qwen

实战：使用 Qwen-Agent 调用自定义 MCP 服务随着大模型应用的发展，如何让 LLM（大语言模型）安全、标准地访问本地数据或第三方工具成为了核心痛点。Model Context Protocol (MCP) 应运而生，它提供了一种标准化的方式连接 AI 模型与数据源。

不借助框架实现Text2SQL相关阅读： Vanna实现Text2SQL：https://core815.blog.csdn.net/article/details/155195612 LangChain实现Text2SQL：https://core815.blog.csdn.net/article/details/155105220

LangChain实现Text2SQL1.代码实现2.实现效果 3.建表语句

AI研究-129 Qwen2.5-Omni-7B 要点：显存、上下文、并发与成本Qwen2.5-Omni目前开源提供的是7亿参数（7B）版本。相对于GPT-4等数千亿参数的闭源模型，7B的规模非常小巧，这带来了低资源占用和易部署的优势。在FP16精度下模型权重约需14GB显存，使用INT4量化后可压缩到<4GB，使普通PC甚至高端手机都有能力运行。

【Java手搓RAGFlow】-3- 用户认证与权限管理在构建任何一个成熟的RAG系统之前，一个稳定可靠的用户认证与权限管理模块是必不可少的基础设施。它能确保系统的安全性，保护用户数据，并为后续的个性化服务和资源隔离打下基础。上一章我们已经搭建好了项目的基础骨架，现在，我们需要亲手为它填充上认证与权限管理的核心功能。

宁渡AI大模型

从生成内容角度介绍开源AI大模型为了将大模型能力与公司现有工作流程深度融合，从而提升整体工作效率，公司计划在本地部署开源大模型。本调研报告旨在系统评估当前主流开源大模型，为本地化部署提供选型依据。

调用qwen3-omni的api对本地文件生成视频文本描述（批量生成）①可以处理文件夹中所有的.mp4文件 ②按照要求视频长度在150s以内，所以要配置了ffmpeg环境变量，截取视频的前150s内容（按需取用） ③我的prompt是围绕.mp4所在文件夹名字为主题去描述的

给web增加简单的ai对话功能自从 ChatGPT 火了之后，越来越多人开始对 AI 感兴趣，AI 的使用也越来越普遍了。现在你随便点开个知名网站或者 APP，基本都能看到 AI 的影子，而且这些 AI 大多都是用 “问答” 的形式跟人互动，说白了就是 “聊天”。

普通服务器都能跑：深入了解 Qwen3-Next-80B-A3B-InstructAI 行业发展迅猛，各个模型都在超越模型规模和上下文长度的限制，以构建更智能、更强大的系统。阿里的 Qwen 团队凭借 Qwen3-Next 系列迈出了重要一步。最新的 Qwen 系列大语言模型引入了新的架构，可以实现更高的效率、更快的推理速度和更流畅的上下文处理。

在树莓派集群上部署 Distributed Llama (Qwen 3 14B) 详细指南项目地址：https://github.com/b4rtaz/distributed-llama本文档将指导您如何使用一个树莓派5作为Root节点和三个树莓派4作为Worker节点，共同搭建一个4节点的分布式LLM推理集群，并运行10.9GB的Qwen 3 14B模型。中间要用到github和huggingface的，注意

构建AI智能体：二十、妙笔生花：Gradio集成DashScope Qwen-Image模型实现文生图今天按计划是想讲一些RAG的高阶属性的，但连着几天的烧脑模式，着实脑袋也有点疲惫，经常长篇大论的理论学说，看着可能也觉得枯燥了，今天计划结合前面的几篇文章，做个综合性的演示，温故而知新，同时也让大脑短暂的放松放松，事缓则圆，多几分从容！

在本地部署Qwen大语言模型全过程总结大语言模型要进行本地部署，先得选择一个与本地环境适配的模型。比如笔者这里选择的是Qwen1.5-7B-Chat，那么可以计算一下需要的存储空间大小：

阿里巴巴开源多模态大模型-Qwen-VL系列论文精读（一）阿里巴巴开源多模态大模型-Qwen-VL系列论文精读（一）论文:Qwen-VL: A Versatile Vision-Language Model for Understanding, Localization, Text Reading, and Beyond

带电的小王

Windows中使用Qwen模型：VSCode+ClineWindows中使用Qwen模型，可以通过VSCode安装Cline插件来实现，以下是具体步骤：.中国大陆用户，请前往 https://bailian.console.aliyun.com/ 或 https://modelscope.cn/docs/model-service/API-Inference/intro 申请 API 密钥

Qwen3-30B-A3B-Thinking-2507 推理模型深度评测Qwen3-30B-A3B-Thinking-2507 是阿里巴巴通义千问团队在 2025年7月30日发布的最新推理模型。这是继非推理版本 Qwen3-30B-A3B-Instruct-2507 之后的配套推理模型，标志着 Qwen 团队正式分离推理和非推理模型路线。

趣玩-Ollama-Llm-Chatrbotllm_chat_robot_release_v_1_0_0llm-chat-robot完整Python工程

诸神缄默不语

Re 82：读论文：qwen 3诸神缄默不语-个人技术博文与视频目录诸神缄默不语的论文阅读笔记和分类这是阿里千问模型的2025年新版本。我之前简单列举过Qwen 2.5的一些资料和特质：阿里大模型：Qwen2.5

西西弗Sisyphus

Qwen2.5-VL - FFN（前馈神经网络）Feedforward Neural NetworkflyfishFFN 是最大的概念，只要数据单向传播即属于 FFN； MLP 是 FFN 的子集，限定为全连接层组成的网络； Transformer 的 FFN 模块是 MLP 的特例，结构固定为 “升维→激活→降维”

Windows安装Docker部署dify，接入阿里云api-key进行rag测试一、安装docker1.1 傻瓜式安装dockerGet Docker | Docker DocsDocker原理（图解+秒懂+史上最全）-CSDN博客

【大模型应用开发】Qwen2.5-VL-3B识别视频克隆以下代码尝试运行qwen-vl-hello.py，报错原因缺少modelscope：尝试运行，不出意外的话肯定运行不了，报错原因依然是缺少modelscope：