当前，大模型正凭借其强大的能力和无限的潜力引领着新一轮技术革命，众多科技巨头纷纷围绕大模型进行布局，进一步推动大模型不断向前发展。

ChatOllama 提供了一个解决方案，允许用户在本地部署如 Llama 2 等开源模型，并简化了配置过程。

将知识图谱的小颗粒数据与原先人工处理的大块数据相结合，我们可以更好地搜索需要全局 / 跨节点上下文的查询，我们通过知识图谱把大模型的推理能力和知识点分开，目前LangChain和Llama Index均支持将嵌入式向量和知识图谱结合来解决剩下30%的应用场景。

本文将从通用大模型的定义出发，深入剖析其核心特点，并详细梳理常见的分类方式，带大家全面认识这一前沿技术。

今天这篇，我要把它升级成真正的 Agent：能定时执行任务、能主动推送消息、能自动化处理工作流，而且所有数据都留在本地。

在问答和对话的场景下，通常可以通过检索和生成两种方式得到一个回复。检索式回复是在外部知识库中检索出满意的回复，较为可靠和可控，但回复缺乏多样性；而生成式回复则依赖于强大的语言模型中储存的内部知识，不可控，解释性差，但能生成更丰富的回复。

MiniMind这个开源仓库很适合学习，也有小伙伴私信要求讲一下这个开源项目的架构设计，今天分享给大家.

上一篇我们跑通了一个最小 RAG：文档入库 → 向量搜索 → 喂给模型 → 得到回答。能用了，但离"好用"还差得远。

上一篇我们给 bot 装了 Memory，它终于能记住"刚聊过什么"。但还有一类问题它照样答不上来：你公司的事、你电脑里的文档、你脑子里的业务知识——它全不知道。

MindSpeed LLM作为昇腾AI生态的重要技术支撑，专为大规模语言模型设计，具有超强的计算能力和灵活的开发支持。