logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

从零手搓大模型 Agent:LangChain 与原生 Function Calling 深度实战(附百炼接入与计费指南)

在 AI 时代,大模型已经不仅仅是个“聊天机器人”。通过 LangChain 这样的强大框架,我们可以轻松构建出带有记忆、能调用外部工具的 Agent(智能体)。大模型究竟是如何做到“自己查天气”的?框架底层到底帮我们封装了什么?今天,我们将从基础对话与计费出发,深入探讨 LangChain 的核心调用机制工具绑定与记忆管理,最后带领大家抛开框架,手写底层源码,彻底搞懂大模型 Function C

#pip
机器学习基础(呃呃呃,我没跑路我在坚持学习的)

通过案例实现对于KNN算法的掌握,对于我们这些大学生来看,宿舍矛盾一直贯穿着我们整个大学,其实上了大学才发现对自己的室友千万不要抱有太大的期望,只要他们全是正常人就谢天谢地了毕竟人有优缺点都正常,小的这也开学大四了也经历不少室友矛盾但总体来说室友都还很不错了。,是求估计的一种方法,说的是已知某个随机样本满足某种概率分布,但是其中具体的参数不清楚,参数估计就是通过若干次试验,观察其结果,利用结果推出

#学习
机器学习基础——SVM支持向量机的学习和实战

SVM 的核心思想是在特征空间中寻找一个最优超平面,将不同类别的样本分开,并且保证分类间隔最大。最终训练完成后,分类决策只由少数 “支持向量” 决定,大部分样本不影响模型,这也是 SVM 名字的由来。在本数据集上表现最优,交叉验证与测试集准确率均超过 95%,模型泛化能力良好。步骤2:准备好环境以及导入库之后我们要对数据集进行训练集和测试集的划分。首先要介绍的就是SVM相关机器原理以及数学相关公式

#支持向量机#机器学习#学习
到底了