沐子馨

摘要： 一、向量数据库的作用 在前面我们学习了如何使用嵌入模型将文本、图像等非结构化数据转换为高维向量。这些向量是 RAG 系统能够进行语义理解的基础。然而，当向量数量从几百个增长到数百万甚至数十亿时，一个核心问题随之而来：如何快速、准确地从海量向量中找到与用户查询最相似的那几个？ 1.1 向量数据库主要功 阅读全文

摘要： 现代 AI 的一项重要突破，是将简单的词向量发展成了能统一理解图文、音视频的复杂系统。这一发展建立在注意力机制、Transformer 架构和对比学习等关键技术之上，它们解决了在共享向量空间中对齐不同数据模态的核心挑战。其发展环环相扣：Word2Vec 为 BERT 的上下文理解铺路，而 BERT 阅读全文

摘要： 一、向量嵌入基础 1.1 基础概念 1.1.1 什么是 Embedding 向量嵌入（Embedding）是一种将真实世界中复杂、高维的数据对象（如文本、图像、音频、视频等）转换为数学上易于处理的、低维、稠密的连续数值向量的技术。 想象一下，我们将每一个词、每一段话、每一张图片都放在一个巨大的多维空 阅读全文

摘要： 一、什么是 RAG？ 1.1 核心定义 从本质上讲，RAG（Retrieval-Augmented Generation）是一种旨在解决大语言模型（LLM）“知其然不知其所以然”问题的技术范式。它的核心是将模型内部学到的“参数化知识”（模型权重中固化的、模糊的“记忆”），与来自外部知识库的“非参数化 阅读全文

摘要： 智能体的出现标志着人工智能领域的重大转折。这些系统专门用于规划、制定策略和执行复杂任务，而每个智能体的认知核心都是一个大语言模型（LLM）。这个 LLM 不仅仅是一个复杂的文本生成器；它充当着基础推理引擎的角色，是赋予智能体决策能力、制定计划并与环境交互能力的中央「心智」。 因此，理解这些模型的内部 阅读全文

摘要： 引言 开发者的命令行界面，长期以来都是精确命令式指令的堡垒，如今正经历着深刻的变革。它正在从一个简单的 Shell 演变为由一类新型工具驱动的智能协作工作空间：AI 智能体命令行界面（CLI）。这些智能体不仅仅是执行命令；它们理解自然语言，维护整个代码库的上下文，并能执行复杂的多步骤任务，自动化开发 阅读全文

摘要： 概述 AgentSpace 是一个旨在通过将人工智能融入日常工作流程来推动”智能体驱动型企业”发展的平台。其核心能力在于为组织的整个数字资产（包括文档、电子邮件和数据库）提供统一的搜索功能。该系统利用先进的 AI 模型（如 Google 的 Gemini）来理解并整合来自这些多样化来源的信息。 该平 阅读全文

摘要： LangChain LangChain 是一个用于开发由大语言模型（LLM）驱动的应用程序的框架。其核心优势在于 LangChain 表达式语言（LCEL），它允许您使用管道操作符将组件连接成链。这种设计形成了清晰的线性序列，每一步的输出自动成为下一步的输入。该框架专为有向无环图（DAG）工作流构建 阅读全文

摘要： AI 智能体正日益通过与数字界面和物理世界的交互来执行复杂任务。它们在这些多样化环境中感知、处理和行动的能力，正在从根本上重塑自动化、人机交互和智能系统的格局。本附录深入探讨智能体如何与计算机及其环境交互，并重点介绍相关技术进展与代表性项目。 交互：智能体与计算机 AI 从对话伙伴向主动式任务导向型 阅读全文

摘要： 提示技术简介 提示技术是与语言模型交互的核心方式，指通过精心设计输入来引导模型生成期望输出的过程。这包括构建请求结构、提供相关上下文、指定输出格式以及展示预期的响应模式。设计精良的提示能够充分发挥语言模型的潜力，产生准确、相关且富有创造性的响应。反之，设计不当的提示则可能导致模糊、不相关甚至错误的输 阅读全文