在自然語言處理（NLP）領域，我們面臨的第一個挑戰就是如何讓計算機理解人類的語言。計算機不認識漢字或字母，它們只懂數字。因此，我們需要一種方法，將詞語轉換成計算機可以處理的數字形式。1.什么是詞向量？我們不能直接把"蘋果"這兩個字輸入到機器學習模型中。模型無法進行任何計算。我們需要先把它變成一組數字。早期的方法早期自然語言處理方法，如獨熱編碼和詞袋模型，雖然對某些機器學習任務有用，但并不能捕捉到詞的意...

介紹了Anthropic的元提示詞工具，展示了如何編寫清晰、具體、結構化的提示詞。深入講解了提示詞工程的重要性，并總結了寫作提示詞的三個核心原理與技巧，讓用戶能像指導新員工一樣高效地引導AI，獲得穩定準確的輸出結果。1.提示詞工程基礎：Anthropic元提示詞的核心理念什么是提示詞工程Anthropic元提示詞第1行的核心思想2.Anthropic元提示詞教你的三個寫作原理原理1:讓AI分步驟思考不要一次性處理復雜任務原理2:用完整示例教會...

本文介紹了在增強檢索生成（RAG）流程中，文本分塊的重要性和實現方式。詳細解釋了為什么要對文本進行切分及代碼示例，展示了分塊后的效果。通過合理分塊，可以有效應對模型的輸入限制，提升檢索與生成的質量，是構建高效LLM應用的關鍵步驟之一。1.文檔分塊的原因2.文檔分塊的基本思路2.1基于長度的分塊類型2.2代碼實現2.2拆分結果3.圖形化顯示分塊總結在快速發展的自然語言處理（NLP）領域，增強檢索生成（RAG）已成為提高AI生...

隨著GenAI技術的突飛猛進，LLM的"幻覺"問題已成為業界關注焦點。最近，由Vectara發布了一份《幻覺排行榜》，對主流模型的幻覺表現進行了系統對比。量化展示了不同LLM的幻覺率差異采用Vectara自研的HHEM2.1評估模型為選型提供一個參考本排行榜使用Vectara的商業幻覺評估模型HHEM2.1，來計算LLM排名（更新于2025年4月29日）排行榜地址：??https:github.comvectarahallucinationleaderboardtabreadmeovfile????https:hugging...

在RAG系統中，僅靠向量相似度檢索容易造成信息重復或片面。為提升回答的多樣性與覆蓋度，引入MMR（MaximumMarginalRelevance）算法能有效在“相關性”與“多樣性”之間取得平衡，從而挑選出既相關又不重復的信息，提升系統輸出的質量與實用性。1.MMR是什么，它能解決什么問題？2.MMR的基本思想3.MMR的原理和公式解析3.1算法流程3.2舉個例子：摘要任務中的MMR4.MMR的應用場景4.1.信息檢索（比如搜索引擎的結果排序）4.2.問答系統...

在RAG的核心步驟中，有一個至關重要的步驟：“文本分塊（TextSplitting）”。它的主要作用就是把一大段文本切分成更小、更合理的片段，這樣模型才能更好地理解、處理或者存儲這些內容。如果一整篇文章不拆開，那embedding的顆粒度太粗，問答的時候很容易不準。所以切得好不好，直接影響最后答案的相關性和準確性。最基本的分塊方法是根據文檔的長度進行拆分。這種簡單而有效的方法確保每個塊不會超過指定的大小限制。基于長度拆...

RAG（檢索增強生成）是一種很厲害的技術，能幫助企業開發更智能的AI應用。這類AI不僅能結合實時數據，還能利用企業自己的數據，生成更自然、更有互動感的對話。RAG的核心思路是讓AI在回答問題時，不是光靠自己“想”，而是先去查找外部的、可靠的專業知識，把這些信息當作參考，讓回答更準確、更有依據。但問題在于，AI找到的資料是否靠譜，直接決定了它給出的答案是否可信。所以，優化RAG的搜索過程非常重要，能有效提升AI生成...

本文整理了MCP的基本協議規范，包括協議架構、協議基本消息類型、協議生命周期管理、協議的傳輸層1.協議之架構1.1基本組件1.2基本消息類型1.3能力協商2.協議規范之基本消息類型2.1Requests（消息請求）2.2Responses（消息應答）2.3Notifications（通知）2.4舉例：Client獲取ServerTool列表3.協議規范之生命周期管理3.1Initialization（初始化）：3.2Operation（操作）3.3Shutdown（關閉）4.協議規范之傳輸層5.參考整個規范，可...

說實話，我以前特別怕做PPT。每次老板說“做個PPT吧”，我心里就咯噔一下。光是想到要查資料、寫內容、調格式，我就想原地消失。更別提那些熬夜改來改去的日子了，眼睛都快瞎了，PPT還是丑得沒法看。每次交完PPT，我都覺得自己被掏空。最近體驗了DeepSeek+Kimi這個神器，簡直像開了掛一樣！它就像個超級助手，幫我搞定所有麻煩事。查資料？它來！寫內容？它來！排版設計？它還來！以前要花一整天才能搞定的PPT，現在10來分鐘就...

