为了让孩子能够理解大语言模型的 embedding 和 attention 技术，我们可以用一些生活中的简单例子来类比。1. Embedding：就像给每个单词做名片假设你在学校里认识很多小朋友，每个人都有不同的名字、喜欢的颜色和爱好。为了记住他们，老师给每个小朋友做了一张名片，上面写着这些信息。虽然每个人都是独特的，但名片可以帮你快速了解他们之间的差异和相似之处。在大语言模型里，embeddin
简介OpenAI一个美国人工智能研究实验室，由非营利组织 OpenAI Inc，和其营利组织子公司 OpenAI LP 所组成。该组织于 2015 年由萨姆·阿尔特曼、里德·霍夫曼、杰西卡·利文斯顿、伊隆·马斯克、伊尔亚·苏茨克维、沃伊切赫·萨伦巴、彼得·泰尔等人在旧金山成立，他们共同认捐了 10 亿美元。微软先后支付了百亿美元投资，用于独家授权使用 GPT-4ChatGPT全称聊天生成预训练转换
引言在人工智能技术的浪潮中，长短期记忆网络（LSTM）作为一种特殊的递归神经网络（RNN），凭借其独特的结构和强大的序列数据处理能力，成为了AI研究和应用的热门领域。1. 介绍LSTM（长短期记忆网络）是一种特殊的循环神经网络（RNN），专门设计用于克服标准RNN在处理长序列数据时出现的梯度消失问题。
LSTM 通过引入了记忆单元和门控机制，能够在较长时间跨度上记忆和保留信息，因此非常适合处理时间
基于大语言模型和 RAG 的知识库问答系统MaxKB = Max Knowledge Base，是一款基于大语言模型和 RAG 的开源知识库问答系统，广泛应用于企业内部知识库、客户服务、学术研究与教育等场景。支持对接各种大语言模型，包括本地私有大模型（Llama 3 / Qwen 2 等）、国内公共大模型（通义千问 / 腾讯混元 / 字节豆包 / 百度千帆 / 智谱 AI / Kimi / Dee
DeepDream: 使用测评
介绍
DeepDream 是由 Google 开发的一种生成式 AI 工具，利用卷积神经网络（CNN）进行创造性的图像生成。它通过放大某些图像特征来创建梦幻般的效果，非常适合艺术和创意项目。然而，由于其结果通常不可预测，因此不太适合用于具体任务或精确图像处理。
应用使用场景
艺术创作：生成具有超现实和梦幻风格的艺术作品。
数据可视化：帮助理解深度学习模型关注的特征
前言
随着人工智能生成内容（AIGC）的迅速发展，AIGC已经广泛应用于文本生成、图像生成、编程代码生成等多个领域。AIGC的出现使得内容创作效率得到了极大的提升，并且为多个行业带来了颠覆性的变革。尤其是在编程领域，结合自然语言处理的生成模型，为开发者提供了强大的自动化工具支持。本文将通过Java开发语言，深度解析AIGC的底层技术，结合核心源码展示和应用场景演示，帮助读者理解AIGC的工作原理及
根据用户查询的意图在 RAG 应用程序内路由控制流可以帮助我们创建更有用、更强大的基于检索增强生成 (RAG) 的应用程序。
我们希望用户能够交互的数据很可能来自各种来源，例如报告、文档、图像、数据库和第三方系统。对于基于业务的 RAG 应用程序，我们可能希望使用户能够与来自业务中一系列领域的信息进行交互，例如来自销售、订购和会计系统的信息。
前言
随着人工智能技术的快速发展，AIGC（人工智能生成内容）工具逐渐成为信息时代的热门话题。这些工具不仅能够提升工作效率，还为创作、设计、编程等领域带来了新的机遇。本文将以Java开发语言为例，对AIGC工具进行详细的使用测评，探讨其在实际应用中的表现、优缺点及未来的发展方向。
摘要
AIGC工具的使用日益广泛，其核心技术包括自然语言处理、机器学习和深度学习等。本文首先介绍AIGC工具的基本概
引言在现代人工智能领域，尤其是大型语言模型（LLM）如GPT-4的使用中，如何结合现有的知识库和实时数据，使模型生成更准确、更有针对性的答案，成为一个热门话题。RAG（Retrieval-Augmented Generation，检索增强生成）应运而生。通过将检索系统与生成模型结合，RAG能为生成任务提供更相关的信息，解决模型在处理实时信息和大型知识库时的瓶颈。1. 检索增强生成RAG是什么？RA
