ai应用

eaglewgs1 天前
测试开发·ai·agent·ai应用·harness·测试经验
聊聊现在大火的“Harness Engineering”当你花了三天打磨一份系统提示词。格式清晰,角色定义明确,边界案例全覆盖。在测试环境里,Agent 表现稳定,几乎挑不出毛病。
aqi002 天前
人工智能·python·大模型·ai编程·ai应用
15天学会AI应用开发(十五)使用LangChain封装AI执行链在构造大模型实例之前,要先添加下面的导包语句,表示引入LangChain的大模型工具OllamaLLM:
aqi003 天前
人工智能·python·大模型·ai编程·ai应用
15天学会AI应用开发(十四)搭建LangChain的开发环境LangChain 支持对接各类在线大模型,包括OpenAI、文心、通义、讯飞等,也支持加载电脑本地的离线大模型。为避免在线大模型带来的大量Token消耗,接下来以离线大模型为例介绍如何搭建LangChain的开发环境。
我是小杰啊4 天前
人工智能·计算机视觉·多模态·ai应用·视频搜索
幻视是什么?一款用自然语言搜索图片与视频的 AI 视觉问答工具**一句话回答:**幻视是一款面向个人媒体资产的 AI 视觉搜索与问答 Web 应用。用户上传图片或视频后,可以像聊天一样提问,让系统查找人物、物体、动作、场景和关键画面,而不必手动拖动进度条逐段观看。
ZGi.ai6 天前
人工智能·低代码·流程图·ai应用·ai工作流·zgi
ZGI工作流引擎:把AI应用的执行过程从黑盒变成流程图很多 AI 应用一开始都是脚本。先写一个 Prompt,再接一个模型 API,然后加一点检索逻辑和工具调用。只要功能简单,这种方式非常快。但随着需求增加,脚本很容易变成一团难以维护的逻辑:这里判断用户意图,那里检索知识库,中间插入工具调用,再根据结果决定是否继续生成。等到第二个人接手时,往往很难看清整个流程到底是怎么跑的。
aqi009 天前
人工智能·python·大模型·ai编程·ai应用
15天学会AI应用开发(十三)上下文与RAG的阶段性总结正所谓磨刀不误砍柴工,要想后续顺利进行AI应用编程,务必正确搭建电脑的Python开发环境,这样可以避免代码编译时出现奇奇怪怪的错误,才能心无旁骛地钻研AI应用技能。
aqi0011 天前
人工智能·python·大模型·ai编程·ai应用
15天学会AI应用开发(十七)使用LangGraph实现会话记忆功能上一篇文章采用langchain_community包协助LangChain实现了对话记忆功能,但langchain_community属于早期链式架构的临时补丁,仅适配简单线性对话。 LangChain官方推荐使用LangGraph实现复杂的会话记忆功能,LangGraph是从底层统一管理全流程状态、支持长短双记忆、原生持久化、适配复杂Agent的标准化记忆架构,常作为生产环境的首选方案。接下来介绍LangGraph在会话记忆方面的简单用法。
aqi0016 天前
人工智能·python·大模型·ai编程·ai应用
15天学会AI应用开发(十一)从TXT文件构建RAG知识库但知识库的原始来源却是knowledge数组,这与现实场合有所出入,因为实际资料都保存在TXT、PDF、WORD等格式的文档中,甚至来自互联网上的HTML网页,于是RAG的前置条件就成了如何从这些文档中提取文本信息。
aqi0024 天前
人工智能·python·大模型·ai编程·ai应用
15天学会AI应用开发(九)利用Chroma持久化向量数据Chroma是一个本地向量数据库,专门用来保存 RAG 知识库,并且快速检索相关内容。Chroma与FAISS之间的区别如下:
aqi001 个月前
人工智能·python·大模型·ai编程·ai应用
15天学会AI应用开发(八)使用向量数据库实现RAG功能向量化一段文本的时候,经常用到all-MiniLM-L6-v2,它是一个轻量级的文本嵌入Embedding模型,专门把文字转成数字向量,给RAG做语义检索用。
aqi001 个月前
人工智能·python·大模型·ai编程·ai应用
15天学会AI应用开发(七)有了大模型为什么还要引入RAG1、使用第三方的摘要库对文本摘要; 2、使用在线大模型对文本摘要; 3、使用离线大模型对文本摘要;以上对会话记录的各种处理操作,统称为AI应用的上下文管理,即让AI理解用户之前的意图。接下来将开启有关RAG部分的AI应用开发教程介绍。
AI小百科1 个月前
人工智能·学习·ai应用
成为FDE的系统学习路径(2026版)FDE(前沿部署工程师)是当前AI落地最炙手可热的角色,需求一年暴涨超7倍。要成为一名合格的FDE,需要构建“技术+业务+软技能”的复合能力体系。以下是结合多位一线FDE真实成长路径总结的系统学习路径,建议6-12个月完成。
Bachnroth1 个月前
ai应用·flux.1·ai图像生成·星图gpu
FLUX.1海景美女图保姆级教程:从服务器IP获取到生成首图完整链路如果你一直想用AI画出心中那片海和那个她,但被复杂的模型部署、参数调整劝退,那么今天这篇教程就是为你准备的。
aqi001 个月前
人工智能·python·大模型·ai编程·ai应用
15天学会AI应用开发(四)根据Token长度截断历史对话历史对话内容不光要存入数据库,还要作为初始提示词发给下次新会话的大模型。太长的提示词不仅冗余,还会消耗大量Token,让用户钱包快速缩水。太短的提示词容纳的信息量不足,难以起到充分记忆的功能。
柴犬小管家2 个月前
语音识别·ai应用·qwen3-asr
秒懂教程:Qwen3-ASR语音识别服务快速入门你是不是经常遇到这样的场景:一段重要的会议录音需要整理成文字,或者想给一段外语视频配上字幕,但手动操作费时费力?今天,我要带你快速上手一个强大的工具——Qwen3-ASR语音识别服务。它就像一个能听懂30多种语言和22种中文方言的“超级耳朵”,能把你说的话、录的音,快速准确地变成文字。
aqi002 个月前
人工智能·python·大模型·ai编程·ai应用
15天学会AI应用开发(三)把历史对话作为提示词会怎样也就是说,AI没有持久记忆的功能,它记不住你上次问了什么,也记不住它上次回答了什么。这意味着AI没法从过往的对话中吸取经验,原本纠正了的错误还会继续犯错,原本积累了的知识重开转头就忘。