摘要： 转：https://mp.weixin.qq.com/s/0jB157hXY2AwIcji0jywBQ 编者按：本文通过作者的实践对比发现，框架的选择应基于项目具体需求和团队特点，而不是简单追求某个特定框架。不同框架各有优势： 无框架方案实施最为简单直接，代码结构清晰，适合理解智能体原理，但随着项目 阅读全文

摘要： 最近看了一些关于agent debate相关的内容，觉得挺有意思的（跟我以前做的对比学习很像，可以认为是大模型推理阶段的生成式对比学习），所以就把我的理解分享出来，也欢迎大家的匹配指正。现有的debate（一种Agentic Workflow）策略分为3步，第一步就是对给定的问题生成解决方案，第二步 阅读全文

摘要： 上一篇文章我们按照时间先后顺序，梳理了国内的9个Agent开发平台，分别是Dify、FastGPT、文心智能体平台、千帆AppBuilder、智谱智能体中心、天工SkyAgents、扣子、讯飞星火智能体平台、腾讯元器。 面对繁多的Agent平台，到底该如何选择呢？那个最好用？ 本篇就系统地做一个Ag 阅读全文

摘要： RAG 很多人都听说过，或者实践过，目前最直接的应用就是构建智能问答系统。 什么是 RAG？ RAG 是 Retrieval Augmented Generation 的简写，翻译过来就是检索增强生成。 从名字就可以拆分出 RAG 的三大部分，检索、增强、生成，表面意思就是： 1、去知识库检索相关的 阅读全文

摘要： 本文看两个问题，一个是最近模仿openaiAI O1现有路线-long COT蒸馏路线，有些有趣的点。 另一个是还是回归到RAG上，最近同名的RAG框架很多，例如fastRAG(https://github.com/IntelLabs/fastRAG.git，朴素rag的一个模块化)和FastRAG 阅读全文

摘要： 调用外部工具是Agent区别于LLM的最重要区别之一。为了调用外部工具，需要做的主要有两件事： 针对用户输入的要求，从工具池中选择合适的工具，当然也可以选择不调用工具。这里考察的是LLM的reasoning的能力，一般来说，越大的模型效果越好。 对于选择的工具，要传入正确的参数（包括格式和内容）。这 阅读全文

摘要： RAG七十二式：2024年度RAG清单 转：https://mp.weixin.qq.com/s/Sy1dSx5RUtD6rjMY7_efkw ▍作者：范志东，蚂蚁图计算开源负责人、图计算布道师 回顾2024，大模型日新月异，智能体百家争鸣。作为AI应用的重要组成部分，RAG也是“群雄逐鹿，诸侯并起 阅读全文

摘要： https://mp.weixin.qq.com/s/LsMOIgQinPZBnsga0imcvA DeepSeek的写作能力为何飞跃？PTX是否真正做到了绕开CUDA的垄断？编辑 | ZeR0智东西2月3日报道，周日晚间，五位高校教授夜话DeepSeek，从模型方法、框架、系统、基础设施等角度，阐 阅读全文

摘要： 前文对基于DeepSeek v3 Base模型训练的deepseek-R1技术报告进行了解读，如有需求可阅读： 浮生梦晓：DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via Reinforcement Learning——技术报告详 阅读全文

摘要： 经过字节跳动内部半年多的使用和迭代，基于 Golang 的大模型应用综合开发框架 —— Eino，已在 CloudWeGo 正式开源啦！ Eino 基于明确的“组件”定义，提供强大的流程“编排”，覆盖开发全流程，旨在帮助开发者以最快的速度实现最有深度的大模型应用。 你是否曾有这种感受：想要为自己的应 阅读全文