- 博客(439)
- 收藏
- 关注
RSS订阅原创 大模型系列——RAG 实战用 StarRocks + DeepSeek 构建智能问答与企业知识库
RAG（Retrieval-Augmented Generation，检索增强生成）是一种结合外部知识检索与 AI 生成的技术，弥补了传统大模型知识静态、易编造信息的缺陷，使回答更加准确且基于实时信息。
2025-05-06 20:53:35
5
原创 大模型系列——使用coze搭建基于DeepSeek大模型的智能体实现智能客服问答
扣子（coze）是新一代 AI 应用开发平台。无论你是否有编程基础，都可以在扣子上快速搭建基于大模型的各类 AI 应用，并将 AI 应用发布到各个社交平台、通讯软件，也可以通过 API 或 SDK 将 AI 应用集成到你的业务系统中。借助扣子提供的可视化设计与编排工具，你可以通过零代码或低代码的方式，快速搭建出基于大模型的各类 AI 项目，满足个性化需求、实现商业价值。点击下方+添加节点，添加一个大模型节点，进行如下连接。单击大模型节点，在右侧可以设置该节点相关信息，首先改名成总结大模型。
2025-05-06 20:21:00
106
原创 大模型系列——模型上下文提供者（MCP）如何赋能AI智能体
模型上下文提供者（MCP）作为AI系统中的智能调度层，通过动态选择与用户请求相关的工具，显著提高了AI助手的效率和准确性。它不仅减少了提示词大小，还提高了模型响应速度和决策质量。随着AI工具生态系统的不断扩大，MCP的重要性将越来越突出，成为构建高效AI系统的关键组件。
2025-05-05 16:55:34
7
原创 大模型系列——InternVL开源多模态大模型，支持图像、视频和文本处理
InternVL 是由上海人工智能实验室（OpenGVLab）开发的一个开源多模态大模型项目，托管在 GitHub 上。它集成了视觉和语言处理能力，支持图像、视频和文本的综合理解与生成。InternVL 的目标是打造一个媲美商业模型（如 GPT-4o）的开源替代品，广泛应用于视觉感知、跨模态检索和多模态对话等任务。该项目以其强大的视觉编码器、动态高分辨率支持和高效训练策略著称，模型规模从 1B 到 78B 参数不等，适合从边缘设备到高性能服务器的多种应用场景。
2025-05-01 09:44:47
16
原创 大模型系列——RAG架构大揭秘：三种方式让AI回答更精准，更懂你！
但如果问题超出了它的知识范围，它可能就无能为力了。而RAG技术就像是一个“开卷考试”的学生，它不仅可以利用自己学到的知识，还能随时查阅一个巨大的“知识库”，从中找到最相关的资料，然后结合这些资料生成一个更准确、更丰富的回答。这就像是在一个巨大的图书馆里，你只需要说出你想要找的书的主题，系统就能立刻帮你找到最相关的几本书，并且还能告诉你哪些章节是你最需要看的。它的工作方式是这样的：当你问它一个问题时，它会从知识库中找出一些和你的问题最相似的文档，然后把这些文档和你的问题拼接在一起，扔给语言模型去生成回答。
2025-05-01 09:32:12
424
原创 大模型系列——RAG进阶Embedding Models嵌入式模型原理和选择
主要用于训练和评估模型：根据一段文章回答相关的问题。**BGE-M3：**北京智源研究院开发，支持多语言、混合检索（稠密+稀疏向量），处理 8K 上下文，适合企业级知识库。**NV-Embed-v2：**基于 Mistral-7B，检索精度高（MTEB 得分 62.65），但需较高计算资源。**训练方法：**对比学习（如 Word2Vec 的 Skip-gram/CBOW）、预训练+微调（如 BERT）。**上下文依赖：**现代模型（如 BGE-M3）动态调整向量，捕捉多义词在不同语境中的含义。
2025-05-01 09:30:13
124
原创 大模型系列——Spring.new快速构建AI驱动的定制化商业应用
Spring.new 是一个基于人工智能的在线平台，专注于帮助营销经理和产品经理快速构建定制化工作流和小型应用。它通过自然语言输入，让用户描述需求，自动生成连接 Notion、Airtable、Slack 等工具的工作流或应用，例如将 Figma 设计转为可交互界面，或创建轻量级 CRM 系统。平台无需用户具备编程经验，操作简单，适合快速迭代的团队。Spring.new 强调即时性，号称从需求到成品只需几分钟，特别适合需要快速上线营销活动或产品功能的用户。
