文章列表-AI魔法学院

文章列表

LLM Agent最常见的九种设计模式(图解+代码)

架构上它由三个组件组成： · Planner：负责生成一个相互依赖的“链式计划”，

LLM Agent 图解

ComfyUI初学者指南

您可以通过将不同的块（称为节点）链接在一起来构建图像生成工作流程。

文生图 comfyui

垂直领域大模型的思考

本文将系统介绍如何做一个垂直领域的大模型，包括继续预训练，领域微调数据构建，减缓幻觉，知识召回多个方面。

垂直领域大模型

WeChaty：强大的微信个人号机器人SDK

WeChaty 是一款基于 Node.js 的开源微信个人号机器人 SDK，它为开发者提供了一种简单而强大的方式来构建自己的微信机器人，实现与微信的智能通信。

微信接口

国内LLM陆续启动，你的Prompt库有这些模块吗

这里修猫给出一个框架，还请有心读者自行丰富，时间会认证你的积累。

prompt

大模型实践总结

仅编码器架构（Encoder-only）：自编码模型（破坏一个句子，然后让模型去预测或填补），更擅长理解类的任务，例如：文本分类、实体识别、关键信息抽取等。

大模型训练

李彦宏偏爱小模型｜AI光年

大语言模型对企业、机构、高校的实际价值是什么？

李彦宏小模型

实时语音克隆

SV2TTS使用深度学习框架，分为三个阶段，通过音频创建声音的数字表示，然后用这个表示来合成任意文本的语音。

语音克隆

XX来信：智能体设计模式2：Reflection

智能体工作流不是让LLM直接生成最终输出，而是多次提示LLM，使其有机会逐步构建更高质量的输出。

Reflection 智能体

LlamaIndex的QueryPipeline在实现RAG应用后，Agent应用也可以实现了（附开发示例）

如果可以，它将能统一整个应用的构建模式，对于开发者来讲，会带来一致的开发体验。

Agent QueryPipeline 大模型

基于中文金融知识的 LLaMA 系微调模型的智能问答系统：LLaMA大模型训练微调推理等详细教学

通过中文金融公开问答数据+爬取的金融问答数据构建指令数据集，并在此基础上对 LLaMA 系模型进行了指令微调，提高了 LLaMA 在金融领域的问答效果。

LLaMA

【万字长文】LLaMA, ChatGLM, BLOOM的参数高效微调实践

模型结构上，与GPT相同，LLaMA采用了causal decoder-only的transformer模型结构。

大模型微调训练

Elasticsearch 中的向量搜索：设计背后的基本原理

无锁搜索就地更新数据结构的系统通常需要加锁，以保证并发索引和搜索下的线程安全。

向量数据库

无需编码，轻松提升图像品质：探索ComfyUI的图像增强功能

无需编码，ComfyUI是一个强大且易于使用的解决方案，允许新用户和经验丰富的用户探索和构建复杂的StableDiffusion工作流。

文生图

利用AI技术自动化爬取网页数据的利器——MLScraper

简介 MLScraper是一个强大的Python库，用于从网页上提取结构化数据。

MLScraper Python库

<...7 8 9 101112 13 14 15 16 ...>

汇聚AI资讯，网罗AI文档，详解AI工具！

关于我们用户协议隐私条款商务合作：skillupvip

© 2023-2025 AI魔法学院

京ICP备20027199号-1