学习标签_ModelEngine社区

学习

多模态大模型应用开发技术学习

前篇提到多模态模型应用是未来的应用方向，本篇就聊聊技术学习方面的内容。

MavenTalk
2024-09-22 18:16:38

 1803

 9

#学习
从入门到精通！大模型提示词工程黄金公式，值得收藏学习

本文深入解析大模型提示词工程，揭示其作为"指令脚本"引导模型生成精准输出的本质。详细介绍提示词设计的黄金公式（角色+技能+要求+输出结构）和四大秘诀（喂饱信息、有效沟通、并行任务、精准提问），通过实例展示如何让模型"言听计从"。掌握这些技巧可显著提升与大模型的交互质量和输出精准度，是AI应用开发者的必备技能。

学网安的喵桑
2025-11-03 19:00:38

 569

 3

#学习 #android #服务器 +3
收藏必备！大模型应用开发入门：TaskingAI与Dify架构设计与核心能力解析

本文分析TaskingAI和Dify两大LLM应用开发平台架构。TaskingAI采用微服务架构和DDD设计，代码结构清晰；Dify创新设计了GraphEngine支持复杂任务编排。两者都提供LLM接入、工具插件管理、多租户隔离等核心能力，降低开发门槛。未来将向自然语言生成AI应用、系统自愈和自主进化方向发展。

大模型玩家
2025-10-29 09:58:37

 942

 8

#人工智能 #学习 #产品经理
收藏必备！AI开发的下一站：从提示词工程到上下文工程的全解析

上下文工程是AI应用开发的重大范式转变，从提示词工程发展到构建动态系统，以正确格式提供信息和工具，使LLM高效完成任务。它包含上下文检索与生成、处理等核心组件，通过RAG和微调等技术实现。在医疗、金融、教育等多领域展现强大应用价值，能有效解决大模型知识截止、数据私有性等问题，推动AI从实验室走向广泛应用。

和老莫一起学AI
2025-10-15 10:07:39

 796

 16

#人工智能 #学习 #产品经理
【值得收藏】MCP协议实战指南：AI应用架构设计的未来趋势

本文详细介绍了模型上下文协议(MCP)如何推动AI应用架构设计新范式的落地。MCP通过Server、Tool和Client三个核心组件，解决了AI应用中接口寻找和解析的复杂问题。文章探讨了MCP与Function Calling的区别，分析了其本质与挑战，并提出了通过MCP Register、统一管理、效果验证体系等解决方案。最后介绍了基于MCP的AI应用架构新范式，包括云原生API网关与Naco

和老莫一起学AI
2025-10-20 09:49:26

 881

 8

#人工智能 #语言模型 #产品经理 +1
收藏！企业AI效率提升300%的秘密：Agent+RAG+MCP智能铁三角架构详解

本文解析了企业AI智能化的"智能铁三角"架构：Agent(决策中枢)、RAG(实时知识引擎)和MCP(流程调度中枢)。三者协同工作可解决90%企业难题，使企业效率提升高达300%，远超单一工具15%的改进率。案例显示，铁三角架构能将客户筛选周期从3天缩至2小时，准确率提升40%，未来将成为企业AI智能化标配。2025年企业AI应用报告显示，采用完整智能架构的企业效率提升高达300%，而仅使用单一工

 学网安的喵桑
2025-10-20 11:26:59

 1288

 31

#人工智能 #架构 #产品经理 +3
AI大模型落地实战：企业级应用全攻略，建议收藏学习

AI大模型正引发企业生产力模式的根本性变革，为企业带来"可规模化的认知能力"这一新生产要素，推动工作模式从"人适应流程"向"人机协同"转变。企业成功落地AI需要三大基石：高层引领的AI文化、坚实的数字化基础和合理的AI应用开发工具。随着AI进入大规模部署期，企业已从"是否采用"转向"如何高效应用"，AI转型已成为企业生存和发展的必选项。

