AI.x社区

学习如何结合Neo4j知识图谱和LangChain，打造精准、可解释、适合生产环境的RetrievalAugmentedGeneration(RAG)系统。RetrievalAugmentedGeneration(RAG)已经迅速成为让LargeLanguageModels(LLMs)在生产环境中真正发挥作用的首选架构。RAG不再仅仅依赖LLM的内部记忆，而是将其与外部知识源连接起来。虽然大多数教程展示的是使用Pinecone、Weaviate或FAISS等向量数据库的RAG，但在现实世界的问题中，单靠语义相似度往往不够。你需...

你有没有纳闷过，为什么你的RAG系统总是返回一堆无关的结果，或者漏掉显而易见的答案？你不是一个人！很多开发者一开始用vectorsearch，然后一脸懵地发现，他们的“智能”AI连一个简单的产品代码都找不到。如果你试过搭建一个RetrievalAugmentedGeneration(RAG)系统，可能也撞过我一样的南墙。你的chatbot有时候回答得很棒，但有时候完全答非所问，返回一些概念上相似但实际没用的信息。问题出在哪儿？大部分RAG教程只关注那些...

阿里巴巴悄然发布了AgentScope。这是一个用于构建多代理AI应用的开源Python框架。老实说，如果你一直在玩AIagents，这玩意儿挺酷的。我花了点时间挖了挖它，我的收获是：感觉终于有人试着做了一个不跟你对着干的agents框架。大多数框架藏得太深，或者把你锁死在一种工作方式里。AgentScope的卖点正好相反；一切都保持可见，你保持控制。没有黑箱魔法。为什么它吸引了我的注意AgentScope背后的那些人似乎痴迷于一个想法：透明度...

使用TenorshareAI轻松检测AI生成的文本并改写，让它绕过AI文本检测器。我用过的最棒的AI文本人性化工具如果说现代大型语言模型（LLMs）有什么特别擅长的，那就是预测它们接下来要说的词。这种能力让聊天机器人能以自然的方式回应几乎任何问题，甚至还能通过联网进行深入研究。不过，大多数LLMs的原始输出还是很容易被认出是AI生成的。作为一名有四年出版编辑经验的人，我通常一眼就能看出文章是人工写的还是机器生成的。那么，...

我遇到个麻烦：手头有几十（好吧，实际上是几百）个PDF文件——研究论文、API文档、白皮书——散落在各个文件夹里。搜索慢得要死，浏览更烦。所以我搞了个PDF问答引擎，能把文件吃进去、分块、嵌入、用FAISS索引、找最佳段落，还能给个简洁的回答（而且有不用API的备选方案）。这篇文章把所有东西都给你——端到端的代码，用大白话解释清楚。你能得到啥•本地PDF加载（不用云）•更聪明的分块（保留上下文）•用sentencetransfo...

现代AI聊天机器人常常依赖RetrievalAugmentedGeneration(RAG)，也就是检索增强生成技术。这种技术让机器人能从外部数据中提取真实信息来支撑回答。如果你用过“与你的文档聊天”之类的工具，你就见过RAG的实际应用：系统会从文档中找到相关片段，喂给大语言模型（LLM），让它能用准确的信息回答你的问题。RAG大大提升了LLM回答的事实准确性。不过，传统RAG系统大多把知识看成一堆互不关联的文本片段。LLM拿到几段相关内容后，得...

让我跟你说——大部分AI工具就像那个满嘴跑火车但啥也干不成的同事。不会写代码，不会做报表，连上网浏览都会崩。如果你现在就在用这种破工具，那真是选错了。不过好消息是：市面上还真有能干活的AI工具！我来带你看看10个靠谱的家伙，涵盖了编码、语音、研究、数据处理和网页操作，全都基于你给我的信息。编码工具1.GoogleJules—免费Jules就像你那个会把你的菜谱从头看到尾，还能自己烤一盘饼干的哥们儿。它能深入你的代码项...

随着基座模型的不断更新成熟，智能体工作流（AgenticWorkflow）已成为AI领域的热点，它将AI智能体（AIAgent）的推理能力与结构化工作流结合，实现复杂任务的半自主执行。AI智能体结合了大型语言模型（LLM）的推理、工具交互和记忆能力，赋予工作流动态性和适应性。与传统的确定性工作流或非智能体AI工作流相比，智能体工作流能处理更高复杂度的任务。今天我将系统解析其核心概念，并通过实际模式和应用案例展示其价值。希望能给...

RetrievalAugmentedGeneration（RAG）是一种结合信息检索和大型语言模型（LLMs）来回答用户查询的方法。传统上，这涉及将检索器直接连接到生成流水线。然而，通过LangGraph和LangChain，我们可以进一步模块化这个过程，将检索器暴露为一个可调用的工具。在这篇博客中，我将展示如何在LangGraph中使用工具调用实现一个RAG系统。我将模拟一个餐厅助理代理，回答关于BellaVista餐厅的问题。目标构建一个基于RAG的代理，能够：•将...

