功能。这些系统与环境互动，以利用推理、规划

阅读更多
2025 年成为人工智能工程师的路线图

2025 年成为人工智能工程师的路线图

如何在2025年成为AI工程师 有没有想过构建能够思考、学习和解决复杂问题的系统需要什么？几年前，我也很好奇——AI是一个未来主义的概念，我不知道从哪里开始。现在，随着我们迈入2025年，成为AI工程师比以往任何时候都更加容易。如果你在这里，你可能对如何从零开始进入这个领域感兴趣。好消息是？不需要成为计算机天才或数学奇才。只需一个清晰的路线图、奉献精神和正确的资源，你就能做到。

阅读更多
人工智能在加密货币交易和分析中的作用

人工智能在加密货币交易和分析中的作用

人工智能在加密货币交易与分析中的作用 加密货币交易可能是当今最具动态性和波动性的金融市场之一。该市场的特点是波动性较大，但在各个方面都高度依赖数据。 加密货币交易中的人工智能 人工智能基本上是指计算机系统，它们在学习数据、决策和预测方面模仿人类智能。这可以用于分析与加密货币趋势相关的大量数据。 AI在加密交易中的关键应用 1.市场情绪分析 它们基于

阅读更多
多代理协调中的角色扮演与对话范例

多代理协调中的角色扮演与对话范例

在多智能体编排框架的设计中，出现了一个显著的二分法，即角色扮演与对话两种主要范式。这些范式代表了在多智能体交互和任务执行中实现协作效率的不同方法。在本文中，我们将探讨这些范式的性质及其影响、推动其发展的力量，以及其他丰富多智能体编排领域的新兴方法。 但这真的是一个简单的二元对立吗？ 当然不是！角色扮演框架，以 [CrewAI](https://readmediu

阅读更多
RooCline：AI开发的新利器，如何提升你的效率？

RooCline：AI开发的新利器，如何提升你的效率？

喜欢Cline但希望获得更高的速度和自主性？RooCline是流行的VS Code AI助手的强大分支，将Cline的所有优点进行了增强，提供了更高的性能、更多的功能和更大的灵活性。“RooCline最近主要在自我编写，偶尔有些人类的指导。”RooCline 有何不同之处？⚡️ 1. 增强功能智能通知：仅在需要关注时接收系统警报 多语言支持：

阅读更多
免费解锁 Cursor Ai 的强大功能：使用开源 LLM 的分步指南！

免费解锁 Cursor Ai 的强大功能：使用开源 LLM 的分步指南！

使用开源 LLM 免费运行 Cursor AI 有没有想过在不花费太多的情况下利用 Cursor AI 的强大功能？你来对地方了！本指南将带你通过使用开源大型语言模型 (LLM) 在本地设置 Cursor AI。让我们开始吧！ 需求安装 Cursor AI 并登录 - 前往 Cursor AI 创建

阅读更多
在本地运行 DeepSeek-R1：使用 Ollama 和 FAISS 构建自定义矢量数据库和人工智能聊天机器人

在本地运行 DeepSeek-R1：使用 Ollama 和 FAISS 构建自定义矢量数据库和人工智能聊天机器人

介绍 大型语言模型 (LLMs) 的演变显著改变了人工智能的格局。然而，许多强大的模型需要基于云的 API，这引发了对 数据隐私、成本和延迟 的担忧。 幸运的是，DeepSeek-R1，一个 80亿参数的语言模型，现在可以通过 Ollama 完全离线部署——这是一个简化本地运行 LLM 的框架。 在本综合指南中，我们将逐步介绍：✅ **设置 O

阅读更多
在raspberry Pi上运行deepseek R1：逐步指南和性能评估的乐趣

在raspberry Pi上运行deepseek R1：逐步指南和性能评估的乐趣

DeepSeek R1 在 Raspberry Pi 5 上 DeepSeek R1 震撼了生成式人工智能界，所有对人工智能稍有兴趣的人都急于尝试它。在我看来，它是一个很棒的模型。正如你所知，我喜欢在本地运行模型，而由于这是一个开源模型，我当然必须尝试一下。它在我的 Mac Studio 和 4090 机器上运行得非常好。 但它能在这个上运行吗？一个愚蠢的小 Raspberry Pi？

