AI应用开发- - aqi00

摘要：

AI大模型时代来了，程序员们纷纷入坑AI应用开发，可是苦于AI教程良莠不齐，往往花费了大量时间精力和金钱，却仍然过其门而不入。有鉴于此，博主开始连载AI应用开发教程《15天学会AI应用开发》，帮助大家快速掌握AI应用开发技能，不掉坑、不迷路、有收获。一、学习AI应用开发的四大困难在入坑AI应阅读全文

posted @ 2026-05-24 11:41 aqi00 阅读(1520) 评论(3) 推荐(4)

15天学会AI应用开发（二）为什么编写提示词这么重要

摘要：

AI应用开发会接触很多英文术语，为了方便行文理解，有必要解释一下相关的术语及其缩写，比如下列几个常见的英语单词：一、常见AI英文术语 AI：全称 Artificial Intelligence ，意思是人工智能。AI是能自己学习、理解、判断、模仿人的机器智能。 LLM：全称 Large Lan 阅读全文

posted @ 2026-05-30 11:18 aqi00 阅读(840) 评论(1) 推荐(2)

15天学会AI应用开发（三）把历史对话作为提示词会怎样

摘要：

AI大模型服务的用户很多，它对每个用户的印象仅存在于当前会话中，一旦用户离开当前会话重新开启新的会话，AI会把该用户当作是新用户，而非之前已经对话过的某个用户。也就是说，AI没有持久记忆的功能，它记不住你上次问了什么，也记不住它上次回答了什么。这意味着AI没法从过往的对话中吸取经验，原本纠正了的阅读全文

posted @ 2026-05-31 10:51 aqi00 阅读(639) 评论(4) 推荐(2)

15天学会AI应用开发（四）根据Token长度截断历史对话

摘要：

上一篇文章说到按照消息数量来截断历史对话，这种方式有个问题，就是每次对话的内容可长可短，导致固定消息数量的对话内容忽长忽短。历史对话内容不光要存入数据库，还要作为初始提示词发给下次新会话的大模型。太长的提示词不仅冗余，还会消耗大量Token，让用户钱包快速缩水。太短的提示词容纳的信息量不足，难以阅读全文

posted @ 2026-06-06 12:11 aqi00 阅读(528) 评论(0) 推荐(3)

15天学会AI应用开发（五）使用AI摘要来压缩上下文消息

摘要：

前面两篇文章分别介绍了根据消息数量截断历史对话和根据Token长度截断历史对话，可是这两种方式有两个共同的问题： 1、被删去的早期记录可能包含关键信息，直接截断会导致信息丢失。 2、原始的对话记录可能存在重复、冗余、拖沓的文字内容。一、为什么要对原始记录做摘要要知道，重复、冗余、拖沓的文字内容阅读全文

posted @ 2026-06-07 11:14 aqi00 阅读(574) 评论(0) 推荐(3)

15天学会AI应用开发（六）使用离线大模型对文本生成摘要

摘要：

上一篇文章末尾使用了在线大模型压缩文本生成摘要，但该方式会消耗Token，不便初学者长期使用，更好的办法是采用离线大模型来生成文本摘要。一、离线大模型的种类国内常用的离线大模型有阿里Qwen、智谱GLM、深度求索DeepSeek、百度文心等等，以千问的文本大模型为例，又有Qwen1.5-1.8 阅读全文

posted @ 2026-06-14 11:10 aqi00 阅读(387) 评论(0) 推荐(1)

15天学会AI应用开发（七）有了大模型为什么还要引入RAG

摘要：

前面的文章依次介绍了如何截断历史会话的对话记录，包括按照记录数量截断、按照Token长度截断，以及浓缩为摘要截断等等，其中摘要操作又分为三大类： 1、使用第三方的摘要库对文本摘要； 2、使用在线大模型对文本摘要； 3、使用离线大模型对文本摘要；以上对会话记录的各种处理操作，统称为AI应用的上下文阅读全文

posted @ 2026-06-20 11:16 aqi00 阅读(298) 评论(0) 推荐(0)

15天学会AI应用开发（八）使用向量数据库实现RAG功能

摘要：

上一篇文章采用字符串匹配的方式来查找知识，这种方式比较呆板不够智能，接下来引入向量数据库，通过向量化实现更精细的知识检索。一、文本嵌入Embedding模型向量化一段文本的时候，经常用到all-MiniLM-L6-v2，它是一个轻量级的文本嵌入Embedding模型，专门把文字转成数字向量，给R 阅读全文

posted @ 2026-06-21 11:15 aqi00 阅读(393) 评论(0) 推荐(0)