2025-05-01 09:28:59
13
原创 大模型系列——Suna集成浏览器操作与数据分析的智能代理
Suna 是 Kortix AI 开发的一个开源通用 AI 代理，托管在 GitHub 上，基于 Apache 2.0 许可证，允许用户免费下载、修改和自托管。它通过自然语言对话帮助用户完成复杂任务，如网页浏览、文件管理、数据抓取和网站部署。Suna 采用模块化架构，包括 Python/FastAPI 后端、Next.js/React 前端、Supabase 数据库和 Daytona 沙盒，确保安全性和灵活性。它支持与 OpenAI、Anthropic 等大语言模型集成，并通过。
2025-05-01 09:28:15
16
原创 大模型系列——基于 StarRocks 的向量检索探索
什么是向量检索呢？简单来说，向量检索是**通过给定一个查询向量，在特征数据库中找到与之距离最近的 k 个向量。**举个例子，如果我们把今天会场的所有人作为特征向量，那么向量检索的任务就是找到与我最相似的 10 个人。用通俗的语言来说，它其实就是一个 Top N 查询。虽然本质上，向量检索就是一个 Top N 查询，但由于深度学习中几乎所有内容都用向量表示，所以我们将其称为“向量检索”。在单机环境下，我们在 30 万到 100 万数据规模和 50 维向量的情况下，可以实现十几毫秒的延迟。
2025-04-30 08:21:50
182
原创 大模型系列——阿里云百炼 MCP 服务评测与 Agent 构建实战
第二个案例相对复杂一些，目标是让 AI 自动抓取指定网页内容，进行总结，并将总结结果连同标签一起保存到Flomo笔记应用中。此案例涉及两个第三方MCPFirecrawl（用于网页抓取）和Flomo（用于笔记记录）。
2025-04-30 08:21:01
43
原创 大模型系列——一文搞懂RAG构建知识库和知识图谱
向量化通过Embedding模型将非结构化数据（文本、图像等）映射为高维语义向量，存储则依托专用向量数据库（如ElasticSearch的dense_vector字段、Milvus）构建高效索引（HNSW、FAISS），支持近似最近邻搜索（ANN）实现大规模向量数据的快速相似性匹配。RAG构建知识库的核心在于将外部知识检索与大语言模型生成能力结合，通过高效检索为生成提供上下文支持，从而提升答案的准确性和时效性。**二、知识库和知识图谱********检索与生成的协同****三、Prompt 工程实践。
2025-04-29 08:27:57
27
原创 大模型系列——什么是 Vibe Coding？从零开始学习 AI 辅助编程
生成式 人工智能 的指数级增长正不断重塑各个行业，软件开发领域也不例外。大约在 2025 年初，一股源自美国硅谷的新思潮开始引起关注：开发者似乎可以借助 AI 工具，在几乎不直接编写代码的情况下构建产品。这种依赖直觉、跳脱传统编码苦役的开发方式，被赋予了一个颇具时代感的名字——。简单来说， Vibe Coding 代表了一种新颖的软件开发哲学。开发者主要通过自然语言向 AI 描述需求，由 AI 负责生成和修改代码。
2025-04-29 08:26:54
32
原创 大模型系列——快速部署和使用 Deep Research Web UI
Deep Research Web UI是一款由 AI 驱动的智能研究可视化工具。它整合了搜索引擎、网络抓取和大语言模型等先进技术，能够自动对复杂问题进行深度挖掘，并生成结构完整的研究报告。该工具强调用户的数据安全和部署灵活性，所有数据处理均在本地浏览器完成，并支持私有化部署。用户可以通过动态树状结构实时追踪研究的逻辑脉络，最终报告支持一键导出为 PDF 或 Markdown 格式，方便分享和存档。
2025-04-26 13:39:24
85
原创 大模型系列——多种RAG组合优化（langchain实现）