阅读更多
解锁 AI 潜力：使用 llama.cpp 在 CPU 上运行大型语言模型的 5 个简单步骤

解锁 AI 潜力：使用 llama.cpp 在 CPU 上运行大型语言模型的 5 个简单步骤

学习如何下载、交互式运行模型、在 Python 中使用它们，以及将它们公开为 REST API 照片由 Olivier Collet 拍摄于 [Unsplash](https://unsplash.com?utm_source=medi

阅读更多
使用 Llama.cpp 掌握本地 Llama 推理：高性能设置的 5 个基本步骤

使用 Llama.cpp 掌握本地 Llama 推理：高性能设置的 5 个基本步骤

Llama.cpp Llama.cpp 是一个强大且高效的推理框架，用于在您的机器上本地运行 LLaMA 模型。与 Ollama、LM Studio 和类似的 LLM 服务解决方案不同，Llama.cpp 旨在提供高性能、低资源的推理，同时为不同的硬件架构提供灵活性。 特性高性能推理 低资源消耗 对不同硬件架构的灵活性安装 要安装 Llama.

阅读更多
S1 与 Deepseek-R1：令人惊讶的真相：50 美元的 Llm 真的能与之抗衡吗？

S1 与 Deepseek-R1：令人惊讶的真相：50 美元的 Llm 真的能与之抗衡吗？

引言 自2025年1月以来，深度搜索-R1模型一直备受关注。 本周，一种名为s1的新推理LLM出现了。据说它仅使用1k数据，并且与顶级模型如[开放AI的o1](ht

阅读更多
未来展望：sam Altman揭示gpt-5的开发路线图与潜在挑战

未来展望：sam Altman揭示gpt-5的开发路线图与潜在挑战

在最近的一篇 X 帖子中，Sam Altman 刚刚揭示了 GPT-4.5 和 GPT-5 的路线图！该路线图不仅专注于通过统一系统简化用户体验，还指向一个雄心勃勃的未来，GPT-5 可能成为一个强大的“计算机助手”，能够处理复杂的研究和专业任务。这一转变从 GPT-4.5 开始，最终引导至 GPT-5，旨在重新定义我们与 AI 的互动方式。 ![](https://wsrv.

阅读更多
使用 O1、GPT4o 和 Mini | ExtractThinker 扩展文档提取功能

使用 O1、GPT4o 和 Mini | ExtractThinker 扩展文档提取功能

在本文中，我们将探讨如何高效地使用 ExtractThinker 来处理大规模文档。我们将讨论何时使用不同的模型，如 O1、GPT4o 及其迷你版本，如何处理 OCR，提取图表，并使用异步批处理管理重负载。 ExtractThinker 介绍 是一个灵活的文档智能库，帮助您从各种文档中

阅读更多
SearchGPT 彻底改变了我的上网方式。

SearchGPT 彻底改变了我的上网方式。

我告别了谷歌，你也可以。学习如何使用 SearchGPT，改变你的工作方式。 这不是点击诱饵。我完全相信 SearchGPT，我将告诉你原因。这篇文章既是你应该开始使用 SearchGPT 的宣言，也是关于如何最佳使用它的全面指南。 无论你是 SearchGPT 的新手，还是稍微尝试过，或者已经是高级用户，我保证你会在这里找到有用的东西。这篇文章有点长，但它可能是你在 202

阅读更多
解锁 AI 代理工作流程：关于使用 langgraph 可视化决策和成本分析的 5 个关键见解

解锁 AI 代理工作流程：关于使用 langgraph 可视化决策和成本分析的 5 个关键见解

用 LangGraph 的状态流来玩——不需要 LLM 或 API！纯代码和数据科学！ 可以通过我的 GitHub 个人资料 这里 访问代码。 背景 这篇文章的想法是在学习 LangGraph 课程

阅读更多
六顶思考帽 + CrewAI 流程：利用人工智能农业做出更明智的决策

六顶思考帽 + CrewAI 流程：利用人工智能农业做出更明智的决策

“当时看起来是个好主意。”- 摘自 *大西部七侠*利用AI代理进行明智决策 “当时看起来是个好主意。”这句台词借自《七侠荡寇志》，常常是我们在反思过去决策时的共同感受。有时，我们不禁想，如果有更多的信息，是否能帮助我们做出更好的选择。但是，我们到底是如何做出决策的呢？我们依赖于自己的知识——存储在脑海中的信息，也许是经过索引和归档的——以及专家的见解。但

