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，将代码中预设好 ReAct 的提示词模板(格式为Quesion->Thought->Action->Observation)和用户的问题进行合并。

LLM Agent 图解

快消品企业怎么才能用上大语言模型？

另一个是潜藏在“ 准备企业的专有数据 ”环节背后的数据安全问题，AI大语言模型在完成自然语言预训练的基础上，需要进一步结合应用场景的特定数据，才能够实现能力的特化。

大模型

Stable Diffusion

[Stable Diffusion]SD安装、常用模型（checkpoint、embedding、LORA）、提示词具、常用插件

预置 ControlNet v1.1.410 所有模型含 IP-Adapter、汉化、tagger 等常用插件、模型路径优化。

开源模型文生图图生图提示词

Stable Diffusion

超详细的 Stable Diffusion ComfyUI 基础教程（一）：安装与常用插件

添加 Lora 和 Checkpoint 加载器节点，这些节点能够显示预览图像，只需在模型文件旁边放置一个 png 或 jpg，它就会在悬停时显示在列表中； 3.

文生图 comfyui

图解检索增强式生成（RAG）技术 | 万字长文

选择路由选项是通过 LLM 调用完成的，它以预定格式返回结果，用于将查询引导到给定的索引，或者，在我们讨论类似于 Agent 的行为时，引导到子链甚至其他 Agent，如下面的多文档 Agent 方案所示

检索增强式生成 RAG

高级 RAG 技术——图解概览

路由选项的选择通过大语言模型调用来执行，返回的结果采用预定义格式，用于将查询路由至指定索引。

RAG 检索图解

简单提升RAG的10种方法

当查询进入时，它也会被嵌入以与问题是，预训练模型关于嵌入空间中相似内容的概念可能与您的上下文中相似内容不太一致。

RAG 大模型

大模型量化：什么是模型量化，如何进行模型量化

PTQ 与 QAT 后训练量化（Post-Training Quantization, PTQ）后训练量化(PTQ)可以在没有原始的训练过程的情况下，就能将预训练的FP32模型直接转换为定点模型络

大模型

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

近似消息计数假设预提示有 1k 个令牌，平均消息大小为50 个代币。

MemGPT 大语言模型

SD入门教程四：图生图基础用法

· 仅蒙版区域下边缘预留像素：确保处理效果的平滑性和避免产生硬边或不自然的过渡，而在蒙版区域的下边缘额外保留了一些像素，建议默认值。

SD 入门图生图

Stable Diffusion

Stable Diffusion由入门到精通

80％+ 6.DPM2 a：几乎与DPM2相同，是对于DDIM的改进，减少步骤以获得良好的结果，它的速度大约是DDIM的两倍，生图效果也非常好 7.DPM fast：此为上界开发者所遗留的测试工具

prompt 文生图

AI Agent：大模型与场景间的价值之桥，但不适合当纯技术看

这是《黑客帝国》，《源代码》这类电影很关键的一个预设。

大模型

使用自己的数据训练清华ChatGLM2-6B 模型

nbsp;Deepspeed，然后运行以下指令： bash ds_train_finetune.sh 训练完成后的output目录文件： image-20230805174618513 测试

ChatGLM2-6B

DALL-E 3 不只是文生图！10 个案例颠覆认知

可以预见的是，在未来，想象与现实之间的界限会变得越来越模糊！

DALL-E 3 文生图

Prompt、RAG、微调还是重新训练？如何选择正确的生成式AI的使用方法

既然觉得上面的方案准确性都不够高，所以就需要有足够的预算和时间来做的更好。

生成式AI

<...62 63 64 65 666768 69 70 71 >

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