大模型

RAG医疗问答系统在当今科技飞速发展的时代，人工智能（AI）已经成为各行各业不可或缺的一部分。特别是在文档处理和数据分析领域，AI的应用更是无处不在。今天，我要向大家介绍一个开源的AI框架引擎——RAGflow。它能够在深度文档理解方面执行检索增强生成（Retrieval-Augmented Generation，简称RAG），并且被认为是目前最优秀的RAG框架之一。本文将详细探讨RAGflow的创新功能、技术特点以及如何在实际应用中发挥其最大潜力。

CoderJia程序员甲

GitHub 热榜项目 - 日榜(2026-1-9)生成于：2026-1-9共发现热门项目： 15 个榜单类型：日榜本期GitHub热榜显示AI智能体开发工具全面爆发，Claude Code终端助手和Chrome DevTools MCP等工具通过自然语言命令显著提升编码效率。项目热点集中在为AI智能体构建长效记忆层，如memvid和claude-mem用精简架构替代复杂RAG管道，实现会话上下文持久化。同时VideoRAG和MiroThinker推动多模态搜索智能体发展，强化视频理解和深研能力。趋势表明开发者正着力解决智能体实践中的记忆瓶颈和工具集成难题

深度解析：FFmpeg 远程流式解复用原理与工程实践在数字视频工程的浩瀚领域中，“流媒体”（Streaming）是一个被广泛使用却常被误解的概念。对于终端用户而言，流媒体意味着即点即看、随意的拖拽进度条（Seeking）以及无需等待完整下载的便捷体验。然而，从底层系统工程师的视角来看，实现这一体验的技术路径却大相径庭。

【Coze智能体开发】（二）从 0 到 1 精通 Coze 智能体开发：基础到实战全攻略，新手也能快速上手！编辑引言一、智能体核心认知：它不是简单的 "聊天机器人"1.1 什么是智能体？—— 有自主能力的 AI"办事员"

Spring AI 与 LangChain4j 对比随着大型语言模型（LLM）的崛起，软件工程领域正在经历一场范式转变，从确定性的逻辑编程转向概率性的生成式交互。在 Java 生态系统中，Spring AI 和 LangChain4j 已成为连接企业级应用与 AI 模型的主流框架。虽然两者的最终目标一致——即简化 Java 应用与 AI 的集成——但它们源于截然不同的设计哲学，导致了在实现同一功能时存在显著的机制差异。

提示词工程实训营09 - 4.3 多轮对话优化内容——从“一次成型“到“越聊越精“的AI进化术“一次对话只能及格，多轮对话才能满分！掌握这套’对话进化法’，让AI内容越聊越专业！”上一节我们学会了用STAR模型搞定风格定制，但新的问题来了：为什么你的内容总是"一次性产品"，缺乏深度和精度？

MonkeyKing_sunyuhua

大模型常见的专用名词Token & 上下文相关 • Token：模型处理文本的基本单位；不是“字数”，中文/英文的 token 数差异很大。 • Context window / Context length（上下文窗口）：一次请求里模型能“看到”的最大 token 数（输入+输出通常都占用窗口）。 • Input tokens / Output tokens：输入消耗的 token、输出生成消耗的 token。 • Max output tokens / max_tokens：这次最多允许模型生成多少 token（防止无限

大模型真好玩

大模型训练全流程实战指南（一）——为什么要学习大模型训练？2025年，大模型技术迈入了飞速发展的新阶段。自从DeepSeek-R1引入强化学习方法以来，模型的能力得到了系统性提升，整个领域的发展宛如“打通任督二脉”，进入了前所未有的快车道。无论是国外闭源模型——如OpenAI的GPT系列、Anthropic的Claude系列、谷歌的Gemini系列，还是国内开源阵营的DeepSeek、Qwen等系列，都在今年实现了密集的版本迭代与能力突破。

使用TimeGPT进行时间序列预测案例解析摘要：原文探讨了TimeGPT，一个为时间序列预测而设计的生成式预训练Transformer模型。文章详细介绍了其零样本推理、微调能力、API访问、外生变量支持、多序列预测等功能，并提供了使用Python进行数据准备、预测、趋势分类和不确定性量化的代码示例。