阅读更多
Sky-T1-32B-预览：开源 LLM 性能优于 OpenAI-o1

Sky-T1-32B-预览：开源 LLM 性能优于 OpenAI-o1

UC Berkeley的Sky-T1–32B-预览详情 所以，首个大型生成性AI发布来了，UC Berkeley开源的LLM Sky-T1–32B在数学和编码基准测试中超越了OpenAI的o1。 什么是 Sky-T1–32B-Preview？ 它是一个 32-亿-参数推理模型，旨在在数学推理和编码任务中表现出色。 关键特性 1\

阅读更多
更智能、更快速：OpenAI o1 和 o1 pro 模式

更智能、更快速：OpenAI o1 和 o1 pro 模式

就在12小时前，OpenAI推出了新的o1模型和带有专业模式的o1。如您所知，o1模型是首个在回答之前进行思考的模型系列，提供更详细和准确的响应，特别是在数学、编码和研究方面。 人们关注两件事：多模态性和解决难题，而这些新模型在这两个领域表现出色。[非会员链接。](https://readmedium.com/smarter-and-faster-openai-o1

阅读更多
精通 smolagents：创建 AI 代理的全面指南，包含来自 hugging face 的实用示例

精通 smolagents：创建 AI 代理的全面指南，包含来自 hugging face 的实用示例

smolagents 读者们好 👋 希望一切都好 😊 上图是由 smolagents 框架生成的，看起来很可爱，对吧。 在本文的结尾，您还将了解到如何使用 hugging face 的 smolagents 创建图像 Agent 生态系统 ![](https://wsrv.nl/?url=https://cdn-images-1.readmedium.com/v2/r

阅读更多
使用 smolagents 创建 AI 代理：全面的逐步指南与实用示例

使用 smolagents 创建 AI 代理：全面的逐步指南与实用示例

smolagents Hello readers 👋 Hope all are doing well 😊 A***bove image is generated by smolagents framework, its looking cute right. By the end of this article you will also come to know how to

阅读更多
精通 smolagents：使用 Hugging Face 创建 AI 代理的全面指南及现实案例

精通 smolagents：使用 Hugging Face 创建 AI 代理的全面指南及现实案例

smolagents 读者们好 👋 希望大家一切都好 😊 上图是由 smolagents 框架生成的，看起来很可爱吧。在本文的最后，你也会了解到如何使用 hugging face 的 smolagents 来创建图像 Agents 生态系统 ![](https://wsrv.nl/?url=https://cdn-images-1.readmedium.co

阅读更多
创建ai代理的终极指南：使用huggingface的smolagents实现创新与实践示例

创建ai代理的终极指南：使用huggingface的smolagents实现创新与实践示例

smolagents 读者们好 👋 希望大家一切都好 😊 上图是由 smolagents 框架生成的，看起来很可爱吧。在本文的最后，你也会了解到如何使用 hugging face 的 smolagents 来创建图像 Agent 生态系统 ![](https://wsrv.nl/?url=https://cdn-images-1.readmedium.com/v2/

阅读更多
Smolagents + Web Scraper + DeepSeek V3 Python = 强大的人工智能研究代理

Smolagents + Web Scraper + DeepSeek V3 Python = 强大的人工智能研究代理

在这段视频中，我将快速演示如何使用 Smolagents、Web Scraper 和 DeepSeek V3 创建一个多代理聊天机器人，为您的业务或个人使用提供强大的代理聊天机器人。 如果您关注 AI 社区，您可能已经注意到许多关于 Nvidia 的病毒视频，其中宣布的 AI 代理价值十亿美元，或者您可能听说过 Zark 说我们明年不会招聘中级工程师。 我问自己，这怎么会发生？当我开

阅读更多
SmolLM2：Qwen2.5 和 Llama 3.2 的最佳替代品

SmolLM2：Qwen2.5 和 Llama 3.2 的最佳替代品

而且它是完全开放的！ Hugging Face 加大了对 SmolLM 计划的投入。 他们发布了 SmolLM2：1.7B、360M 和 135M 模型，训练于 11T 令牌（相比 SmolLM 的 1T）。他们发布了基础版和指导版：Hugging Face Collection: [SmolLM2](https://huggingface.co/collections/

