AI.x社区

本文将完整细致地介绍如何使用RAG技术与LangChain、ChainlitCopilot组件以及LiteralAI可观测性特征联合开发一款语义论文搜索引擎程序。简介在本文中，我将演示如何使用检索增强生成(RAG)技术构建语义研究论文引擎。具体地说，我将使用LangChain(https:www.langchain.com)作为构建语义引擎的主要框架，以及OpenAI公司的大语言模型和ChromaDB开源向量数据库(https:www.trychroma.com)。为了构建名称为Copilot的嵌入式Web应用程序...

首先说下背景，我是个非技术出身的产品经理，除了PM平时工作中所需要掌握的技术常识和概念之外，我只自学过一些前端和python技术知识，没有实战项目经验，可以说是几乎没有任何的程序开发经历。之前在网上看到有些编程小白使用ChatGPT生成代码写出了浏览器插件工具。心想要不我也试试？正好我需要写一个程序来帮忙爬取项目招标信息进行市场分析，借助最近比较火的kimi大模型来试试。在整个和kimi“结对编程”的过程中，我问了不...

4月10日凌晨，谷歌在官网正式发布了Gemini1.5Pro，现在可在180多个国家地区使用。除了能生成创意文本、代码之外，Gemini1.5Pro最大的特色是能根据用户输入的文本提示，理解、总结上传的视频、音频内容进行深度总结，并且支持100万tokens上下文。目前，可以在GoogleAIStudio开发平台中免费试用Gemini1.5Pro，支持中文进行提示。此外，谷歌还对GeminiAPI进行了性能优化，包括系统指令、JSON模式以及函数调用优化，可显著提升模型...

不久前，我们推出了最强大的基础模型Gemini。Gemini是一个多模态模型，它既可以接受文本输入，也可以接受图像输入。我们为Android开发者们介绍一种方法，以帮助您在设备上使用我们最小规模的模型：GeminiNano。GeminiNano可以通过AICore在特定设备上使用。AICore是一种处理模型管理、运行时、安全功能等任务的系统服务，有助于简化开发者的工作。现在，我们将向您介绍访问GeminiPro模型的全新方法，该模型可以在Google的数据中...

译者布加迪审校重楼之前我介绍了如何使用OpenAI最新的LLMGPT4o，通过函数调用将实时数据引入到​​LLM​​。在这篇后续文章中我将介绍使用Hermes2ProLlama38B进行函数调用，这是一种由NousResearch开发的功能强大的LLM，基于Meta的Llama3架构，有80亿个参数。它是开放模型，我们将在HuggingFace的文本生成推理上运行它。我们将把Fightaware.com的API与该LLM集成起来，以便实时跟踪航班状态。FlightAware的AeroAPI是开发人员获取...

网络开发领域的发展日新月异，并由技术进步、用户偏好和行业需求三个维度所共同驱动。随着时间的推移，网络开发的趋势也在不断变化，这就要求开发人员必须适应新的变化和需求，以保持其工作效率和市场竞争力。针对这些挑战，专门的JavaScript库提供了一种有效的解决方案，帮助开发人员迅速适应这一变化过程。近年来，我精心筛选了网络开发领域内的一些热门主题，并围绕这些主题搜集了一系列实用的JavaScript库。借助这些精选的...

编者按：当你收到一篇由AI完成的文章时，是否也有过这样的困惑：内容看似专业严谨，读起来却总觉得缺少什么？明明语法正确、逻辑清晰，为什么就是无法抓住读者的注意力？本文作者基于丰富的技术写作经验，深入剖析了AI生成内容的八大典型问题。更重要的是提出了一套完整的“人机协作写作流程”，每个环节都有具体的操作策略。作者还为那些被误判为“AI腔”的优秀写作技巧正了名，帮助大家重新审视那些优秀的表达方式。作者Shrey...

一、模型架构jinaembeddingsv4的架构基于Qwen2.5VL模型，并进行了扩展以支持单向量和多向量输出。对于文本输入，模型采用标准的基于Transformer的处理方式，将文本分词后转换为向量序列，然后输入到大型语言模型（LLM）中。对于图像输入，首先通过一个离散的图像模型将图像转换为多向量结果，类似于文本中的“图像标记”，然后将这些“图像标记”传递给LLM，使其能够像处理文本标记一样处理图像信息。一共Lora微调了三个任务，...

在PDF文档解析领域，布局检测、阅读顺序预测、手写体文字识别等领域都已经有了很多非常成熟，且可靠的方案。但是，复杂表格的解析，依然是眼前非常难啃的骨头。例如：表格中单元格跨列、跨行的合并；跨页表格的融合；表头重复、冗余等问题今天分享的OCRFlux是基于qwen2.5vl3B模型微调的，一个复杂表格的解决方案。一、OCRFlux创新点1.1单页解析技术复杂表格解析OCRFlux在训练数据中使用HTML格式表示表格，使其能够自然地支持复...

哈喽，各位开发者朋友们！还在“手搓”代码吗？那你就out啦！如今，AI编程工具已经从一个“有趣的玩具”进化为我们日常开发中不可或缺的“神级副驾”。从自动补全、代码生成，到修复Bug、学习新技术，AI正在以前所未有的方式重塑我们的工作流。然而，市面上的AI编程工具琳琅满目，从引领潮流的国际巨头，到奋起直追的国内大厂，究竟该如何选择？今天，我们就来一场“终极盘点”，带你全面了解这些顶流AI编程工具的产品定位和核...

