nlp

闻道且行之

基于 LLM 的 MCP 架构实战：服务端搭建、工具开发与 Dify 集成全流程随着分布式系统与跨端通信技术的快速发展，客户端与服务端的高效交互成为各类应用开发的核心环节，MCP 架构凭借其轻量化、高适配性与灵活的通信机制，在多场景开发中得到广泛应用。深入解析 MCP 客户端与服务端的核心架构、运行逻辑及交互原理，是掌握该技术体系的关键。本文立足 MCP 架构的应用实践，从核心组成、数据传输、协议适配等维度展开解析，厘清客户端与服务端的职责划分、通信流程及协同机制，明晰二者在数据请求、指令响应、异常处理中的核心逻辑，为相关技术研发、架构优化与问题排查提供理论支撑与实践参考。

闻道且行之

Dify开源平台部署与实战指南：企业级大模型工作流应用搭建此前我们分享了基于 Langchain-Chatchat 的大模型本地化部署方案，依托 LangChain 的组件化生态，该方案能快速实现 RAG 知识库与基础函数调用能力的整合，满足个人及中小企业轻量化的私有问答需求。今天，我们将介绍另一款更适配企业级生产场景的大模型部署架构 ——Dify。作为开源的低代码大模型应用开发平台，Dify 以可视化编排为核心特色，不仅具备更完善的函数调用能力，支持参数自动校验、智能追问与多函数并行，还提供 Docker 一键部署、权限管理、日志监控等生产级特性，助力开

名为沙丁鱼的猫729

【并行化】提升智能体效率的关键设计模式，同时执行独立任务缩短响应时间Expression Language LangChain、LangGraph （LCEL 和 Google ADK ）中，可以通过将多个等框架都提供了并行执行机制。

数据标注方法1.数据标注方法比较研究：以依存句法树标注为例核心：总结和对比了几种人工与机器结合的方式，人机串行vs并行，如下图： 2.DeepSeek-Math：提出强化学习算法GRPO

Engram 论文精读：用条件记忆模块重塑稀疏大模型当 MoE 通过条件计算扩展模型容量时，Transformer 却缺少原生的知识查找原语。Engram 提出条件记忆作为稀疏性的新轴，让模型以 O(1) 的时间直接检索静态知识，而非通过计算模拟检索。

【自然语言处理】初探自然语言处理【作者主页】Francek Chen 【专栏介绍】 ⌈ ⌈ ⌈自然语言处理 ⌋ ⌋ ⌋ 自然语言处理 (Natural Language Processing, NLP) 是人工智能领域的重要研究方向，是一门集计算机科学、人工智能和语言学于一体的交叉学科，通过语法分析、语义理解等技术，实现机器翻译、智能问答、情感分析等功能。它包含自然语言理解和自然语言生成两个主要方面，研究内容包括字、词、短语、句子、段落和篇章等多种层次，是机器语言和人类语言之间沟通的桥梁。【GitCode】专栏资源保存在我的GitCo

词向量演变本文基于以下视频从词袋法到词嵌入，词向量是如何演进的？ BGE | TF-IDF | 词袋法 | WordEmbedding

莱昂纳多迪卡普利奥

LLM学习指南（二）—— NLP基础自然语言处理（NLP）是人工智能的重要分支，核心目标是让计算机理解、解释和生成人类自然语言，实现人机无缝交流。它融合计算机科学、语言学、人工智能、心理学等多学科知识，既能处理语言表层结构（如文字切割），也需理解深层含义（如语义、情感、文化背景）。

【DeepSeek R1部署至RK3588】RKLLM转换→板端部署→局域网web浏览本文为DeepSeek R1 7B 以qwen为底座的LLM在瑞芯微RK3588 SoC上的完整部署流程，记录从开发板驱动适配烧录开始，到最终的开发板终端访问模型和局域网web访问模型的完整流程，有不足之处希望大家共同讨论。

All The Way North-

RNN基本介绍循环神经网络（RNN）入门介绍循环神经网络（Recurrent Neural Network，简称 RNN）是一类专门用于处理序列数据的神经网络。与传统的前馈神经网络（Feedforward Neural Network）不同，RNN 具有“记忆”能力，可以利用之前的信息来影响当前的输出。

大模型注意力机制进化史：从全局到稀疏，从标准到线性、滑动窗口、MQA……更新时间：2026年1月12日如果你关注大模型（LLM）的发展，一定听过这些术语：而这些突破的背后，往往离不开一个核心组件的革新——注意力机制（Attention Mechanism）。

机器学习--TF-IDF&红楼梦案例任务：给定任意一篇文本，然后提取该文本的关键词如何进行关键词提取？步骤1）什么是语料库？（1）语料库中存放的是在语言的实际使用中真实出现过的语言材料

Learn Beyond Limits

解构语义：从词向量到神经分类｜Decoding Semantics: Word Vectors and Neural Classification-----------------------------------------------------------------------------------------------

Hugging Face使用指南在~/.bashrc中添加下述内容，将huggingface换成国内镜像，重新打开终端，这样每次都会指向镜像站

未来之窗软件服务

幽冥大陆(九十三 ) PHP分词服务源码 —东方仙盟练气期分词服务是自然语言处理（NLP）领域的核心基础服务，其核心价值在于将非结构化的自然语言文本（如用户评论、电商标题、新闻资讯）拆解为具有语义的最小单位（词语），为上层业务（智能客服、舆情分析、内容推荐、智能检索）提供标准化的语言数据支撑。该服务不仅解决了中文文本无天然分隔符的行业痛点，更能通过精准分词挖掘文本背后的商业价值：例如电商平台通过商品标题分词实现精准搜索匹配，提升 GMV；金融机构借助舆情文本分词识别风险关键词，降低决策成本；企业通过用户评论分词分析核心诉求，优化产品设计。

云蝠呼叫大模型联络中心

BATH不再一家独大？深入测评2026大模型呼叫市场新秩序云蝠智能创始人魏佳星在介绍其VoiceAgent时，看到AI在反诈劝阻中协助避免数亿经济损失，他感慨道，“作为一个两岁孩子的父亲，我觉得我做的事情，值了”。这种由技术温度驱动的创新，正在重新定义智能外呼的本质。

图结构差异-1-邻域重叠率（Neighborhood Overlap）邻域重叠率是图论/网络分析中的核心指标，用于衡量两个节点在网络中“共享邻居”的程度，本质是量化节点间的结构相似性。

技术狂人168

（三）模型微调技术 20 题！LoRA/Q-LoRA/PPO/DPO 落地细节，面试说清微调全流程（实战篇）上篇多模态笔记发完，很多朋友说 “GPT-4V 的设计逻辑直接背，二面真的被问到了”—— 其实多模态之后，微调是面试的 “落地能力核心” ！大厂招大模型工程师，最看重 “能不能把模型调好用”，我带的 500 + 求职者里，能说清 Q-LoRA 微调 13B 模型踩坑的，三面通过率直接提升 70%。

橘色的狸花猫

简历与岗位要求相似度分析系统本系统是一个基于 NLP（自然语言处理）技术的简历与岗位匹配分析平台，采用 TF-IDF 算法提取关键词，结合余弦相似度计算文本相似度，按多维度加权评估简历与岗位的匹配程度。