RAG的Embedding模型选取大有门道
Retrieval-Augmented Generation (RAG) 现在是最受欢迎的框架，用来构建 GenAI 应用。企业和组织特别喜欢它，因为它能让他们用自己的专有数据来回答用户问题。它让 L
阅读全文这是我最近见过最实用的技能
GPT-5、Claude Opus 4……Agent 技术真的能干活儿了。2025 年 8 月，OpenAI 发布的 GPT-5，可不仅仅是个能说会道的 AI。它在编码、推理方面的能力都有了很大提升，
阅读全文阿里重磅开源AgentScope，多智能体应用开发利器
阿里巴巴悄然发布了 AgentScope。这是一个用于构建多代理 AI 应用的开源 Python 框架。老实说，如果你一直在玩 AI agents，这玩意儿挺酷的。我花了点时间挖了挖它，我的收获是：感
阅读全文构建可用于生产环境的 RAG 智能体：开发者完整指南
你有没有纳闷过，为什么你的 RAG 系统总是返回一堆无关的结果，或者漏掉显而易见的答案？你不是一个人！很多开发者一开始用 vector search，然后一脸懵地发现，他们的“智能”AI 连一个简单的
阅读全文全国首部AI智能体应用评估标准，现公开征集起草单位和个人！
2025年已成为AI智能体元年！8月，国务院发布了《关于深入实施“人工智能+”行动的意见》，明确提出到2030年实现“智能体等应用普及率超90%”的目标。同时，AI智能体正以前所未有的速度走向产业核心
阅读全文微软：LLM上下文学习并非真的学习！
大模型真的在“上下文学习”吗？“大模型在上下文学习（ICL）虽在数学上符合学习定义，但只是对prompt内统计规律的拟合，而非对任务本质的掌握：一旦分布漂一点就翻车；示例够多时，模型、提示词、语言本身
阅读全文高级 RAG 实战：Neo4j 与 LangChain 构建知识图谱驱动的 AI 系统
学习如何结合 Neo4j 知识图谱和 LangChain，打造精准、可解释、适合生产环境的 Retrieval-Augmented Generation (RAG) 系统。Retrieval-Aug
阅读全文FastAPI Ultra：让 Uvicorn、uvloop 与 Pydantic v2 飞起来
一个实用、经过实战验证的 playbook，让你的 FastAPI 技术栈延迟更低、吞吐量更高——无需把你的代码库变成科学实验。加速 FastAPI，用 Uvicorn、uvloop、httptoo
阅读全文别再把RAG当记忆：这5个开源引擎让AI真正会记住
大家老爱说“RAG给AI装上了记忆”。但说实话：它并没有。RAG（检索增强生成，Retrieval-Augmented Generation）很擅长从文档里掏出信息，但它记不住你。它不会记得你上周
阅读全文下一代语言提取工具：LangExtract
谷歌最近在 AI 领域简直是火力全开，不断推出一个又一个突破性成果。几乎每次新发布都把可能性边界推得更远，真的让人看得热血沸腾。七月底的一个公告特别吸引了我的注意，谷歌发布了一款新的文本处理和数据提
阅读全文咖哥重磅新书！带你全盘掌握RAG大模型应用开发
RAG这么火，你真的会用吗？大模型已逐渐成为生产力工具，但“幻觉”问题却一直令人头疼。于是，RAG（Retrieval-Augmented Generation，检索增强生成） 成为了业界公认的解法。
阅读全文告别传统 RAG，迎接 GraphRAG：知识图谱+本体=更强 AI
现代 AI 聊天机器人常常依赖 Retrieval-Augmented Generation (RAG)，也就是检索增强生成技术。这种技术让机器人能从外部数据中提取真实信息来支撑回答。如果你用过“与
阅读全文Python+FAISS：五分钟打造一个RAG系统
把一堆杂乱的 PDF 文件夹变成一个超快、AI 辅助的知识库，你还能跟它直接对话！我遇到个麻烦：手头有几十（好吧，实际上是几百）个 PDF 文件——研究论文、API 文档、白皮书——散落在各个文件夹
阅读全文FastAPI 性能进化：如何实现百万请求
用 async、caching、load balancing 和聪明部署策略，让 FastAPI 处理海量流量不崩盘。当你的 API 突然爆火的那一天想象一下：你用 FastAPI 搭了个超炫的应用
阅读全文盘点这些年我用过的最佳AI助手
使用 Tenorshare AI 轻松检测 AI 生成的文本并改写，让它绕过 AI 文本检测器。我用过的最棒的 AI 文本人性化工具如果说现代大型语言模型（LLMs）有什么特别擅长的，那就是预测它们
阅读全文RAPTOR 让 RAG 更聪明：从索引到回答的全链路升级
