文章列表-AI魔法学院

文章列表

【工具书】基于角色和思维链的人工智能中文Prompt提示词，涵盖几乎所有场景

让我们开始吧：此时你（佛陀）正住在吉瓦卡芒果林的王舍城附近。

prompt 提示词

全球最强大模型一夜易主，GPT-4时代终结！Claude 3提前狙击GPT-5，3秒读懂万字论文理解力接近人类

再比如，如果问；旧金山太鼓道馆的招牌是什么？

claude 大模型

中文通用大模型最全汇总

除姜子牙系列模型之外，该项目还开源了太乙、二郎神系列等模型。

大模型开源模型

80多个罕见的论文prompt，让你起飞！

我想包括[来源作者姓名]对[特定主题，例如“太阳能”]的研究的见解。

prompt 提示词论文

大模型应用设计的10个思考

这意味着，模型在从一分钟到下一分钟的交互中，不太可能记住所有的细节。

大模型应用

深度对比丨探索LLM（大模型）部署服务的七大框架差异

如果使用不太常见的架构可能是不支持的。

大模型

最新最强开源模型Qwen3本地运行指南！Windows+ollama+chatwise轻松搞定

但是，通过命令界面来对话，总是不太方便，就像在黑暗中摸索一样。

Qwen3 开源模型

通俗解读大模型微调(Fine Tuning)

另外，Prompt太长会因超过限制而被截断，进而导致大模型的输出质量打折口，这也是一个非常严重的问题。

大模型微调

Stable Diffusion

Stable Diffusion新手快速入门教程

当CFG处于16-20时，你得确定你的提示词真的是你想要的，否则效果不会太好。

文生图

LangChain - RAG: 拿什么「降伏」PDF 中的 Table 类型数据

ocr 对资源的消耗太大，如果是提前转换成 markdown 相信效率会高很多出自：https://mp.weixin.qq.com

大模型 LangChain RAG

Stable Diffusion

【Stable Diffusion操作入门】Stable Diffusion 操作界面及基础参数介绍

也就是说你每点击一次生成按钮，生成的图片数量=批次*数量需要注意的是每批数量是显卡一次所生成的图片数量，速度要比调高批次快一点，但是调的太高可能会导致显存不足导致生成失败，而生成批次不会导致显存不足

文生图 SD

OCR的终极解法——传统算法VS多模态大模型

ensp;命名实体识别 {实体类型: None} semantic_cls( input='1944年毕业于北大的名古屋铁道会长谷口清太郎等人在日本积极筹资

OCR 大模型文字识别

一人搞定30万商品分类：AI落地实践故事！

577d3e2a8f52ca85a5be4882a584e3e3.png 这样操作有个弊端，对话轮次太多了，得有几百次。

embedding 大数据分类

DeepSeek V3刷屏，550万元2000张卡做出的开源模型，和OpenAI几亿烧出来的一样好

Meta的田渊栋也直接表示：“DeepSeek这真是把H800 hack了底朝天[捂脸]太夸张了😂”Andrej Kaparthy也再次赞扬Deepseek的技术报告值得一读。

DeepSeek V3 开源模型

【语音识别】OpenAI语音力作Whisper

全大写或全小写的转录本不太可能是人类生成的，剔除它们； 2.

语音转文字 whisper

<...30 31 32 33 343536 37 38 39 >

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