阅读更多
语音转语音生成AI：理论与实践的惊人飞跃！

语音转语音生成AI：理论与实践的惊人飞跃！

探索语音到语音生成型人工智能的世界。了解构建应用程序的关键组成部分和实际考虑因素 介绍 生成性人工智能是当今最具变革性、快速发展的广泛应用技术之一。其影响力的一个关键原因在于它能够使人类使用自然语言与计算机进行沟通，从而使交互变得简单而直观。这种能力促进了它在日常生活和多个行业中的应用，涵盖了教育、医疗到娱乐等多个领域。 我们的交互方式最初是通过文本，依赖于大型语言模型（LLMs

阅读更多
利用预测输出加速 OpenAI API 响应

利用预测输出加速 OpenAI API 响应

在本文中，我讨论了如何利用OpenAI的预测输出以获得更快的API响应。 介绍 预测输出 允许您在 API 响应中显著减少延迟，当大部分输出已经知道时尤为有效。 使用 OpenAI 预测输出 确实会引入对两个模型的依赖，并且与 OpenAI 作为模型提供者的耦合更紧密，自由度较低。 此功能在您需要对文本或代码文件进行小幅修改时特别有用，通过利用已知的

阅读更多
SpiderTool 和 CrewAI：网络抓取和数据提取的终极组合

SpiderTool 和 CrewAI：网络抓取和数据提取的终极组合

Ankush k Singal 介绍 在网络爬虫和数据提取方面，SpiderTool和CrewAI是天作之合。SpiderTool以其强大的抓取和爬行能力而闻名，与旨在简化和扩展您的抓取项目的CrewAI平台完美结合。 ![](https://wsrv.nl/?url=https://cdn-image

阅读更多
Evolution of AI Agents in 2025: Analysis of Key Technological Advances and Future Challenges

Evolution of AI Agents in 2025: Analysis of Key Technological Advances and Future Challenges

图片来源： AI 系统正在获得在世界上独立行动的能力。在过去的一年里，我们看到了推理、计算机控制和内存系统的重大进步，从而促成了这一转变。本分析考察了这些发展的技术基础、不同领域中 AI 智能体的当前状态，以及使其可靠所需的基础设施。我们将探讨推动这一转变的进步以及 remaining challenges。 第

阅读更多
用户体验现状，我们不需要更多的管理者，利用数据进行原型设计

用户体验现状，我们不需要更多的管理者，利用数据进行原型设计

每周为设计师精选的资源 —— 思考者和创造者。 我们在这里讨论的变化并不是一场革命，而只是一种进化。这仅仅是在所需角色数量及其职责上的变化。Jorge Arango 最近写道：“数字系统，而不是人，将完成大部分（屏幕级别）交互设计的工艺。” 每当这种变化发生时，行业都会重新调整以适应新的模式。 [2025 年 UX 的状态：一封关于变化的情书](https://tr

阅读更多
提高企业 RAG 准确性的分步指南

提高企业 RAG 准确性的分步指南

从PDF文件生成的知识图谱 在我之前的博客中，我写到如何使用像Gemini Flash 2.0这样具有非常大上下文大小的新模型进行语义分块，可以显著提高从非结构化数据（如PD

阅读更多
精通多智能体系统：使用 Microsoft Semantic Kernel 构建投资组合管理器的逐步指南

精通多智能体系统：使用 Microsoft Semantic Kernel 构建投资组合管理器的逐步指南

利用 SelectionFunction 实现高效协作 在我之前的博客中，我们介绍了如何使用 Semantic Kernel 创建一个多智能体系统。[链接](https://readmedium.com/step-by-step-guide-to-develop-ai-multi-agent-system-using-microsoft-semantic-kernel-and-gpt-4

阅读更多
创建您自己的 OpenAI 操作员代理：使用 Microsoft Autogen 框架最新功能的逐步指南

创建您自己的 OpenAI 操作员代理：使用 Microsoft Autogen 框架最新功能的逐步指南

用几行代码创建你自己的类似 OpenAI 的 Operator 代理！ Microsoft AutoGen 是一个用于构建 LLM 驱动的 AI 应用程序的开源框架。 之前，我写了一篇关于 AutoGen 0.2 版本和 AutoGen Studio 的博客。 在这篇 [博客](https://pub.aimind.so/create-your-job-resume-builder-a