流式傳輸允許實時接收生成的文本，隨著文本的生成而接收。這樣，您就不必等到整個文本準備好后才能開始向用戶展示。我們將使用LangChain與LLM進行流式交互，并使用Streamlit創建應用的前端。1.什么是Streamlit？2.什么是LangChain？3.什么是流式輸出？4.代碼實現4.1安裝依賴4.2導入必要的庫4.3初始化OpenAI語言模型4.4創建StreamlitUI4.5實現流式輸出4.6管理聊天歷史4.7顯示聊天記錄4.8獲取用戶輸入并生成AI回復5.運行項目總結...

在辦公場景中，WPS作為一款強大的辦公軟件，不僅提供了豐富的文檔編輯功能，還支持宏（Macro）來實現自動化處理。隨著人工智能技術的發展，將大模型（如ChatGPT、DeepSeek、文心一言等）集成到WPS中，可以大幅提升文檔編輯、內容創作、數據分析的效率。本文介紹如何通過WPSJS宏調用DeepSeek大模型，實現自動化文本擴寫功能。1.隨便打開一個word文檔，點擊工具欄“工具”2.點擊“開發工具”3.點擊“查看代碼”4.在打開的WPS宏編...

最近Distillation這個詞見的非常多。前兩天大火的DeepSeek團隊發布的DeepSeekR1，其670B參數的大模型通過強化學習與蒸餾技術，成功將能力遷移至7B參數的輕量模型中。蒸餾后的模型超越同規模傳統模型，甚至接近OpenAI的頂尖小模型OpenAIo1mini。在人工智能領域，大型語言模型（如GPT4、DeepSeekR1）憑借數千億級參數，展現出卓越的推理與生成能力。然而，其龐大的計算需求與高昂的部署成本，嚴重限制了其在移動設備、邊緣計算等...

在機器學習中，損失函數是用來衡量模型預測值與真實值之間差距的一個函數。它在模型訓練過程中起著至關重要的作用，因為通過最小化損失函數，模型能夠調整其參數，從而使得預測結果越來越接近真實值。為了幫助理解這一點，我們將以均方誤差（MSE）為例，詳細講解什么是損失函數，以及它在實際應用中的作用。什么是損失函數？損失函數是一個用于評估模型預測準確性的數學函數。具體來說，損失函數通過對比模型的預測值與真實值，...

BagofWords將文本看作由單詞構成的無序集合，通過統計單詞在文本中出現的頻次來表示文本。因此，BagofWords主要用于文本分類、情感分析、信息檢索等自然語言處理任務中1.什么是詞袋模型（BagofWords）2.實現BagofWords的步驟2.1文本預處理2.2構建詞匯表2.3向量化文本（詞袋表示）2.4通過文本的向量表示，使用余弦相似度分析句子相似度3.統計詞頻，通過評論提升餐廳滿意度在自然語言處理領域，如何將人類語言轉化為機器能夠理解...

智能體是一種能夠感知環境、做出決策并采取行動的系統。這些系統能夠執行被動的任務，也能夠主動尋找解決問題的方法，適應環境的變化，并在沒有人類直接干預的情況下做出決策。1.業務需求現在有一個生意很好的鮮花店在運營花店的過程中，經常遇到特殊情況導致大量花朵損壞，會導致庫存短缺的問題因此花店急需一個能夠精準預測和優化庫存的解決方案來應對這場危機，否則我們將失去大量顧客并且信譽受損。可是，花店人力嚴重不足A...

近年來大模型發展過程中面臨的幾個核心挑戰：靜態知識的局限性、執行能力的缺失、與外部系統的割裂。為了應對這些挑戰，推動大模型從單純的語言生成工具演變為真正的任務執行引擎，Functioncalling誕生了，成為大模型一項不可或缺的核心能力。概念Functioncalling和ToolCalling會混用我們在做應用開發的時候，大部分時候盡量避免直接耦合到OpenAI,會使得程序兼容性不好，這時只要面向LangChain開發就可以了。LangChain是一個靈...

AIAgent，即人工智能代理，一般直接叫做智能體。是一種能夠感知環境、做出決策并采取行動的系統。這些系統能夠執行被動的任務，也能夠主動尋找解決問題的方法，適應環境的變化，并在沒有人類直接干預的情況下做出決策。基于大模型的AIAgent開發常用框架包括：LangChain、LlamaIndex、OpenAIAPI1.LangChain是什么？（示例代碼基于v0.3版本）LangChain是一個開源框架，目標是將大模型與外部數據連接起來，以便開發者能夠更快和更...

AI就像電力一樣。”這是因為，作為一種通用技術（類似于電力），AI有著無數的應用場景。如果有人問你：“電力能用來做什么？”這個問題很難回答，因為電力幾乎無處不在。同樣，新興的AI技術正在為我們創造一個龐大的機會空間，能夠開發以前無法實現的應用。經常有人問我：“AI最大的機會在哪里？”我對AI技術棧的理解是這樣的：在最底層，是半導體技術。在其上是云基礎設施。當然，再往上是各種基礎模型訓練工具和模型本身。大...