Python+Ollama微调大模型实战
作为一名对 AI 和机器学习充满热情的人，我花了不少时间研究怎么让强大的语言模型更好地完成特定任务。今天，我想分享一份详细的指南，教你如何用 Python 微调 LLM（大型语言模型），然后用 Ol
阅读全文多模态RAG哪家强？9 个 Embedding、4 类 MLLMs、4 大框架实景比拼
现有文档 RAG 评测都在不足：数据太小、查询太假、证据太单一。华南理工&华科推出 DOUBLE-BENCH——迄今最大规模、多语言、多模态、多跳查询的文档 RAG 实战考场，用 5 168 条人工校
阅读全文新手指南：用 Pydantic AI 搭建第一个研究 Agent
引言在这个信息飞速变化的时代，实时、情境感知的搜索代理需求从未如此强烈。从商业研究到AI驱动的问答，能实时查询网络并通过强大的逻辑管道处理结果是个巨大优势。Tavily凭借其强大的网络搜索集成，结合
阅读全文RAG绝佳组合！高精度AI解析+Ragflow打造高性能知识库
对于高专业性或企业级的知识问答应用，RAGFlow是各个开发团队的常用框架，它提供的工具链简化了从知识库搭建、向量检索到生成的RAG流水线开发。RAG这条务实的路径让LLM能实时查询私有知识库，显著提
阅读全文Streamlit + Python 打造交互式仪表盘实战
想不写一行 JavaScript 就把数据变成酷炫的交互式 Web 应用吗？来认识一下 Streamlit 吧！Streamlit 是一个开源的 Python 库，让任何人都能几分钟内搞定漂亮、可分
阅读全文RAG 不止能检索！它还能在 LangGraph 中当“工具调用大脑”
Retrieval-Augmented Generation（RAG）是一种结合信息检索和大型语言模型（LLMs）来回答用户查询的方法。传统上，这涉及将检索器直接连接到生成流水线。然而，通过 Lan
阅读全文智能体工作流（Agentic Workflow）：AI应用开发的全面解析
随着基座模型的不断更新成熟，智能体工作流（Agentic Workflow）已成为AI领域的热点，它将AI智能体（AI Agent）的推理能力与结构化工作流结合，实现复杂任务的半自主执行。AI智能体结
阅读全文Context Engineering 如何超越 Prompt Engineering
Prompt Engineering -> 提示词工程Context Engineering -> 语境工程下文都会有用提示词工程、语境工程来编写。提示工程已死，语境工程的时代来了还记得一年前吗？那
阅读全文别再踩坑了！这 10 个低成本开源 AI 智能体好使
让我跟你说——大部分AI工具就像那个满嘴跑火车但啥也干不成的同事。不会写代码，不会做报表，连上网浏览都会崩。如果你现在就在用这种破工具，那真是选错了。不过好消息是：市面上还真有能干活的AI工具！我来
阅读全文从LangChain到LangGraph：AI智能体提示词工程的系统化学习
AI 的世界正在飞速演变，从简单的问答系统升级成了复杂、多步骤推理的智能代理。不管你是想打造客服机器人、数据分析工具，还是复杂的自动化工作流程，掌握 LangChain 和 LangGraph 的提
阅读全文从零构建Agentic RAG：让大模型学会自主检索与回答
🧠 从零构建 Agentic RAG：让大模型学会自主检索与回答在 AI 应用开发中，我们常常会遇到这样一个难题：👉 用户提的问题，大模型（LLM）到底该直接回答，还是需要先去检索资料再作答？如果模型
阅读全文2025年最值得关注的6大MCP工具
在 AI 开发进入新阶段的 2025 年，MCP（模型上下文协议，Model Context Protocol） 正在成为行业新标准。它像一把“万能遥控器”，让大语言模型（LLM）直接连接到 GitH
阅读全文99%的人都忽略的JSON提示词
大家把AI说得比实际复杂多了。他们总爱抛出一些高大上的词，比如“提示工程”啊，“多模态微调”啊（这些词到底啥意思？）。但对我来说，真正改变游戏规则的？一个听起来超无聊的小技能：JSON提示。不，这不
阅读全文太强了！建议所有研究生都去学一遍…
我给大家推荐报名由中小企业合作发展促进中心联合中科软研组织的一系列高质量培训课程，需要的粉丝可以来抄作业了~之前也分享过中科软研的科研培训，亲身体会过确实不错才给大家推荐，内容涵盖多个科研实操关键环节
阅读全文对话式 RAG：让你的问答应用更“聪明”
在很多问答（Q&A）应用中，用户希望和机器人进行自然的多轮对话。这意味着应用不仅要能回答单个问题，还需要具备“记忆”功能，把过去的问题和答案利用起来，才能让对话连贯。本文将介绍如何在 RAG（Retr