在2025年，技术无疑已成为国家竞争力的核心要素。从人工智能助力医疗诊断的精准化，到太空探索迈向商业化新征程，技术正全方位重塑经济、军事与社会的未来蓝图。哈佛大学肯尼迪学院贝尔弗中心的国防、技术与战略（DETS）项目发布的《CriticalandEmergingTechnologiesIndexReportJune2025》，为我们清晰勾勒出全球技术竞争的全景图。这份长达71页的报告，通过创新构建的技术指数，对25个国家在人工智能（AI）、生物技术、半导体...

​自工业革命以来，创新一直是推动人类社会进步、改善生活福祉的最核心动力​。从蒸汽机到疫苗，再到催生了全球互联网的集成电路，一系列科学突破及其催生的工程奇迹，共同谱写了人类近两个世纪的辉煌篇章​。然而，在这繁荣的表象之下，一个隐秘的危机正悄然蔓延：创新的成本正变得越来越高，难度也越来越大​。简而言之，我们赖以增长的创新引擎，其生产力正在衰退。麦肯锡麦肯锡公司旗下的人工智能咨询机构QuantumBlack在202...

简介介绍了如何使用​​LangGraph​​搭建一个基于聊天机器人的工作流，具体实现了一个虚拟女友的角色扮演游戏。通过流程图展示了构建完成的状态图，并介绍了各个节点的功能，如接收用户输入、生成对话等。提供了是否使用历史聊天记录的方法，让虚拟女友记住用户之前的对话，还是忘记。通过此项目，读者可以学习如何使用​​langgraph​​中实现类似的工作流搭建。背景使用一个聊天机器人，记录一下​​LangGraph​​​的使用。...

今天，看到了一些名词——具身智能、VLM和VLA，来跟大家唠唠。放心，我保证用大白话，把这事儿说透。具身智能是啥？首先，说下具身智能。说具身智能大家可能有点懵，但要说到人形机器人，大家可能就熟悉了。今年春晚的人形机器人跳舞，可谓是让人形机器人火爆出圈。回到正题，简单说，具身智能就是机器有了身体，能像咱们人一样，在环境里感知、思考、行动。想象一下，一个机器人不仅能用眼睛（摄像头）看东西，还能用手（机械...

世界模型的定义世界模型是一种能够对现实世界环境进行仿真，并基于文本、图像、视频和运动等输入数据来生成视频、预测未来状态的生成式AI模型。它整合了多种语义信息，如视觉、听觉、语言等，通过机器学习、深度学习和其他数学模型来理解和预测现实世界中的现象、行为和因果关系。简单来说，世界模型就像是AI系统对现实世界的“内在理解”和“心理模拟”。它不仅能够处理输入的数据，还能估计未直接感知的状态，并预测未来状态...

构建AI智能体的过程，已经被像LangChain、SpringAIAlibaba等开发框架大大简化了，然后这些框架往往隐藏了驱动AI智能体运行的底层逻辑，比如：ReAct（ReasoningandActing），让大模型（LLM）思考问题，并使用工具对任务采取行动。但很多时候，仅依赖预包装的库而不了解它们的内部工作原理，可能会导致困惑。下面的例子就展示了AI智能体在产生回应之前，会经历一系列的思考活动。在本文中，我们将通过深入剖析ReAct架构设计模式，...

MCP是AI应用与能力（tools、prompts、resources）之间的通用连接器，类似于USBC为电子设备之间的连接提供了标准化接口。MCP把原来获取数据的M×N集成问题，通过统一、标准化的接口打破了这种模式，优化为M+N集成问题，大大简化了架构设计和提升了效率。在企业级实际落地中，MCP有9种常见的架构设计模式，下文我们详细剖析之。一、MCP9种架构设计模式1、架构设计模式一：完全本地的MCPClientMCPClient是AI应用（比如：Cursor）中...

现在各种工作流框架太多了，看不过来，也没有什么精力去学习。最近无意中刷到一个微型框架：PocketFlow，这个框架非常小巧，看了下只有100行左右的代码，很容易看懂。我非常喜欢，写个教程介绍一下。对比其他框架抽象应用特定包装器供应商特定包装器代码行数大小LangChainAgent,Chain很多(例如，QA,摘要)很多(例如，OpenAI,Pinecone等)405K+166MBCrewAIAgent,Chain很多(例如，FileReadTool,SerperDevTool)很多(例如，OpenAI,Ant...

目前深度学习系统在语言智能方面已经有了非常大的进展,在语言理解、表达、逻辑推理等方面都有近似人类能力的表现。但是,目前最好的深度学习系统在现实世界任务（例如驾驶）中仍远未达到人类相当的可靠性,这可能是因为人类和许多动物具备学习世界模型的能力，即世界如何运作的内部模型。YannLeCun提出的通用人工智能研究必须解决三个主要挑战：机器如何通过观察来学习代表世界、学习预测和学习采取行动？现实世界中的交互既昂贵...

今日分享一篇罗格斯大学团队发现了大语言模型注意力机制的查询(Q)和键(K)表示中存在非常集中的大值，并探讨了这些极大值的应用以及来源,该研究已经被机器学习三大顶会之一ICML收录.。这项研究揭示了大型语言模型中一个重要现象：在注意力机制的查询(Q)和键(K)表示中存在集中的大值，而在值(V)表示中却没有这种模式。这一现象在使用旋转位置编码(RoPE)的现代Transformer模型中普遍存在。四大核心发现1.极大值在Q和K中的特定...