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

Blog Posts

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
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
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
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
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
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
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
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
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
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
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
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 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
Categories
Tags
Type something to search...
to navigateto selectESC to close