随着人工智能生成内容（AIGC）技术的快速发展，模型的架构和底层技术愈发受到关注。Meta AI 开发的 LLaMA（Large Language Model Meta AI）正是一个引人注目的新兴模型。本文将深入探讨 LLaMA 的底层技术，并提供详细的代码案例，帮助开发者更好地理解和应用这一模型。LLaMA 的架构LLaMA 是一种基于 Transformer 架构的语言模型，旨在通过更少的参
Codex by OpenAI: 使用测评
介绍
Codex 是由 OpenAI 开发的强大生成式 AI 工具，专注于自动生成计算机代码。它从大型代码和文本数据集中训练而成，能够支持多种编程语言，提高代码编写效率。Codex 可以帮助开发者快速实现功能原型，并在不同的编程任务中极大地提高生产力。然而，对于复杂的代码结构，用户可能需要进行一些人工干预来优化结果。
应用使用场景
自动化代码生成：为开
前言
随着人工智能技术的迅猛发展，人工智能生成内容（AIGC）逐渐成为各行各业的热点话题。AIGC不仅能提高生产力，还能极大地丰富创作的可能性。为了理解AIGC的强大能力，我们需要深入探讨其底层技术。本文将以Java开发语言为例，分析AIGC的基本原理、实现方法以及实际应用。
摘要
本文围绕AIGC的底层技术展开，重点介绍其在Java开发中的应用。通过对核心源码的解读、案例分析以及实际的测试用例
上一篇文章 从 0 开始搞定 RAG 应用（三）路由 , 想要构建一个比较灵活的、功能强大的、可复用的 RAG 应用， 路由的能力是很重要的，它可以动态规划要查询的数据源。
索引在 RAG 也与很重要的一部分内，本文我们主要介绍索引相关的内容。
前言今年的诺贝尔化学奖和物理学奖，颁给了两个做人工智能的人物：一位是 DeepMind 创始人 Demis Hassabis，另一位还是 AI 教父 Geoffrey Hinton。在人工智能领域，Geoffrey Hinton无疑是一个举足轻重的人物。近日，这位被誉为“AI教父”的科学家因其在深度学习和神经网络方面的卓越贡献荣获诺贝尔奖，再次引发了全球对人工智能技术的广泛关注和热议。Geoffr
路由对于我们来说是很熟悉的了。在 RAG 中的路由主要的作用是让 LLM 分析用户 query 的语义，从而帮助我们的应用正确的选择要查找的数据源（向量库、Relation DB等）。
前言
随着人工智能技术的飞速发展，人工智能生成内容（AIGC）成为了当今技术界的热门话题。AIGC不仅在文本生成、图像处理和代码编写等方面展现出强大的能力，更在多个行业中带来了颠覆性的变化。本文将深入探讨AIGC的底层技术，特别是如何在Java开发中实现和应用这些技术。
摘要
本文围绕AIGC的底层技术展开，重点介绍Java开发语言如何利用这些技术进行内容生成。通过核心源码解读、案例分析、优缺点分
引言背景介绍
AI技术在生成数据和程序辅助语言模型中展现了巨大的潜力。通过深度学习和自然语言处理，AI可以自动生成高质量的文本、代码和数据，提升生产效率。这种生成能力能够支持各种应用，包括内容创作、软件开发和数据分析，帮助用户更快速地实现目标和解决问题。Prompt在AI生成过程中扮演着至关重要的角色。它指的是用户输入的指令或问题，能够引导模型生成所需的输出。有效的Prompt设计可以显著提高生成
编者按：想要部署大语言模型（LLMs），却不知该如何估算所需的 GPU 内存？在项目预算有限的情况下，是否曾因为 GPU 内存估算不准而导致资源浪费或性能不足？这些问题不仅影响项目进度，还可能直接导致成本超支或服务质量下降。本文作者凭借丰富的 LLM 部署经验，深入剖析了 GPU 内存需求的计算方法。从模型参数到 KV 缓存，从激活值到系统开销，文章全面而详细地讲解了各个组成部分的内存占用。文章还
查询转换是一组专注于重写和/或修改问题以进行检索的方法。这篇文章我们继续构建 RAG 应用。RAG 的复杂性体现在对用户的 question 的构建方式和处理方式。所以本文主要讲 query translation 的多种方式。
