目錄一、引言二、以「對話為中心」的ChatBot三、以「交付為中心」的多智能體Agent三、什么是智能體Agent1.從Prompt到思維鏈2.ReAct架構3.Agent4.Manus：一個Agent典型案例5.大模型上下文協(xié)議（MCP）四、智能體Agent實現(xiàn)的源碼剖析（OpenManus項目）1.準備2.代碼五、總結一、引言從2022年12月份OpenAI發(fā)布ChatGPT產(chǎn)品至今已有2年多的時間，當大家已經(jīng)習慣于在對話框中與AI交互，習慣于通過各種Prompt技巧讓AI更好的理解并回答我...

在當今數(shù)字化時代，人工智能(AI)技術正以前所未有的速度改變著我們的生活，音樂領域也不例外。AI模擬明星唱歌這一現(xiàn)象，如同一場突如其來的音樂風暴，席卷了整個網(wǎng)絡，引發(fā)了大眾的廣泛關注與熱議。從YouTube上已故天王邁克爾?杰克遜，到國內(nèi)視頻網(wǎng)站“AI孫燕姿”“AI周杰倫”等一眾虛擬歌手的火爆，這些以假亂真的歌聲，讓人們不禁驚嘆：AI究竟是如何做到模擬明星唱歌的呢今天，就讓我們一同揭開這背后神秘的技術面紗。海量數(shù)...

我從前兩周申請到現(xiàn)在都還沒有拿到Manus激活碼，雖然通過其他渠道獲取并已經(jīng)激活了Manus，但是對于目前還沒有拿到Manus激活碼的朋友們，今天給大家推薦字節(jié)出品的AgentTARS。AgentTARS是一個開源的多模態(tài)AI代理，它通過直觀地解釋網(wǎng)頁來提供簡化的瀏覽器作。它還可以輕松地與命令行和文件系統(tǒng)集成。有關快速概述，請觀看下面的演示視頻：它不但能夠識別網(wǎng)頁信息來執(zhí)行負責的瀏覽器操作，而且還支持最近火爆的MCP技術，大大擴展...

??【本文正在參與AI.x社區(qū)AIGC創(chuàng)新先鋒者征文大賽】????https:www.ekrvqnd.cnaigc2223.html??編者按：人工智能正在席卷各個行業(yè)，但你是否曾思考過：當ChatGPT的開發(fā)商OpenAI可能面臨50億美元虧損時，生成式AI的商業(yè)模式究竟還能走多遠？這篇分析文章直擊當前AI行業(yè)的痛點：巨額投資與高昂運營成本之間的矛盾，技術進步與商業(yè)化之間的鴻溝，以及研究價值與經(jīng)濟可持續(xù)性之間的平衡。它提醒我們，在追求技術進步的同時，也...

面對幾十頁的文檔，幾千字的長文，是不是覺得頭都大了？整理筆記靠截圖、復制粘貼，結果越整理越亂，找資料時翻來翻去還是一團漿糊...不要慌！今天我就教大家一個超級技能。這兩天我在嘗試DeepSeek和思維導圖結合使用，效果特別驚艷，不僅能快速提取文章重點，還能直觀地展示整個知識框架。最關鍵的是，整個過程特別快，完全不用手動整理。只需要簡單幾步，5分鐘就能把長篇大論變成清晰直觀的思維導圖，讓你的筆記整理效率直接...

本文旨在解釋多模態(tài)大語言模型的工作原理。此外，還將回顧并總結最近幾周發(fā)布的十幾篇多模態(tài)研究論文和模型（包括Llama3.2）的內(nèi)容，以比較它們的不同實現(xiàn)方式。一、多模態(tài)大語言模型是什么？多模態(tài)大語言模型（MultimodalLargeLanguageModels，簡稱MultimodalLLMs）是一種能夠理解和生成多種類型數(shù)據(jù)的模型，包括文本、圖片、音頻和視頻等。這些模型可以跨越不同的數(shù)據(jù)形式，進行信息的交互與生成。例如，傳統(tǒng)語言模型只能處理...

人工智能（AI）快速發(fā)展，模型訓練是核心環(huán)節(jié)，優(yōu)化器扮演著至關重要的角色，它負責調(diào)整模型的參數(shù)，讓模型在數(shù)據(jù)上表現(xiàn)得更好。多年來，AdamW優(yōu)化器一直是優(yōu)化器的標桿，因其穩(wěn)定性和高效性深受研究者和工程師的喜愛。然而，隨著AI模型規(guī)模的不斷擴大，訓練成本和時間的需求也在激增，這讓人們開始尋找更高效的優(yōu)化方法。近期，一種名為Muon的優(yōu)化器算法悄然出現(xiàn)（源代碼????https:github.comKellerJordanMuon????），...