程序员鑫港
2025-10-22 11:03:19

 1321

 28

#人工智能 #学习 #RAG
AI换脸技术安全指南：3条法律红线与合规实践

2025年因AI换脸引发的法律纠纷同比增加230%，其中83%源于技术小白的“无意踩线”。“技术必须服务于善治。” ——中国人工智能学会《AI应用伦理白皮书》

AI_5678
2025-11-02 18:00:00

 1008

 4

#人工智能 #学习
【深度收藏】AI智能体8大核心技术解析：从基础架构到多Agent协作

本文详细解析了构建AI智能体的8大核心技术，分为基础层（核心工作流、工作流引擎、RAG增强检索、模型微调、函数调用）和协作层（多Agent协作、MCP协议、A2A协议）。这些技术确保了AI智能体能够自主运行、高效执行任务，并实现多智能体间的协同工作，共同构成了现代AI智能体的完整技术体系，是开发下一代强大AI应用的关键。

AI绘画哇哒哒
2025-10-24 11:08:14

 1195

 13

#产品经理 #学习 #人工智能
【值得收藏】LangChain与LangGraph 1.0：大模型开发者的完整学习手册

LangChain和LangGraph发布1.0稳定版，已在Uber等企业生产环境验证。LangChain提供高级接口和标准工具调用架构，帮助开发者快速构建AI应用；LangGraph则提供更低抽象级别，支持高度定制和可控的代理。LangChain 1.0新增create_agent接口、中间件、结构化输出和标准化内容块；LangGraph 1.0具备持久化状态、内置持久化和人机控制能力。开发者可

 咔咔学姐kk
2025-10-29 19:08:07

 2337

 11

#学习 #前端 #人工智能
【SAA】SpringAI Alibaba学习笔记（一）：SSE与WS的区别以及如何注入多个AI模型

本文探讨了SSE技术优势及多模型配置方法。SSE作为单向通信协议，通过HTTP长连接实现服务端数据推送，特别适合AI对话场景，其流式响应相比一次性返回用户体验更佳。在SAA开发中，通过配置类实现多模型共存，示例展示了千问和deepseek模型的定义与注入。同时说明了ChatClient需手动注入且依赖ChatModel，需通过@Qualifier指定具体模型。这些技术细节对提升AI应用性能和开发效

 BeingACoder
2025-11-05 19:05:30

 970

 27

#学习
【必收藏】万字深度解析：从Chatbot到Agent，AI智能体的认知流程革命与开发指南

本文深入解析AI Agent的本质，指出其能力质变源于"认知流程"而非模型智力提升。通过"学霸五个成长阶段"比喻和旅行规划案例，清晰展示了Agent如何通过"思考->行动->观察"循环实现从静态生成到动态流程的进化。文章强调，开发者角色正从"提示词工程师"转变为"Agent流程架构师"，核心价值体现在为AI设计思考结构、记忆机制和世界交互范式上。这一转变标志着AI应用进入新阶段，流程设计将成为竞争

 大模型玩家
2025-10-22 10:52:04

 1251

 26

#人工智能 #学习 #产品经理
【深度收藏】大语言模型结构化输出技术：从Prompt到API的完整指南

文章详细阐述了大语言模型(LLM)生成结构化输出的技术演进，涵盖从Prompt引导到约束解码、监督微调、强化学习及现代API能力六大核心技术路径。分析了各种方法的原理、优缺点及应用场景，提供了评估框架和实际应用案例，旨在帮助开发者构建可靠、可扩展的AI应用，实现从自由文本到结构化数据的可控转换。

大模型玩家
2025-10-15 10:06:19

 1317

 23

#语言模型 #产品经理 #学习 +1
程序员如何快速学习AI大模型应用工程开发，从后端转行为AI工程师学习路线，建议收藏！

文章为后端工程师提供转行AI大模型工程化工程师的学习路线。需掌握Python、PyTorch/TensorFlow框架、Transformer架构、模型训练与部署流程、RAG技术及dify等开发平台。学习路径应从基础语言开始，逐步深入到深度学习框架，再到大模型开发平台，最后掌握模型训练、微调、压缩等技术，最终构建高可用的AI应用。

和老莫一起学AI
2025-11-02 08:00:00

 839

 21

#学习 #人工智能 #产品经理
从零到一：AI应用开发工程师学习路线

摘要：AI应用开发工程师主要负责将大模型能力落地到实际业务中，与算法岗不同更侧重工程实现。岗位职责包括开发AI应用、AI基础设施建设和模型微调等，要求掌握Python、FastAPI、LangChain等技术框架以及RAG、Agent等应用开发能力。学习路线建议从Python编程基础开始，逐步掌握大模型应用开发、框架工具和项目实践，可先做项目再补算法基础。AI应用岗重在"用模型&quot