列表中的每个元素代表一条消息，消息通常由 BaseMessagePromptTemplate 类的实例组成，比如 SystemMessagePromptTemplate、HumanMessagePromptTemplate 等，分别对应系统消息、人类消息等不同角色的消息模板。例如，如果您希望与ChatGPT在与体育相关的话题范围内进行对话，可以将”system"角色分配给聊天助手，并设置内容为"体育专家”。CoT的优势在复杂的推理任务中更为明显，同时使用大型模型（例如，参数超过50B）。
2025-04-26 13:38:44
19
原创 大模型系列——AI Agent 重塑电商客服：基于 Coze 平台的实践解析
该方案的核心思想是将复杂的传统客服职能，抽象为可数据化、可调度的智能化服务单元，构建一个能自主执行服务流程的智能体系统。定制的电商智能体，能够快速从知识库中定位商品特性、促销活动信息、历史对话记录等，生成个性化的营销话术，以提升商品吸引力和转化率。模式的广泛落地仍面临挑战，包括对高质量数据的依赖、复杂或非标场景的处理能力、以及在完全自动化场景下的服务边界和伦理考量。还能结合店铺的邮费政策、运费险规则、优惠券策略等信息，解答消费者疑虑，建立信任，辅助购买决策。平台的实践，特别是在售后客服场景，其构建的。
2025-04-25 08:26:34
421
原创 大模型系列——体验 AutoGen Studio - 微软推出的友好多智能体协作框架
AutoGen和AutoGen Studio都是微软研究团队开发的工具，用于创建和管理AI智能体。AutoGen提供底层框架，AutoGen Studio提供直观的用户界面。AutoGen Studio的主要特性包括定义和修改智能体、与智能体互动、增加技能、发布会话等。与CrewAI和MetaGPT相比，AutoGen Studio提供了可视化界面，对新手更友好。AutoGen Studio可应用于文档管理、客户服务、数据分析、教育培训、创意内容生成等场景，助力任务自动化。
2025-04-25 08:25:30
109
原创 大模型系列——Dify+Notion+DeepSeek 让你的知识库更加智能
我个人的主力笔记还是Notion，在Notion中存储了大量笔记资料，但Notion无法进行信息整合，另外搜索功能也很鸡肋，虽然目前Notion也集成了AI，那目测体感下来也就是一个GPT3.5的水平。配置文本分段设置和索引方法，自动分段或自定义规则，选择质量级别（高质量消耗更多令牌，也可以设置索引方法和检索参数，提高检索精准度。通过Dify+Notion的组合，可以将静态的知识库转变为智能的信息助手，真正实现知识的高效利用和价值最大化。而且我记笔记的特点是没有分类，没有标签的最原始信息，不使用任何模板。
2025-04-23 08:18:44
215
原创 大模型系列——dify+ragflow知识库
dify借助ragflow很大程度弥补了知识库解析、知识库问答效果的不足，最方便的是ragflow官方本身就支持了dify的外部知识库API。PS：由于我的dify和ragflow都部署在同一个主机的docker中，所以dify可以通过主机的内网ip访问ragflow的知识库。，可以参考我的ragflow配置（如下：在docker-compose.yml里面把ragflow映射到主机的端口改掉，改成容器的。本期使用的dify和ragflow都是使用docker本地部署的。
2025-04-23 08:17:34
180
原创 大模型系列——Easy Dataset大模型微调数据集神器
在“Settings”页面，找到“Prompts”或“提示模板”。输入自定义提示，比如“请用简洁的语言回答问题”。保存后，生成答案时会按照你的提示调整风格。
2025-04-23 08:15:40
59
原创 大模型系列——Llama 4 系列登场 原生多模态 AI 创新的新起点
Meta 公司于 2025 年 4 月 5 日发布了其 Llama 大语言模型系列的最新成员—— Llama 4，标志着其在 AI 领域，特别是在原生多模态和模型架构方面的重大进展。此次发布的核心是 Llama 4 Scout 和 Llama 4 Maverick 两款模型，以及作为技术支撑的巨型“教师”模型 Llama 4 Behemoth 的预览。此举不仅展示了 Meta 在追赶并试图超越业界顶尖模型方面的决心，也延续了其推动开源 AI 生态的策略。