阅读全文大模型的“外挂记忆”——带你入门 RAG
大家好，今天给大家分享一个大模型领域的“王牌技术”——RAG（Retrieval Augmented Generation，检索增强生成）。你是不是也遇到过这种情况：聊天机器人回答得头头是道，但细问细
阅读全文RAG 生态系统全攻略：组件搭建与优化实践
大多数团队在为自己的数据打造一个生产就绪的RAG系统时，都会经历多轮实验，依赖于多个不同的组件，每个组件都需要自己的设置、调优和小心处理。这些组件包括……生产就绪的RAG系统• 查询转换：重写用户的
阅读全文盘点那些不怎么出名但是真的好用的Python工具
12个小巧库解决大问题它们不怎么出名——但真挺好使。我猜你用Python写代码够久了，觉得自己啥都见过了——或者至少凌晨2点在StackOverflow上刷到过。然而，在开源的丛林深处，藏着一些超棒
阅读全文MCP开发从入门到实战，少走99%弯路
模型上下文协议（Model Context Protocol，MCP）正在彻底改变我们与人工智能的交互方式，它让从数据科学家到业余爱好者的每个人都能轻松地为 AI 助手接入真实世界的数据，从而大幅提升
阅读全文写给小白看的使用LangChain构建基于知识图谱的RAG系统实战教程
在构建基于知识图谱的RAG系统或使用LangChain的智能体时，最大的挑战之一是从非结构化数据中准确提取节点和关系。特别是当使用较小的、量化的本地LLM时，这一点尤其困难，结果往往是AI系统表现不
阅读全文大意了啊，生产就应该用vLLM部署大模型部署！
大型语言模型（LLMs）正在改变我们与技术的互动方式，从聊天机器人到代码助手，功能无所不包。但要高效运行这些模型可不是件小事，尤其是在需要速度、可扩展性和高吞吐量应用的稳定性时。如果你一直在用Oll
阅读全文告别低效对话：MCP 与 ACP/A2A 的 AI 聊天新思路
引言在之前我们聊过MCP革命的宏观话题，这篇文章咱们来聚焦一下，专门对比一下 Model Context Protocol (MCP) 和 Agent Communication Protocol
阅读全文Qwen-Image真的强到离谱！
每个月总有人跳出来说“开源DALL·E杀手”来了，但大多一问到在广告牌上写字，或在街头横幅上放一句话，就歇菜了。它们要么对不齐，要么文字渲染拉胯，要么布局乱七八糟。风格好看还是结构靠谱，总是二选一，
阅读全文从零开始做一个语义搜索引擎：基于LangChain与Qdrant的实战指南
在 AI 应用中，检索增强生成（RAG） 已成为提升大模型能力的核心手段。在进入 RAG 正式搭建之前，我们先来学一个基础但超有用的技能：语义搜索。与传统的关键词匹配不同，语义搜索会根据“意思”而不是
阅读全文Agent101第五课：一个简单的聊天机器人（下）
在 AI 越来越普及的今天，聊天机器人（Chatbot）已经能解决很多问题，但我们都知道，它们并非万能。有时，问题复杂到 AI 无法给出可靠答案；有时，出于安全和合规考虑，我们希望在机器人执行操作前，
阅读全文超百幅高清彩图，从根本上搞懂DeepSeek的原理！
还记得 2025 年春节，DeepSeek 刚刚亮相时的场景吗？那一刻，它不仅刷新了国产开源大模型的上限，也让全球 AI 技术圈震动。很多朋友可能每天都在用 DeepSeek 或类似产品，但面对一些核
阅读全文Agent101第五课：一个简单的聊天机器人（上）
用 LangGraph 打造智能客服机器人：从零到进阶想做一个能聊天、能搜索、还能记住你话的智能机器人？今天我们用 LangChain + LangGraph 来实战一个客服机器人，功能一路进化！第一
阅读全文从GPT-5看AI：OpenAI再领潮流
OpenAI 正式发布 GPT-5 了。公司称这是一个统一的系统，能自己决定回答问题前需要思考多久。Sam Altman 说，GPT-5 就像是你可以“向一个真正的专家、博士级别的专家提问任何问题”
阅读全文混合智能体（MoA）框架：通过多智能体协作提升大语言模型性能
混合智能体（Mixture-of-Agents, MoA）框架正在重新定义我们如何将大语言模型（LLM）推向更高的准确性、推理深度和可靠性水平——而无需承担扩展单一巨型模型所带来的高昂成本。MoA 并
阅读全文自己动手从零开始构建一个小语言模型
在当前的 AI 进化阶段，任何参数量少于 10 亿的模型都可以称为小型语言模型（Small Language Model）。回顾过去，像 GPT-3 这样的模型有大约 1750 亿个参数，而据说 G
阅读全文