AI.x社区
- 登录/注册
默认
发布时间
热度
原创
精华
从GPT-5到企业级Agent，七牛云方案助你跨越工程鸿沟
随着OpenAI在2025年8月正式发布GPT5，一个清晰的趋势已摆在所有开发者面前：顶级大模型（LLM）的核心能力，正在从“生成内容”向“执行任务”跃迁。这种被业界称为“协同认知”（CollaborativeCognition）的能力，正是AIAgent（智能体）的基石。然而，许多开发者在尝试中会发现一个现实：拥有一个GPT5级的“大脑”，并不意味着就能轻松造出无所不能的Agent。一个真正稳定、安全、可用于生产环境的Agent，其工程复杂性远超想象。...AI Agent GPT-5 七牛云 大模型工程化突发！全球最大代码平台掌舵人宣布卸任：去向成谜，Copilot时代遗产颇丰，曝微软大规模验证AI应用
原创
社区头条编辑云昭出品51CTO技术栈（微信号：blog51cto）“担任首席执行官近四年后，我离开GitHub，再次成为一家初创公司的创始人。”果然，大佬们的推特都是某种信号。在上周五发表了“90%的代码将由AI编写，人类开发者负责善后！”的推特后，相隔不到两天的时间，又有一件大事发生了。当地时间8月11日，GitHub首席执行官ThomasDohmke通过内部信宣布，将于2025年底卸任CEO职务，投身新的创业项目。GitHub未来将继续作为微软CoreAI组织的...CopilotAI应用微软大模型应用从做出来，到怎么把应用做好
原创“大模型的应用开发，是一门实践性很强的东西，理论很简单，做好很困难。”关于大模型的应用已经写过很多文章了，在刚开始对大模型应用理解不深入的情况下，那时总以为大模型的应用很简单，只需要把东西丢给大模型，然后让大模型给出一个输出结果即可。但等到随着对大模型应用理解的加深，才发现事情远远没有那么简单；用大模型做一个demo和用大模型做一个企业级应用，那差距不是一般的大；做出来和做好完全是两个概念。怎么做...大模型大模型应用大模型格式化输出的本质——通过提示词约束模型输出
原创“大模型的格式化输出只能靠提示词约束，没有其它办法；Langchain的输出解析器只不过是封装了格式化输出，其本质还是通过提示词来实现。”在大模型应用开发中，格式化输出是很重要的一个环节，因为没有格式化输出就不会有大模型的应用。但是大模型的格式化输出是怎么实现的呢？今天我们就以Langchain框架为例，来讲一下大模型的格式化输出问题。基于Langchain的格式化输出在前面的文章中有提到过Langchain输出解析器的问题，其...大模型提示词LangchainRAG中召回率和召回准确度的区别和联系
原创 社区头条“RAG的优化方向只有两个，召回率和准确率也就是精度。”在前面的文档中简单介绍过RAG的几种优化方式，因为从本质上来说RAG的目的只有一个，那就是快速并且准确的召回数据。但在实际的RAG系统中，我们往往会面临着一个问题，那就是召回率和准确率的问题；如果RAG系统的召回率太低，那么RAG就没有了存在的意义。以作者目前遇到的实际问题为例，就是数据召回率不足，更不用说召回的准确率了，也就是精度。虽然说影响RAG效果的因素...RAG告别人工标注！首个MLLM数据流水线！中国团队重构AIGC生态：2D→3D→4D全自动生成
精华 社区头条文章链接：https:arxiv.orgpdf2508.05580亮点直击提出基于MLLM的高效数据合成智能体框架FollowYourInstruction，可为多样AIGC任务合成真实世界数据；为实现高质量高效数据生成，引入综合基准以评估MLLM驱动智能体在2D、3D与4D层级的表现，并开发多种MLLM辅助数据生成形式（包括上下文引导与长期指导）；通过微调3种最新基线模型在典型2D、3D与4D任务上的实验证明，采用我们的数据能显著提升模型在下游应用的性能。随着AI生成内...智能体AI数据多模态大模型统一布局生成方法微调数据集设计及模型架构统一训练思路