2025-04-21 07:30:30
100
原创 大模型系列——mcp-ui基于MCP协议的简洁AI聊天界面
mcp-ui 是一个开源项目，由开发者 machaojin1917939763 创建，基于 Model Context Protocol（MCP）协议打造，是一款支持 Web 和桌面环境的智能聊天应用。项目使用 Vue.js 和 Electron 构建，支持跨平台部署，适合开发者或 AI 爱好者使用。expression: { type: “string”, description: “计算表达式，如 2+3” }浏览器打开 http://localhost:5173（端口可能不同，见终端提示）。
2025-04-21 07:29:51
149
原创 大模型系列——Text2SQL 的实现探究
*Spider、WikiSQL和CHASE等主流Text2SQL数据集提供****自然语言查询与SQL查询对应数据**Text2SQL数据集是指一类专门用于训练Text2SQL（文本到SQL）模型的数据集合。**，主要包含****数据集收集、数据预处理、模型选择与构建和微调权重***基于开箱即用的Text2SQL Agent结合业务整合到应用***通过自然语言描述完成复杂数据库的查询操作****开源的AI原生数据应用开发框架****是一个利用LLMs实现****主要包括两种：**
2025-04-21 07:29:19
117
原创 大模型系列——Coze 搭建一个AI 助手智能体
无论你是否有编程基础，你都可以在扣子平台快速搭建一个 AI 智能体。本文以一个夸夸机器人为例演示如何在扣子平台搭建智能体。
2025-04-20 09:08:14
30
原创 大模型系列——Coze 什么是扣子
扣子是新一代 AI 应用开发平台。无论你是否有编程基础，都可以在扣子上快速搭建基于大模型的各类 AI 应用，并将 AI 应用发布到各个社交平台、通讯软件，也可以通过 API 或 SDK 将 AI 应用集成到你的业务系统中。
2025-04-20 09:07:28
29
原创 AI 编程工具—Cursor 进阶篇 使用cursor创建一个mcp服务，并在cursor中调用
Cursor 是一个 AI 驱动的代码编辑器，支持(MCP)，允许开发者通过自定义服务器增强 AI 功能。MCP 是一种开放标准，连接 AI 模型与外部工具或数据源。本报告聚焦于配置一个简单的天气服务器，使用假数据，适合初学者。
2025-04-20 09:03:15
181
原创 AI 编程工具—Cursor 基础篇 集成使用 MCP工具
选择对应的服务后，可以在这里拿到设置好的cursor 中对应的配置，新版的cursor已经没有界面配置入口，官方推荐使用json 格式配置，方便配置环境变量。找到你想要的mcp server 后，点击cursor ，这是因为我们在cursor中演示，也就是我们的mcp client 是cursor。这个表示有问题，其实我们删除上面的配置文件，因为我们其实在执行完npm 命令后，这个mcp server 已经配置好了，这是我后来发现的。下面我们就可以点击json 复制下面的mcp server 的配置了。
2025-04-20 09:02:10
48
原创 大模型系列——MCP全解析，一步步教你借助第三方MCP Server开发Agent
现在一起来完成一个真正的Agent，这个Agent会使用第三方MCP Server中的工具来扩展自身能力，为了方便，这里借助LlamaIndex的FunctionCallingAgent来快速实现这个Agent（LangGraph请使用create_react_agent）。比如你的应用是一个Chatbot，可以从MCP Server中取出这些模板，让使用者选择使用。**快速的适应变化：**想象下，如果一个外部资源的接口发生变化，只需要访问它的MCP Server做修改，所有的LLM应用就可无缝适应。
2025-04-18 07:52:57
134
原创 大模型系列——RAG架构大揭秘：三种方式让AI回答更精准，更懂你
