写代码的杰西

全局代理对命令行不起作用可以把这个脚本另存为 cl.bat 在记事本点击 “文件” -> “另存为”。 文件名设为 cl.bat。 编码格式必须选择：ANSI (在中文 Wi...

写代码的杰西

LoRA的全称是Low-Rank Adaptation（低秩自适应）。它的核心思想是为解决大模型全参数微调成本高昂的问题而设计的一种高效微调方法。其基本原理可以分为以下几个要...

写代码的杰西

咱们用生活化的比喻，把大模型的神经网络讲明白，不用复杂公式，核心就看这3点：结构像“分层流水线”、工作靠“信号传递+加权投票”、能力来自“海量数据练手”。 一、 先搞懂：神经...

写代码的杰西

高效微调（Efficient Fine-tuning）的方法主要包括以下几种： LoRA（Low-Rank Adaptation） 核心思想：冻结预训练模型的权重，引入两个低...

写代码的杰西

有不少可以操作Windows系统的AI工具，能够实现打开笔记本（此处假设是打开笔记本电脑或笔记本应用程序）等操作，以下是相关介绍： Microsoft Copilot：集成于...

写代码的杰西

OpenAI提出的AGI发展5个阶段，是从基础对话到自主组织的能力递进路径，核心围绕语言交互、复杂推理、自主执行、创新突破与系统协同展开。以下是各阶段的核心定义与关键特征： ...

写代码的杰西

探索 Agentscope：Java 开发者的智能编程新利器 在当今快节奏的软件开发世界中，开发者们总是在寻觅能提升效率、简化复杂任务的工具。今天要给大家介绍的Agentsc...

写代码的杰西

RAG与微调：何时亮剑，一文读懂！ 在利用大模型进行各种任务时，我们常常会面临选择：是使用检索增强（RAG），还是对大模型进行微调呢？这就好比在不同的路况下，选择最合适的交通...

写代码的杰西

揭秘 AI 模型的 "魔法补丁"：LoRA 技术通俗解读 你有没有想过，那些拥有数十亿甚至数千亿参数的 AI 大模型，是如何在不重新训练的情况下快速学会新技能的？今天我要给大...

写代码的杰西

query2doc把用户输入改写成doc 文档目的： 短文本向量化 数据不足。 多文本以后 辅助大模型更好理解 向量匹配更多 query联网搜索先判断是否需要联网搜索，需要...

写代码的杰西

揭开神奇解题模式的神秘面纱：Thought - Action 解题法大揭秘 今天来唠唠一种超有趣的解题模式，就像给大脑装上了一个神奇的“解题导航仪”，让你面对各种问题都能有条...

写代码的杰西

一文读懂AI智能体：从架构到应用，小白也能看明白的设计指南 你有没有想象过这样的场景：打开手机说一句“帮我规划一份适合三口之家的周末自驾游攻略”，AI就自动查路线、看天气、订...

写代码的杰西

一文看懂A2A协议：AI智能体之间的“协作黑科技” 你有没有想过，未来的AI不止能帮你查天气、写报告，还能像人类团队一样分工协作？比如让“天气AI”查预报，“活动策划AI”定...

写代码的杰西

MCP（模型上下文协议）和Function Calling（函数调用）都是大模型与外部交互的重要技术，二者主要有以下区别： 定位与本质：Function Calling是主流...

写代码的杰西

一文读懂大模型的蒸馏与量化：化繁为简的魔法 在大模型的应用场景中，为了让这些“庞然大物”能在资源有限的环境中高效运行，研究者们想出了许多办法，其中蒸馏（Distillatio...

写代码的杰西

别再让大模型"瞎编"了！NativeRAG让AI从"胡说八道"变"有根有据" 你有没有过这种经历？问大模型一个稍微专业点的问题，它要么说"我不能评论未公开信息"，要么就开始一...

写代码的杰西

根据文档内容，智能体主要分为反应式（Reactive）、深思熟虑（Deliberative）、混合式（Hybrid） 三大类，三类智能体在架构设计、核心逻辑、适用场景上差异显...

写代码的杰西

RAG技术入门：从原理到落地，30分钟搭建自己的知识库问答系统 在AI大模型应用中，“让模型懂自己的知识”是核心需求——无论是企业内部文档查询、个人知识库问答，还是垂直领域智...

写代码的杰西

从数据到向量：手把手教你完成向量数据库的数据导入全流程 在AI大模型时代，向量数据库成为连接非结构化数据与智能应用的核心桥梁——它能高效存储文本、图片等数据的Embeddin...