- 博客(142)
- 收藏
- 关注
RSS订阅转载 Qwen-Agent + MCP 快速上手
Qwen-Agent是一个开发框架。开发者可基于本框架开发Agent应用，充分利用基于通义千问模型（Qwen）的指令遵循、工具使用、规划、记忆能力。本项目也提供了浏览器助手、代码解释器、自定义助手等示例应用。现在，Qwen-Agent 作为的后端运行。
2025-05-14 23:14:12
129
原创 SDL的AI增强实践：大模型重塑安全开发全流程（超详细操作指南）
微软SDL框架自2007年发布以来，已护航超10亿行代码的安全交付。大家好，我是大 F，深耕AI算法十余年，互联网大厂技术岗。分享AI算法干货、技术心得。，并提供可直接复用的代码片段、配置模板与工具链。，平均质量分 91，持续更新中。
2025-04-19 09:00:00
756
原创 【RAG 篇】向量数据库选型指南 —— Milvus 与 FAISS/Pinecone/Weaviate 等工具对比
在 AI 时代，向量数据库通过高效管理高维向量数据（如文本嵌入、图像特征），支撑推荐系统、语义搜索等核心场景。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。大家好，我是大 F，深耕AI算法十余年，互联网大厂技术岗。，一起探索技术的无限可能！Prometheus监控。IVF/PQ算法优化。
2025-04-18 05:00:00
1250
原创 RAG 常见分块策略全解析：一文了解7种分块方法【附代码】
然而，生成模型（如大型语言模型，LLM）的上下文窗口是有限的，这意味着它能够处理的输入文本长度是有限制的。如果检索到的文本块过大，超出了这个限制，就无法完整地输入到生成模型中，从而可能导致生成的响应不准确或不完整。通过将文档分块，可以确保每个块的大小都在生成模型的上下文窗口范围内，从而使模型能够有效地处理和生成高质量的响应。例如，在一个包含多个主题的长文档中，分块可以将不同主题的内容分割开来，使得检索系统能够针对特定主题进行更精确的检索。在检索增强生成（RAG）系统中，分块策略是决定系统性能的基石。
2025-04-17 14:15:00
922
原创 【面试必背】Transformer技术全面解析：从原理到实践中的20个关键问题
Transformer彻底改变了深度学习领域，其灵活性和扩展性使其在NLP、CV、语音等多个方向持续突破。未来，随着轻量化、多模态和自动化技术的发展，Transformer将更广泛地赋能工业界与学术界。在翻译长句子时，Transformer能直接捕捉句首和句尾的关系，而RNN可能因梯度消失/爆炸丢失信息。的深度学习模型架构，由Vaswani等人在2017年提出，最初用于机器翻译任务。大家好，我是大 F，深耕AI算法十余年，互联网大厂核心技术岗。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。
2025-04-16 08:00:00
1409
原创 大模型到底是怎么产生的？一文揭秘大模型诞生全过程
大模型到底是怎么产生的呢？本文将从最基础的概念开始，逐步深入，用通俗易懂的语言为大家揭开大模型的神秘面纱。大家好，我是大 F，深耕AI算法十余年，互联网大厂核心技术岗。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。【专栏介绍】欢迎关注《大模型理论和实战》《DeepSeek技术解析和实战》，一起探索技术的无限可能！【大模型篇】更多阅读【大模型篇】万字长文从OpenAI到DeepSeek：大模型发展趋势及原理解读【大模型篇】目前主流 AI 大模型体系全解析：架构、特点与应用。
2025-04-16 07:30:00
654
原创 【面试必背】RAG技术全面解析：从原理到实践中的20个关键问题
RAG通过检索与生成的有效结合，为大模型落地提供了实用路径。未来随着多模态技术和自动化评估的发展，RAG将在更多领域展现其价值。大家好，我是大 F，深耕AI算法十余年，互联网大厂核心技术岗。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。是一种结合检索技术与生成模型的技术。→ Query改写为“减少大语言模型的幻觉方法”→ 文本检索：产品描述中的“聚酯纤维+氨纶”；→ 图片检索：识别SKU对应的“红色连衣裙”；→ 表格检索：关联库存表格中的材质详情。用户问：“红色连衣裙的材质是什么？
2025-04-16 04:15:00
634
