LLM 第3页

提示工程高级协议框架深度分析

引言：提示工程的演进、挑战与高级协议的必然性大型语言模型（LLM）的兴起标志着人工智能领域进入了一个全新的时代。这些模型以其强大的文本生成、理解和推理能力，正在深刻改变人机交互的方式和自动化水平。

由数入道·2025-06-19 00:41

如何使用context7 MCP 增强AI编程的能力

它能在你给LLM（如Claude、CursorCopilot、Windsurf等）的提示（prompt）中，动态地注入从源头获取的、与你所用库版本完全对应的官方文档和代码示例，从而避免：过时的示例、基于

❀͜͡傀儡师·2025-06-18 21:49

工控领域多模态LLM测试集

MMADMultimodalLargeLanguageModelsinIndustrialAnomalyDetection从4个数据集收集8366样本，涵盖38类工业产品，生成39,672个样本，覆盖7个核心任务。https://github.com/jam-cc/MMAD.githttps://huggingface.co/datasets/jiang-cc/MMAD天池铝型材表面缺陷数据集数据

liliangcsdn·2025-06-18 20:42

大模型（LLMs）RAG 版面分析------文本分块面

使用大型语言模型（LLM）时，切勿忽略文本分块的重要性，其对处理结果的好坏有重大影响。考虑以下场景：你面临一个几百页的文档，其中充满了文字，你希望对其进行摘录和问答式处理。

xianghan收藏册·2025-06-18 15:07

【AI论文精读3】RAG论文综述1-P3-检索器

3.1.检索源RAG依赖外部知识来增强LLM，而检索源（RetrievalSource）的类型（数据结构）和检索单元的粒度都会影响最终的生成结果。3.1.1.数据结构1.非结构化数

AI完全体·2025-06-18 15:07

AI和数据科学的基石-Numpy与Pandas

1.3与LLM1.4“向量化”操作2Pandas2.1Pandas核心数据结构-DataFrame引言一文快速了解Numpy与Pandas。从理论到代码。1Numpy我们学

啾啾大学习·2025-06-18 15:35

知识图谱（KG）、LLM结合：【KG增强LLM：注入结构化知识】【LLM增强KG：自动化构建与补全】【KG与LLM协同：统一表示与联合推理】

知识图谱（KG）与大型语言模型（LLM）的结合是当前AI领域的重要研究方向。两者分别代表符号主义与连接主义的知识表示方式：KG提供结构化、可解释的符号化知识，而LLM具备强大的语义理解和泛化能力。

u013250861·2025-06-18 13:25

训练成本降低2000倍: 直接将推理能力注入LLM

论文标题Resa:TransparentReasoningModelsviaSAEs论文地址https://arxiv.org/pdf/2506.09967代码地址https://github.com/shangshang-wang/Resa作者背景南加州大学动机激发大模型的推理能力通常需要繁重的后训练工作（带CoT的RL或SFT），这一过程不仅需要昂贵的数据与计算资源，还缺乏可解释性（并不清楚模

