目前團(tuán)隊(duì)研發(fā)已全面采用Cursor作為主力工具。雖然ClaudeCode和ArgumentCode在功能上更勝一籌，但考慮到成本因素和網(wǎng)絡(luò)問題，Cursor仍是我們的首選。然而我們發(fā)現(xiàn)，盡管使用相同的工具，團(tuán)隊(duì)成員的工作效率和體驗(yàn)卻存在顯著差異——關(guān)鍵在于對Cursor的掌握程度。本文將分享日常工作中的最佳實(shí)踐，幫助大家充分發(fā)揮Cursor的潛力。cursor開發(fā)全流程要讓Cursor充分發(fā)揮其潛力，達(dá)到我們的預(yù)期效果，需要系統(tǒng)性地結(jié)合以下四個關(guān)鍵要...

特定領(lǐng)域的QA系統(tǒng)不僅需要生成流暢的回答，還需確保基于專業(yè)知識的高事實(shí)準(zhǔn)確性。盡管檢索增強(qiáng)生成（RAG）框架改進(jìn)了上下文調(diào)用能力，但在異構(gòu)數(shù)據(jù)整合與推理一致性方面仍存在不足。為此，清華大學(xué)提出DORAG，一種可擴(kuò)展、可定制的混合QA框架，融合多級知識圖譜構(gòu)建與語義向量檢索技術(shù)。DORAG采用創(chuàng)新的AgenticCoT架構(gòu)，從多模態(tài)文檔中提取結(jié)構(gòu)化關(guān)系，構(gòu)建動態(tài)知識圖譜以提升檢索精度。在查詢階段，它結(jié)合圖譜與向量檢索結(jié)果生...

在早年閱讀網(wǎng)上的技術(shù)博客時，我習(xí)慣一邊看文章一邊在語雀筆記中畫思維導(dǎo)圖。然而，回過頭來看，這種方式其實(shí)效率不高。有了AI后，我們可以先讓AI為我們生成相應(yīng)的思維導(dǎo)圖，以便我們對知識有個初步認(rèn)識，再去深入閱讀文章，這樣會更有效。在這篇文章中，我將分享如何使用dify自動生成文章的思維導(dǎo)圖，以提高我們吸收知識的速度。安裝插件先在dify的插件市場安裝如下兩個插件：Markdown轉(zhuǎn)換器：用于生成html文件Agent策略插件：...

在基于大模型的Agent中，長期記憶的狀態(tài)維護(hù)至關(guān)重要，在OpenAIAI應(yīng)用研究主管LilianWeng的博客《基于大模型的Agent構(gòu)成》中，將記憶視為關(guān)鍵的組件之一，下面我將結(jié)合LangChain中的代碼，分享7種不同的Agent記憶維護(hù)方式在不同場景中的應(yīng)用。獲取全量歷史對話在電信公司的客服聊天機(jī)器人場景中，如果用戶在對話中先是詢問了賬單問題，接著又談到了網(wǎng)絡(luò)連接問題，ConversationBufferMemory可以用來記住整個與用戶的對話歷史，可...

2025年6月17日，谷歌正式宣布其Gemini2.5混合推理模型家族迎來重大更新，包括Gemini2.5Pro、Gemini2.5Flash以及全新輕量級模型Gemini2.5FlashLite。這一系列升級不僅強(qiáng)化了AI的推理能力，還在性能、成本與適用場景上進(jìn)行了深度優(yōu)化，標(biāo)志著谷歌在多模態(tài)AI領(lǐng)域的進(jìn)一步突破。Gemini2.5FlashLite基準(zhǔn)測試表Gemini2.5Pro：復(fù)雜推理任務(wù)的終極選擇作為谷歌AI技術(shù)的旗艦產(chǎn)品，Gemini2.5Pro在多項(xiàng)基準(zhǔn)測試中表現(xiàn)卓越，甚至超越OpenAI...

Claude現(xiàn)在擁有研究功能[1]，可以在網(wǎng)絡(luò)、GoogleWorkspace和任何集成中進(jìn)行搜索，以完成復(fù)雜的任務(wù)。這個多智能體系統(tǒng)從原型到生產(chǎn)的旅程教會了我們關(guān)于系統(tǒng)架構(gòu)，工具設(shè)計(jì)和prompt工程的關(guān)鍵教訓(xùn)。多代理系統(tǒng)由多個代理（LLMs在循環(huán)中自主使用工具）組成。我們的研究功能涉及一個代理，它根據(jù)用戶查詢計(jì)劃研究過程，然后使用工具創(chuàng)建同時搜索信息的并行代理。具有多個代理的系統(tǒng)在代理協(xié)調(diào)、評估和可靠性方面引入了新的挑戰(zhàn)。...

背景在我們之前的文章中，我們對比了dify，ragflow和n8n這三個工具的使用場景及其差異。實(shí)際上，在企業(yè)中，這些工具通常會被結(jié)合起來使用，以便充分發(fā)揮各自的優(yōu)勢。例如，盡管ragflow也具備一些智能功能，但是與dify相比，它在這方面的表現(xiàn)力還有待提高。然而，當(dāng)談到解析和檢索的能力時，ragflow卻顯著超過了dify。在今天的文章中，我們將探討如何有效地將這兩個工具結(jié)合使用。RAGFlow核心功能我覺得RAGflow最大的一個亮點(diǎn)就...