与田特蕾纱
2025-11-05 10:02:55

 811

 5

#人工智能 #学习
收藏必备！告别黑箱！阿里巴巴AgentScope让AI开发尽在掌握

阿里巴巴开源的AgentScope是一个透明的多代理AI应用框架，主打"一切可见，尽在掌控"。其核心优势包括：实时中断代理不丢失记忆、模型无关设计、乐高式组件组合、原生多智能体对话支持、MCP协议集成以及强大的调试功能。框架安装简单，代码直观，适合开发者构建可控、灵活的AI应用系统。

大鱼Ss
2025-10-20 18:35:21

 1444

 29

#人工智能 #大数据 #服务器 +2
【必藏】Graph RAG技术完全指南：突破大模型边界，构建高精度企业级AI系统

Graph RAG将知识图谱与检索增强生成(RAG)结合，通过引入知识图谱作为生成上下文，融合结构化与非结构化数据，解决传统向量搜索的局限。它提供两种知识图谱类型（实体中心型和内容中心型），增强上下文理解与知识整合能力，实现高精度、实时响应的企业级AI应用。未来发展方向包括自动+人工混合链接建立、多模态链接等，为智能检索、问答系统等领域带来广阔前景。

和老莫一起学AI
2025-10-20 09:55:44

 547

 6

#人工智能 #面试 #学习 +1
Chemical knowledge-informed framework for privacy-aware retrosynthesis learning融入化学知识的隐私保护型逆合成学习框架

摘要：浙江大学与中国人民大学团队在《Nature Communications》发表论文，提出基于化学知识引导的隐私保护逆合成学习框架CKIF。该研究解决了制药行业数据隐私与模型性能的矛盾，通过联邦学习实现多机构协同训练而不共享原始数据。创新性地引入化学知识加权策略（CKIW），利用分子指纹相似度智能聚合模型参数，在USPTO等数据集上超越传统方法（Top-10准确率提升0.9%）。实验表明CKI

是我本人781
2025-10-31 19:46:14

 812

 20

#学习 #人工智能 #深度学习
1.2 大模型学习资料

该摘要整合了机器学习基础知识和AI应用资源推荐：1）菜鸟教程(ML/Ollama教程)提供入门学习路径；2）李开复著作《AI未来进行时》探讨行业前景；3）Ollama/ComfyUI两款AI工具的技术文档；4）精选学习社区（赋范）及教程（彬彬侠CSDN专栏/LangChain指南、图灵课堂加密资料）。涵盖理论到实践的完整资源链，适合不同层次学习者。注：图灵课堂资料需密码"ghkq&quo

菲橙
2025-10-29 11:55:54

 324

 1

#学习
必收藏！AI术语零门槛解析：应届生职场“降维打击“全攻略

能感知环境、自主决策并执行任务的AI应用，核心是"目标拆解+工具调用"能力。

编程唐小宝
2025-10-28 11:02:01

 960

 19

#人工智能 #学习 #深度学习
如何使用Coze平台进行智能体应用设计流

通过简单会话，理解管理员真实意图，并实时生成生产数据报表，快熟构建数据看板，提高生产运营决策效率，提高生产效率。中间的LLM 可以替换为开源的“Llama3”2.了解知识库和工具调用对于大模型应用的含义。1.大模型基本认知机基础控制技巧。4.实际案例【车辆智能运维助手】3.企业级ai应用提效。

