蔡徐坤1987

摘要： 步骤： 切割成多个子文件 根据元数据字段规则，为每个子文件增加元数据属性metadata，比如说文件名，语音类型，出版时间，作者等等 存储到向量库中 当检索时，用户的提示词先通过LLM转成固定格式 query和filter，也就是问题和过滤条件的json数据 将提问的json和源文件数据进行比对，相 阅读全文

摘要： 作用：将文档分割成多份，按每份文档假设出多个问题，当用户提问时，提示词和问题匹配后再向量化匹配，增加查询效率，更精准。 步骤如下： 加载 1: 加载文档 2: 分割文档 3: 初始化 Embedding 模型 4: 初始化 LLM 5.生成假设性问题 6: 存储到向量数据库检索 1: 显示检索到的相 阅读全文

摘要： qwen2:0.5b，只有 400MB 左右，中文效果也不错。 步骤： 下载安装 Ollama：https://ollama.com/download/windows 安装完成后打开 CMD/PowerShell： # 拉取轻量模型（约400MB）ollama pull qwen2:0.5b # 测 阅读全文

摘要： 1.搭建一个最简答的智能问答 第一部分：1.引入langchain 2.阿里官网注册拿到APIKEY 3.启动类加载QwenChatModel 4.通过注解@SystemMessage（“前提条件”）加入系统提示词 5.添加对应接口 <!-- LangChain4j Core --> <depend 阅读全文

摘要： """ 简单的智能体 Demo 使用阿里千问判断并调用对应的 MCP 工具 """ import os from openai import OpenAI # 阿里千问 API 配置（兼容 OpenAI 格式） client = OpenAI( api_key=os.getenv("DASHSCOP 阅读全文

摘要： 前提： python环境，PyCharm 编译工具 1.PyCharm 的File ，setting，plugin，install里去下载Cline插件 2. 创建weather_mcp_server.py """ 简单的 MCP 天气服务 - SSE 模式 天气数据写死，用于演示 MCP 调用 " 阅读全文

摘要： 功能： 1.智能对话 2.预设角色 3.对话记忆 4.日志 5.function-call <?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="htt 阅读全文

摘要： 1. mysql 在cursor mcp直接配置: "mysql2": { "command": "powershell", "args": [ "-Command", "npx -y @f4ww4z/mcp-mysql-server" ], "env": { "MYSQL_HOST": "172. 阅读全文

摘要： 1.下载chrome mcp插件：https://github.com/hangwin/mcp-chrome/releases 2.解压文件，添加到扩展管理 3.cursor，setting，tool & interagation，add MCP 其中端口取决于在chrome MCP Server设 阅读全文

摘要： 创建项目结构 pom.xml <?xml version="1.0" encoding="UTF-8"?> <project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-i 阅读全文