AI.x社区

在这篇文章中，我将介绍如何使用LangGraph、AgenticRAR、NanoGraphRAG以及Claude3.7Sonnet来创建一个基于智能推理（AgenticRAR）的聊天机器人，看完这篇文章之后你就学会了如何为你的业务打造一个强大的智能推理聊天机器人。我首先向你展示一下聊天机器人的效果：“生成代码，检查以下数字是否为回文数：123、121、12321、12345、123454321。”当用户提出问题时，初始推理Agent会对其进行分析，识别需要哪些专业Agent，并检测特...

本周，OpenAI再次放出大招。按照惯例，首日更新往往最重磅。而这一次，OpenAI在预告中就明确点名：这是一款为开发者准备的硬核模型，并用一个形象的比喻预热它——“开发者🤝超大质量黑洞”。图片OpenAI深夜官宣的GPT4.1，确实名副其实。百万Token的上下文窗口和显著增强的编程能力，让它成为开发者眼中的“智能协作者”——能吞下整本文档、分析复杂代码、生成完整模块，真正实现从“助理”到“代理”的跃升。图片GPT4.1在以下...

很多课程都会通过公式来说明Transformer，但是没有给你算过数，也没让你明白一件更重要的事：“自注意力给出来的输出，实际上表示了什么？”本文就想用一个质化、好懂、可实际运算的例子，带你真正看懂SelfAttention是怎么工作的，并解释它的输出真正意义!1.让我们再来回顾下什么是“注意力机制”？你看一段文字时，总会下意识的想：我要看哪些词？哪些字是我目前理解这句话的关键？注意力机制就是这样一种方法，它允许模型根据...

文档问答太难了含有丰富文本和视觉元素（如图表、图像等）的长文档，在进行文档问答时，现有的方案有其局限性：传统的大型语言模型（LLMs）仅能处理文本信息大型视觉语言模型（LVLMs）虽然能够处理视觉内容，但在处理长文档时往往效率低下，并且难以对文本和视觉信息进行有效的融合与推理。现有的检索增强生成（RAG）方法虽然能够从长文档中提取关键信息，但它们通常仅依赖于单一模态（文本或图像）进行检索，缺乏跨模态的信息...

WOT全球人工智能技术峰会是由51CTO开创的面向人工智能领域的高端技术会议品牌，它与另一大会品牌WOT全球技术创新大会一道，自2012年首次举办以来，历时十余年沉淀，累计吸引超过万名技术人员现场参与，同时吸引了数百家国内外知名科技企业和行业龙头、近千位技术领军人物深度合作。ChatGPT引爆的热潮没有丝毫减缓之势，而DeepSeek又给这一热度添了一把火。伴随大模型的快速迭代、持续演进，生成式AI技术从理念到实践，从应用落...

在开发代理式AI时，开发者往往需要在速度、灵活性和资源利用率间反复权衡。本文将向大家介绍Agno——一款用于构建多模态智能体的轻量化框架。其速度号称比LangGraph快上万倍，内存使用量则仅为150。事实上，Agno与LangGraph在使用体验上也有很大区别。本文将以亲身体会为基础对二者进行比较，具体介绍它们的不同之处、各自亮点与Agno的独特优势。概述​构建TriSage与MarketingAnalyst营销分析师智能体。​如果要求高速、低内存...

今天阿真Irene开源的一个文生图提示词火了，非常棒的一个AI设计博主，半夜还在更新。还有她肝的表情包，非常受欢迎。Image今天就实际使用大佬的提示词体验一下，这篇文章是基于博主的提示词进行跨越千年这个主题来撰写的，在此感谢原作者的付出。使用方法：​即梦AI字体我有点玩明白了，用这套Prompt提效50%古代诗人诗人朝代主要成就代表作品李白唐伟大的浪漫主义诗人，有“诗仙”之称《将进酒》《望庐山瀑布》杜甫唐伟大的现实...

文章链接：https:arxiv.orgpdf2412.00857项目链接：https:nevsnev.github.ioFloED开源地址：https:github.comNevSNevFloEDmain亮点直击新颖的视频修复模型。提出了一种专用的双分支架构，通过流适配器（flowadapters）集成光流引导，从而增强时空一致性并生成协调的结果。高效的去噪过程。引入了一种无需训练的隐空间插值技术，利用光流加速多步去噪过程。结合流注意力缓存机制，FloED有效降低了由光流引入的额外计算成本。领先...

“在某个地方，有某种令人难以置信的事物等待着被知晓。”——卡尔·萨根在信息爆炸的时代，如何从海量数据中快速、精准地获取所需信息，是困扰众多科研人员与行业从业者的难题。而今天，我们要介绍的Rankify，正是这样一款在学术界和工业界都备受瞩目的Python工具包，它以全面、模块化和用户友好的方式，为检索、重排以及检索增强型生成（RAG）提供了一站式解决方案。一、Rankify的诞生背景过去，检索领域经历了从纯基于词汇的...

在当今数字化时代，企业和教育机构每天都会收到海量的咨询问题。无论是客户支持、销售团队的提问，还是内部员工的咨询，手动回复这些问题不仅耗时费力，还容易出现回答不一致的情况。而基于人工智能的查询解答系统，能够快速、准确且高效地提供答案，极大地提升了工作效率和用户体验。今天，我们就来聊聊如何利用LangChain、ChromaDB和CrewAI构建一个基于检索增强生成（RAG）的智能查询解答系统。这个系统不仅能自动处理各种问...