傳聞DeepSeekR2今天上新，東大時區(qū)已過，難道是阿美時間？不必失望，筆者20多年職業(yè)生涯學到一個深刻道理是：所有的rumor都是真的。DeepSeek不愧是國產(chǎn)之光，V3,R1系列模型以其卓越的性能和開源創(chuàng)新席卷全球。相應技術文檔分享了多項關鍵技術突破，為高效、可擴展的大模型訓練與推理奠定了基礎。R1發(fā)布給行業(yè)帶來的天翻地覆的震動波還在激蕩，R2很快就可能接踵而至了。借此機會，筆者梳理一下DeepSeekR1&R2超越其他對手的核心秘...

昨晚，DeepSeekV30324帶著685B參數(shù)空降HuggingFace，使用MIT協(xié)議，直接免費開源。網(wǎng)友實測代碼能力直接媲美Claude3.7，2分鐘就能生成400行賽博朋克網(wǎng)頁代碼，粒子動畫+懸浮光效直接拉滿！最主要的是，這還不是個推理模型。DeepSeekV30324日前以328.3分在KCORES大模型克技場排名第三，僅次于claude3.7sonnetthinking和claude3.5。要知道，Claude系列一直是AI編程之王。況且Claude要錢還要等，而國產(chǎn)模型DeepSeekV3新版本直接白嫖...

編輯伊風出品51CTO技術棧（微信號：blog51cto）阿里今天發(fā)了Qwen2.5VL的32B版本，達到同等規(guī)模的SOTA模型，堪稱開發(fā)者福音！千問接連兩三次的模型發(fā)布時間都不太湊巧。今日與DeepSeekV3的更新撞車，而上次發(fā)的QwQ32B以輕量推理模型擊敗了DeepSeekR1,但風頭完全被Manus搶走了！連網(wǎng)友都直呼阿里是AI屆汪峰。圖片不過話說回來，Qwen2.5VL32B這個模型還是很值得關注，作為阿里放出的第二大視覺模型，性能甚至超過了更大規(guī)模的Qwen2...

昨晚，國內(nèi)著名大模型平臺DeepSeek開源了V3模型的最新版本0324。不過DeepSeek相當?shù)驼{(diào)，國內(nèi)的公眾號、國外的社交平臺沒有做任何宣傳，就是“悄悄”地把模型上傳到huggingface。根據(jù)國外網(wǎng)友測試顯示，V30324最大亮點之一就是代碼能力，只需要簡單的文本提示就能快速開發(fā)各種網(wǎng)站、App，可以比肩目前全球最強的閉源代碼模型Claude3.7Sonnet思維鏈版本。但V30324是開源且免費的，推理效率更快。開源地址：https:huggingface.code...

文章鏈接：https:arxiv.orgpdf2503.06568代碼鏈接：https:github.comQYH00Conceptrol亮點直擊發(fā)現(xiàn)了zeroshotadapters中的一個關鍵設計缺陷，表明忽略文本概念會導致參考圖像中的注意力分配錯誤。發(fā)現(xiàn)基礎模型中的特定模塊可以提供文本概念掩碼，精確指示相應文本概念的空間位置。提出了一種簡單但有效的方法，稱為Conceptrol。通過提取文本概念掩碼，并利用它來增加視覺規(guī)范在個性化目標正確區(qū)域的注意力分數(shù)，同時抑制對無關區(qū)...

背景最近，公司的一個項目經(jīng)理找我聊了個頭疼的問題：他們給外部交付的項目POC效果不太理想，他發(fā)現(xiàn)從向量庫中檢索不到想要的信息。起初，我建議他換個更好的embedding模型，別再用??textembeddingada002???了。結果他反饋說，試了??textembedding3large???和??bgem3??，效果也沒啥顯著提升。我仔細看了他們的數(shù)據(jù)，發(fā)現(xiàn)他們上傳了大量用戶的文檔，并對文檔進行了切分，分成一個個??chunk???，然后召回這些...

