文章列表-AI魔法学院

文章列表

简单提升RAG的10种方法

当这种情况发生时，LLM执行的生成步骤可能不是最佳的。

RAG 大模型

大模型微调经验汇总---LLM finetuning 踩坑经验之谈

面对诸多开源本地模型，根据自己的需求，选择适合自己的基座模型和参数量很重要。

大模型人工智能

通俗解读大模型微调(Fine Tuning)

对于个人使用者而言，如果是解决自己日常生活、工作中的一些问题，直接用Prompt Engineering的方式，通常问题不大。

大模型微调

Github2.1万星！开发者的“瑞士军刀” 开源！

集成工具箱：DevToys 提供了一系列集成工具，包括编码助手、格式转换器、文本处理工具等，这些工具在软件开发的不同阶段都非常有用。

DevToys 工具集开源

ChatGPT提示工程 - 总结

具体的说明策略1：使用分隔符清晰地标识出输入的各个部分策略2：提示模型以结构化格式输出结果策略3：让模型检查是否满足条件策略4：少样本提示原则二：给予模型思考的时间策略1：明确说明完成任务所需的步骤

GPT

大语言模型定制化应用的三种方式：Prompt engineering、Fine tuning、Pre-trainning的区别

以下是它们的区别和使用场景： Prompt Engineering（提示工程）：Prompt Engineering是通过设计和优化输入的提示或指令，以引导模型生成特定类型的输出。

大模型

主流向量数据库一览

Retrieval Augmentation 如何通过检索增强来增强GPT4的能力 Generative Question-Answering 生成式问答

向量数据库

Stable Diffusion

Stable Diffusion | SD阿里云3步部署，全程五分钟，免费试用三个月，电脑无需升级配置

别看到阿里云之类的就感觉陌生，敬而远之，其实也没有那么复杂，三步就完事了，这里就来拆解一下。

下载

CodeGeeX2来了!效果超LLaMA2-70B

很多时候对于公司内部业务代码开发场景，由于代码安全性，很难使用 Github Copilot 去 AI 生成，发现清华发布了「CodeGeeX2」，基于 ChatGLM2-6B 基座模型

CodeGeeX2 开源模型

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

llamaindex实现下的RAG架构以RAG召回为例，最原始的做法是通过top-k的方式从向量数据库中检索背景数据然后直接提交给LLM去生成答案，但这样存在检索出来的chunks并不一定完全和上下文相关的问题

大模型

这两个AI工具可以让你的工作效率提高10倍

入口：https://kimi.moonshot.cn/chat 也可以直接对文档进行提问：一分钟做PPT 用WPS AI+GPT4这两个工具就可以完成，一分钟就可以快速做好模版

AI工具

ChatGPT提示工程5篇合集(二)：ChatGPT提示工程 - 总结

用于总结的内容，摘自《百岁人生》一书，内容如下：现在，在发展中国家，如今出生的孩子可以活到100岁的会相对较少。

prompt 提示词

开发语音产品时设计唤醒词和命令词的技巧

中文命令词中只能由汉字组成，不允许有空格，逗号等其他字符； 10.

语音产品唤醒词命令词

保姆级AI写论文，ChatGPT写论文指令全集

正文写作：论文课题是《xxxxx》，请帮我完成其中一小节内容：xxxxx (输入需要完成课题和小标题，最好是一、二级标题一并输入)，请在你的回答中提供具体的例子和数据，以支持你的观点。

ChatGPT 指令

Ollama 与 Dify：AI 应用开发的强强联合

您可以使用 Ollama 的命令行界面或图形界面来完成此操作。

Ollama Dify 大型语言模型

<...93 94 95 96 979899 100 101 102 >

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