原创 【面试必读】强化学习技术深度解读：从原理到实践的 20 个关键问题
强化学习通过智能体与环境的交互学习最优策略，在复杂决策任务中展现出巨大潜力。开发者需深入理解MDP框架，掌握值函数与策略优化方法，并结合实际问题设计奖励函数、选择合适算法。未来，随着离线学习、多智能体等技术的发展，强化学习将在更多领域实现落地应用。马尔可夫决策过程是强化学习的数学框架，描述智能体与环境的交互过程，假设当前状态包含所有历史信息（马尔可夫性）。大家好，我是大 F，深耕AI算法十余年，互联网大厂核心技术岗。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。，一起探索技术的无限可能！
2025-04-15 06:00:00
821
原创 AI Agent 搭建平台横向对比：Dify、阿里云百炼、Coze
随着生成式AI技术向行业场景加速渗透，低代码/零代码AI Agent开发平台成为企业智能化转型的核心工具。本文聚焦国内三大主流平台——Dify（苏州语灵）阿里云百炼字节Coze，从技术能力行业适配性商业化路径三大维度展开深度评测，为开发者与企业提供选型参考。三大平台在技术开放性行业适配性生态壁垒Dify代表开发者友好型工具，适合追求技术可控性的团队；阿里云百炼彰显大厂生态优势，成为传统企业智能化改造的“安全选择”；Coze则凭借零代码和流量红利，正在重塑社交场景的AI交互体验。未来竞争焦点将集中在。
2025-04-14 13:30:00
1161
原创 让AI写代码？AI IDE 三强争霸：深度拆解 Windsurf、Cursor、Trae 中文生态（开发者视角）
Windsurf：学霸班课代表，适合大型复杂项目，但学习成本高Trae：中文特色班，接地气功能多，特别适合国内项目Cursor：兴趣班优等生，轻量快捷但能力上限明显。
2025-04-14 06:00:00
1302
原创 大模型到底是怎么产生的？一文了解大模型诞生全过程
大模型到底是怎么产生的呢？本文将从最基础的概念开始，逐步深入，用通俗易懂的语言为大家揭开大模型的神秘面纱。大家好，我是大 F，深耕AI算法十余年，互联网大厂核心技术岗。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。【专栏介绍】欢迎关注《大模型理论和实战》《DeepSeek技术解析和实战》，一起探索技术的无限可能！【大模型篇】更多阅读【大模型篇】万字长文从OpenAI到DeepSeek：大模型发展趋势及原理解读【大模型篇】目前主流 AI 大模型体系全解析：架构、特点与应用。
2025-04-14 00:06:05
122
原创 5人3小时复刻Manus？开源OpenManus项目全解剖，我的DeepSeek股票报告这样诞生
通过以上对 OpenManus 开源项目的详细解读，我们可以看到它在短时间内复刻了 Manus 的核心功能，并且以完全开源的形式为用户提供了一个无需邀请码的智能体解决方案。其模块化的设计和灵活的配置使其具有很强的扩展性和适应性，能够满足不同用户在多种场景下的需求。虽然目前功能还较为基础，但随着社区的不断发展和贡献，OpenManus 有望在未来实现更强大的功能和更优化的性能，成为 AI 领域中一个重要的开源项目。
2025-04-13 15:29:51
1150
原创 从Manus爆红到OpenAI反击：AI Agent技术架构与实战解析
AI Agent（人工智能代理）是具备自主感知、决策和执行能力的智能系统。Profile 模块定义智能体的角色和目标，明确其在特定场景中的任务和职责。例如，一个客服智能体的 Profile 是解决用户问题，其目标是提高用户满意度。Memory 模块记录和存储智能体与环境交互过程中产生的信息，包括历史对话、用户偏好等，为后续决策提供依据。比如，对话系统中的 Memory 可以记住用户之前提到的内容，使对话更连贯。Planning 模块。
2025-04-13 15:23:31
1073
原创 一文横扫热门AI中文知识能力数据集（一）：M3KE、GAOKAO-bench、CMMLU、Chinese_MMLU
中文自然语言推理数据集（A large-scale Chinese Nature language inference and Semantic similarity calculation Dataset） 数据及通过翻译加部分人工修正的方法，从英文原数据集生成，可以一定程度缓解中文自然语言推理和语义相似度计算数据集不够的问题。
2025-04-13 15:10:59
891
原创 DeepSeek演示如何快速搭建文献综述框架——写论文
