Alkaid2077

摘要： 这个系列讲带领大家亲自搭建属于自己的 Agent，深入理解 Agent 是如何组合而成的。在系列的最开始，将对 Agent 相关基本概念进行介绍，分为上下两个章节带领大家完成以下学习目标： 区分 chatbot、workflow、agent、multi-agent。 理解 agent 的基本循环：o 阅读全文

摘要： 在上一篇文章中，我们介绍了如何通过 API 调用 来使用大模型（例如通义千问的兼容 OpenAI API 模式）。这种方式轻量、灵活，但也存在一些限制：需要稳定的网络、API Key 管理，以及调用成本。 在本篇文章里，我们转向本地化部署。我将以 Ollama 部署 DeepSeek 为例，展示如何 阅读全文

摘要： 在大模型应用开发中，除了本地推理（如 vLLM、transformers），API 调用是更常见、更轻量的方式。本文以通义千问（DashScope 兼容 OpenAI API）为例，展示如何完成一次完整的 API 调用。 一、为什么选择 API 调用 轻量：无需本地部署 GPU，只需一行请求即可调用 阅读全文

摘要： 前言 在上一篇扫盲文章中，我们了解了 RAG（Retrieval-Augmented Generation）的基本原理和应用场景。本篇将正式进入实战环节，带你从零开始搭建一个可运行的 RAG 项目。 本节目标： ✅ 配置一个稳定的 Python 环境，避免依赖冲突 ✅ 安装必要的库（含 LangCh 阅读全文

摘要： 一、检索增强生成（RAG）前言 1. LLM的缺陷分析 试想这样一个例子，有人问了你这样一个问题：木星有多少颗卫星？可能你之前曾经看到过有人说，木星有92颗卫星，于是你就自信地回答说92颗。但实际上，当你上网一搜，被网上众多消息迷住眼睛，看得头晕眼花，最后勉强确定最新消息说木星有95颗卫星，你知道的 阅读全文

摘要： 在初级篇中，我们已经认识到 Prompt 是与大语言模型交互的“接口语言”。然而，随着任务复杂度的提升，简单的提示往往难以满足需求。要让模型展现出更强的推理能力和创造力，我们需要更深入地理解 Prompt 优化的原理，并掌握一系列进阶技巧。本文将结合业界经验与 Google 2024年 Prompt 阅读全文

摘要： 一、什么是 Prompt Engineering 1. 背景：为什么需要 Prompt Engineering 大语言模型（LLM）如 GPT 系列、Claude、Gemini 等，已经展现出强大的语言理解与生成能力。但它们并不是“全知全能”的： 依赖输入质量：模型的输出高度依赖于输入提示（prom 阅读全文

摘要： 一、大语言模型 vs 传统的机器学习：主要差异 在人工智能的发展历程中，传统机器学习和大语言模型（LLM）代表了两种不同的范式。理解它们的差异，有助于我们把握大模型的独特价值。 对比维度 传统机器学习 大语言模型（LLM） 特征处理 需要人工设计特征（feature engineering），比如提 阅读全文

摘要： 一、什么是大模型？ 1. 定义 大语言模型（Large Language Model, LLM）指参数量达到亿级甚至万亿级、基于深度学习的自然语言处理模型。这类模型通过海量数据训练，能够理解和生成人类语言，完成文本生成、翻译、问答等复杂任务。 2. 解释 大模型的本质是一个文本拼接器，当人们提供句子 阅读全文

摘要： 摘要：Git 是开发必备的版本控制工具，Github 是主流代码托管与开源协作平台。本文从零梳理 Git 与 Github 全部核心知识点，涵盖基础原理、常用命令可视化操作、代码冲突解决、分支管理、多人协作规范及高阶实操技巧，全程基于 VSCode 可视化操作，零基础可直接上手，适合开发入门、团队协 阅读全文