LLM 已经从最初的研究性转变为实际应用性，尤其在今年各大 LLM 厂商都在研究 LLM 的商业化落地方案（包括我司）。而在各种商业化场景中个人觉得最具有使用价值和最能体现 LLM 的商业化场景就是 RAG 的使用。
什么是 RAG
大家都知道 LLM 的能做的事情很多，但是有一些工作它是无法做到的，那就是领域知识和最新的知识。
领域知识一般指企业里面私有化的数据，因为这部分的知识 LLM 是无法获取和知道的。
引言在人工智能的快速发展中，Prompting（提示）成为了与大型语言模型（如GPT系列）进行有效互动的关键技术。它能够通过提供适当的输入指令，使模型能够生成更加精确、上下文相关的输出。随着研究的深入，高阶Prompting逐渐成为AI模型调优和高效应用的重要手段。但在我们深入了解更高级的概念之前，让我们先正式地介绍一些概念。1. 零样本Prompting（Zero-shot Prompting）
引言人工智能（AI）近年来取得了惊人的进展，尤其是自然语言处理（NLP）领域，其中“Prompt”作为与AI模型互动的关键桥梁，扮演着至关重要的角色。
通过这篇博客，我们将深入探讨什么是“Prompt”，它在AI模型中的作用，以及如何有效地理解和设计Prompt，从而提升AI应用的效率和效果。1. 什么是“Prompt”？AI 相当于美国队长的实力，遇强则强，遇弱则弱，关键其实在于 Prompt。
证件照制作、证件照换底色、生活照制作证件照、小一寸、一寸、自定义尺寸等证件照生成，AI抠图切图、全开源免费！！兼容微信H5、微信小程序两套部署！！基于HivisionIDPhotos作为底层算法。
在前面的章节中，分别介绍了 Web、App、接口自动化测试用例的生成。但是在前文中实现的效果均为在控制台打印自动化测试的用例。用例需要手动粘贴，调整之后再执行。那么其实这个手动粘贴、执行的过程，也是可以直接通过人工智能完成的。应用价值通过人工智能代替人工操作的部分，节省时间，提升效率。通过封装更多的 Tools，让 Agent 更为智能。实践演练实现原理实现思路在理解需求之后，我们可以了解到我们需
前篇文章讲了通过三个步骤把知识库接到智能语音硬件上，这篇讲一下语音流程配置遇到问题该怎么去定位问题和解决。
实操讲解三步把专有和专业知识库接入大模型智能语音交互硬件
编者按：传统的基于用户数量的定价模式是否还适用于AI产品？我们今天为大家带来的这篇文章中，作者提出：AI 产品应该采用基于工作量的定价模式，而非传统的基于用户数量的定价方式。传统的基于用户数量的定价模式在 AI 产品中往往会导致资源浪费和成本分配不均。一些员工可能每天都在大量使用 AI 工具，而另一些人可能几乎不碰。这不仅会增加企业的不必要开支，还可能阻碍 AI 工具在整个组织中的广泛应用和创新。
简介JMeter 运行环境要求Java 版本：JMeter 是基于 Java 开发的，所以需要安装 Java 运行环境（JRE）或 Java 开发工具包（JDK）。推荐使用 Java 8 或更新版本。系统要求：JMeter 可以运行在 Windows、Mac 和 Linux 等操作系统上。具体的要求可以根据 JMeter 的官方文档来确定。内存要求：JMeter 在运行时需要一定的内存空间。官方建
简介在传统编写 Web 自动化测试用例的过程中，基本都是需要测试工程师，根据功能测试用例转换为自动化测试的用例。市面上自动生成 Web 或 App 自动化测试用例的产品无非也都是通过录制的方式，获取操作人的行为操作，从而记录测试用例。整个过程类似于但是通常录制出来的用例可用性、可维护性都不强，而且依然需要人手工介入录制的过程。在 LLM 问世之后，我们便在探索，是否有第二种可能性，由大模型执行功能
编者按：传统的检索增强生成（RAG）技术在处理需要深入理解实体关系的问题时常常力不从心，那么有什么新的技术可以突破这一限制吗？本文深入探讨了 GraphRAG 技术，这一创新方案通过将非结构化文本转化为结构化知识图谱，巧妙地解决了上述难题。GraphRAG 能显著提升 AI 系统理解和回答复杂问题的能力，尤其在跨时代、跨学科的问题上表现出色。作者也指出了实施 GraphRAG 面临的挑战，包括知识