Test-Sunny
2025-10-17 15:17:38

 290

 3

#学习
程序员必看！收藏这份LLM Agent转型指南，抓住AI应用工程师新机遇

通俗来讲，AI 应用工程师就像是架起人工智能技术与现实应用之间桥梁的 “建造者”。他们的工作远不止是编写代码，更重要的是负责 AI 驱动系统的整体设计、开发与落地部署。比如，利用大型语言模型（LLM）打造智能代理，助力企业实现决策自动化，让业务流程更高效。和传统软件开发者相比，AI 应用工程师的工作重心有着明显差异。传统软件开发者可能更专注于修复程序漏洞、优化用户界面，确保软件稳定运行；

m0_48891301
2025-10-19 11:00:00

 1480

 23

#人工智能 #学习 #知识图谱
【必学收藏】一文吃透大模型上下文工程：AI应用开发的关键技术

上下文工程是在正确时间、以正确格式、将正确信息递给大模型的艺术与科学。智能体运转需6类上下文：指令、示例、知识、记忆、工具和护栏。上下文工程包含4个阶段：编写（信息存储）、读取（信息获取）、压缩（去除冗余）和隔离（防止污染）。这类似于传统ML的特征工程，但这里的"特征"就是上下文。通过设计有效的上下文流水线，可显著提升大模型性能，是AI应用开发的关键技术。

和老莫一起学AI
2025-10-15 10:03:15

 832

 26

#人工智能 #深度学习 #学习 +1
LangGraph：为何成为智能体系统的关键技术底座？

AI智能体技术选型实践：从主流框架到LangGraph的统一之路当前AI智能体技术快速发展，框架选型成为关键挑战。本文基于实际项目经验，分析了主流方案（AutoGen/MetaGPT、可视化平台、编程辅助工具）的局限性，重点阐述了选择LangGraph的四大核心优势：1)显式流程建模能力，支持复杂控制流；2)强大的状态管理机制，实现持久化和隔离；3)内建生产级能力，如并发、错误处理和可观测性；4

Python怎么学啊
2025-10-19 19:06:07

 872

 10

#学习 #人工智能
【必学收藏】从零转行AI大模型工程师：完整学习路线与技能指南（附岗位JD解析）

本文基于DeepSeek爆火背景，为后端工程师提供转行AI大模型工程化工程师的学习路线。通过分析招聘JD，明确了所需核心技能：Python编程、深度学习框架、Transformer/BERT架构、模型训练/微调/压缩/部署流程、RAG/prompt/AI Agent/RLHF技术、dify等开发平台使用、分布式系统架构等。学习路径应从编程语言入手，逐步掌握深度学习框架和大模型开发平台，结合理论知识

 编程喵酱
2025-10-23 10:10:14

 1028

 20

#人工智能 #学习 #架构 +1
程序员必看：大模型四大推理策略深度解析，提升AI应用质量

文章详解LLM四大核心推理策略：Step-by-Step Thinking(CoT)分解任务为线性步骤；Self-Consistency并行探索多条路径选择最优解；Modular Thinking调用外部工具协作解决问题；Tree-Based Thinking生成多分支进行评估。这些策略不仅优化Prompt，更是构建下一代智能应用的关键，推动LLM从文本生成器进化为复杂推理引擎。

大鱼Ss
2025-10-29 18:57:24

 918

 13

#人工智能 #算法 #深度学习 +2
【建议收藏】小白也能上手！Dify与N8N：AI应用开发与自动化工具对比指南

本文全面对比了Dify和N8N两大平台：Dify作为AI原生应用开发平台，专注LLM应用构建，内置RAG引擎和多模态交互，适合智能问答系统；N8N是通用工作流自动化引擎，采用节点驱动架构，擅长跨系统流程自动化。文章从核心定位、技术架构、功能特性、应用场景等维度分析差异，为不同需求用户提供针对性选型建议，帮助开发者快速构建AI应用或实现流程自动化。

和老莫一起学AI
2025-11-05 10:49:38

 667

 4

#人工智能 #学习 #语言模型 +1
开题贴：未来一年将在CSDN上记录自己学习AI的历程

摘要：本文提出AI技术学习计划，强调掌握AI作为生产力工具的重要性。学习路径包括：1）博客记录学习过程；2）先全面了解AI历史、技术实现（自然语言处理、机器学习、LLM、多模态等），再专注特定领域；3）将AI应用于工作生活各领域；4）1-2个月概览AI技术，半年专攻LLM+多模态。同时制定雅思标准的英语学习计划。目标是成为AI技术的主导使用者，实现"我与AI助理"的高效协作模式

 21世纪的靓仔
2025-10-23 20:32:32

 216

 3

#人工智能 #学习