第二支羽毛

探索 AI 智能体工作流设计模式

《探索 AI 智能体工作流设计模式》欢迎关注公众号柏企阅文由大语言模型（LLM）驱动的智能体是利用 LLM 进行问题推理、制定可行计划并使用一组工具执行这些计划的系统。简单来说，这些智能体融合了高级推理能力、记忆力和任务执行能力。基于 LLM 的 AI 智能体工作流设计模式自 2022 年末

Agent

AI Agent 架构新变革：Plan-and-Execute 引领智能新潮流

AI Agent 架构新变革：Plan-and-Execute 引领智能新潮流 AI Agent 的发展一直备受瞩目。今天，我们就来深入探讨一种全新的架构——Plan-and-Execute，它正悄然改变着 AI Agent 解决复杂任务的方式。传统 ReAct 架构的困境曾经，ReAct（推理

Agent

RAG完整指南

解锁 RAG 技术：企业数据与大模型的完美融合之道为什么需要 RAG？我们可以使用像 ChatGPT 这样的大语言模型（LLM）来创建星座运势等内容，或者应用于工作等更实际的场景。然而，问题在于企业通常拥有大量的文档、规则、条例等信息，而 ChatGPT 对此一无所知。此时有两种选择：一是用企

RAG

探索大型语言模型新架构：从 MoE 到 MoA

探索大型语言模型新架构：从 MoE 到 MoA 当前，商业科技公司纷纷投身于一场激烈的竞赛，不断扩大语言模型的规模，并为其注入海量的高质量数据，试图逐步提升模型的准确性。然而，这种看似顺理成章的发展路径逐渐暴露出诸多内在局限。一方面，高质量数据的获取并非易事；另一方面，计算能力的瓶颈以及在普通用户硬

LLM架构

专家混合（MoE）大语言模型：免费的嵌入模型新宠

专家混合（MoE）大语言模型：免费的嵌入模型新宠今天，我们深入探讨一种备受瞩目的架构——专家混合（Mixture-of-Experts，MoE）大语言模型，它在嵌入模型领域展现出了独特的魅力。一、MoE 架构揭秘（一）MoE 是什么？ MoE 是一种包含多个被称为“专家”子网的架构，每个子网专

LLM架构

强化学习详解第四部分：函数逼近，让强化学习适用于复杂世界

我们在强化学习之旅中来到了关键节点到目前为止，我们探索的环境中，智能体可以明确表示每一个可能的状态 - 动作对。但一旦踏入现实世界的复杂环境，这种 “奢侈” 便不复存在。 |文末点击阅读原文查看网页版| 更多专栏文章点击查看：

强化学习

Meta发布Llama 4：开源AI新巨头震撼登场！

在OpenAI与谷歌为争夺最佳生成式人工智能（GenAI）模型激战正酣之时，Meta终于苏醒，推出全新Llama 4系列模型，并且完全开源，这下AI圈可热闹啦！ Llama 4究竟是什么“宝藏”？ Llama 4可不是单枪匹马的一个大语言模型（LLM），而是一个“大家族”。Meta发布的这一系列包含

开源

1W8000字从理论到实践： MCP 在 7 大 AI 框架中的具体应用

用Python和TypeScript框架，基于MCP服务器为LLM赋能，打造AI应用 MCP支持的AI框架 AI代理工具包为开发者开放了各种API，让AI解决方案具备执行任务的工具，确保能给出准确结果，提升用户满意度。然而，把这些工具集成到AI应用里并进行管理，过程往往很繁琐。本文将为你介绍一种行业

Agent

2w字解析量化技术，全网最全的大模型量化技术解析

2w字解析量化技术，全网最全的大模型量化技术解析 📖阅读时长：50分钟 🕙发布时间：2025-01-31 这篇网页文章主要围绕机器学习中的量化技术展开，详细介绍了其在大语言模型中的应用、基础概念、技术方法及不同模型的量化策略。量化是机器学习领域的一项关键优化技术，它能把高精度数值转化为低精度格

LLM架构

万字解析非结构化文档中的隐藏价值：多模态检索增强生成（RAG）的前景

本文将深入探讨两种创新的多模态文档检索方法 ——ColPali 和 ColFlor。它们在多模态 RAG 技术领域表现卓越，正重塑着文档处理的格局。我们不仅会剖析其系统结构、性能优势，还将通过实际案例展示它们在处理文档时的出色表现 |文末点击阅读原文查看网页版| 更多专栏文章点击查看：

多模态 LLM架构