共 103 篇相关文章
科技前沿一份系统化的AI测试开发学习路线,涵盖LLM认知基础、提示词工程、PyTest自动化协作、RAG向量知识库构建、MCP工具链增强等六大阶段,帮助测试工程师掌握AI赋能测试的核心技能,实现从测试开发到AI测试开发的职业进阶。
教程攻略前端工程师如何从调接口走向系统化的AI Agent架构?本文从前端基本盘、服务端边界、RAG知识库、LangChain.js/LangGraph.js编排到多Agent协作,梳理完整的AI应用落地路径与各阶段学习重点。
教程攻略系统梳理LangChain Agent开发的完整学习路径,涵盖RAG检索增强生成、Agent自主决策、工具调用等核心技能,从零基础到独立完成可落地项目的实战指南。
教程攻略深入讲解LangChain提示词模板的核心用法,涵盖ChatPromptTemplate基础模板、Few-Shot提示、Chain-of-Thought思维链三大技术,结合RAG场景实例演示如何构建高质量提示管道,提升大模型输出准确性。
教程攻略深入解析LangChain LCEL表达式语言的核心概念,涵盖管道操作符底层原理、RunnableLambda函数包装、RunnableParallel并行检索及RunnablePassThrough透传机制,附完整代码示例与RAG多源检索实战。
产品体验详解如何用Claude Code独立交付企业级多模态RAG项目,涵盖前后端起手策略、规范文档编写、核心能力运用等全链路方法论,将团队协作压缩为一人交付。
教程攻略详解多Agent协同医疗问诊系统的开发全流程,涵盖RAG知识库检索、多智能体协同架构设计、本地大模型部署与医疗知识库构建,附完整落地步骤与技术要点分析。
教程攻略详解如何用Claude Code构建多组件多模态RAG系统,涵盖CLAUDE.md递归加载、虚拟环境隔离、Plan模式审计等三大工程化策略,解决依赖冲突难题,助力AI项目从Demo走向生产环境。
教程攻略基于Spring AI 2.0和Cursor AI编程工具,从零搭建RAG企业知识库问答系统。涵盖Ollama本地大模型部署、Redis向量数据库、文档解析与向量化、智能检索问答等完整技术方案,附详细开发流程与代码实现。
教程攻略详解Andrej Karpathy提出的LLM-Wiki个人知识库方案,通过三层架构将大模型从解释器变为编译器,实现知识自动关联与持续进化。包含完整搭建教程、与传统RAG对比分析及Obsidian实操指南。
产品体验LightningRAG 是基于 Vue 和 Gin 构建的开源全栈 RAG 开发框架,支持知识库管理、向量搜索和多模型集成。本文深入解析其技术架构、核心能力及与 LangChain、Dify 等同类方案的对比。
教程攻略手把手教你用Ollama本地部署DeepSeek大模型,结合RAGFlow搭建RAG私有知识库。涵盖环境配置、Docker部署、Embedding原理讲解,支持离线运行,保障数据隐私,轻松实现企业级智能问答。
教程攻略详解RAGFlow本地部署全流程,涵盖RAG技术原理、Docker环境配置、Ollama大模型接入、知识库创建与对话测试。手把手教你从零搭建企业级知识库问答系统,实现数据私有化部署。
教程攻略详解AI农作物病虫害预警系统毕业设计方案,涵盖病虫害图像识别、RAG知识库检索、Agent智能预警、数据可视化与气象监测五大模块,附完整技术架构与优化建议,适合2025-2026届毕设选题参考。
前沿研究ICLR 2026论文MemGAS提出多粒度记忆关联与自适应选择框架,通过Session/Turn/Summary/Keyword四种粒度、GMM关联机制、熵路由器和Personalized PageRank图传播,让对话Agent在长期记忆中实现精准召回,F1指标全面超越HIPPO RAG等基线。
教程攻略GitHub开源项目agent-study提供36章AI Agent全栈课程,涵盖ReAct循环、Claude Code逆向工程、MCP协议、RAG、DSPy及生产可观测性,全部以可运行Python代码呈现,面试导向,适合系统学习Agent开发。
教程攻略详解Coze平台知识库创建、智能体RAG检索配置及工作流搭建全流程。以阿里人力资源制度为例,对比直接添加知识库与工作流检索两种方式的优劣,并分享企业数据安全注意事项。
深度解读系统讲解AI智能体(Agent)的核心原理,涵盖感知、决策、行动三大能力闭环,解析大语言模型、工具调用、记忆系统、RAG四大技术栈,并介绍智能客服、数据分析等典型应用场景。
教程攻略手把手教你用DeepSeek+RAGFlow+Ollama本地部署个人AI知识库。涵盖RAG原理解析、Ollama安装、Docker部署RAGFlow、知识库创建与调优全流程,数据完全私有,零基础可上手。
深度解读深度解析LangChain五大核心模块:模型I/O、数据连接与检索、链(Chains)、智能体(Agents)和记忆(Memory)。详解RAG检索增强生成工作流、Agent自主决策原理及典型应用场景,助你快速上手AI应用开发。