大模型最新论文·2025-06-18 13:20

SpringAI实战：ChatModel智能对话全解

其中ChatModel作为核心交互组件，通过标准化接口简化了与大语言模型（LLM）的文本交互流程✨。

、BeYourself·2025-06-18 12:10

《大模型应用开发极简入门》——笔记

2.NLP技术从n-gram到LLM的

孟柯coding·2025-06-18 08:15

langchain从入门到精通（十）——ChatMessageHistory 组件

1.BaseChatMessageHistory把记忆功能集成到LLM应用中，会设计到两个核心问题：存储的历史信息是什么？如何检索与处理历史信息？

小陈phd·2025-06-18 07:42

对话DataFocus创始人：大模型会颠覆ToB行业吗？

第一部分LLM大模型Chatgpt究竟神奇在哪里？JET：问答式交互，的确比传统列表搜索的方式好很多。Chatgpt比其他的聊天机器人有了质变，体验上完

clarance2015·2025-06-18 07:11

LLM大模型实战：从零到精通——大模型应用开发极简入门

大模型入门学习·2025-06-18 07:10

「Happy LLM」机器与人类沟通的桥梁——NLP

如果说，编程语言是人类与机器“单方”交流的语言，那么NLP就是机器与人类进行“双向”交流的桥梁了。本章节我们会聊到：什么是NLP？NLP的预处理是怎样实现的？什么是NLP？NLP（自然语言处理）是人工智能的一个分支，专注于让计算机理解、生成和运用人类语言。它的核心是通过算法处理文本或语音数据，实现翻译、问答、情感分析等功能。其本质上是将人类语言转化为机器可处理的结构化数据（如语义解析），同时将机器

OvO_ll·2025-06-17 23:18

LLM指令微调Prompt的最佳实践（二）：Prompt迭代优化

前言2.Prompt定义3.迭代优化——以产品说明书举例3.1产品说明书3.2初始Prompt3.3优化1:添加长度限制3.4优化2:细节纠错3.5优化3:添加表格4.总结5.参考1.前言前情提要：《LLM

SmallerFL·2025-06-17 22:11

部署 DeepSeek 需要安装OpenLIama（即 OLama）

OLama是一个轻量级的LLM软件引擎，用于快速部署和运行大型语言模型（LLM）。它是DeepSeek的核心依赖之一，负责处理模型的加载和服务器端的推理。2.本地部署DeepSeek需要OLama吗？

gzgenius·2025-06-17 21:07

【MCP】连接阿里云百炼MCP至Cursor及其他AI工具

引言随着人工智能技术的飞速发展，大型语言模型（LLM）已经成为开发者和内容创作者不可或缺的工具。

HeXDev·2025-06-17 20:59

MCP 模型上下文协议 modelcontextprotocol/python-sdk

这个项目是现代生成式AI(GenerativeAI)和大语言模型(LLM)领域的一个工具。

·2025-06-17 19:51

LLM输出优化秘籍：Dify参数调节技巧大揭秘！

引言随着大语言模型（LLM）在文本生成、对话系统等领域的广泛应用，参数调节已成为开发者必须掌握的核心技能。

AI大模型-大飞·2025-06-17 17:08

快速上手 LiteLLM：打造高效、稳定、面向生产的 LLM 应用程序

github:https://github.com/BerriAI/litellmhttps://docs.litellm.ai/docs/LiteLLM是一个Python库，旨在简化多种大型语言模型（LLM

汀、人工智能·2025-06-17 16:03

「大模型学习」(10)LLM的量化（GPTQ、LLM.int8()、AWQ）不信你学不会！

前言为什么要做量化？减少模型的存储空间和显存的占用。在显卡中，数据从HBM中加载到TensorCore中计算，计算速度受限于数据加载的速度。通过对模型进行量化，减少HBM和TensorCore之间的数值传输量，从而加快模型推理时间。显卡对整数运算速度快于浮点型数据，从而加快模型推理时间。为什么量化对神经网络精度影响不大？1.权重和输入经过归一化，数值范围较小➤通常神经网络训练后会对输入和权重做标准

木楚子·2025-06-17 16:32

[论文阅读] 人工智能+软件工程 | 用 LLM + 静态代码分析自动化提升代码质量

用LLM+静态代码分析自动化提升代码质量论文信息AugmentingLargeLanguageModelswithStaticCodeAnalysisforAutomatedCodeQualityImprovements

张较瘦_·2025-06-17 15:21

AGI会取代产品经理吗？产品经理还能做什么？

今天先聊第二个问题，也是我在LLM产品化实践、带AI团队时反复思考的主题。在AI自主决策时代，产品经理的核心交付是什么？我的答案是三件事：1.界定问题2.放弃方案3.引导方

大模型玩家·2025-06-17 13:41

LangGraph--设计一个给出标准提示词模板的聊天机器人

这些功能被分为两个独立的状态，而LLM决定何时在这两个状态之间切换。

zsffuture·2025-06-17 12:05

【LangChain】langchain.chains.history_aware_retriever.create_history_aware_retriever函数：创建结合对话历史进行语义检索链