在当今数字化飞速发展的时代，AI智能代理（AIagents）已经成为提升工作效率、优化企业流程的利器。它们能够自主处理各种日常重复性任务或复杂工作，从简单的设备采购到复杂的供应链规划，再到客户支持服务，AI代理的应用场景无处不在。然而，随着企业对AI代理的依赖程度越来越高，一个新的挑战也随之而来：如何让这些来自不同厂商、基于不同框架构建的AI代理实现无缝协作，从而最大化发挥它们的生产力？今天，我们将探讨一个全...

​引言：一个时代的十字路口我们正站在一个前所未有的技术变革的十字路口。人工智能（AI），特别是近年来以ChatGPT、Gemini等为代表的生成式AI的飞速发展，正以前所未有的速度和深度渗透到我们生活的方方面面。它不再仅仅是科幻小说的畅想，而是实实在在影响着我们的工作、学习、社交乃至思维方式的强大力量。面对这场汹涌而来的AI浪潮，一个根本性的问题摆在了我们面前：到2035年，当人类与AI的关系更加紧密、依赖性更强时，“...

文章链接：https:arxiv.orgpdf2504.07405项目链接：https:flexiptech.github.ioflexip亮点直击双适配器解耦设计:首次将身份保持（PreservationAdapter）和个性化编辑（PersonalizationAdapter）显式分离，避免特征竞争，实现更精准的控制,优于现有SOTA。动态权重门控机制:通过连续可调参数动态平衡身份保持与编辑强度，支持从细微调整到大幅变形的灵活控制，突破传统“非此即彼”的限制。模态感知训练策略:根据数据特性（静态图...

随着人工智能技术的飞速发展，大语言模型（LLMs）已成为自然语言处理领域的核心力量，展现出强大的语言理解和生成能力。然而，LLMs的开发与部署面临着巨大的数据管理挑战，包括数据收集、治理、存储和优化等多个方面。AI对存储的需求几乎涵盖所有方面：高性价比的容量、高可用性、高可靠性、高IOPS、高吞吐量和安全性。更具挑战的是，AI流水线的不同阶段对存储性能也提出各异且动态变化的要求。简而言之，在满足上述需求的同时...

“RAG的核心是怎么快速准确地召回数据，但RAG的难点还有文档处理等问题。”RAG技术是目前大模型应用的主要技术方向之一，常被应用于数据检索，智能客服等应用场景；而最近在做一个问答系统的场景，使用到了RAG技术，因此今天再来记录一下关于RAG在实际场景中所遇到的问题。关于RAG的问题关于RAG的整体流程这里就不多做介绍了，总而言之RAG的核心点有两个，其一是检索，其二是生成；生成这里就不多说了，生成的质量一靠大模型的...

什么是元数据简单来说，元数据就是"描述数据的数据"。它就像我们为知识库文档贴上的各种标签和属性，例如文档的保密等级、创建者、所属类别等。每个文档可以拥有多组这样的描述信息。实际上，元数据早已渗透到我们日常生活的方方面面，只是大多数人并不熟悉这个专业术语而已。为了更好地理解这个概念，我们可以观察一些常见例子。在计算机操作系统中，每个文件都包含一系列基础属性信息：文件格式、创建者、存储大小、最后修改...

AIAgent本质上是一种通过控制大语言模型（LLM）来解决问题的AI应用系统，但这一本质特征并不妨碍其成为大模型时代最具潜力的应用方式。尤其在DeepSeek和Manus等项目今年爆火之后，AIAgent被认为即将迎来发展的黄金时期。然而，AIAgent的发展也面临着诸多瓶颈，比如：应用程序调用的复杂性以及跨平台AIAgent之间的通信问题等。不过，随着谷歌4月10日发布开源协议A2A（AgenttoAgent协议），以及MCP（ModelContextProtocol）协议的...

本文提供了一个全面的视角，来看待如何利用模型上下文协议（MCP）实现AI应用架构设计新范式的落地实现，核心内容主要是以下5点：MCP概念与机制。MCP与FunctionCalling区别。MCP本质与挑战：挑战包括系统提示词的准确性、Client与Server协同、快速构建Server、自建Dify的痛点等。解决MCP挑战的方法：通过MCPRegister、统一管理Server和Prompt、建立效果验证体系与安全保障、设置MCP网关、动态服务发现、StreamableHTTP、弹性效率...

谷歌推出了A2A协议，即AgenttoAgent，这项协议使得AIAgent智能体能够在不同的生态系统中安全地进行协作，无需考虑框架或供应商的差异。不同平台构建的AIAgent智能体之间可以实现通信、发现彼此的能力、协商任务并开展合作，企业可以通过专业的智能体团队处理复杂的工作流程。重点：它是开源的。Github地址：https:github.comgoogleA2A不多说，让我们先来看一个演示。利用A2A协议，招聘流程可以如此高效：在谷歌的Agentspace统一...

背景在理解与学会了NaiveRAG的框架流程后，就很自然地关注到embedding模型，与问题相关的文本召回，也有很多论文在做这方面的创新。以前一直不知道embedding模型是如何微调出来的，一直听说是微调BERT，但是不知道是怎么微调出来的。直到在B站上看到bge模型微调的视频[参考资料4]才理解。于是便想着自己也微调出一个embedding模型。涉及到下面三个阶段：数据集制作模型训练评估微调实战安装包pipinstallUFlagEmbedding[finetune...