阅读更多
掌握本地 AI 开发：在 MacBook 上以 5 个简单步骤安装 DeepSeek LLM 的逐步指南

掌握本地 AI 开发：在 MacBook 上以 5 个简单步骤安装 DeepSeek LLM 的逐步指南

在 MacBook 上逐步安装 Deepseek R1 LLM 的说明 AI Generated 虽然我主要依赖基于云的 LLM（如 GPT 4 和 Claude 3.5）进行 AI 开发项目，但我发现在测试和实验期间运行本地模型很有价值。当处理敏感数据或在互联网连接可能不可靠的地区旅行时，这尤其有用。 几个月来，我一直在通过 Olly 在我的个人电脑上探索本地语言模型。如果您不

阅读更多
使用 ChatGPT 4o 的视觉分析逐步生成旅程中期提示

使用 ChatGPT 4o 的视觉分析逐步生成旅程中期提示

你是否有过这样的感觉：想要创建完美的 Midjourney 提示，但言辞却无法表达你脑海中的想法？我也经历过这样的时刻。在无数小时的实验后，我发现了一种改变游戏规则的方法：利用 ChatGPT 4o 的视觉能力分析参考图像并生成精准的提示。 让我分享我的旅程和我使用的确切过程。相信我，这将改变你创建 AI 艺术的方式。 灵光一现 💡 我曾经花费数小时描述我想要的内容给 Mi

阅读更多
How to Run deepseek Locally for Free: The Ultimate Guide to Avoiding AI Costs and Protecting Data Privacy

How to Run deepseek Locally for Free: The Ultimate Guide to Avoiding AI Costs and Protecting Data Privacy

优势：无 API 费用 — DeepSeek 是开源的，这意味着您可以使用它，而无需担心订阅费用。虽然 API 选项是可用的。 数据隐私 — 您的数据保留在您的本地机器上，确保机密性和安全性。 尖端技术 — 基于前沿模型构建，DeepSeek 提供顶级的推理能力。 无需互联网 — 通过 ollama 服务器，DeepSeek 可以在本地运行，无需互联网

阅读更多
简化文档转换：用于 LLM 应用程序的现代文档处理堆栈

简化文档转换：用于 LLM 应用程序的现代文档处理堆栈

将PDF、DOCX和网页内容转换为干净的Markdown及其元数据的综合指南，以支持可扩展、高效的AI管道带有元数据的干净Markdown 构建以大型语言模型（LLMs）为驱动的应用程序是具有挑战性的——尤其是当用户提供的数据以各种常常杂乱的格式出现时。无论是PDF、Word文档、电子表格还是网页，每种来源都有其独特之处。 _现代文档处理堆栈旨在通过将多种文档类型

阅读更多
提升pinn开发效率：如何利用deepseek-r1的推理能力超越传统LLM

提升pinn开发效率：如何利用deepseek-r1的推理能力超越传统LLM

将推理 LLM 打造为 PINN 开发的解题伙伴 图片由 AbsolutVision 拍摄于 [Unsplash](https://unsplash.com?utm_source=medium&utm_medium=refe

阅读更多
提升大数据处理效率：使用gemini 2.0 Flash的5个关键步骤

提升大数据处理效率：使用gemini 2.0 Flash的5个关键步骤

Photo by Saradasish Pradhan on Unsplash 在一次传递中处理海量数据集，

阅读更多
使用语言模型生成合成数据：实用指南

使用语言模型生成合成数据：实用指南

在人工智能不断发展的领域中，数据仍然是推动创新的燃料。但是，当获取真实世界数据变得困难、昂贵，甚至不可能时，会发生什么呢？ 合成数据生成应运而生——这是一种开创性的技术，利用语言模型创建高质量、逼真的数据集。考虑在不违反隐私法的情况下对医疗记录进行语言模型训练，或者在没有私人对话记录的情况下开发客户互动模型，或设计自动驾驶系统，其中收集稀有边缘案例的数据几乎是不可能的。合成数据弥补了数

阅读更多
Anthropic: Claude 3.5 Haiku (2024-10-22)

Anthropic: Claude 3.5 Haiku (2024-10-22)

