自ChatGPT模型问世后，在全球范围内掀起了AI新浪潮。有很多企业和高校也随之开源了一些效果优异的大模型，例如：Qwen系列模型、MiniCPM序列模型、Yi系列模型、ChatGLM系列模型、Llama系列模型、Baichuan系列模型、Deepseek系列模型、Moss模型等。图片来自：A Survey of Large Language Models并且在去年的一整年中，大多数人都在做底座通

基于大型语言模型（LLMs）的法律助手能够提供便捷的法律咨询服务，但幻觉问题可能带来潜在的法律风险。本文介绍了Chatlaw，这是一种创新的法律助手，利用专家混合（MoE）模型和多智能体系统来提高AI驱动的法律服务的可靠性和准确性。通过将知识图谱与人工筛选相结合，我们构建了高质量的法律数据集来训练MoE模型。此模型利用不同的专家来解决各种法律问题，从而优化法律回应的准确性。另外，模仿真实律师事务所

LlamaIndex 和 LangChain 都是优秀的 LLM 开发框架，它们各有优势，适用于不同的使用场景。如果你需要构建一个以数据为中心的应用，并且希望使用一个简单易用的框架，那么 LlamaIndex 是一个不错的选择。如果你需要构建一个复杂的 LLM 工作流程，并且需要高度的灵活性和更广泛的 LLM 支持，那么 LangChain 是一个更好的选择.当然，更灵活多变的用法可将两者结合起来

这种Agent既可以是软件形式的程序，例如对话机器人，也可以具备物理形态，比如扫地机器人。在了解AI Agent之前，我们先考虑一个场景：我们要写一本20万字的关于人工智能最新技术的书在没有大模型之前，我们一般会按照如下流程～第一步：先使用搜索引擎搜索一些相关书籍和信息进行阅读，为我们打开思路第二步：形成本书的大纲，并且考虑清楚每一章节要编写的内容第三步：针对每一个章节进行内容的编写，在编写过程中

关于本书“2022年底，ChatGPT 震撼上线，大语言模型技术迅速“席卷”了整个社会，人工智能技术因此迎来了一次重要进展。面对大语言模型的强大性能，我们不禁要问：支撑这些模型的背后技术究竟是什么？这一问题无疑成为了众多科研人员的思考焦点。必须指出的是，大模型技术并不是一蹴而就，其发展历程中先后经历了统计语言模型、神经网络语言模型、预训练语言模型等多个发展阶段，每一步的发展都凝结了众多科研工作者的

本文以通俗易懂的方式梳理了13个常见的AI概念，从最基础的大模型、Token、AIGC、多模态等底层地基，到提示词、知识库、RAG、幻觉等调教层，再到智能体、工作流、MCP等干活层，以及数字人、具身智能等最终形态，帮助读者构建清晰的AI知识体系。文章强调理解“大模型→智能体”的核心逻辑，并指出在AI时代，成为能够为团队定方向、做决策的人比掌握所有技术名词更重要。

好了，以上就是目前所总结的 Agent 九大设计模式，其实 Agent 中。

本文针对RAG简历包装化问题，指出面试官看重具体技术决策与量化效果。文章详细解析了离线解析、在线召回等核心模块的简历写法，强调需包含具体技术栈及合理数据。同时提供了数字估算方法与完整简历案例，旨在帮助求职者写出高含金量简历，将面试转化为优势。

如何将DeepSeek-R1 模型能力蒸馏到 Qwen-1.5B，使其具备与 o1-mini 相似的能力？该过程分准备和蒸馏两阶段，准备阶段选定教师（R1）和学生（Qwen-1.5B）模型，蒸馏阶段将教师知识提炼给学生模型，达成降低计算成本目的。

文章系统介绍了深度学习模型压缩三大技术：剪枝(移除冗余连接)、量化(降低数值精度)和知识蒸馏(教师模型指导学生模型)。通过技术组合应用，可实现模型尺寸大幅减小、推理速度显著提升，并使模型能够在资源受限的边缘设备部署。实践案例显示，组合技术可达到16倍模型压缩和4倍以上推理加速，同时保持可接受的精度损失。