15天学会AI应用开发（九）利用Chroma持久化向量数据

摘要：

上一篇文章通过all-MiniLM-L6-v2模型结合FAISS实现了简单的RAG检索功能，但FAISS运行于内存中，无法持久化保存向量数据，重启后又得重新对文本做向量化，比较浪费算力资源。本文就来介绍如何使用向量数据库来持久保存向量数据。一、向量数据库Chroma Chroma是一个本地向量数阅读全文

posted @ 2026-06-27 11:27 aqi00 阅读(227) 评论(0) 推荐(0)

15天学会AI应用开发（十）把文本嵌入模型换成国产模型

摘要：

前面两篇文章在演示RAG功能时，做向量化的文本嵌入模型都用国外的all-MiniLM-L6-v2，该模型主要适用英文，对于中文总体也能用，但在细节上处理欠佳。本文就来介绍如何使用国产离线的文本嵌入模型替换国外模型，以及如何体现国产模型的比较优势。一、all-MiniLM-L6-v2的缺点虽然al 阅读全文

posted @ 2026-06-28 11:35 aqi00 阅读(341) 评论(2) 推荐(2)

15天学会AI应用开发（十一）从TXT文件构建RAG知识库

摘要：

前面的文章在构建RAG并检索时，既使用了国外大模型，也使用了国内大模型；既运用了内存向量检索库FAISS，也运用了磁盘向量数据库Chroma。但知识库的原始来源却是knowledge数组，这与现实场合有所出入，因为实际资料都保存在TXT、PDF、WORD等格式的文档中，甚至来自互联网上的HTML网阅读全文

posted @ 2026-07-05 11:08 aqi00 阅读(247) 评论(0) 推荐(0)

15天学会AI应用开发（十二）从PDF、WORD、网页构建RAG

摘要：

上一篇文章介绍了如何从TXT文件读取文本信息，可是日常办公很少使用纯文本的TXT格式，而采用专业的PDF格式或者WORD格式，有时还需要通过网页抓取知识。接下来就介绍如何从PDF、WORD、HTML等文件中读取文本内容。一、从PDF文件读取文本 PDF是一种常用的文档格式，常用于只读的通知文件阅读全文

posted @ 2026-07-11 11:20 aqi00 阅读(428) 评论(0) 推荐(0)

15天学会AI应用开发（十三）上下文与RAG的阶段性总结

摘要：

之前的系列文章主要讲解上下文（提示词）和RAG（知识库），为了方便大家归纳，这里把前面的几个重要内容重新梳理总结。一、搭建应用开发环境正所谓磨刀不误砍柴工，要想后续顺利进行AI应用编程，务必正确搭建电脑的Python开发环境，这样可以避免代码编译时出现奇奇怪怪的错误，才能心无旁骛地钻研AI应用阅读全文

posted @ 2026-07-12 11:23 aqi00 阅读(269) 评论(0) 推荐(0)

15天学会AI应用开发（十四）搭建LangChain的开发环境

摘要：

LangChain 是一套大语言模型 (LLM) 应用开发框架，主打链式编排、任务流程组装，可快速搭建智能对话机器人、智能助手、自动化流程、知识库问答、Agent 智能体。 LangChain 支持对接各类在线大模型，包括OpenAI、文心、通义、讯飞等，也支持加载电脑本地的离线大模型。为避免在线阅读全文

posted @ 2026-07-18 11:07 aqi00 阅读(217) 评论(0) 推荐(0)

15天学会AI应用开发（十五）使用LangChain封装AI执行链

摘要：

上一篇文章末尾给出了LangChain的简单调用例子，当然LangChain还支持更丰富的功能设置，接下来就介绍如何使用LangChain封装AI执行链，以实现更复杂的功能调用。一、构造大模型实例在构造大模型实例之前，要先添加下面的导包语句，表示引入LangChain的大模型工具OllamaL 阅读全文

posted @ 2026-07-19 11:03 aqi00 阅读(238) 评论(0) 推荐(0)

15天学会AI应用开发（十六）LangChain实现对话记忆功能

摘要：

模型本身是无状态的，也就是不具备记忆功能，单次对话无法留存上下文信息，多轮交互中会遗忘历史对话内容。用户之所以感觉AI工具拥有记忆，是因为AI工具给大模型封装了一层记忆。 LangChain作为主流的大模型应用开发框架，内置完善的记忆模块（Memory模块），能够高效管理对话历史记录，让AI实现逻阅读全文

posted @ 2026-07-25 11:49 aqi00 阅读(117) 评论(0) 推荐(0)

15天学会AI应用开发（十七）使用LangGraph实现会话记忆功能

摘要：

上一篇文章采用langchain_community包协助LangChain实现了对话记忆功能，但langchain_community属于早期链式架构的临时补丁，仅适配简单线性对话。 LangChain官方推荐使用LangGraph实现复杂的会话记忆功能，LangGraph是从底层统一管理全流程阅读全文

posted @ 2026-07-26 10:42 aqi00 阅读(28) 评论(0) 推荐(0)

合集-AI应用开发

公告