Claude 3.5 Haiku 在所有技能领域中都进行了增强，包括编码、工具使用和推理。作为 Anthropic 系列中速度最快的模型，它提供快速的响应时间，适用于需要高交互性和低延迟的应用，如面向用户的聊天机器人和即时代码补全。它在数据提取和实时内容审核等专业任务中表现出色，使其成为广泛行业的多功能工具。 它不支持图像输入。 查看发布公告和基准测试结果 [he

阅读更多
Google: Gemini Experimental 1121 (free)

Google: Gemini Experimental 1121 (free)

实验性版本（2024年11月21日） 的 Gemini。

阅读更多
Google: Gemma 2 9B (free)

Google: Gemma 2 9B (free)

Gemma 2 9B by Google 是一个先进的开源语言模型，在其尺寸类别中设定了效率和性能的新标准。 该模型旨在支持多种任务，使开发者和研究人员能够构建创新应用，同时保持可访问性、安全性和成本效益。 有关更多详细信息，请参阅 发布公告。

阅读更多
Inflatebot: Mag Mell R1 12B

Inflatebot: Mag Mell R1 12B

Mag Mell 是一个基于 Mistral Nemo 的预训练语言模型的合并，使用 mergekit 创建。它是一个出色的角色扮演和讲故事模型，结合了许多其他模型的最佳部分，成为许多用例的通用解决方案。 旨在成为任何虚构、创意用例的通用“最佳 Nemo”模型。 Mag Mell 由 3 个中间部分组成：Hero (RP, trop

阅读更多
Google: LearnLM 1.5 Pro Experimental (free)

Google: LearnLM 1.5 Pro Experimental (free)

谷歌的 Gemini 1.5 Pro 实验版本。

阅读更多
Meta: Llama 3.1 70B Instruct (free)

Meta: Llama 3.1 70B Instruct (free)

Meta最新发布的模型系列（Llama 3.1）推出了多种规模和版本。这个70B的指令调优版本针对高质量对话用例进行了优化。 与领先的闭源模型相比，它在人工评估中表现出色。 使用该模型须遵循Meta的可接受使用政策。 _这些是[Llama 3.1 70B Instruct](

阅读更多
Meta: Llama 3.2 3B Instruct (free)

Meta: Llama 3.2 3B Instruct (free)

Llama 3.2 3B 是一个拥有 30 亿参数的多语言大型语言模型，针对对话生成、推理和摘要等高级自然语言处理任务进行了优化。该模型采用最新的 Transformer 架构，支持包括英语、西班牙语和印地语在内的八种语言，并可适应其他语言。 Llama 3.2B 模型在 9 万亿个标记上进行训练，擅长遵循指令、复杂推理和工具使用。其平衡的性能使其非常适合需要在多语

阅读更多
Meta: Llama 3.2 90B Vision Instruct (free)

Meta: Llama 3.2 90B Vision Instruct (free)

The Llama 90B Vision模型是一款顶级的90亿参数多模态模型，旨在应对最具挑战性的视觉推理和语言任务。它在图像描述、视觉问答和高级图像-文本理解方面提供无与伦比的准确性。该模型在庞大的多模态数据集上进行预训练，并通过人类反馈进行微调，旨在处理最苛刻的基于图像的AI任务。 该模型非常适合需要尖端多模态AI能力的行业，特别是那些处理复杂实时视觉和文本分析

阅读更多
MiniMax: MiniMax-01

MiniMax: MiniMax-01

MiniMax-01 是一个结合了 MiniMax-Text-01 进行文本生成和 MiniMax-VL-01 进行图像理解的模型。它拥有 4560 亿个参数，每次推理激活 459 亿个参数，并且可以处理多达 400 万个 token 的上下文。 文本模型采用混合架构，结合了 Lightning Attention、Softmax Attention 和专家混合（MoE）。图像模型采用“ViT

阅读更多
Mistral: Mistral 7B Instruct (free)

Mistral: Mistral 7B Instruct (free)

一个高性能、行业标准的 7.3B 参数模型，针对速度和上下文长度进行了优化。 Mistral 7B Instruct 有多个版本变体，这里是最新版本。 _这些是 Mistral 7B Instruct 的免费限速端点。输出可能会被缓存。有关速率限制的信息，请阅读 [这里](/docs/limi

