大模型应用

AllData公司负责人2 天前
人工智能·云原生·数据分析·视觉检测·知识图谱·大模型应用·bisheng
第九篇:AI大模型数据开发底座系列说明书:AllData集成BISHENG开源项目建设大模型应用开发底座,涵盖可视化编排/智能助手/一键API/模型接入!►点击下方链接一键预约,AI 数据中台1.6.4版本发布会 https://mp.weixin.qq.com/s/qR6JUQ5XLxgSECMDDQG9Mg
隔窗听雨眠9 天前
ai智能体·大模型应用·扣子
扣子平台智能体开发全链路工程实践扣子这类智能体开发平台的核心价值在于把大模型能力封装成可配置可组合的应用单元,让不具备算法工程背景的业务人员也能搭建出具备工具调用知识检索与流程控制能力的对话服务。理解这一定位是做好智能体开发的前提,因为它决定了哪些事情应该交给平台完成,哪些事情必须回归传统工程手段。
积流成海10 天前
prompt·agent·智能体·大模型应用
Agent演化史(九):多智能体的暗面,当一次 prompt 注入可以横向移动本篇是《智能体演化史》系列第 9 篇 系列主线不是"某年出现了某技术",而是"因为上一步崩了,所以下一步才出现"。 全系列共用一个从 34 行长到 216 行的 tiny-agent,本篇是它的 v0.9。
死磕音视频21 天前
docker·知识库·dify·大模型应用
Dify 入门:用 Docker 自部署并搭建知识库问答助手适合人群:想在自己电脑或服务器上搭一个“能根据内部文档回答问题”的 AI 助手,会一点命令行、装过 Docker,但不想从零写 RAG 代码的同学和开发者。
微三云生态系统架构师-彭丹22 天前
系统架构·大模型应用·舆情监测·geo系统·geo代运营服务·ai引用率·品牌防护
GEO品牌负面舆情监测?多AI问答采集与自动澄清架构本文从系统架构视角拆解GEO场景下的品牌负面舆情监测与自动澄清系统。AI大模型在回答用户问题时会引用历史信源,一旦负面内容被AI高频引用,品牌损失会被放大。系统核心解决三件事:多AI平台问答采集、负面语义识别与分级、澄清内容自动分发到原信源。文章给出问答采集调度、负面识别引擎、澄清任务工单、效果回传四个模块。## 背景与痛点大家好,我是微三云生态系统架构师彭丹,每天带你洞察行业新风口,拆解爆款新模式。做GEO的团队通常只关注"正面内容有没有被AI引用",却忽略了一个更危险的场景:当用户问AI"XX公司靠谱
️公子1 个月前
开源·agent·大模型应用·harness2·递归改进·google cloud ai·propose-probe
Harness² 开源之后:自建 Agent 先过编辑面合同、Propose 范围、Probe 对比证据、Compose 采纳与改进库递归预算闸门2026 年 10 月前后,Google Cloud AI Research 公开了 Harness²(Harness^2 / Harness2):论文 arXiv 2610.14224《Harness²: Recursive Agent Harnessing for an Open World》,代码仓库 github.com/google-research/harness2(Apache-2.0),项目页 harness2.github.io。作者包括 Ruiyao Xu、Yanfei Chen、Zh
骑着蜗牛撵大象3271 个月前
人工智能·spring·elasticsearch·自动化·大模型应用·qwen3.8·rag溯源
Spring AI + Qwen3.8 周报助手:从事项采集到人工确认卡的闭环实战每周五下午,把散落在日历、任务系统和 Git 里的工作事项拼成一份像样的周报,常常要吃掉半小时,还得担心漏项、写错结论。手动汇总真正的痛点不是打字慢,而是口径不统一、每条进展都对不上原始记录。
小易老师AI实战1 个月前
langchain·agent·ai智能体·大模型应用·mcp·联网搜索
LangChain + MCP 协议:Agent 接入联网搜索(Tavily MCP)完整实践MCP(Model Context Protocol)是一款标准化工具调用协议,解决大模型Agent工具接入碎片化问题。不再需要为每个搜索工具单独写工具定义、参数解析、返回值格式化逻辑,通过MCP客户端直接对接远端MCP服务,一键获取工具描述并交由Agent调用。
微三云生态系统架构师-彭丹1 个月前
系统架构·大模型应用·geo系统·内容矩阵·geo代运营服务·信源分发·ai引用率
GEO信源矩阵分发系统?多平台内容投喂与AI引用率提升本文从系统架构视角拆解GEO信源矩阵分发系统的设计。AI大模型在回答用户问题时,会优先引用可信、高频更新的信源。本系统解决"内容写好后往哪发、发多少、怎么发、效果怎么测"的问题,核心模块包括信源渠道管理、内容投喂调度、引用率监测回传、效果归因分析。