大家好，我是大 F，深耕AI算法十余年，互联网大厂技术岗。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。更多文章可关注《大模型理论和实战》、《DeepSeek技术解析和实战》，一起探索技术的无限可能！【数据集篇】更多阅读：大语言模型常见任务及评测数据集汇总（一）：70 余个数据集!_lcsts数据集-CSDN博客大语言模型常见任务及评测数据集汇总（二）：90个数据集！_ace02数据集-CSDN博客大语言模型实战手册：文本生成任务中，常用数据集有哪些？
2025-04-12 09:15:20
865
原创 大模型浪潮中的研发岗位：算法与工程，谁将最先被边缘化？【简单聊聊】
AI能帮你做80%的基础工作，剩下的20%才是你真正的价值所在。无论是工程岗还是算法岗，核心竞争力永远是“解决问题的能力”——而AI只是帮你更高效地实现它。
2025-04-11 08:30:00
951
原创 五万字技术干货：零基础攻克 Transformer 架构，探寻“人工智障”到“人工智能”的进化之路【附所有代码】
编码器# 解码器# 源语言和目标语言的嵌入层# 输出层# 源语言和目标语言的嵌入# 编码器处理源语言嵌入# 解码器处理目标语言嵌入，并结合编码器的输出# 输出层得到最终结果sum。
2025-04-11 06:15:00
801
原创 【面试必背】RAG技术全面解析：从原理到实践中的20个关键问题
RAG通过检索与生成的有效结合，为大模型落地提供了实用路径。未来随着多模态技术和自动化评估的发展，RAG将在更多领域展现其价值。大家好，我是大 F，深耕AI算法十余年，互联网大厂核心技术岗。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。是一种结合检索技术与生成模型的技术。→ Query改写为“减少大语言模型的幻觉方法”→ 文本检索：产品描述中的“聚酯纤维+氨纶”；→ 图片检索：识别SKU对应的“红色连衣裙”；→ 表格检索：关联库存表格中的材质详情。用户问：“红色连衣裙的材质是什么？
2025-04-10 23:26:38
1182
原创 DeepSeek提示词实战大全：提示词合集和使用技巧
大家好，我是大 F，深耕AI算法十余年，互联网大厂技术岗。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。更多文章可关注，一起探索技术的无限可能！
2025-04-10 22:45:37
1250
原创 SFT看这一篇就够了！万字长文：监督微调（Supervised Fine-Tuning, SFT）技术全解析【从理论到实战】
大家好，我是大 F，深耕AI算法十余年，互联网大厂技术岗。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。更多文章可关注，一起探索技术的无限可能！
2025-04-10 22:35:22
1102
原创 复现Manus“上帝之手”：Cursor/Trae/Deepseek/Qwen2.5/等多个方法实测分析
投资的本质，是把当下的资源投入到未来，期望获得更多回报。</p></div><img src="comic2.png" alt="常见的投资形式"><p>常见的投资形式有股票、债券、房地产等。</p></div><img src="comic3.png" alt="投资的风险与收益"><p>投资伴随着风险，高收益往往伴随着高风险。
2025-03-25 09:15:00
206
原创 5分钟生成论文文献综述框架（含中英文文献筛选技巧）| DeepSeek实战第1期—学术研究与论文写作
"导师让我两天内完成AI教育领域的文献综述，面对3万篇论文不知如何下手..."本文将用DeepSeek演示如何快速搭建文献综述框架，并精准筛选核心文献。"帮我找些AI教育的论文"
2025-03-25 00:20:35
124
原创 如何为推理大模型（DeepSeekR1、QwQ-32B）设计提示词：以旅行规划为例的实战指南
大家好，我是大 F，深耕AI算法十余年，互联网大厂技术岗。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。欢迎关注，一起探索技术的无限可能！
2025-03-20 08:45:00
98
原创 【评测篇】：Non-LLM 如何评估生成文本质量？评估指标详解与实战代码【Ragas 实战解析】