阅读更多
Mistral Large 2411

Mistral Large 2411

Mistral Large 2 2411 是 Mistral Large 2 的更新版本，与 Pixtral Large 2411 一起发布。 它流利地支持英语、法语、西班牙语、德语和意大利语，具有高语法准确性，并且其长上下文窗口允许从大型文档中精

阅读更多
OpenChat 3.5 7B (free)

OpenChat 3.5 7B (free)

OpenChat 7B 是一个开源语言模型库，经过“C-RLFT（条件强化学习微调）”的精细调优——这是一种受离线强化学习启发的策略。它是在没有偏好标签的混合质量数据上进行训练的。对于在 Mistral 7B 上微调的 OpenChat，请查看 OpenChat 7B。 对于在 Llama 8B 上微调的

阅读更多
Phi-3 Medium 128K Instruct (free)

Phi-3 Medium 128K Instruct (free)

Phi-3 128K Medium 是一个强大的 140 亿参数模型，旨在实现高级语言理解、推理和指令跟随。通过监督微调和偏好调整进行优化，它在涉及常识、数学、逻辑推理和代码处理的任务中表现出色。 在发布时，Phi-3 Medium 在轻量级模型中展示了最先进的性能。在 MMLU-Pro 评估中，该模型甚至接近 Llama3 70B 的性能水平。 对于 4k 上下

阅读更多
Phi-3 Mini 128K Instruct (free)

Phi-3 Mini 128K Instruct (free)

Phi-3 Mini 是一个强大的 3.8B 参数模型，旨在实现高级语言理解、推理和指令跟随。通过监督微调和偏好调整进行优化，它在涉及常识、数学、逻辑推理和代码处理的任务中表现出色。 在发布时，Phi-3 Medium 在轻量级模型中展示了最先进的性能。该模型是静态的，训练于一个截至 2023 年 10 月的离线数据集。 _这些是免费的、速率限制的端点，适用于 [

阅读更多
Qwen 2 7B Instruct (free)

Qwen 2 7B Instruct (free)

Qwen2 7B 是一个基于变换器的模型，在语言理解、多语言能力、编码、数学和推理方面表现出色。 它具有 SwiGLU 激活、注意力 QKV 偏置和组查询注意力。它在大量数据上进行了预训练，并进行了监督微调和直接偏好优化。 有关更多详细信息，请参见这篇 博客文章 和 [GitHub 仓

阅读更多
Llama 3 Euryale 70B v2.1

Llama 3 Euryale 70B v2.1

Euryale 70B v2.1 是一个专注于创意角色扮演的模型，来自 Sao10k。更好的提示遵循性。 更好的解剖学/空间意识。 更好地适应独特和自定义的格式/回复格式。 非常有创意，很多独特的风格。 在角色扮演过程中没有限制。

阅读更多
Sao10K: Llama 3 8B Lunaris

Sao10K: Llama 3 8B Lunaris

Lunaris 8B 是一个基于 Llama 3 的多功能通用和角色扮演模型。它是多个模型的战略合并，旨在平衡创造力与改进的逻辑和一般知识。 由 Sao10k 创建，该模型旨在提供比 Stheno v3.2 更好的体验，具有增强的创造力和逻辑推理能力。 为了获得最佳效果，请使用 Llama 3 Instruct 上下文模板，温

阅读更多
Llama 3.1 Euryale 70B v2.2

Llama 3.1 Euryale 70B v2.2

Euryale L3.1 70B v2.2 是一个专注于创意角色扮演的模型，来自 Sao10k。它是 Euryale L3 70B v2.1 的继任者。

阅读更多
Sao10K: Llama 3.3 Euryale 70B

Sao10K: Llama 3.3 Euryale 70B

Euryale L3.3 70B 是一个专注于创意角色扮演的模型，来自 Sao10k。它是 Euryale L3 70B v2.2 的继任者。

阅读更多
Toppy M 7B (free)

Toppy M 7B (free)

A wild 7B 参数模型，使用 mergekit 的新 task_arithmetic 合并方法合并了多个模型。合并模型列表： NousResearch/Nous-Capybara-7B-V1.9 HuggingFaceH4/zephyr-7b-beta lemonil

阅读更多
Type something to search...
to navigateto selectESC to close