Qwen2.5BVL32B開源之際，記錄一下QwenVL系列多模態(tài)大模型技術演進模型架構、訓練方法、數(shù)據(jù)細節(jié)，僅供參考。系列模型的應用場景：QwenVL：基礎圖像理解和對話。Qwen2VL：圖像+短視頻理解，代理任務。Qwen2.5VL：長視頻、復雜文檔解析、多語言支持，適用于更廣泛的現(xiàn)實場景。模型架構演進一覽（其實差不多，模型側(cè)有一些細節(jié)改動，系列更多還是數(shù)據(jù)上的增量訓練）：模型大型語言模型(LLM)視覺編碼器(ViT)視覺語言連接機制位置編...

你是否曾被堆積如山的任務壓得喘不過氣，滿心渴望能有一雙額外的手來幫你搞定一切？要是能把這些任務扔出去，不用一直守在屏幕前就能拿到結果，那該多好啊！現(xiàn)在，Manus正憑借其輕松處理各種常規(guī)任務的能力，吸引著全球目光。在短短時間內(nèi)，它就掀起了不小的波瀾，甚至有人將其稱作AI領域的“第二個DeepSeek時刻”。Manus的邀請碼在二手交易平臺上的價格被炒至999元到10萬元不等，足見大家對這款下一代AI智能體的期待。DeepSeek...

在當今信息爆炸的時代，如何從海量數(shù)據(jù)中快速準確地獲取所需信息，是人工智能領域的一大挑戰(zhàn)。RetrievalAugmentedGeneration（RAG，檢索增強生成）技術應運而生，它結合了檢索和生成的優(yōu)勢，通過從大量文檔中檢索相關信息，再利用這些信息生成高質(zhì)量的回答。然而，RAG的實現(xiàn)方式多種多樣，不同的技術路徑有著不同的優(yōu)勢和局限。今天，我們就來深入探討一下這些RAG技術，看看誰才是真正的“最佳選手”。1.SimpleRAG：基礎而不失...

引言：檢索增強生成的演進在人工智能領域，大語言模型（LLMs）雖成果豐碩，但也有明顯短板。模型訓練時存儲的知識，可能因時間推移而過時，或存在范圍局限。檢索增強生成（RetrievalAugmentedGeneration,RAG）應運而生，它將大語言模型的輸出與外部知識源相連，有效增強了模型能力。傳統(tǒng)RAG系統(tǒng)處理用戶查詢流程較為固定。用戶提問后，系統(tǒng)先把查詢送入嵌入模型生成向量嵌入，再用其在向量數(shù)據(jù)庫搜索相關文檔，接著將檢索到的上...

在數(shù)字經(jīng)濟浪潮席卷全球的今天，企業(yè)的核心議題已從“是否轉(zhuǎn)型”轉(zhuǎn)向“如何高效轉(zhuǎn)型”。人工智能、物聯(lián)網(wǎng)、大數(shù)據(jù)等技術的爆發(fā)式增長，使得計算能力的需求呈現(xiàn)指數(shù)級攀升。然而，傳統(tǒng)IT架構的僵化、高昂的運維成本以及資源利用率低下，成為橫亙在企業(yè)數(shù)字化轉(zhuǎn)型道路上的巨石。在此背景下，++算力服務作為一種革命性的資源供給模式，正以“彈性化、智能化、場景化”的姿態(tài)重新定義技術底座，成為推動數(shù)字化未來的核心引擎。++一...

想象一下，完全沉浸在編程氛圍中，甚至忘記了代碼的存在。不用敲鍵盤，只需讓??Cursor???和??Sonnet???幫你搞定一切。遇到bug時，你不去排查問題，而是把錯誤信息丟給大語言模型（LLM）然后復制粘貼修復方案。代碼已經(jīng)超出你的理解范圍，但它居然還能正常運行。這就是OpenAI創(chuàng)始成員AndrejKarpathy所說的??VibeCoding（氛圍編程）??。Karpathy把這描述為周末小項目的有趣嘗試，但現(xiàn)實中，VibeCoding——大量依賴L...

我們是否過早地標準化了人工智能生成的代碼？以下是它的不足之處及改進方式。近年來，大型語言模型（LLM）迅速興起，帶動了生產(chǎn)率的大幅提高。編程助手的蓬勃發(fā)展，數(shù)百萬個多行代碼塊通過按鍵便可輕松實現(xiàn)生成及合并。這一切就像變魔術一樣。但在每個人的內(nèi)心深處都有一個揮之不去的想法——我真的能相信這段代碼嗎？時至今日，質(zhì)疑人工智能在軟件開發(fā)中的價值無疑是可笑的，因為它早已不可避免地根深蒂固。微軟報告稱，有1.5...