文章列表-AI魔法学院

文章列表

WSL2安装（详细过程）

learn.microsoft.com/en-us/windows/wsl/about 适用于 Linux 的 windows 子系统允许开发人员直接在 Windows 上运行 GNU/Linux 环境 -- 包括大多数命令行工具

虚拟化 docker

强！推荐一款自动化神器Autolt：不再重复工作！

它利用模拟键盘按键，鼠标移动和窗口/控件的组合来实现各类自动化任务，包括自动化软件安装、登录、数据自动录入、界面自动化测试、数据抓取等，以及可以和其他自动化工具结合起来使用，比如，我们在使用Selenium

Autolt 自动化

9.4k Star！MemGPT：伯克利大学最新开源、将LLM作为操作系统、无限上下文记忆、服务化部署自定义Agent

MemGPT 使用函数在主上下文和外部上下文（归档和调用存储数据库）之间移动数据。

MemGPT 大语言模型

大模型时代-行业落地的再思考

，或者利用外挂数据库的方式。

大模型

TrOCR——基于transformer模型的OCR手写文字识别

该数据集包括数亿张打印文本行的图像。

OCR 手写文字识别

多智能体开发框架怎么选型？京东 JoyAgent vs langchain LangGraph，两种Agent开发哲学的碰撞!

比如，一边抓取网页数据，一边对已抓取的数据进行分析，效率直接拉满。

JoyAgent langchain LangGraph

Langchain中改进RAG能力的3种常用的扩展查询方法

使用扩展后的查询将从向量数据库中获取更多相关文档。

检索增强生成 Langchain

从⼤模型到 AI 应⽤落地，工程实现有多复杂?

私有化数据接⼊：持续更新与调整⼤模型都是通过公开可⽤的数据集进⾏预训练的，对单次输⼊

大模型

大模型应用中大部分人真正需要去关心的核心——Embedding

为了解释为什么Embedding提供了这样的实用程序，让我们看一下以前处理文本数据(如表格数据中的分类值)的方法。

大模型

Mixtral 7B 官宣免费，一大波 AI 模型也免费了，有网就能用！

根据大部分人的实际体验结果，Mixtral 8x7B 的性能已基本达到 GPT-3.5，这对于小体积的开源模型而言十分难得。

开源大模型

再也不怕合照缺人，Anydoor为图片编辑开了一道「任意门」

此前的模型已经可以根据文本提示或给定图像重新生成局部的图像区域。

Anydoor 文生图

LLM应用架构之检索增强（RAG）的缘起与架构介绍

从架构图上可以看到，除了LLM，编排服务外，向量数据库十分重要，它不仅保存了从领域知识库中导入的被embedding的领域知识外，还存储着用户与大模型对话的信息，被称作memory。

LLM

谈谈RAG存在的一些问题和避免方式

因此，如果块大小太小或块中的信息不够密集，我们可能无法从向量数据库中提取所有必要的信息。

RAG 大模型

垂直领域大模型的一些思考及开源模型汇总

而专业模式是借助检索的手段，对用户查询进行匹配从知识库中筛选出合适的证据，再根据大模型汇总能力，得到最终答案。

垂直领域大模型开源模型汇总

收藏！万字长文聊聊LLM Agents的现状，问题与未来

RAG往往是结合向量数据库，但是对于简单应用而言，只需要JSON格式文件就能实现，甚至能轻易指向其他格式文件（如图像）。

LLM Agents

<...23 24 25 262728 29 30 31 32 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1