但如果问题超出了它的知识范围，它可能就无能为力了。而RAG技术就像是一个“开卷考试”的学生，它不仅可以利用自己学到的知识，还能随时查阅一个巨大的“知识库”，从中找到最相关的资料，然后结合这些资料生成一个更准确、更丰富的回答。这就像是在一个巨大的图书馆里，你只需要说出你想要找的书的主题，系统就能立刻帮你找到最相关的几本书，并且还能告诉你哪些章节是你最需要看的。它的工作方式是这样的：当你问它一个问题时，它会从知识库中找出一些和你的问题最相似的文档，然后把这些文档和你的问题拼接在一起，扔给语言模型去生成回答。
2025-04-18 07:52:14
25
原创 大模型系列——Llama Stack快速入门 部署构建AI大模型指南
Llama Stack 是一组标准化和有主见的接口，用于如何构建规范的工具链组件（微调、合成数据生成）和代理应用程序。我们希望这些接口能够在整个生态系统中得到采用，这将有助于更轻松地实现互操作性。Llama Stack 定义并标准化了将生成式 AI 应用程序推向市场所需的构建模块。这些模块涵盖整个开发生命周期：从模型训练和微调，到产品评估，再到在生产中调用 AI 代理。除了定义之外，我们还在开发开源版本并与云提供商合作，确保开发人员能够使用跨平台的一致、互锁的组件来组装 AI 解决方案。最终目标是加速 AI
2025-04-17 13:47:23
109
原创 大模型系列——阿里云百炼 MCP 服务评测与 Agent 构建实战
第二个案例相对复杂一些，目标是让 AI 自动抓取指定网页内容，进行总结，并将总结结果连同标签一起保存到Flomo笔记应用中。此案例涉及两个第三方MCPFirecrawl（用于网页抓取）和Flomo（用于笔记记录）。
2025-04-17 13:46:22
73
原创 大模型系列——AutoGen多智能体协作框架
AutoGen 是微软推出的一个开源的多代理对话框架，其核心目的是助力开发者创建基于大型语言模型（LLM）的智能应用。在这个框架中，代理（Agent）是具有特定功能和角色的实体，它们能够通过自然语言进行交流和协作，共同完成复杂的任务。简单来说，就像是组建了一个虚拟的团队，团队中的每个成员（代理）都有自己的专长，通过相互沟通和配合，实现诸如问题解答、任务执行、项目管理等各类目标。
2025-04-16 09:31:18
134
原创 大模型系列——Cherry Studio配置MCP服务全流程解析：让AI自动调用工具处理任务
最近 AI 领域真是隔几天就有一个新热度，随着越来越多的使用 MCP 制作的 Agent 产品出现，MCP 这个新名词也频繁刷屏，有着大火的趋势，那么什么是 MCP 呢？MCP 是一种接口协议，由 AI 大模型公司 Anthropic 在 2024 年 11 月推出，它的全称是 Model Context Protocol，即模型上下文协议！它是连接 API 和大模型的桥梁，通过 MCP，我们可以让 AI 模型能够用一种通用的语言和各种不同的工具与服务进行交流，比如浏览器，Excel 表格，网页截图等等。
2025-04-16 09:30:06
402
原创 大模型系列——自动化运行Python代码完成数据分析任务
AiPy 是一个开源的 Python 命令行工具，由 Knownsec 团队开发。它结合大语言模型（LLM）和 Python 运行环境，让用户通过自然语言描述任务，自动生成并运行 Python 代码。AiPy 适合数据工程师、程序员和需要快速处理数据的用户。它支持 CSV、Excel、JSON 等多种格式，覆盖数据清洗、分析、可视化等功能。用户既可以用自然语言输入需求，也能直接运行 Python 代码，两种模式数据共享，操作简单。AiPy 的核心是降低编程门槛，让用户专注任务本身。
2025-04-15 22:16:37
316
原创 # 大模型系列——自动化工作流工具 n8n、Coze（扣子）与 Dify 的深度对比评测 在数字化转型浪潮中，自动化工作流工具已成为企业提高效率、降低成本的关键。而在 AI 技术日益成熟的今天，如何
维度n8nCoze(扣子Dify定位通用型(个人/企业)自动化工作流 + 原生AI快速搭建聊天机器人企业级AI应用开发平台门槛中等（需要对API有基础了解）低（完全无代码）中高（需要了解大模型配置）核心跨系统自动化，支持数据处理、同步等复杂操作对话机器人、轻量级问答大模型驱动、复杂任务处理成本开源免费，自托管无限制免费但功能受限（例如，知识库token限制）开源，需要自备模型API密钥（费用可能较高）适用场景1. 传统企业和互联网公司（如生产制造、物流、跨境电商等）