小易老师AI实战1 个月前
llm·rag·大模型应用·aiagent·智能体工程化
AI Agent 完整实战:记忆机制 + 任务拆解 + 自动执行过去两年,大量AI Agent项目停留在Demo演示:简单调用LLM、一次性prompt完成问答,一旦任务复杂、会话变长、需要跨轮次持续执行就会失效。 到2026年,AI Agent的竞争不再是“能不能跑起来”,而是稳定执行长任务、可控记忆管理、Token成本可控、异常可重试。一套能落地的Agent,离不开三大底座:记忆系统、任务规划器、执行器。
Blockbuater_drug1 个月前
workflow·ai agent·大模型应用·自主智能体·智能体定义·agent分级
《AI Agent原理与实战》2026版 第1课 AI Agent 是什么:定义、分级与适用边界本文收录于专栏 agent智能体系列 —— 专栏系统覆盖 AI Agent 的记忆、工具、插件与实战,点击订阅可跟踪后续更新。
Java的搬运工2 个月前
人工智能·架构·智能体·大模型应用·langgraph·aiagent·mcp
2026 AI Agent 实战:五层架构、MCP 工具调用与十条避坑清单 合集 - AI行业观察先放句得罪人的话:会调框架 ≠ 会做 Agent。2026 年满大街都是"AI Agent 落地课",教的内容一半是套壳聊天机器人,另一半是把 LangChain 的例子抄三遍。本文从架构、选型、落地三步走,讲清楚一个能扛住真实业务的 Agent 到底由什么组成、MCP 在其中扮演什么角色,以及我从项目里踩出来的十条坑。看完你还觉得 Agent 很难,回来骂我。
minhuan2 个月前
大模型应用·大模型知识库同步·知识库增量更新·知识库变更检测·知识库无缝替换
大模型静态知识库与动态业务数据的实时同步:增量更新、变更检测、无缝替换方案28.1本地部署、微调训练的大模型,自带一套固定的静态知识库,能应对通用问答、基础业务咨询,但一旦线上业务数据发生变动,比如产品价格调整、政策规则更新、客户信息迭代、业务流程优化,模型就会输出过时、错误的内容。
ysu_03142 个月前
人工智能·ai·rag·ai agent·大模型应用·langgraph·agent工程化
【2026】AI Agent 工程化落地六大挑战:从路径坍缩到成本失控阅读收益:6 大工程化挑战 · 3 个真实事故链路 · 4 段可运行代码 · 2 张对比矩阵 · 1 套落地清单 测试环境:Python 3.12 + LangGraph 0.2.35 + Pydantic 2.8 | 验证日期:2026-09-19
minhuan2 个月前
大模型应用·算子优化·大模型推理性能优化·多模型pipeline调度·内存访问优化
大模型推理性能优化指南:算子、内存访问、多模型Pipeline调度全方位优化实战解析27.4现在大模型已经越来越多的应用到了很多场景,智能问答、AI绘图、多模态推理、企业私有化部署等应用随处可见。但不管怎样,还是逃不掉一些核心难题:模型效果达标了,但运行速度慢、显存占用高、多模型并行卡顿、硬件资源浪费严重。很多时候我们并不是模型精度不够,而是底层运行和调度效率拖了后腿。
minhuan2 个月前
chrome·大模型应用·大模型前端感知层工程·headless chrome·ai静默监听人脸动静检测
大模型前端感知层工程实践:基于Headless Chrome验证AI静默监听人脸动静检测逻辑27.2在AI人机交互产品中,感知层是连接大模型和真实用户的第一道关口。大模型本身擅长文本、对话推理,但无法直接感知物理世界里用户是否在场、是否正在操作设备。这类用户在场感知能力,通常由前端视觉模块承担:通过摄像头采集画面,识别人脸、画面运动,以此判断用户状态,驱动交互状态切换。
minhuan2 个月前
websocket·大模型应用·心理访谈转录平台·流式vad采集·声纹聚类·websocket实时推送
心理访谈转录平台构建:流式VAD采集、声纹聚类、WebSocket实时推送全链路项目解析27.0青少年心理辅导沟通存在一个现实痛点:咨询师在现场沟通时,既要专注倾听、共情回应,又要手动记录对话内容,很容易分心,遗漏关键情绪信息。人工记录效率低,事后整理访谈笔录耗时巨大;而纯录音回放整理,无法快速定位对话片段、区分对话双方,也缺少风险标记、情绪标签、跟进备注等心理工作需要的业务能力。
中视会议2 个月前
大数据·人工智能·大模型应用·视频交友·ai相亲
从 AI 深度交流到精准相亲匹配:实时音视频如何重构婚恋服务在传统相亲平台上,用户通常需要填写年龄、城市、职业、学历、兴趣等资料,然后浏览系统推荐的候选人。这些信息当然重要,但很难完整描述一个人。