文章列表-AI魔法学院

文章列表

LLM Agent最常见的九种设计模式(图解+代码)

首先判断这里的 Action 是不是 Finish，如果不是我们就可以利用大模型把 Action 后面的自然语言转换为外部工具能识别的 API 接口，这个转换过程就是大模型的 function calling

LLM Agent 图解

学术党狂喜，Meta推出OCR神器，PDF、数学公式都能转

该模型不需要任何 OCR 相关输入或模块，文本由网络隐式识别。

大模型

ChatPDF | LLM文档对话 | pdf解析关键问题

对于这类文本，我们的策略是把多级标题提取出来，然后适当做语义扩充，或者去向量库检索相关片段，最后用LLM整合即可。

大模型

AutoGPT与LLM Agent解析

从语言理解到任务执行之前大多相关项目和产品都主要利用了 GPT 模型的语言理解方面的能力，例如生成文案的 Jasper，Notion AI，帮忙做网页、文档总结的 Glarity，Bearly.ai

大模型

盘点来自工业界的GPU共享方案

以下类型中，仅CUDA聚合为空分，其余为时分。

大模型

歪理大集合，谁也跑不了

一边发文一边很是写了一点“歪理邪说”，有读者说因为自定义的话语体系，逻辑抽象读起来费劲，所以先简单梳理下。

大模型

14.4K Star，一款漂亮、快速、现代化的开源免费UI组件库

它有以下几点核心特性： · 可个性定制：NextUI提供了插件的模式来定制主题，你可以更改所有的语义标记以创建一个全新的主题

大模型

感受恐惧的力量：用 ChatGPT 分析288 篇 10w+ 公众号文章标题的情感分布

上一篇文章中，我介绍了一篇研究 ChatGPT 做定性研究质量如何的文章，结果发现 ChatGPT 做文本分类的质量与人类一致。有了这样的研究支持，我就可以放心用 ChatGPT 来做文本分析了。公司的用户反馈分类没法展示出来，需要找寻另外可用的分类文本。这个分类任务不能太简单，不然没意思，同时，分析出来的东西还要比较有趣，能有点用最好了。最终，我选择了让 ChatGPT 来对微信公众号的文章标题进行分类，看一下那些 10w+ 文章的标题都是怎么吸引人的。

大模型

LangChain: LLM 应用聚焦的两大方向，RAG 和 Agents

接入的方式也大同小异，首先检索外挂数据源中与用户给出的上下文相关的内容，合并之后做 embedding 给到所用的 llm ，最后由 llm 根据模型自己的认知，做出回答。

大模型

Prompt逆向工程：轻松复刻OpenAI“神级”提示词

因为“信、达、雅”的翻译，可能会令模型更容易误解指令要求。

大模型

AI Agent / 智能体观察笔记（中）

》的论文，论文中介绍了一个应用大语言模型实现模仿可致信人类行为的生成式智能体。

大模型

知识树：一个方法，教你构建「终身知识体系」

很遗憾，我不能，只是隐隐约约记得几个思维模型，比如多元思维模型、第一性原理、刻意练习，其他都忘得一干二净了。

大模型

书生·万卷：难得的中文开源数据集

搞大模型训练，最重要的就是高质量的数据集。

大模型

改进召回（Retrieval）和引入重排（Reranking）提升RAG架构下的LLM应用效果

其基本思路就是，原有的top-k向量检索召回扩大召回数目，再引入粗排模型，这里的模型可以是策略，轻量级的小模型，或者是LLM，对召回结果结合上下文进行重排，通过这样的改进模式可以有效提升RAG的效果。

大模型

AIGC沸腾200多天后，投资人达成三大共识

百度推出“文心一言”、阿里发布通义千问、讯飞的星火大模型，美团、百川智能、云知声等也纷纷加入到大模型赛道。

大模型

<...45 46 47 484950 51 52 53 54 ...>

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