大模型

i查拉图斯特拉如是

Coze工作流意图识别这章节主要是简单了解一下工作流的一个应用，主要是讲的是意图识别，也就是我们在当模型应用当中常用的一些提问，然后大模型识别我们的意图，根据我们的意图去做相关的一些处理，这有点像一个流程图或者像我们平常的流程图，但是他很抽象，可以拖动对应的模块来处理。

i查拉图斯特拉如是

搭建本地大模型知识库这章节主要是讲如何用本地的，一个很小的大模型，搭建一个自己的知识库，体验一下大模型的一个知识库的能力，还有大模型的一个检索能力。

DeepSeek-V3.2技术报告解读：开源大模型的逆袭之战——如何用10%算力追平GPT-5新模型技术报告已同步发布：https://modelscope.cn/models/deepseek-ai/DeepSeek-V3.2/resolve/master/assets/paper.pdf

飞火流星02027

大模型Temperature 参数说明及配置建议Temperature参数直接影响模型生成文本的多样性：根据应用场景选择合适的Temperature值：

【电子书】大语言模型综述（391页）2022 年底，ChatGPT震撼上线，大语言模型技术迅速“席卷”了整个社会，人工智能技术因此迎来了一次重要进展。面对大语言模型的强大性能，我们不禁要问：支撑这些模型的背后技术究竟是什么？这一问题无疑成为了众多科研人员的思考焦点。

程序员柒叔

Dify知识库- Word文档处理本报告详细分析了 Dify 项目中知识库对 Word 文档的处理流程，包括文档上传、解析、分段和索引的完整过程。

LangChain到底是什么？LangChain 既是一个开源框架，也是一套工具和库，但它的核心定位是框架。以下是结合官方定义和技术架构的详细解析：

2025最新版微软GraphRAG 2.0.0本地部署教程：基于Ollama快速构建知识图谱微软近期发布了知识图谱工具 GraphRAG 2.0.0，支持基于本地大模型（Ollama）快速构建知识图谱，显著提升了RAG（检索增强生成）的效果。本文手把手教你如何从零部署，并附踩坑记录和性能实测！

愤怒的可乐

从零构建大模型智能体：实现可扩展工具系统在智能体系统（Agent）中，工具（Tool）是让大模型从“纯文本回答”升级为“可执行任务”的关键能力。本章将从最简单、最直观的方式出发，演示如何仅通过提示词让 LLM 理解你的函数并主动调用它们。随后，我们会进一步封装工具类与装饰器，使工具体系更加规范、可扩展，为构建更复杂的智能体打下基础。

【软件工程3.0】智能时代企业新型生产关系：人机协同的系统性变革当今世界正处于新一轮科技革命与产业变革的历史交汇点，人工智能技术作为引领未来的战略性技术，正深刻重塑人类生产方式和商业本质。随着人工智能从概念走向落地，企业生产关系正经历从"人主技辅"到"人机共生"的深刻变革。这种变革不仅体现在技术应用层面，更是对传统管理模式、组织结构和价值创造方式的系统性重构，推动企业向智能化、网络化、服务化方向演进。

我很哇塞耶

从 “检索知识” 到 “会用知识”：西安交大 + 华为 2025 EMNLP 新方案RAG+西安交通大学联合华为等机构发表在2025 EMNLP上的RAG+框架，恰恰戳中了这个痛点。它通过引入“应用感知推理”，让模型不仅能“搜到知识”，更能“用好知识”，在三大领域实现3%-5%的平均性能提升，峰值增益高达13.5%。下面来详细了解这个让RAG“脱胎换骨”的新方案～

当你和大模型对话时，模型在做什么唐杨你可能每天都在跟ChatGPT这样的人工智能聊天，向它提出各种问题，或与它讨论各种话题。那么，当你敲下一句问题时，大模型究竟是怎么运行的，如何能一个字一个字输出正确的回答？大模型并不是黑盒，本文会从模型生成答案的过程来解释下Transformer的结构以及模型是如何进行推理的，希望能给大家建立一个大致认知。

【实践指南】Windows 下 Stable Diffusion WebUI 与 ComfyUI 模型库“完美共存”指南Stable Diffusion WebUIComfyUI—— 零空间占用、双向同步、无需修改代码的系统级方案

小白也能懂！RAG技术让AI告别知识滞后，收藏学习RAG技术通过结合检索与生成，解决大模型知识滞后问题，其工作流程包括知识预处理、检索优化和增强生成三大阶段。在数字政府领域有广泛应用，如智能政策咨询、多模态服务等。普通人可选择集成RAG的AI工具或应用"先检索再生成"的思维模式，有效提升AI回答的准确性和时效性。

【AI大模型对话】流式输出和非流式输出的定义和区别提示：帮帮志会陆续更新非常多的IT技术知识，希望分享的内容对您有用。本章分享的是springboot的使用。前后每一小节的内容是存在的有：学习and理解的关联性。【帮帮志系列文章】：每个知识点，都是写出代码和运行结果且前后关联上的去分析和说明（能大量节约您的时间）。

Deep Research技术全解析：从Reasoning到Research with Reasoning的AI进化之路（值得收藏）本文详细剖析了Deep Research技术架构，探讨其如何通过多模块交互系统解决LLM的闭卷推理和幻觉问题。从查询分解、动态规划到信息检索与执行引擎，文章解析了Research with Reasoning的转型路径，对比了不同规划技术（CoT、ToT等）与执行框架（ReAct），并介绍了通义DeepResearch的实现方案，展望了AI从文本生成向目标解决进化的未来方向。

2025秋招LLM大模型多模态面试题：110道大模型面试常见问题及答案，助你拿下AI工程师岗位！这个问题考察面试者对当前大模型生态的了解，包括如 Transformer-based 模型（如 BERT, GPT 系

ROS2——基础6（TF2机器人坐标系管理器、Gazebo）目录1 TF2简介2 TF命令行测试3 静态TF广播4 TF监听机器人系统中有很多坐标系，机器人中心点设为基坐标系base link、雷达所在位置为雷达坐标系laser link、机器人移动里程计累积位置的参考系称为里程计坐标系odom link、里程计有累积误差和飘逸又有绝对位置参考系/地图坐标系map link。TF2在ROS中用于管理机器人的坐标系。

CoderJia程序员甲

GitHub 热榜项目 - 日榜(2025-11-30)生成于：2025-11-30共发现热门项目： 17 个榜单类型：日榜本期GitHub热点显示AI智能体与应用开发仍是核心趋势，项目覆盖RAG优化增强检索如LightRAG强化学习调优，如VolcanoEngine的verl以及多智能体内存管理Memori等技术方向，同时微软AI呼叫中心和Google智能体开发工具包ADK凸显AI正向语音交互与复杂任务自动化等实用场景延伸，开发工具上Cursor助手破解和n8n工作流汇集反映开发者对提升效率工具的迫切需求，整体呈现AI技术深度融合解决实际业务问题并加速落地的

人邮异步社区

完全没接触过AI/NLP，如何系统学习大模型？未接触 AI 或 NLP 领域的读者想入门大模型从哪里入手？那你就看这本《动手构建大模型》。本书介绍了自然语言处理（Natural Language Processing ，NLP）的基础知识和一些新兴的技术，特别关注大语言模型（Large Language Model ，LLM）的发展，并帮助读者深入理解神经网络的内部工作机制。更重要的是，本书重点介绍了如何构建实用的 LLM 系统。书中提供了独特的、易于上手的实用方法，兼顾理论和实践，面向所有希望构建可满足实际需求的 LLM 产品的读者。本书还