通过计算两个字符串之间的编辑距离（Levenshtein距离），衡量字符级相似性，无需依赖LLM。Similarity1−编辑距离s1s2maxlens1lens2\text{Similarity} = 1 - \frac{\text{编辑距离}(s_1, s_2)}{\max(\text{len}(s_1), \text{len}(s_2))}Similarity1−maxlens1lens2))编辑距离s1s2。
2025-03-20 07:45:00
68
原创 一文看懂：多模态大模型（LMMs）与大语言模型（LLMs）的比较
在人工智能领域，大模型的发展日新月异，如今主要分为两大类：大语言模型（Large Language Models，简称LLMs）和多模态大模型（Large Multimodal Models，简称LMMs）。LLMs专注于处理文本数据，在自然语言处理任务中表现出色；而LMMs则能够处理多种类型的数据，如文本、图像、音频和视频等，为更广泛的应用场景提供了可能。本文将从基础定义、输入数据、应用场景、训练过程等方面深入探讨两者的区别，帮助读者更好地理解这两种模型的特点和应用价值。
2025-03-19 07:45:00
182
原创 大模型时代下，研发岗位的“生存指南”：算法 vs 工程，谁先被冲击？
AI能帮你做80%的基础工作，剩下的20%才是你真正的价值所在。无论是工程岗还是算法岗，核心竞争力永远是“解决问题的能力”——而AI只是帮你更高效地实现它。
2025-03-18 20:10:18
679
原创 【数据集】一文横扫AI中文数据集（三）伦理对齐：TOCP、SWSR、CORGI-PM、CDIAL-BIAS等
TUMCC是首个用于暗语识别领域的中文语料库，总共收集了来自19,821个Telegram用户的28,749句子，涉及12个Telegram群组。经过清洗后，该数据集包含3,863句子，来自3,139个Telegram用户。：TOCP 数据集是一个大型的中文脏话数据集。该数据集中有16,450个句子，从两个主流社交媒体网站:PTT和Twitch收集。CDIAL-BIAS 是一个社会偏见对话数据集，用来评估一些公开可用的对话系统在社会偏见方面的表现。评测集规模包含3863个句子。
2025-03-18 09:00:00
89
原创 【提示词篇】DeepSeek提示词实战大全：提示词合集和使用技巧
大家好，我是大 F，深耕AI算法十余年，互联网大厂技术岗。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。更多文章可关注，一起探索技术的无限可能！
2025-03-18 08:30:00
666
原创 【数据集篇】一文横扫热门AI中文知识能力数据集（一）：M3KE、GAOKAO-bench、CMMLU、Chinese_MMLU
中文自然语言推理数据集（A large-scale Chinese Nature language inference and Semantic similarity calculation Dataset） 数据及通过翻译加部分人工修正的方法，从英文原数据集生成，可以一定程度缓解中文自然语言推理和语义相似度计算数据集不够的问题。
2025-03-17 08:30:00
81
原创 【数据集篇】一文横扫热门AI中文知识能力_数据集（二）：WPLC、BiPaR、CommonMT、CMNLI 等
WPLC（Word Prediction with Long Context）WPLC数据集是一个用于评估预训练语言模型在给定长上下文下的词语预测的中文数据集。该数据集包含了超过69,000本小说中收集的段落，通过自动和手动选择策略确保目标词只能通过长上下文来进行预测。目标词的类型从普通名词到中文四字成语不等，并且与长上下文之间存在多样化的语言关系，包括词汇匹配、同义词、摘要和推理。评测集规模包含4827个问题（原本的评测集不包含答案，用dev代替）。评测指标使用Accuracy。
2025-03-16 23:36:12
73
原创 OpenAI智能体初探：使用 OpenAI Responses API 在 PDF 中实现检索增强生成（RAG）
大家好，我是大 F，深耕AI算法十余年，互联网大厂技术岗。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。欢迎关注，一起探索技术的无限可能！
2025-03-13 09:00:00
346
原创 OpenAI智能体初探： 使用 OpenAI Responses API 实现网络搜索与对话状态管理
