#cosine similarity
共 33 篇相关文章
·15 分钟
从零构建AI Agent：真实开发全流程复盘与避坑指南
基于开发者社区真实经验，详解AI Agent从零构建的完整流程：如何选择第一个任务、工具选型对比（无代码vs框架vs手写）、稳定性调优难点，以及判断Agent是否真正完成的评估标准。
阅读全文 →
·7 分钟
YC has it：用自然语言从4000+YC公司中找到解决方案
YC has it是一款永久免费的AI语义搜索工具，支持用自然语言描述需求，从4000多家Y Combinator创业公司中精准匹配解决方案，并提供推荐理由、定价和集成信息，帮助创业者、产品经理和采购人员高效选型。
阅读全文 →
·10 分钟
AI Agent越复杂越爱幻觉？架构复杂度的隐藏代价
为什么AI Agent越复杂，幻觉问题反而越严重？本文从误差累积、上下文噪声、模型补全本质三个维度深入剖析原因，并提供5个生产环境中的实用应对策略，帮助开发者构建更可靠的智能体系统。
阅读全文 →
·14 分钟
本地离线RAG应用实战：用Ollama+ChromaDB构建PDF私密问答系统
手把手拆解本地离线RAG应用的完整构建思路：基于Ollama、ChromaDB与Flask，实现PDF文档分块、向量化检索与受控生成，全程无需云端API，敏感文档零泄露风险。适合想入门RAG或重视数据隐私的开发者。
阅读全文 →
·21 分钟
Spring AI实战：ChatModel到RAG应用开发完整指南
全面解析Spring AI核心模块：ChatModel对话、EmbeddingModel向量化、RAG检索增强生成、Tool Calling工具调用及MCP协议。Java开发者快速接入DeepSeek、ChatGPT等大模型的实战教程，涵盖Milvus向量数据库与Ollama本地模型集成。
阅读全文 →
·14 分钟
用DeepSeek零成本6分钟生成QQ群扫雷游戏机器人脚本
手把手教你用DeepSeek结合OICQ框架，通过「投喂官方文档+精确提示词」的方式，零成本快速生成可运行的QQ群扫雷游戏Python脚本，附真实踩坑记录与部署全流程。
阅读全文 →
·19 分钟
Ollama+Dify+DeepSeek本地企业级知识库搭建全指南
手把手教你用Ollama+Dify搭建本地企业级RAG知识库，涵盖模型安装、IP监听配置、自定义微调模型导入、Embedding向量检索全流程，彻底摆脱云端API依赖，保障数据安全。
阅读全文 →
·12 分钟
检索新范式：Hobbit难负样本构造与Disco协同覆盖索引设计
深度解析两项前沿稠密检索研究：Hobbit通过梯度分析自动构造难批次，突破传统难负样本挖掘瓶颈；Disco以次模协同覆盖替代单文档竞争，重构Top-K检索范式。涵盖对比学习、双编码器训练与多跳问答应用。
阅读全文 →
余弦相似度-1代表语义相反？机器学习面试高频陷阱解析
·6 分钟
余弦相似度-1代表语义相反？机器学习面试高频陷阱解析
余弦相似度取值-1真的意味着"语义相反"吗？本文从数学定义、embedding训练机制和工程实践三个维度深度拆解这道机器学习面试题，帮你避开向量相似度理解中最常见的直觉陷阱。
阅读全文 →
·15 分钟
程序员转AI工程师：你已完成80%，只差这六项核心能力
已有编程基础的程序员转型AI工程师，并非从零开始。本文拆解AI工程师日常工作构成，梳理LLM API调用、RAG检索增强生成、提示工程、LLMOps等六项核心能力，提供三条可落地的转型路径，帮你捅破那层窗户纸。
阅读全文 →
·13 分钟
从零构建离线RAG应用：PDF文档本地问答完整指南
详解如何用Ollama、ChromaDB和Flask搭建完全离线的RAG应用，实现PDF文档本地问答。涵盖文档切分、向量化存储、检索增强生成及防幻觉设计，数据不出本地，无需API付费。
阅读全文 →
·13 分钟
Crew：让多个AI智能体像团队一样协作与共享知识
Crew 是一个开源AI智能体协作框架，核心理念是为智能体打造「Stack Overflow」——让同一项目中的多个Agent共享经验、沉淀知识，从优化单体智能体转向构建能持续进化的协作团队。
阅读全文 →
·9 分钟
从零构建离线RAG应用：PDF私人知识库完整实现指南
手把手拆解本地RAG应用的完整构建思路：Ollama本地模型 + ChromaDB向量数据库 + Flask，实现PDF文档问答、完全离线运行、数据零泄露。适合想入门RAG的开发者快速上手。
阅读全文 →
·10 分钟
IMGNet：用符号模式匹配挑战余弦相似度的人脸验证新方案
IMGNet是一位印尼独立研究者提出的人脸验证模型，用滑动窗口符号模式匹配取代余弦相似度。仅10.58MB的轻量模型在LFW等多个基准上超越传统余弦方案，并引入度量-损失协同设计的新思路。
阅读全文 →
·16 分钟
DINOv2 vs SigLIP：k-NN分类为何差距悬殊？视觉编码器选型避坑指南
实验显示DINOv2 Giant在k-NN分类上仅得41%，而SigLIP2高达92%。本文深入解析对比学习与自监督学习的嵌入空间差异，揭示视觉编码器选型的核心逻辑，帮助你在细粒度分类与图像检索任务中做出正确选择。
阅读全文 →
·11 分钟
IMGNet：符号模式匹配挑战余弦相似度的人脸验证新方法
IMGNet是一个仅10MB的轻量级人脸验证模型，用滑动窗口符号模式匹配替代余弦相似度。在LFW等基准上符号度量全面超越余弦度量，并揭示符号一致性可能是优质人脸嵌入的固有属性。
阅读全文 →
·17 分钟
Gemini接入谷歌商家资料：AI如何成为中小企业的专属业务伙伴
谷歌允许企业将Google Business Profile连接至Gemini，AI助手可直接读取营业信息、客户评价与经营数据，为中小企业提供精准营销建议，帮助降低AI使用门槛，实现从通用问答到智能业务执行的关键跨越。
阅读全文 →
·15 分钟
分散损失：破解小语言模型嵌入坍缩的关键技术
嵌入坍缩是小语言模型训练中的隐蔽瓶颈，导致词向量表示趋同、模型性能受损。本文深入解析分散损失（Dispersion Loss）的核心原理——通过在训练阶段引入表示分散约束，以零推理成本提升小模型的表达质量，为边缘AI与轻量化部署提供新思路。
阅读全文 →
