摘要： PAL（Program-Aided Language models） 思想成为大模型 Agent 领域的重要范式。核心思路是 LLM 只负责语言任务，复杂的逻辑/计算交由程序执行。 通过合理设计 prompt，模型生成代码/SQL/逻辑描述，外部程序再执行，得到结果后反馈给 LLM，LLM 再生成最 阅读全文

摘要： 随着大模型（LLM）能力越来越强，RAG（Retrieval Augmented Generation，检索增强生成）技术成为增强大模型知识准确性的关键手段。 通过检索实时数据、外部文档，模型能回答更多基于事实的问题，降低“幻觉”概率。 而 LangChain 的 LangGraph 能将 LLM、 阅读全文

摘要： 检索增强生成（RAG）是一种结合“向量检索”与“大语言模型”的技术路线，能在问答、摘要、文档分析等场景中大幅提升准确性与上下文利用率。 本文将基于 LangChain 构建一个完整的 RAG 流程，结合 PGVector 作为向量数据库，并用 LangGraph 构建状态图控制流程。 大语言模型初始 阅读全文

摘要： 1.VGG16背景介绍 VGG16是由牛津大学Visual Geometry Group(VGG)在2014年提出的深度卷积神经网络模型，它在当年的ImageNet图像分类竞赛中取得了优异成绩。 VGG16的主要贡献在于展示了网络深度(层数)对模型性能的重要性，通过使用多个小尺寸(3×3)卷积核堆叠 阅读全文

摘要： 基于 LangChain 和 GPT-4o-mini 的大模型智能体开发实战 近年来，大模型能力的持续突破，使得构建智能代理（Agent）系统成为开发者追逐的热点。 本文将以 LangChain 框架为核心，结合 GPT-4o-mini 模型，通过接入工具与消息修剪策略，实现一个具备记忆、调用搜索、 阅读全文

摘要： 在大模型应用开发中，状态管理 和 对话追踪 是不可忽视的重要能力，尤其在需要保存上下文、重放对话或进行异步处理时尤为关键。 今天我们来演示如何用 LangChain + OpenAI 的 GPT 模型 + PostgreSQL 搭建一个 具备消息存储能力 的聊天机器人。 技术栈 LangChain（ 阅读全文

摘要： AlexNet背景 AlexNet是2012年由Alex Krizhevsky、Ilya Sutskever和Geoffrey Hinton提出的深度卷积神经网络架构。 它在ImageNet大规模视觉识别挑战赛(ILSVRC)中取得了突破性成绩，将top-5错误率从26%降低到了15.3%，这一成就 阅读全文

摘要： 介绍 Hugging Face的Transformers库提供了大量预训练模型，但有时我们需要修改这些模型的默认参数来适应特定任务。 本文将详细介绍如何修改BERT模型的最大序列长度(max_position_embeddings)参数，并解释相关原理和实现细节。 原理 BERT等Transform 阅读全文

摘要： 在自然语言处理(NLP)领域，预训练语言模型如BERT已经成为主流。HuggingFace提供的Transformers库让我们能够方便地使用这些强大的模型。 本文将详细介绍如何使用PyTorch微调HuggingFace上的BERT模型，包括原理讲解、代码实现和逐行解释。 1. 微调原理 1.1 阅读全文

摘要： 1.LetNet5简介 LeNet5是由Yann LeCun等人在1998年提出的一种卷积神经网络架构，主要用于手写数字识别。它是早期卷积神经网络的成功应用之一，为现代深度学习模型奠定了基础。LeNet5的名字来源于其发明者LeCun和网络层数(5层)。 LeNet5的主要特点包括： 使用卷积层提取 阅读全文