2025-04-15 22:15:36
155
原创 大模型系列——一文搞懂智能体工作流（Agentic Workflow）
智能体工作流（Agentic Workflow）则是利用多个这样的智能体协作，以自动化和优化业务流程，将复杂任务分解为可管理的子任务，并通过迭代达成目标。同时易于扩展以处理更大规模的数据和任务。Agentic Workflow以大型语言模型（LLM）为技术基础，通过多个AI Agent的协作，将复杂任务分解为可管理的子任务，并通过迭代优化完成目标的系统。J.A.R.V.I.S.，作为托尼·斯塔克（钢铁侠）的得力助手，不仅拥有强大的数据处理能力，还能精准理解并执行主人的指令，甚至能在关键时刻提供关键建议。
2025-04-15 22:14:47
32
原创 大模型系列——写给普通人的MCP入门指南
这里不过多解释，毕竟我们只是使用而不是实现。简单来说 LLM使用不同工具时，以前需要同时修改模型和工具，因为各工具的API数据格式不统一，导致适配成本高、功能添加慢。MCP协议统一了数据格式标准，规定了应用向LLM传输数据的方式。任何模型只要兼容MCP协议，就能与所有支持MCP的应用交互。这将适配工作从双向简化为单向（仅应用端），且对于已有API的应用，第三方开发者也可基于其API进行MCP封装适配，无需官方支持。可以看下面 Claude 画的这个图，虽然糙但是也可以理解了，哈哈。
2025-04-14 08:49:59
30
原创 大模型系列——如何在本地部署微软的OmniParser V2
微软的 OmniParser V2 是一款尖端的人工智能屏幕解析器，可通过分析屏幕截图从图形用户界面中提取结构化数据，使人工智能代理能够与屏幕元素进行无缝交互。该工具是构建自主图形用户界面代理的完美选择，它改变了自动化和工作流程优化的游戏规则。在本指南中，我们将介绍如何在本地安装 OmniParser V2、其运行机制、与 OmniTool 的集成及其实际应用。
2025-04-14 08:48:47
23
原创 大模型系列——如何让Dify联网，以及如何关闭工作流输出
想咨询这个问题如何解决，其实很简单的，在我们编辑页面，最左侧是有【编排】【访问API】【日志与标注】【监测】四个模块，你点击【监测】进去后会有显示你当前这个应用的名称和公开访问URL的那个卡片，应该就是第一个卡片，里面有个设置，点开后会有个弹窗，这个弹窗里面就是可以对发布后的应用中展示或者隐藏工作流详情的设置按钮。然后，我们就可以在Agent中去设置工具，选择SearXNG去使用了 ，当我们询问的时候，就会在页面显示查找网页的情况，并把最终是给联网查询的结果输出给我们。点击卡片会会显示安装按钮。
2025-04-11 08:06:25
50
原创 大模型系列——主流Rag 技术大揭秘
在测试环境中，我对上述 18 种 RAG 技术进行了严格评估。各技术在检索准确率、响应速度与实现复杂度方面各有所长，但实验数据清晰显示，凭借其灵活的策略和自适应调节能力，在整体性能上达到了最高得分 0.86，成为最佳方案。通过本次实验，我不仅深入理解了每种 RAG 技术的原理和实际应用场景，也为如何在不同项目中选用合适的方案积累了宝贵经验。未来，随着生成模型与检索技术的不断进步，各种 RAG 方法还将进一步发展，带来更智能、高效的问答系统。
2025-04-11 08:02:25
120
原创 大模型系列——一文带你快速了解MCP
MCP 是一个开放协议，允许外部其他系统以一种通用的方式，向 AI 模型提供上下文（Context）。该协议定义了 AI 模型如何调用外部工具、获取数据和与外部其他服务交互。注：我们曾在什么是 MCP，Agent 通信协议的未来如何又如何？这篇文章中有介绍过：MCP 像一个“转接头”或者“通用插座”，它的作用是让各种不同的外部服务（比如 Google Drive、GitHub、Slack、本地文件系统等）通过一个标准化的接口与 AI 模型对接。
2025-04-10 08:10:00
418
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人