背景在當(dāng)今AI應(yīng)用蓬勃發(fā)展的時代，內(nèi)容安全與合規(guī)性已成為開發(fā)者不可忽視的重要環(huán)節(jié)。比如用戶在客服場景中，可以通過敏感詞審查過濾用戶的辱罵性語言，并返回預(yù)設(shè)的禮貌回復(fù)。Dify作為一款開源的大語言模型應(yīng)用開發(fā)平臺，其內(nèi)置的敏感詞審查機(jī)制為開發(fā)者提供了強(qiáng)大的內(nèi)容安全保障。本文將深入解析Dify的敏感詞審查模塊(moderation)的工作原理，并通過源碼分析揭示其實(shí)現(xiàn)細(xì)節(jié)，幫助開發(fā)者更好地理解和應(yīng)用這一功能。dify如何開...

在AI技術(shù)高速發(fā)展的當(dāng)下，企業(yè)想要高效、安全且低成本地落地AI應(yīng)用，開源工具成為了重要選擇。以下為你詳細(xì)介紹Dify、RAGFlow、n8n這三款開源工具的核心能力、應(yīng)用場景及優(yōu)勢，助你理清企業(yè)AI落地的實(shí)踐路徑。dify作為"AI應(yīng)用操作系統(tǒng)"，Dify旨在為企業(yè)提供從開發(fā)到運(yùn)營的一站式生成式AI解決方案。其名稱融合了"Define"和"Modify"的含義，體現(xiàn)了持續(xù)優(yōu)化AI應(yīng)用的核心理念。coverv5optimized工具鏈:Dify平臺包含生產(chǎn)級AI應(yīng)用構(gòu)建...

身為一名AI工程師，我過去的工作主要集中在應(yīng)用層開發(fā)，對算法的理解并不深入。然而，近期我開始對算法產(chǎn)生了濃厚的興趣，并轉(zhuǎn)向研究模型微調(diào)。在眾多微調(diào)算法中，Lora以其普遍應(yīng)用引起了我的關(guān)注，我計(jì)劃在本文中對它進(jìn)行詳細(xì)介紹。將Lora僅僅視為一種算法可能并不準(zhǔn)確，它更像是一種精妙的技巧或策略。下文將圍繞幾個核心問題，全面探討和解析Lora技術(shù)，希望這些內(nèi)容能為對模型微調(diào)感興趣的你提供有用的參考和幫助。Lora是什...

2024年，Anthropic[1]發(fā)布Claude3[2]系列的同時推出了MCP[3]（ModelContextProtocol），定位更底層：不是“調(diào)函數(shù)”，而是“定義模型理解系統(tǒng)的結(jié)構(gòu)協(xié)議”。在企業(yè)級應(yīng)用場景下，對于一些私有環(huán)境，MCP服務(wù)器可能不需要嚴(yán)格的身份認(rèn)證。但如果在企業(yè)級別進(jìn)行部署，對這些接口的安全性和權(quán)限管理就顯得至關(guān)重要。MCP服務(wù)器可以通過兩種方式運(yùn)行：stdiohttp+sse這兩種運(yùn)行方式的權(quán)限控制策略各不相同。在深入討論MCP服務(wù)器的權(quán)限...

?上一篇文章我分享了AutoGen的基礎(chǔ)使用??AutoGen從入門到高階系列一：如何從零開始構(gòu)建你的第一個智能體？??，這一篇文章來分享一下AutoGen里面的智能體。內(nèi)置了哪些智能體??UserProxyAgent??:一個智能體，接收用戶輸入并將其作為響應(yīng)返回AssistantAgent：這是一個通用的智能體，它利用大型語言模型（LLM）進(jìn)行文本生成與推理，還可通過工具（tools）擴(kuò)展其能力。??CodeExecutorAgent??:一個可以執(zhí)行代碼的智能體...

最近團(tuán)隊(duì)里的小伙伴都在討論AutoGen，作為一個去年還在手搓智能體的"老派"開發(fā)者，我也決定跟上技術(shù)潮流。經(jīng)過一段時間的實(shí)踐，我發(fā)現(xiàn)這個框架確實(shí)能極大提升開發(fā)效率。今天開始，我將通過一系列文章，帶大家從零開始掌握AutoGen。文章大致目錄是這么安排的：基礎(chǔ)入門內(nèi)置智能體自定義智能體及高級技巧智能體到底是如何進(jìn)行團(tuán)隊(duì)協(xié)作的狀態(tài)管理swarm模式分布式智能體作為開篇，我們先來認(rèn)識這個強(qiáng)大的工具。初識AutoGen想象一下...

