aqi00 - 博客园

2026年7月

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(340) 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(503) 评论(0) 推荐(0)

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(369) 评论(0) 推荐(0)

2026年6月

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(425) 评论(2) 推荐(2)

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(312) 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(547) 评论(0) 推荐(0)

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(386) 评论(0) 推荐(0)

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(472) 评论(0) 推荐(1)

一文速览 HarmonyOS 6.1.1 推出的十个新特性

摘要：

HarmonyOS 6.1.1 已于 2026 年 5 月下旬正式发布，该版本在 HarmonyOS 6.1 基础上增强了若干特性，让鸿蒙系统变得更流畅更好用，下面结合《鸿蒙HarmonyOS 6应用开发:从零基础到App上线》一书对 HarmonyOS 6.1.1 新特性中的常用部分逐一讲解。阅读全文

posted @ 2026-06-13 11:11 aqi00 阅读(368) 评论(0) 推荐(0)

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(679) 评论(0) 推荐(3)

公告