原创现有布局生成方法多针对特定任务（如海报设计、文档布局等），缺乏跨任务的灵活性和通用性，难以统一处理不同场景下的布局需求。布局生成任务的分类，多样的布局生成任务可分为四类：(a)BFEF（无背景与无元素）,(b)BCEF（背景约束与无元素）,(c)BFEC（无背景且元素约束）和(d)BCEC（背景约束与元素约束）。不同任务需要不同的模型，这缺乏灵活性。在每个任务内部，存在指标性能与人类感知之间的差异：（“生成布局1”）指标较好...多模态大模型微调多模态大模型中高分辨率处理trick-通过自适应路由选择模块动态选择合适粒度
原创前期几篇内容介绍了原生分辨率及相关评估：《多模态大模型中图像分辨率packing策略及原生分辨率NaViT的部分结论》和《多模态大模型中不同分辨率策略研究与原生分辨率的有效性评估》，再来看一个关于多模态大模型处理不同分辨率的trick，提到现有多模态大模型在处理高分辨率图像时，因固定划分图像为全局和局部区域导致视觉token数量过多、推理效率低下，且无法根据任务需求自适应调整视觉粒度的问题。...多模态大模型高分辨率图像视觉粒度缩放器视觉粒度路由器人类决策的终结？AI智能体正在悄悄进化为“数字合伙人”
原创 精华 社区头条人工智能已经不再只是“能听会说”的聊天工具，它正快速走向一个更深层次的演化阶段——自主决策（AutonomousDecisionMaking）。也就是说，AI不仅能看、能听、能说，它还具备独立思考和行动的能力，可以在没有人类干预的情况下，做出复杂甚至关键的决策。这背后，是AI智能体（AIAgents）的崛起。今天，我们就来聊聊这个正悄然改变世界的新物种：它们是什么、能做什么、怎么做的，又将把我们带向怎样的未来。1、什么是AI智能体？...AI智能体AI Agents自主决策虚拟助手AI风险AI提示优化新趋势：多AI代理协作如何解放研究效率？
原创想象一下，你正在用AI工具研究一个复杂问题，却发现输入的提示（Prompt）总让模型“跑偏”，要么回答啰嗦，要么格式不对，甚至完全误解你的意图。是不是很头疼？别急，提示优化（PromptOptimization）的全新玩法已经来了！通过多AI代理协作，AI不仅能自动修正你的指令，还能精准匹配最适合的语言模型，让研究效率直线飙升。这背后到底有什么黑科技？今天我们就来拆解这项技术，带你看看它如何改变生成式AI的未来！1.为什么提示...AI提示AI代理GPT-5 重磅登场：免费开放，全能进化，重燃 OpenAI 战火！
原创就在上周五凌晨，OpenAI正式推出了迄今最强、最聪明、最细腻的模型GPT5，并且直接替换了所有ChatGPT系列模型。更重要的是——免费版用户也能用。在早期测试者口中，说GPT5完全让你有颠覆性的认知，它不仅仅是升级，而是一次ChatGPT的全面重构。所以它到底有多强呢？我们就来拆解一下。什么是GPT5？GPT5不只是一个单一模型，而是一个智能统一系统，能够根据任务的复杂度自动选择合适的计算方式——你无需再纠结“用哪个版本更好...GPT-5OpenAIChatGPTAI For AI：智能系统如何塑造自身的演进
原创 社区头条“AIForAI”是指利用人工智能来构建和优化其他人工智能系统，这能提高效率，但同时也引发了伦理和数据相关的担忧。“AIForAI”（简称AI4AI）作为人工智能学科内一个快速崛起的研究与应用领域，其核心要义在于以人工智能技术本身为工具，赋能其他人工智能系统的开发过程、性能提升与全生命周期管理。具体而言，它通过将人工智能技术渗透于智能系统生命周期的各个关键环节——涵盖模型选型、训练过程、部署实施及持续迭代优化——...AI4AI智能自动化人工智能混合智能体（MoA）框架：通过多智能体协作提升大语言模型性能
混合智能体（MixtureofAgents,MoA）框架正在重新定义我们如何将大语言模型（LLM）推向更高的准确性、推理深度和可靠性水平——而无需承担扩展单一巨型模型所带来的高昂成本。MoA并不依赖于一个“通才型”的大语言模型，而是协调一组专业化的模型，以结构化的层级进行协作，逐步优化输出结果。这种方法即使使用开源模型，也已在多个基准测试中展现出最先进的（SOTA）性能，甚至超越了如GPT4Omni等顶级专有大语言模型。大语言模型...混合智能体框架从GPT-5看AI：OpenAI再领潮流
