2.Langchain 1.2.0 学习 --- Models
LangChain Models 完全指南：从入门到实践 如果你正在开发 AI 应用，那么 LangChain 的 Models 模块是你必须掌握的核心组件。它就像是你与各种大语言模型（LLM）沟通的"翻译官"和"调度中心"。本文将带你全面了解 LangChain 1.2.0 中 Models 的用 ...
罗兰艺境GEO技术架构：基于DSS原则的认知基建工程体系
本文基于罗兰艺境《GEO技术架构系统》（软著登记号：2026R11L0227884），系统阐述以DSS原则（语义深度/数据支持/权威来源）为核心的三层工程结构：内容预结构化层、机器共识编码层、动态认知适配层。文章公开意图映射、抗幻觉设计、Schema标记、平台适配等具体实施规范，并附DSS自检表与代... ...
基于深度学习的大棚黄瓜检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)
本文介绍了基于YOLO算法的黄瓜检测系统，该系统集成了YOLOv5/v8/v11/v12四种模型，提供多模态检测、结果保存和模型切换等功能。系统采用Python3.10+PyQt5+SQLite技术栈，支持用户管理、数据可视化等交互操作。通过对比测试，YOLO12n在精度上表现最优（mAP40.6%... ...
3.28 Data Meets AI 杭州线下沙龙：时序数据库 IoTDB 邀你共探工业数智化技术的破局之路
AI 浪潮奔涌，如何让数据真正成为生产力？ 如何用好时序数据库，在工业场景中落地 AI 价值？ 这场聚焦「Data+AI」的线下技术沙龙，将为你打开全新思路！ 2026 年 3 月 28 日（周六）13:30-17:25，杭州市仓前国际街区会客厅，谙流科技、天谋科技、爱可生、Timepl ...
Spring with AI (3): 定制对话——Prompt模板引入
本文代码：https://github.com/JunTeamCom/ai-demo/tree/release-3.0 Spring with AI系列，只关注上层AI的应用程序（基于JAVA搭建），不关注底层的LLM原理、搭建等技术。 通过简单的自定义Prompt模板，即可定制一个AI，专注某一领 ...
高光谱成像（十）基于 LMM 的端元提取
在上一篇中，我们已经介绍了光谱解混的基本思想。光谱解混通常以 LMM 为基础模型，其一个像素的光谱被表示为多个端元光谱的线性组合： \[\mathbf{x} = \sum_{i=1}^{p} a_i \mathbf{s}_i + \mathbf{n} \]\(\mathbf{s}_i\) 就是第 \ ...
AI智能体时代财务人员的职业转型与组织变革
AI智能体时代财务人员的职业转型与组织变革，核心议题是当"数字员工"全面接管系统后，人类财务的不可替代性究竟在哪里。一、被摧毁的旧堡垒：三类能力将迅速"清零"首先直面残酷现实，指出在AI冲击下，占财务部门70%人力的三类工作需求将大幅萎缩：一是"人肉数据搬运工"，即因系统壁垒产生的手工数据录入、导出 ...
1.Langchain 1.2.0 学习 --- 提示词
LangChain 1.2.0 提示词工程学习笔记 前言 在 LLM 应用开发中，提示词（Prompt）是连接人类意图与大语言模型能力的桥梁。LangChain 1.2.0 提供了强大而灵活的提示词构建工具，帮助开发者更高效地构建 AI 应用。本文将详细介绍 LangChain 中的各种提示词模板和 ...
Vision Transformer (ViT) 技术解析
论文：[2010.11929] An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale 概述 Vision Transformer (ViT) 将标准 Transformer 架构直接应用于图像分类任务。模 ...
Agentic AI时代程序员必备算法思想详解（附实战案例）
Agentic AI时代，程序员必备的算法思想指南 AI已来，程序员要失业了吗？别慌！Agentic AI时代，程序员最重要的不是写代码，而是教会AI如何思考。有了Agent智能体，更需要掌握算法思想——这是你驾驭AI的"超能力"。 AI时代，程序员的价值不在于写代码，而在于用算法思想驱动AI生成最 ...