提示词工程实训营09- 4.2 风格模仿与调整——从“千篇一律“到“风格百变“的AI魔法“同样的内容，换个风格，效果翻倍！掌握这套方法，让AI秒变你的专属风格定制师！”上一节我们学会了用RTCF法则搞定内容框架，但问题是：为什么你的内容总是透着一股"AI味儿"？

基于SWIFT框架的预训练微调和推理实战指南之完整实战项目基础阶段（1-2周）进阶阶段（2-4周）高级阶段（4-8周）官方文档：实践项目：社区资源：本文从大模型的基础原理出发，通过SWIFT框架详细讲解了预训练、微调、推理和采样的全流程。从理论到实践，从单机到分布式，从训练到部署，提供了完整的学习路径和实践代码。关键要点：

提示词工程实训营08- 写作助手：文章、报告、创意文案——从“写作困难户“到“高产作家的蜕变秘籍“你负责思考，AI负责写作！掌握这套方法，写作效率直接起飞！”上一节我们学会了用FSC法则精准控制输出格式，现在该进入最激动人心的环节了——让AI成为你的专属写作助理！

CoderJia程序员甲

GitHub 热榜项目 - 日榜(2026-1-7)生成于：2026-1-7共发现热门项目： 14 个榜单类型：日榜本期GitHub热榜凸显AI技术正加速赋能垂直行业并追求极致效率，微软BitNet引领1位量化技术大幅降低大模型部署成本，金融领域AI应用爆发OpenBB和多个量化项目展示AI在投资分析中的实战价值，同时多模态AI成为焦点VibeVoice的语音克隆与ebook2audiobook的自动有声书生成技术推动内容创作革新，LightRAG则优化了RAG系统的效率整个趋势表明开发者正致力于将前沿AI技术转化为可复现的解决方案切实解决行业痛点。

从本地知识库到“活”知识——RAG 落地全景指南把 LLM 当“大脑”，把 RAG 当“外接硬盘”，让模型既能说人话，又能说“内行话”。全程本地跑，数据不出内网，句号。

小白考证进阶中

阿里云ACA认证常见问题答疑阿里云ACA（Alibaba Cloud Certified Associate）是阿里云初级技术认证，面向云计算入门学习者、高校学生、初入行业的技术人员，验证对阿里云基础产品和核心服务的理解与应用能力。

【代码】deepspeed保存的checkpoint转换为huggingface格式safetensors（fp16）

【平面重建】3D高斯平面：混合2D/3D光场重建（NeurIPS2025）标题：《3D Gaussian Flats: Hybrid 2D/3D Photometric Scene Reconstruction》项目：https://theialab.github.io/3dgs-flats/ 来源：Simon Fraser University；University of Toronto；University of Bologna

打破预测与决策的孤岛：如何构建“能源垂类大模型”？——从 iTransformer 到端到端联合训练的完整落地指南摘要：在能源数字化转型中，传统的“先预测、后优化”流水线模式面临误差累积和计算效率低的瓶颈。本文提出一种基于 iTransformer 架构的“能源垂类大模型”方案，通过共享 Encoder 实现时序特征的通用提取，并利用多任务联合训练（Joint Training）实现预测与调度的一体化。本文将详细拆解从模型定义、输入构建到训练策略的全流程。

行业资讯日报自动化：从采集到 LLM 生成的全链路拆解（以政务网站为例）信息采集这件事，技术方案五花八门。商业 API、RPA 工具、八爪鱼这类可视化爬虫、n8n 工作流编排、还有最传统的 Python 脚本。但在实际场景里，很多盆友可能对这些方案的边界并不清晰，就是什么时候该用哪种？各自的成本和局限是什么？这篇文章想通过一个具体的 POC 案例，拆解一下在政府网站定期采集这个特定场景下，怎么选择性价比最高的技术路线。

未来AI会取代人类吗？AI的发展速度令人惊叹，从写代码到画画，甚至能和你聊天到深夜。但“取代人类”这个命题，真的那么简单吗？