OpenAI正式发布GPT5了。公司称这是一个统一的系统，能自己决定回答问题前需要思考多久。SamAltman说，GPT5就像是你可以“向一个真正的专家、博士级别的专家提问任何问题”，然后得到靠谱的回答。新模型正逐步向全部7亿ChatGPT用户开放——是的，哪怕你没花钱买订阅也能用。看完一小时的发布会后，问题很简单：GPT5真有比之前模型大进步，还是被炒过头了？在这篇文章里，我会详细聊聊GPT5是什么、新功能有哪些、性能数据如何，以...GPT-5AIOpenAI什么是神经网络：实战-使用CNN进行minst手写数据集分类
就像无数人从敲下“HelloWorld”开始代码之旅一样，许多研究员从“MNIST数据集”开启了人工智能的探索之路。MNIST数据集（MixedNationalInstituteofStandardsandTechnologydatabase）是一个用来训练各种图像处理系统的二进制图像数据集，广泛应用于机器学习中的训练和测试。MNIST数据集共有70000张图像，其中训练集60000张，测试集10000张。所有图像都是28×28的灰度图像，每张图像包含一个手写数字。每张图像都有标注。共10个...神经网络CNNminst付费Mathpix公式识别不香了~不要钱舒服！
复杂科学文献中数学公式识别的问题，对于科学文献的智能化分析至关重要，但现有的特定任务模型和通用视觉语言模型在处理公式结构多样性、复杂性和现实变化时仍存在不足。一、当前方案的局限性依赖特定任务模型：大多数现有公式识别方法依赖于为特定任务设计的模型架构，这些模型在新任务中需要重新设计架构，缺乏通用性。复杂性和多样性不足：现有数据集和方法主要关注结构简单、符号种类有限的公式，而忽略了多学科、高度复杂...Mathpix公式识别局限性百度 TURA 三阶段架构：让 AI 检索 “动” 起来
1.为什么传统RAG不够用了？图1传统RAG只能返回静态网页，而TURA可以实时调用携程API查询机票痛点：现有检索增强生成（RAG）系统只能读取已索引的静态网页，无法回答“下周从北京到上海的最低票价是多少”这类需要实时数据的问题。需求：用户希望一次对话就能完成查票、订酒店、看天气、规划路线等多件事。2.TURA登场：三阶段“工具人”架构图2TURA三阶段框架总览：检索→规划→执行TURA（ToolAugmentedUnifiedRetrievalAgent）...TURA架构AI 检索Anthropic发布Prompt Engineering全新指南
Anthropic发布的全新PromptEngineering指南，包含：元提示、模板、系统角色、XML标签等关键技术。prompt通常包含以下两种类型的内容：固定内容：在多次交互中保持不变的静态指令或上下文变量内容：随每个请求或对话而变化的动态元素，例如：用户输入用于检索增强生成（RAG）的检索内容对话上下文，如用户账户历史系统生成的数据，如来自其他调用的工具使用结果prompt模板：将这些固定和变量部分结合在一起，为动态内容使用占位...AnthropicPromptEngineering白话文读懂Claude Code最佳实践指南，学不会退网
今天来说说claudecode。这是一篇关于ClaudeCode最佳实践的分享文章。原文有点晦涩难懂，我对此进行了修改优化，增加一些截图，配合各位读者朋友进行阅读。为了更加通俗易懂并且容易入门，我结合了4月份ClaudeCode官方出品的一篇文章进行解读，如有谬误，恳请勘误。本篇文章主要介绍：介绍ClaudeCode的概念。探讨ClaudeCode内部工作原理。探讨ClaudeCode的理想应用场景。分享ClaudeCode最佳实践指南。首先介绍一下原作者。原分享...ClaudeCode指令我用 Figma MCP + Claude Code 构建了像素级UI设计
最近一直在玩claudecode，发现它的潜力可不止这些。这篇文章将教大家使用ClaudeCode配置FigmaMCP来构建像素级的前端组件。包括：配置ComposioFigmaMCP，这是最好的FigmaMCP服务器。将FigmaMCP服务器与ClaudeCode集成以构建前端组件。接下来将带你一步一步进行实操。设置FigmaMCP服务器和ClaudeCode首先使用Composio将FigmaMCP服务器支持添加到我们的Claudecode中。关于Composio是什么，可以简单看看，Composio是一个为AI代理提...FigmaMCPUI设计