MCP能解決什么問題我們之前開發(fā)LLM應(yīng)用的時候，這個應(yīng)用不僅基于已有的知識庫對話，還和外部連接訪問數(shù)據(jù)和使用工具：訪問google進(jìn)行內(nèi)容檢索訪問youtube進(jìn)行視頻檢索調(diào)用公司內(nèi)部的CRM接口我們在LLM應(yīng)用內(nèi)部做了很多的粘合工作，在之后如果我們要新開一個LLM應(yīng)用，如果還需要使用這些工具怎么辦呢？我們可以引入一個中間層，把這些能力放在中間層中，LLM應(yīng)用只負(fù)責(zé)和中間層打交道。這其實(shí)就是MCP做的事，MCP可以用來簡化LLM應(yīng)...

AI領(lǐng)域迎來了一則重磅消息——DeepSeek正式開源了其最新數(shù)學(xué)推理大模型DeepSeekProverV2671B！這款擁有6710億參數(shù)的“數(shù)學(xué)大腦”究竟有多強(qiáng)？它又將如何改變數(shù)學(xué)研究、教育甚至整個AI行業(yè)？讓我們一探究竟！一、數(shù)學(xué)推理領(lǐng)域的“AlphaGo時刻”DeepSeekProverV2671B是DeepSeek團(tuán)隊(duì)專為數(shù)學(xué)定理證明和復(fù)雜推理任務(wù)打造的“專業(yè)選手”。從命名中的“Prover”（證明者）就能看出，這不是一個普通的通用大模型，而是專為解決數(shù)學(xué)難題...

2025年4月29日凌晨，阿里巴巴正式開源了其新一代通義千問大模型Qwen3系列，這一發(fā)布不僅登頂全球開源模型性能榜首，更以創(chuàng)新的"混合推理"架構(gòu)重新定義了大型語言模型的效率邊界。作為國內(nèi)首個集成"快思考"與"慢思考"能力的開源模型，Qwen3在性能全面超越DeepSeekR1、OpenAIo1等頂尖模型的同時，將部署成本降低至競品的13。阿里巴巴還公開了兩個MoE模型的權(quán)重：Qwen3235BA22B和Qwen330BA3B。前者是一個具有2350億總參數(shù)和2200億...

背景信息近期前線人員反饋，在使用問答系統(tǒng)處理PPT文件時回答效果不佳。經(jīng)查發(fā)現(xiàn)，用戶上傳的PPT內(nèi)容多為圖文混排形式，包含大量圖像和統(tǒng)計(jì)圖表。用戶提問主要聚焦于圖表數(shù)據(jù)及其相互關(guān)系。我這里隨意在網(wǎng)上找了一個PPT做嘗試，這個PPT有一張圖如下所示：提問："2017年大數(shù)據(jù)開發(fā)人數(shù)比2016年增加了還是減少了，具體增加或減少了多少人？"系統(tǒng)返回：根據(jù)提供的資源數(shù)據(jù)，2017年大數(shù)據(jù)開發(fā)職位的招聘人數(shù)大幅增加。具體來說，201...

Ollama在人工智能技術(shù)迅猛發(fā)展的今天，大型語言模型(LLM)的應(yīng)用越來越廣泛。Ollama作為一款創(chuàng)新的開源框架，為開發(fā)者和研究者提供了在本地環(huán)境高效部署和運(yùn)行LLM的全新解決方案。跨平臺安裝指南Ollama支持主流操作系統(tǒng)，安裝過程極為簡便：?Linux用戶可通過終端一鍵安裝：wgetOhttps:setup.ollama.aibash?macOS用戶推薦使用Homebrew：brewtapollamaollama&&brewinstall?Windows用戶可通過WSL輕松部署模型快速啟動示例啟動預(yù)...

當(dāng)AI不僅能“看”圖，還能“用圖思考”，甚至自主調(diào)用工具解決現(xiàn)實(shí)中的復(fù)雜問題，人類與機(jī)器的協(xié)作邊界正在被重新定義。今天凌晨，OpenAI發(fā)布的兩款新模型o3和o4mini，不僅刷新了多項(xiàng)性能紀(jì)錄，更首次將圖像深度融入推理鏈條。顛覆性突破首次實(shí)現(xiàn)圖像思維鏈整合圖片OpenAI首次展示了其模型如何嵌入圖像進(jìn)行理性分析的例子。該模型不僅具備“觀察”圖像的能力，更可以“用圖像推導(dǎo)”。這一創(chuàng)新使視覺和文字理解能力深度結(jié)合，在...

今天，國內(nèi)AI行業(yè)迎來了一場震撼性的開源盛宴——智譜AI（ZhipuAI）一口氣免費(fèi)開源了6款GLM系列大模型，涵蓋基座、推理、沉思三大類別，并細(xì)分9B和32B兩種參數(shù)量級。更令人振奮的是，其中GLMZ132B推理模型實(shí)測速度高達(dá)200tokens秒，登頂國內(nèi)商用模型速度之最，而價格卻僅為DeepSeekR1的130，甚至部分版本完全免費(fèi)商用！這一波操作，不僅讓開發(fā)者直呼“真香”，更讓行業(yè)開始思考：大模型的商用門檻是否正在被徹底打破？免費(fèi)開源...