专注AI+BI

摘要： 检索增强生成（RAG）有效结合LLM与外部知识库，降低模型幻觉，但传统“一次性检索-生成”模式存在检索僵化、无推理能力等局限。Dify推出的Agentic RAG（智能体驱动RAG），将检索嵌入智能推理循环，实现动态适配与迭代优化，大幅提升检索与回答的可靠性。 2026年1月6日来自Dify的一篇文章：https://dify.ai/blog/agentic-rag-smarter-retrieval-with-autonomous-reasoning 介绍了Agentic RAG和传统RAG的区别，使用场景以及局限性。 当然最主要的一个结论就是，告诉大家Dify是支持你去实现Agentic RAG的，也就是说，这不是一个完整的功能封装，而是需要你去拖拽实现。 阅读全文

摘要： 我们采用 **1输入+1隐藏+2输出** 的网络结构，全程用**具体数值示例**拆解前向传播、反向传播的每一步计算，让抽象过程直观化。 解决的问题是，根据一个输入的数字，判断其是正数还是负数。 借此来简单了解神经网络的过程。 阅读全文

摘要： 本文将基于Gradio的Interface，继续构建RAG系统的QA前端页面，对比上一篇对召回测试前端页面的构建，来对比在Gradio下，Blocks和Interface的两种区别。 阅读全文

摘要： 构建AI应用的前端方案有很多，这里介绍一个开源前端库---Gradio，通过它可以使用简短的代码就可以快速的实现简单的AI应用前端。这里我们选择的场景为做RAG召回测试，通过调用先前封装好的LangChain代码，来快速的搭建这个前端页面。 阅读全文

摘要： Streamlit 是一款专为数据科学家和机器学习工程师设计的 Python 库，可快速将数据脚本转换为交互式 Web 应用，无需前端开发经验，所以最近研究了一下，结合LangChain 1.0 实现了简单的智能问答前后端应用，大模型使用DeepSeek。 阅读全文

摘要： 前段时间有朋友问，是否能利用AI技术来辅助销售团队进行培训。 这里我就用LangChain来构建一个简单的模型，构建一个AI Agent，来简单演示下实现的思路。 AI Agent也就是我们所说的智能体，相比大模型，它可以让大模型的手伸出来，来进行信息获取甚至一些实质的操作。 通过此篇你可以观察到，通过AI Agent，你给它一堆工具之后，它是否能正确的依次使用每一个工具，并且是否跟我们人工的思考方式是一样的。 阅读全文

摘要： 前两篇探索了用code和dify的实现思路，实现起来均有一定的门槛。那么市面上有没有什么开源的现成产品已经对这个方向进行了探索呢？最近还真搜罗到了两个不错的产品，一个是飞致云下的SQLBot，还有一个是WrenAI。 阅读全文

摘要： 在上一篇中我提到了一个B站最新的一个LangChain 1.0的SQL Agent的视频，通过提供给SQL Agent的tools，可以引导大模型先查看数据库下都有哪些表，然后查看指定表的结构，最后再将这些相关表关联在一起生成查询，完全符合我们在处理相应问题时的处理逻辑。 这种场景在处理简单问题或者数据结构比较简单的时候，没有问题，但是当我们的相应表的关联逻辑如果比较复杂，我们很难相信也很难指定让大模型能生成正确的查询时，有什么解决方案吗？ 阅读全文

摘要： 这些年AI火的一塌糊涂，很多行业和传统技术领域都在积极的跟其产生交集。 BI是一个20年前开始火起来的技术，跌跌荡荡这些年，如今虽然不是网红菜，但绝对是企业的必点菜。 AI的出现让很多东西跟人们越来越近，那么AI配合BI有没有搞头呢？ 阅读全文

摘要： 我们以《出师表》（节选）为例，通过具体分割结果对比**通用分块**和**父子分块**的核心差异。《出师表》结构清晰（含表文开头、历史回顾、治国建议、出师目的等部分），适合展示两种分块策略的不同逻辑。 阅读全文

摘要： 我在先前的随笔中分享过用Dify低代码平台来实现问答系统，也有几篇随笔是通过不同的方式来访问大模型。本篇将使用LangChain来做对应的实现。相关代码主要是通过Trae，它可以帮助你快速的了解了基本使用 LangChain 构建 RAG的方法，包括从文档加载、向量存储到问答接口实现，整个过程涉及多个关键环节。 虽然借助大模型以及Trae，给我们提供了另外一种生成代码和学习代码的方式，但其目前还是需要人工来参与的，尤其是版本的变化导致引入的包和接口的调用方式都发生了很多变化，所以这就需要一个根据生成的代码不断的去调试和修正。本文里贴出的代码也是经历过这个过程之后总结下来的。 阅读全文

摘要： 有一天突然发现自己的OneDrive文件都无法修改了，所有文件都变成了只读。 于是提交了一个工单给微软，这里简单记录下解决的方法。 阅读全文

摘要： 在报告分析中，我们通常会想知道，比如我的一个指标，处于哪个阶段当中。类似的应用场景比如： - 销售的达成处于哪个支付区间。 - 显示成绩的分布，比如60分及格，85分优秀。 - HR的pay band。 - 吃鸡或者王者游戏的段位展示。 这篇随笔测试的场景是销售的达成区间展示。 阅读全文

摘要： 来自B站的Power BI学习视频的学习笔记。 记录来自B站的Power BI教学视频，由“高级财务BP-Ni”发布，视频发布者主要发布财务类相关的PBI视频，视频长度30分钟左右。 视频很不错，推荐大家也一起观看学习，这个视频是我自己的学习笔记，方便后续快速查找相应的知识点。 阅读全文

摘要： 阅读一些海外的Power BI dashbaord设计，简单分析了下其页面布局，方便以后在没有设计灵感的时候，回来看下能找到一些感觉。 阅读全文

摘要： 简单记录下Dify系统的部署，以及可能遇到的各种问题，然后演示一下如何快速的搭建一个问答系统。 阅读全文

摘要： 一个简单的演示，如何把大模型应用集成到自己的应用场景当中。 这里的场景我们模拟的是在吃鸡游戏中，一个作战计划，是否符合老六的行为规范。 阅读全文

摘要： Python访问大模型很方便，也让大家构建复杂的系统更加的灵活。 访问的方式也比较灵活，主要有http api，package api的方式。 这里简单汇总了常用的三种方式，包括ollama的，http api的，openAI的以及dashscope的。 阅读全文

摘要： 作为非大模型专业领域的开发者，简单记录下最近的大语言模型学习笔记，包括都有啥，怎么用，大家是怎么用的以及个人开发者怎么玩。 阅读全文

摘要： 在数据仓库里对于数据的加工一直有一个很有意思的话题，就是ETL和ELT，我记得零几年那会儿，刚开始有商业智能或者数据仓库概念的时候，只有ETL，直到后来行业逐渐成熟了起来，才又有了ELT的概念。 他们到底是怎么回事从技术角度来解释的方法很多，最近在Linkedin上看到一个图，很有意思。 阅读全文