有许多 RAG 优化技巧可以提升性能，从查询转换到重新排序模型。挑战在于，每增加一层新功能通常会带来额外的复杂性、更多的 LLM 调用，以及更复杂的架构。但如果我们只专注于一件事情——构建一个更智能
阅读全文从零开始：基于 Multi-Agentic 架构的深度思考交易系统
一个深度思考交易系统有好多部门，每个部门都由子代理组成，这些子代理用逻辑流程来做聪明决策。比如，分析师团队从各种来源收集数据，研究员团队辩论和分析这些数据来形成策略，执行团队则完善并批准交易，同时和
阅读全文Google的Nana-Banana小图像模型太惊艳了，PS工程师危矣
当谷歌发布Nano-Banana时，大多数人都觉得这是个笑话。一个名字搞笑的模型，竟然声称能干那些需要GPU集群、多GB级AI系统才能完成的事儿？我一开始也没当真——直到我亲手试了试。Nano-Ba
阅读全文全国首部AI大模型私有化部署标准，公开征集起草单位和个人！
近期，AI领域政策频出，为行业发展注入强劲动力。7月31日，国务院常务会议审议通过《关于深入实施“人工智能+”行动的意见》，明确要大力推进人工智能规模化商业化应用，强化算力、算法和数据供给，提升安全能
阅读全文GraphRAG绝对是以后RAG的潮流，不服来辩
为什么 Graph RAG 比传统检索更牛：通往更丰富上下文答案的聪明路子笔者觉得Graph RAG 绝对是以后RAG的潮流。传统 RAG 中 Top-K 检索的局限性top-k retrieval
阅读全文Python+Ollama微调大模型实战
作为一名对 AI 和机器学习充满热情的人，我花了不少时间研究怎么让强大的语言模型更好地完成特定任务。今天，我想分享一份详细的指南，教你如何用 Python 微调 LLM（大型语言模型），然后用 Ol
阅读全文多模态RAG哪家强？9 个 Embedding、4 类 MLLMs、4 大框架实景比拼
现有文档 RAG 评测都在不足：数据太小、查询太假、证据太单一。华南理工&华科推出 DOUBLE-BENCH——迄今最大规模、多语言、多模态、多跳查询的文档 RAG 实战考场，用 5 168 条人工校
阅读全文新手指南：用 Pydantic AI 搭建第一个研究 Agent
引言在这个信息飞速变化的时代，实时、情境感知的搜索代理需求从未如此强烈。从商业研究到AI驱动的问答，能实时查询网络并通过强大的逻辑管道处理结果是个巨大优势。Tavily凭借其强大的网络搜索集成，结合
阅读全文RAG绝佳组合！高精度AI解析+Ragflow打造高性能知识库
对于高专业性或企业级的知识问答应用，RAGFlow是各个开发团队的常用框架，它提供的工具链简化了从知识库搭建、向量检索到生成的RAG流水线开发。RAG这条务实的路径让LLM能实时查询私有知识库，显著提
阅读全文Streamlit + Python 打造交互式仪表盘实战
想不写一行 JavaScript 就把数据变成酷炫的交互式 Web 应用吗？来认识一下 Streamlit 吧！Streamlit 是一个开源的 Python 库，让任何人都能几分钟内搞定漂亮、可分
阅读全文RAG 不止能检索！它还能在 LangGraph 中当“工具调用大脑”
Retrieval-Augmented Generation（RAG）是一种结合信息检索和大型语言模型（LLMs）来回答用户查询的方法。传统上，这涉及将检索器直接连接到生成流水线。然而，通过 Lan
阅读全文智能体工作流（Agentic Workflow）：AI应用开发的全面解析
随着基座模型的不断更新成熟，智能体工作流（Agentic Workflow）已成为AI领域的热点，它将AI智能体（AI Agent）的推理能力与结构化工作流结合，实现复杂任务的半自主执行。AI智能体结
阅读全文Context Engineering 如何超越 Prompt Engineering
Prompt Engineering -> 提示词工程Context Engineering -> 语境工程下文都会有用提示词工程、语境工程来编写。提示工程已死，语境工程的时代来了还记得一年前吗？那
阅读全文别再踩坑了！这 10 个低成本开源 AI 智能体好使
让我跟你说——大部分AI工具就像那个满嘴跑火车但啥也干不成的同事。不会写代码，不会做报表，连上网浏览都会崩。如果你现在就在用这种破工具，那真是选错了。不过好消息是：市面上还真有能干活的AI工具！我来
阅读全文从LangChain到LangGraph：AI智能体提示词工程的系统化学习
AI 的世界正在飞速演变，从简单的问答系统升级成了复杂、多步骤推理的智能代理。不管你是想打造客服机器人、数据分析工具，还是复杂的自动化工作流程，掌握 LangChain 和 LangGraph 的提
阅读全文