大模型应用

AI 重构智慧旅游：技术落地、场景实践与行业新机遇在数字经济与旅游业深度融合的浪潮下，人工智能正以 “头雁” 姿态重塑行业生态。从景区智能导览到酒店动态定价，从个性化行程规划到文旅治理升级，AI 技术不再是遥远的概念，而是渗透旅游全链条的实用工具。这份基于行业调研与实践案例的深度解析，带你看懂 AI + 智慧旅游的核心逻辑与落地路径。

大模型应用：大模型本地部署实战：从零构建可视化智能学习助手.2本地部署最大的优势在于数据完全掌控。所有对话记录、学习内容都在本地处理，无需上传到云端，有效防止隐私泄露风险。对于教育场景尤其重要，学生的学习数据、提问内容都能得到充分保护。相比按使用量付费的云端API服务，本地部署只需一次性硬件投入。以Qwen1.5-1.8B模型为例，即使在普通笔记本电脑的CPU上也能流畅运行，大大降低了使用门槛。

大模型应用：基于本地大模型的中文命名实体识别技术实践与应用命名实体识别（NER）作为自然语言处理的基础任务，在信息抽取、知识图谱构建、智能问答等应用中具有重要作用。随着大模型技术的快速发展，基于本地部署的大模型在NER任务中展现出显著优势。本文通过两个典型示例——通用领域中文NER和医疗领域专用NER，深入探讨本地大模型在实际应用中的技术实现和性能表现。

蜂蜜黄油呀土豆

深入理解 Agent 相关协议：从单体 Agent 到 Multi-Agent、MCP、A2A 与 Agentic AI 的系统化实践当大模型从“对话式问答”升级为“可调用工具、可操作系统、能自主规划任务”的智能体（Agent）后，整条 AI 应用链路发生了质变。传统模式下，大模型只能回答问题；但在 Agent 模式下，它能：

构建AI智能体：九十六、基于YOLO的智能生活助手：食材识别、植物健康与宠物行为分析在人工智能技术日益普及的今天，计算机视觉正以前所未有的方式改变着我们的日常生活。YOLO作为先进的目标检测算法，以其快速和精准的特性，成为了实现智能视觉应用的得力工具。今天我们将通过四个贴近生活的趣味场景——智能厨房助手、植物健康监测、智能衣橱管理和宠物行为分析，一起领略YOLO技术的魅力。

LangChain Memory 使用示例本节我们主要实现一个 AI 聊天助手的项目，界面如下：左侧提供 OpenAI API Key 的输入框，并且提供获取 OpenAI API Key 的文档地址，右侧内容区域提供一个类似于 ChatGPT 一样的界面，用来以对话的形式展示我们给模型的输入信息以及模型的生成结果，同时提供用户输入框，用户在填写完相应的内容后点击【发送】按钮，模型即可按照我们输入的内容去输出相应的回答，从而显示到界面中，接下来我们逐步来实现这个小项目。

爱敲代码的TOM

大模型应用开发5-SpringAIalibaba实战Spring AI Alibaba 开源项目基于 Spring AI 构建，是阿里云通义系列模型及服务在 Java AI 应用开发领域的最佳实践，提供高层次的 AI API 抽象与云原生基础设施集成方案和企业级 AI 应用生态集成。

qKnow 知识平台开源版 v1.0.3 发布：Docker Compose 部署 & 多项稳定性优化和关键问题修复qKnow 知识平台开源版 v1.0.3 是继首个正式版本后的又一重要迭代，本次更新聚焦系统稳定性提升、部署体验优化以及关键问题修复。在保持核心知识管理能力的基础上，我们进一步打磨产品细节，提升开发与使用效率，为用户带来更流畅、可靠的平台体验。

使用讯飞星火 Spark X1-32K 打造本地知识助手• 下载安装包• 打开浏览器访问：https://github.com/UB-Mannheim/tesseract/wiki

OpenAI 大模型 API 使用示例我们现在有一段用户对于某个耳机的评价内容，想通过 AI 实现自动提取评价内容中的优缺点。评价内容如下：

（第三篇）Spring AI 基础入门：PromptTemplate 与对话工程实战（从字符串拼接到底层模板引擎的进阶之路）在大模型应用开发的初期阶段，很多开发者会用最直接的方式构建 Prompt：字符串拼接。比如查询商品信息时，可能会写出这样的代码：

如何把ChatGPT嵌入到自己的应用中？作为一款面向开发者的全能工具包，能让 ChatGPT 驱动的智能体被嵌入到任何网站或应用中。它首次亮相于 OpenAI 2025 年 DevDay，目标是让 AI 不止会“聊天”，还能执行动作——比如浏览网页、调用 API、完成多步任务。

大模型微调定义与分类《大模型应用开发鲍亮,李倩清华大学出版社》【摘要书评试读】- 京东图书这本书用来打基础，是极好的。本节从国内外综述性论文文献入手，对微调这一概念进行介绍分析[1,2]，揭示其本质含义，然后归纳出微调的三大类型[3]。

华东设计之美

大模型应用开发面经1.介绍一下Transformers是什么，原理及应用以及其目前最大创新？Transformer 是一种神经网络架构，“Attention is All You Need”。

智能Agentic业务系统设计：从任务语义到状态流转的全栈思考“未来的企业系统，不再是表单与审批的集合，而是一个能理解业务语义、追踪状态演化，并主动提出决策建议的智能体。”

A2A架构详解《AI Agent智能体与MCP开发实践基于Qwen3大模型清华大学出版社王晓华著著人工智能技术丛书新华正版书籍包邮图书》【摘要书评试读】- 京东图书

多模态大模型的应用场景本文简介多模态大模型的应用场景，方便读者找到技术和实践应用结合点。多模态大模型作为当前人工智能领域的重要技术进展，凭借其融合多种数据模态的能力，在多个应用领域展现出显著潜力和广泛的适用性。尽管仍存在诸多技术挑战，其在实际应用中取得的初步成果表明，多模态大模型可能会在智能系统的认知与交互能力方面带来实质性的提升。本节基于现有研究和应用实例，系统梳理了多模态大模型的主要应用场景，并尝试从不同角度阐述其实际价值和潜在发展趋势。

大语言模型(LLM)是“预制菜”? 从应用到底层原理，在到中央厨房的深度解析大语言模型(LLM)的出现，就像是软件开发领域的一场"产业升级"。如果你经常在技术社群里活动，一定听过这样的类比：LLM就是"预制菜"。

Encoder-Decoder架构的模型简介《大模型应用开发鲍亮,李倩清华大学出版社》【摘要书评试读】- 京东图书Encoder-Decoder架构的模型包括T5模型、BART语言模型、GLM模型与Switch Transformer模型等。

大模型原理与实践：第一章-NLP基础概念完整指南_第2部分-各种任务（实体识别、关系抽取、文本摘要、机器翻译、自动问答）第一章 NLP基础概念完整指南第二章 Transformer 架构原理第三章预训练语言模型第四章大语言模型