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

Blog Posts

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
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
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
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
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
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
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

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