aiops

数据智能老司机

LLM工程师手册——RAG 推理管道回顾第4章，我们实现了检索增强生成（RAG）特征管道，用于填充向量数据库（DB）。在特征管道中，我们从数据仓库中收集数据，进行清理、分块和嵌入文档，最终将它们加载到向量数据库中。因此，到目前为止，向量数据库已经充满了文档，并且准备好用于RAG。

运维 + AI，你得先搞懂这些很感谢夜莺提供如此优质的平台能和行业内顶尖技术大佬做面对面的交流，在这个会议中又学习到了很多有趣有深度的内容，给我在未来探索的道路上提供了一些新的指引方向。同时感谢夜莺社区的邀请，在此再做一次关于AI方面的交流文章，由于目前我也是在AI这条赛道上的探索者，如果有不专业的地方还希望各位手下留情，同时希望能结识更多的同行，一起在AI这条赛道上做一些更高级更有趣的事情。

如何跨越 LangChain 应用研发的最后一公里说 LangChain 是现在最流行的 AI 应用开发框架，应该没有人出来反对吧。LangChain 的出现极大地简化了基于大型语言模型（LLM）的 AI 应用构建难度，如果把 AI 应用比作一个人的话，那么 LLM 相当于这个人的“大脑”，而 LangChain 则是通过提供各种工具和抽象，来充当这个人的“四肢”，两者结合起来，就能实现一个具备“思考能力”的 AI 应用。不过，本文并不介绍 LangChain 的具体使用方法，而是希望与读者探讨一下 LangChain 应用研发的最后一公里问题 —— 如

神秘奇男子

谷歌 Gemma AI大模型部署搭建本地谷歌 Gemma 是一个基于 Python 的图像分析工具，提供快速和准确的物体检测、定位、分类和风格迁移功能。它使用 TensorFlow Lite 模型，使它可以快速运行在移动设备上。

智能管理日常花销 — AI Coze打造个人财务小助手的全新体验（初版）注意：本文主要以实际案例为主，并不是基本教程，如果要学习基本教程，可以参考对应的官方文档Coze - 文档中心，本篇文章，主要以在学会AI Coze的使用基础之上，进行实践了相关的日常花销的实现案例。

GreptimeAI + Xinference 联合方案：高效部署并监控你的 LLM 应用随着人工智能技术的迅速进步，OpenAI 已经崭露头角，成为该领域的领军者之一。它在多种语言处理任务上表现卓越，包括机器翻译、文本分类和文本生成等方面。随着 OpenAI 的兴起，同时涌现的还有许多其他优质的开源大语言模型，比如 Llama，ChatGLM，Qwen 等等，这些优秀的开源模型也可以帮助团队快速地搭建出一个出色的 LLM 应用。

爬走跑：自动化成功的关键学习端到端事件驱动自动化的实现，以提高问题解决效率，减少人工操作译自Crawl， Walk， Run: The Key to Successful Automation，作者 Frank Emery 是PagerDuty人工智能运维(AIOps)团队的首席产品经理。他拥有数学、机器学习和大数据背景，致力于解决事件自动化领域的问题。

字节跳动技术团队

字节跳动基础架构SRE-Copilot获得2023 CCF国际AIOps挑战赛冠军近日，2023 CCF国际AIOps挑战赛决赛暨“大模型时代的AIOps”研讨会在北京成功举办，活动吸引了来自互联网、运营商、科研院所、高校、软硬件厂商等领域多名专家学者参与，为智能运维的前沿学术研究、落地生产实践打开了新思路。决赛中，从初赛两百多支队伍中脱颖而出的十支入围队伍分别展示了各自的方案，并进行了现场答辩，评审专家从选题方向、创新性、实用性、完整度和实验复现结果等多角度进行了综合评定，最终，来自字节跳动基础架构-SRE 团队的 SRE-Copilot战队，以“SRE-Copilot：基于 LLM

运维咖啡吧

这一年我们上线的运维自动化系统上篇文章使用房车这一年总结了过去一年并不平淡的生活，然而，这一年的时光不仅有生活，工作也占去了大半，那这篇文章就来聊聊这稳中有进的工作，总结下这一年我们上线的那些新的自动化运维系统，也回顾下去年上线的那些系统有了怎样的改变，这也算是对去年同名文章这一年我们上线的自动化系统的递进和补充了

拆解全景，解锁未来——深度分析大模型六大领域及五大应用解决方案在本篇文章中，我们将带您首先通过解读 LLM 的全景图，深入探讨了 LLM 的六个关键领域，随后提出五种主要方案以解决企业在这一技术领域面临的挑战。从商业模型到开源模型、微调、自定义构建，再到与 AI 提供商的合作，本文将引领您深入了解 LLM 的技术脉络，为探索和应用这一技术提供一些思考与指导。

数据智能老司机

低代码AI：数据如何在机器学习中推动决策制定本章探讨了数据在企业中的作用以及其对业务决策制定的影响。您还将了解机器学习（ML）工作流程的组成部分。您可能已经看到许多书籍、文章、视频和博客在讨论ML工作流程时都会从数据收集开始。然而，在收集数据之前，您需要了解要收集什么类型的数据。只有通过了解您需要解决的问题或需要做出的决策的类型，才能实现这种数据理解。

Hugging "Hugging Face"-低代码玩转Hugging Face2016年，两位怀揣梦想的法国人Clem Delangue和Julien Chaumond在巴黎创立了HuggingFace公司。最初致力于研发聊天机器人，为青少年找点乐子，打发下时间。后来他们为Google的BERT模型做了一个pytorch版的开源实现，得到了社区的广泛认可，并由此逐步开发出了Transformers库。Transformers库降低了预训练模型的学习门槛，使得模型的二次开发及应用变的简单。AI从业者快速运用BERT、GPT、Llama、Resnet、Stable Diffusion等

数据智能老司机

LangChain系列教程：介绍和入门大型语言模型（LLMs）在2020年OpenAI发布GPT-3后进入了世界舞台[1]。从那时起，它们在人气上稳步增长。

学了这4个炸裂的AI开源项目，国内的AI岗随意。大家好，我是LV。近期在疯狂研究开源的AI项目，收益匪浅，感谢开源社区。于是选了其中几个开源项目，分享出来给大家。

睡醒想钱钱

从DevOps到DevSecOps：踏上安全软件开发之旅在这篇文章中，我们将探讨DevOps的概念及其与DevSecOps的关系。我们将深入研究实施DevSecOps的关键组成部分，包括“将安全左移”的概念。此外，我们还将提供关于NeuVector及其显著特点的见解。