该函数通过语言模型（LLM）重构用户查询，结合历史对话上下文生成更精准的查询，从而从向量存储或其他检

彬彬侠·2025-06-17 12:35

Hugging Face、魔塔社区(MOTA)与OpenRouter：AI模型平台深度对比与实战指南

引言随着人工智能技术的飞速发展，大型语言模型（LLM）和各种预训练模型在各个领域的应用日益广泛。为了方便开发者和研究人员使用这些模型，涌现了许多优秀的AI模型平台。

何双新·2025-06-17 02:21

第2讲、LangChain应用架构与核心组件：构建LLM应用的基石

引言随着大型语言模型（LLM）技术的飞速发展，如何高效、灵活地构建基于LLM的应用程序成为了开发者面临的重要课题。

何双新·2025-06-17 02:21

autogen+ollama+litellm实现本地部署多代理智能体

AutoGen支持以最少的工作量构建基于多代理对话的下一代LLM应用程序。它简化了复杂的LLM。它最大限度地提高了LLM并克服

xiaomu_347·2025-06-17 00:42

Ollama vs. vLLM

Ollamavs.vLLM:本地大模型部署指南在本地环境中运行大语言模型（LLM）已成为开发者和企业的核心诉求。无论是出于数据隐私、成本控制还是低延迟的考虑，选择一个合适的部署

frostmelody·2025-06-16 23:37

大模型代码生成探讨与实践

随着大语言模型（LLM）在软件开发领域的应用日益深入，我们正从最初将其视为“黑盒”许愿机，转向探索更精准、可控、可信的“白盒”协同开发模式。

木鱼时刻·2025-06-16 22:59

深入探究 Python 领域 vllm 的核心功能_副本

深入探究Python领域vLLM的核心功能：让大模型推理像高铁一样高效关键词：vLLM、大语言模型推理、PagedAttention、连续批处理、GPU优化摘要：大语言模型（LLM）的推理效率一直是工业落地的

Python编程之道·2025-06-16 22:58

json-repair：修复JSON异常的利器

SolutionforJSONAnomaliesfromLLMs.项目地址:https://gitcode.com/gh_mirrors/js/json-repair在处理大型语言模型（LLM）的数据时

邬情然Harley·2025-06-16 22:54

【论文解读】OmegaPRM：MCTS驱动的自动化过程监督，赋能LLM数学推理新高度

1stauthorLiangchenLuo‪YinxiaoLiu‬-‪GoogleScholar‬paper:[2406.06592]ImproveMathematicalReasoninginLanguageModelsbyAutomatedProcessSupervisioncode:sanowl/OmegaPRM:thisisanimplementationforthepaperImprov

vlln·2025-06-16 21:54

使用LocalAI Embedding实现文本嵌入

它允许开发者将大型语言模型（LLM）部署在本地服务器上，以实现更快的响应时间和数据隐私保护。嵌入模型是其中的一部分

·2025-06-16 15:46

利用LangChain实现最新NLP研究技术

·2025-06-16 15:13

DeepSeek-V2与GPT-4的深度测评对比

在人工智能领域，大型语言模型（LLM）的比较一直是热门话题。DeepSeek-V2和GPT-4作为当前领先的LLM，它们在性能、特点和性价比等方面的对比尤为引人注目。

淮橘√·2025-06-16 14:36

GitHub 趋势日报 (2025年06月15日)

本日报中的项目描述已自动翻译为中文今日获星趋势图今日获星趋势图457awesome340ai-agents-for-beginners281all-rag-techniques215chili3d200self-llm157ai-hedge-fund151deepeval124youtube-transc

qianmoQ·2025-06-16 12:52

GitHub 趋势日报 (2025年06月14日)

由TrendForge系统生成|https://trendforge.devlive.org/本日报中的项目描述已自动翻译为中文今日获星趋势图今日获星趋势图1595awesome-llm-apps518awesome399all-rag-techniques346chili3d324ai-agents-for-beginners186deepeval182self-llm170youtube-tr

qianmoQ·2025-06-16 12:21

大模型实战篇之ChatGPT（国内可以用）一、实现连续对话智能体

Python调用ChatGPT实现连续对话智能体|从0开发智能对话助手随着大语言模型（LLM）的快速发展，基于ChatGPT的对话智能体应用正在以惊人的速度融入各类系统之中。