从LLM到Agent：拆解AI大语言模型的基础工程概念全景图
随着AI技术的快速发展，大语言模型已经从单纯的文本生成工具演变为能够执行复杂任务的智能系统。要真正理解现代AI应用的工作原理，我们需要掌握从底层模型到上层应用的一整套工程概念。本文将系统性地拆解AI（特别是大语言模型）领域的基础工程概念，为你构建一个从底层到上层的完整理解框架。 1. LLM：AI技 ...
在AI的世界里，做一个真实的人
在AI可以写出流畅代码、生成营销文案甚至诊断医学影像的今天，人类的价值到底在哪里？ 这是一个让无数人焦虑的问题。 最近读到一篇国外的文章《How Human Work Will Remain Valuable in an AI World》的文章，其中有个概念让我印象深刻--“疤痕组织”（scar ...
Qwen3.5 0.8b老电脑小试牛刀
Qwen3.5 0.8b 老电脑小试牛刀 阿里云在 2026 年初发布的 Qwen3.5 0.8B 是一款极具突破性的“微型”基础模型。虽然只有 8 亿参数，但它拥有 Gated Delta Networks 混合架构、原生多模态支持以及超长上下文窗口。由于体积极小，它正在重塑端侧（Edge）AI ...
高光谱成像（九）光谱解混基础
在之前的内容中，我们已经介绍了 LMM 的基本思想及其相关概念。根据这一模型，高光谱图像中每个像素的观测光谱都可以表示为若干端元光谱的线性组合。 而在此基础上，MF 和 ACE 这类高光谱目标检测算法，其实可以看作 LMM 的一种特殊应用形式。这类方法通过估计背景像素的统计特性，构建针对目标光谱的滤 ...
基于深度学习的工程车辆检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)
本文介绍了一个基于YOLO算法的工程车辆检测系统，该系统融合了YOLOv5/v8/v11/v12等多种模型，能高效识别复杂场景中的工程车辆。系统具备用户管理、多模态检测（图片/视频/摄像头）、结果保存导出等功能，并支持模型切换。技术分析显示YOLOv12精度最高（mAP40.6%），YOLOv11速... ...
CLIP：连接视觉与语言的桥梁
什么是 CLIP？ CLIP（Contrastive Language-Image Pre-training，对比语言-图像预训练）是 OpenAI 提出的一种多模态预训练模型。它采用对比学习和双塔架构，实现了视觉与语言的统一表征。 CLIP并不像是一种模型，更像是一种方法，一种通用的将计算机视觉模 ...
Vulkan Cooperative Matrix 简明教程
1. 引言 本教程介绍 Vulkan 中的 Cooperative Matrix（协作矩阵）技术，包括工作原理、Vulkan 扩展 API、Shader 函数详解，以及在 NCNN 深度学习框架中的实际应用。 在阅读本文前您需要一定的GPU编程知识，以及Vulkan Compute基本知识，这里推荐 ...
AI时代，人人都是Agent工程师
AI时代，人人都是Agent工程师 "我写了10几年代码，现在AI写得比我快比我好，我还有价值吗？"这是最近一年，无数程序员在深夜问自己的问题。 作为一个有着20年经验的老程序员，我也一样焦虑。大家好，我是一名互联网软件工程师，网名刀法如飞。 AI时代，不是所有人都需要会写代码，但所有人都需要会驱动 ...
深入理解 Transformer：从数据流动看模型架构
论文链接：Attention Is All You Need 这篇论文提出了 Transformer 模型架构，这是一个序列到序列的模型，在论文中被应用于英德和英法两个机器翻译任务。 由于 Transformer 被用于翻译任务，整个模型的输入维度是 (batch_size, seq_len)，输 ...
深度学习笔记-《动手学习深度学习》
本笔记是作为复试应对面试回答做的一些笔记，后期还要去读一些论文加深理解，参考书为《动手学习深度学习》 作为一个研究者，我需要去读很多的文章，去总结很多不同的优秀的研究者对这个世界的认识，然后形成自己独特的观点是很重要的 读论文 读论文的过程：Abstract、Introduction（讲个故事，我们 ...