引言在之前我们聊过MCP革命的宏观话题，这篇文章咱们来聚焦一下，专门对比一下ModelContextProtocol(MCP)和AgentCommunicationProtocol(ACP)以及AgenttoAgent(A2A)协议的核心区别。我们的目标是聊聊这几个框架各自的独特优势，并且说明在很多应用场景下，MCP提供的抽象层级刚刚好，不需要ACP或A2A那种更复杂的结构。我们会深入探讨MCP如何通过把工具看作无状态的函数（这些函数本身也可以是智能体）来实现这一点，从而构建动态...

在构建基于知识图谱的RAG系统或使用LangChain的智能体时，最大的挑战之一是从非结构化数据中准确提取节点和关系。特别是当使用较小的、量化的本地LLM时，这一点尤其困难，结果往往是AI系统表现不佳。LangChain提取功能的一个关键问题是它依赖严格的JSON解析，即使使用更大的模型或非常详细的提示模板，也可能失败。相比之下，BAML使用一种模糊解析（fuzzyparsing）方法，即使LLM的输出不是完美的JSON格式，也能成功提取数据。在...

模型上下文协议（ModelContextProtocol，MCP）正在彻底改变我们与人工智能的交互方式，它让从数据科学家到业余爱好者的每个人都能轻松地为AI助手接入真实世界的数据，从而大幅提升其能力。举个例子，你可以像和同事聊天一样与AI对话，毫不费力地让它深入分析复杂数据集、发现隐藏模式、进行数值计算，甚至实时抓取网络上的市场趋势——整个过程自然流畅，就像普通对话一样。MCP就像一个通用连接器，弥合了现代AI模型强大能力与...

大型语言模型（LLMs）正在改变我们与技术的互动方式，从聊天机器人到代码助手，功能无所不包。但要高效运行这些模型可不是件小事，尤其是在需要速度、可扩展性和高吞吐量应用的稳定性时。如果你一直在用Ollama进行本地LLM实验，现在想转向vLLM以获得生产级性能，这篇文章的主要目的是讲解这两个框架的区别，探讨选择正确框架的重要性，并提供一步步的指导。1.为什么选择合适的LLM框架很重要把部署LLM想象成开餐厅。如果只是给小...

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...

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...

在一个技术正在重塑我们生活的时代，自然语言处理（NLP）与深度学习的融合正站在创新的最前沿。这一强大的组合正在弥合人类交流与机器理解之间的鸿沟，创造出一个设备能够理解我们的语言并作出相应回应的世界。本文将探索自然语言处理与深度学习这一令人着迷的领域。我们将回顾其发展历程、核心技术、广泛的应用领域，以及这一动态组合的未来前景。我们还将深入了解大型语言模型，以及它们如何正在重塑全球各行各业。无论你是技...

本文翻译整理自 Yichao“Peak”Ji于2025年7月18日发表的文章《ContextEngineeringforAIAgents》，并结合dev.to社区和rMachineLearning讨论进行补充。https:medium.compeakjicontextengineeringforaiagentslessonsfrombuildingmanus71883f0a67f2一、ContextEngineering胜于重训模型在Manus项目早期，团队面临两个方向选择：训练专属Agent模型，还是基于最先进LLM做“上下文工程”。历史告诉我们：BERT微调时代迭代慢、成本高，G...

来认识一下KimiK2！MoonshotAI在2025年7月11日发布的最新MixtureofExperts(MoE)大型语言模型，简直是个大杀器！关键信息一览：•架构：总共1万亿参数，每次前向传播激活320亿参数。•预训练：用了15.5万亿tokens，靠着全新的MuonClip优化器，训练过程零不稳定。•用途：“Agentic”设计，不光会回答问题，还能主动用工具、写代码、浏览网页、跑命令，超全能！•性能：在coding（LiveCodeBench、SWEbench）、推理（ZebraLogic、G...

“AI将在2026年取代所有程序员。”AndrejKarpathy（OpenAI联合创始人）和SteveYegge（前亚马逊与谷歌资深工程师）站出来，分享了他们对未来的真正看法。而他们的观点？彻底颠覆了这个流行的说法。他们认为，大家都搞反了方向。这几个月来，我一直在密切使用各种AI编程工具。当Karpathy和Yegge不约而同地得出相同结论时，我意识到——这事儿值得深入挖掘。他们所说的，不只是与那些末日论截然不同，而是完全相反的方向。Karpathy...

人工智能（AI）已经不再只是个时髦词，它正在改变我们解决实际问题的方式。从聊天机器人到自动化工作流，AI智能体是这些创新的核心。但要打造一个可靠、可扩展、随时能上线的AI智能体可不是件容易事。这时候，LangGraph登场了！它是LangChain的一个强大框架，能帮你轻松构建复杂、状态化的AI智能体，处理各种棘手的任务。这篇文章咱们就来聊聊如何用LangGraph打造生产就绪的AI智能体，还会通过一个实际案例，配上代码、工作流和...