OpenAI 的 Responses API 为开发者提供了一个强大且灵活的工具，用于构建复杂的、多模态的、工具增强的交互。通过状态管理、工具集成和多模态支持等功能，你可以更轻松地实现多轮对话、信息检索和内容生成等应用。希望本文的介绍和示例能够帮助你快速掌握 Responses API 的使用方法，并在实际项目中发挥其优势。
2025-03-13 00:52:04
300
原创 从Manus爆红到OpenAI反击：AI Agent技术架构与实战解析
AI Agent（人工智能代理）是具备自主感知、决策和执行能力的智能系统。Profile 模块定义智能体的角色和目标，明确其在特定场景中的任务和职责。例如，一个客服智能体的 Profile 是解决用户问题，其目标是提高用户满意度。Memory 模块记录和存储智能体与环境交互过程中产生的信息，包括历史对话、用户偏好等，为后续决策提供依据。比如，对话系统中的 Memory 可以记住用户之前提到的内容，使对话更连贯。Planning 模块。
2025-03-13 00:33:17
335
原创 【五万字长文】零基础通关玩转 Transformer 架构：解读从“人工智障“到“人工智能“的进化密码
编码器# 解码器# 源语言和目标语言的嵌入层# 输出层# 源语言和目标语言的嵌入# 编码器处理源语言嵌入# 解码器处理目标语言嵌入，并结合编码器的输出# 输出层得到最终结果sum。
2025-03-12 01:34:06
355
原创 RAG 常见分块策略全解析：从原理到代码实践（2025 深度版）
RAG 模型中的检索部分会从文档库中检索与用户查询相关的文本块，这些文本块将作为上下文输入到生成模型中。然而，生成模型（如大型语言模型，LLM）的上下文窗口是有限的，这意味着它能够处理的输入文本长度是有限制的。如果检索到的文本块过大，超出了这个限制，就无法完整地输入到生成模型中，从而可能导致生成的响应不准确或不完整。通过将文档分块，可以确保每个块的大小都在生成模型的上下文窗口范围内，从而使模型能够有效地处理和生成高质量的响应。：简单高效，计算成本低，适合格式规整的文本。：确保块内语义连贯，检索准确性高。
2025-03-11 00:27:46
242
原创 RAG 常见分块策略全解析：从原理到代码实践（2025 深度版）
然而，生成模型（如大型语言模型，LLM）的上下文窗口是有限的，这意味着它能够处理的输入文本长度是有限制的。如果检索到的文本块过大，超出了这个限制，就无法完整地输入到生成模型中，从而可能导致生成的响应不准确或不完整。通过将文档分块，可以确保每个块的大小都在生成模型的上下文窗口范围内，从而使模型能够有效地处理和生成高质量的响应。例如，在一个包含多个主题的长文档中，分块可以将不同主题的内容分割开来，使得检索系统能够针对特定主题进行更精确的检索。在检索增强生成（RAG）系统中，分块策略是决定系统性能的基石。
2025-03-10 23:54:58
298
转载 多模态大模型 Qwen2.5-VL 指南来啦，手把手带你玩转视觉理解模型
大家好，我是大 F，深耕AI算法十余年，互联网大厂技术岗。知行合一，不写水文，喜欢可关注，分享AI算法干货、技术心得。更多文章可关注，一起探索技术的无限可能！2025-02-05，Qwen团队发布了一系列展示 Qwen2.5-VL 用例的Notebook，包含本地模型和 API 的使用。期望这些示例能够帮助开发者和用户更全面地了解 Qwen2.5-VL 的强大视觉理解功能，并激发更多创新的应用场景。
2025-03-10 23:11:59
398
原创 AI IDE三强争霸：深度拆解Windsurf、Cursor、 Trae中文生态「开发者视角」
技术维度核心AI引擎GPT-4 Turbo + 自研增量训练框架Claude 3.5 + GPT-4o 动态混合调度Claude 3.5 Sonnet 定制版上下文窗口128k tokens（支持跨文件索引）64k tokens（中文压缩优化）32k tokens（扩展至100k需Pro版）微调能力私有数据LoRA微调（需企业版）领域适配器（医疗/金融预训练包）仅支持提示词工程优化推理加速vLLM 动态批处理 + 量化推理TensorRT-LLM 8bit量化。
2025-03-09 10:30:00
1314
2023年AI大模型应用研究报告：AI、AGI、大模型、通用大模型、行业大模型
2025-03-05
2021-2022全球计算力报告
2024-03-26
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人