伯牙碎琴·2025-06-16 12:48

Mozilla 开源 llamafile:大语言模型分发与部署新范式

引言随着ChatGPT、BERT等大型语言模型(LargeLanguageModel,LLM)在自然语言处理领域掀起巨大波澜,AI技术正以前所未有的速度走近大众生活。

codebat_raymond·2025-06-16 05:33

深度解析一下 llama.cpp 的源代码

llama.cpp是一个非常了不起的项目，它的核心目标是让大型语言模型（LLM）能够在消费级硬件（甚至是手机）上高效运行。其代码以C/C++编写，性能卓越且依赖极少。

欧先生^_^·2025-06-16 05:03

大模型调用数据库表实践：基于自然语言的SQL生成与数据查询系统

本系统通过集成大语言模型（LLM）与数据库技术，实现**自然语言到SQL语句的自动转换**，降低数据查询的技术门槛，提升企业数据利用效

ice_junjun·2025-06-16 04:01

从 PPO、DPO 到 GRPO：大语言模型策略优化算法解析

从PPO、DPO到GRPO：大语言模型策略优化算法解析背景与简介大语言模型（LLM）的训练通常分为预训练和后训练两个阶段。

Gowi_fly·2025-06-16 03:26

Langchain学习笔记(五)：检索增强生成(RAG)基础原理

一.RAG系统的基本原理与架构检索增强生成（Retrieval-AugmentedGeneration,RAG）是一种结合了检索系统和生成式AI的混合架构，旨在解决大语言模型(LLM)的知识时效性和幻觉问题

zhangsan0933·2025-06-16 01:09

AI Agent实战——用CrewAI实现博客自动撰写并发送邮箱

决策：它们使用算法、规则和人工智能模型（LLM），根据自己的认知和目标做出决策。这包括评估不同选项并选择最佳行动方案。学

·2025-06-16 01:08

大模型——大模型应用开发实战

**你以为就GPT、LLM？太年轻了，huggingface、transformers、torch、tokenizers、langchain、modelscop

不二人生·2025-06-15 23:28

LLM OS 中的自然语言搜索引擎

LLMOS中的自然语言搜索引擎关键词：大语言模型、操作系统、自然语言搜索、语义理解、信息检索、人工智能、用户交互文章目录LLMOS中的自然语言搜索引擎1.背景介绍2.核心概念与联系3.核心算法原理&具体操作步骤3.1算法原理概述3.2算法步骤详解3.3算法优缺点3.4算法应用领域4.数学模型和公式&详细讲解&举例说明4.1数学模型构建4.2公式推导过程4.3案例分析与讲解5.项目实践：代码实例和详

·2025-06-15 23:23

Langflow 构建多代理和 RAG 应用的可视化框架

以下是其核心功能和实现方法：Langflow的核心特性可视化编排：通过节点编辑器连接不同组件（如LLM、数据库、工具等），无需编写复杂代码。多代理支持：可构建多个协作的代理（Agent），每个

·2025-06-15 17:24

预训练、指令微调与RLHF如何塑造LLM

大型语言模型（LLM）那令人惊叹的语言理解、生成和在特定引导下的推理能力，并非魔法的产物，而是源于一个极其复杂、耗资巨大且经过精心设计的多阶段训练过程。

由数入道·2025-06-15 16:15

深入剖析开源AI阅读器项目Saga Reader基于大模型的文本转换与富文本渲染优化方案

本文将介绍SagaReader项目中如何利用大型语言模型(LLM)进行网页内容抓取、智能优化和富文本渲染，特别是如何通过精心设计的提示词(prompt)引导LLM生成样式丰富的HTML内容，提升用户阅读体验

Sopaco·2025-06-15 11:09

推荐频道

LLM