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

使用AppSmith(PagePlug )低代码平台快速构建小程序应用实践

Appsmith 是一个开源框架,可让您的团队更快、更协作地构建自定义内部应用程序,如仪表板、管理面板、CRUD 应用程序。PagePlug 是基于 AppSmith 打造的更适合中国开发者的开源前端低代码项目。无需侵入客户架构,直接连接数据源(API、DB),无需学习任何第三方概念,使用基础 js知识就可以快速生成多平台前端应用,包括 PC 端 web 应用、微信小程序等。PagePlug提供的

#低代码#小程序
MySQL高可用架构知识整理

文章目录(1)MySQL 复制架构(2)MySQL复制类型(3)主库大事务处理(4)主从复制延迟优化(5)数据库高可用架构设计(6)容灾级别(7)数据核对(8)高可用套件——VIP(9)高可用套件MHA和Orchestrator(10) InnoDB Cluster和MGR技术(11)数据库备份(1)MySQL 复制架构【1】数据库复制本质上就是数据同步。MySQL 数据库是基于二进制日志(bin

#mysql#数据库#架构
认识区块链——思维导图总结

区块链又叫 blockchain,其中有一个一个的区块,每个区块中包括着一组交易信息,然后,每一个区块都会有一个 ID(或是一个地址),这些区块通过记录前一个区块的 ID 来形成一条链。

#比特币#区块链
不使用框架从零开始创建 ReAct AI Agent

描述了一个从零实现基于ReAct模式的Agent项目的技术细节。模型需要工具的原因,ReAct原理,项目结构和实现,关键机制如工具注册、提示词、主循环、记忆管理等,以及运行方式。

文章图片
#react.js#人工智能#前端
不使用框架从零开始创建 ReAct AI Agent

描述了一个从零实现基于ReAct模式的Agent项目的技术细节。模型需要工具的原因,ReAct原理,项目结构和实现,关键机制如工具注册、提示词、主循环、记忆管理等,以及运行方式。

文章图片
#react.js#人工智能#前端
【LangChain专栏】LangChain 调用Ollama本地大模型

本文介绍了如何使用Ollama工具在本地部署大语言模型,并通过LangChain进行调用开发AI应用。主要内容包括:Ollama的特点(数据隐私可控、无需外网依赖等)、环境安装配置、基础调用方法、结合PromptTemplate的使用技巧,以及如何通过FastAPI构建简单对话接口。文章还提供了常见问题解决方案,如模型响应慢的处理方法和查看已安装模型的方式。该方案为开发者提供了本地运行大模型的完整

文章图片
【Gradio系列】使用 Gradio 快速构建机器学习图像分类实战

本文介绍了一个基于PyTorch+YOLOv8+Gradio的多功能图像处理系统。该系统集成了图像分类(ResNet18)、目标检测(YOLOv8)和语义分割(YOLOv8-Seg)三大功能。通过Gradio框架快速构建了包含三个独立Tab的Web界面,分别对应不同任务。系统特点包括:1)预加载模型提高推理效率;2)自动可视化处理结果;3)支持上传图片和示例测试;4)分类任务返回Top-N概率结果

文章图片
#机器学习#分类#人工智能
Agent Skills:从入门到进阶

摘要:AgentSkills是一套任务执行框架,由三个核心要素组成:Agent(任务执行者)、Tool(基础工具)和Skill(任务方法)。其中Skill通过标准化流程指导Agent在特定场景下的执行逻辑,包含指令、脚本、模板等资源。文章详细介绍了如何在OpenCode中安装和使用AgentSkills,包括从官方仓库下载、项目级/全局安装配置,并以企业网站设计为例展示Skill的实际应用。同时阐

文章图片
#人工智能
【LangChain专栏】核心组件Model I/O 模块

摘要 LangChain的Model I/O模块是与语言模型交互的核心组件,包含Prompt Template、Model和Output Parser三部分,分别对应输入、模型处理和输出。Prompt Template通过动态变量组合生成最终提示词,支持多种类型如ChatPromptTemplate(适用于聊天模型)、FewShotPromptTemplate(少样本提示)等。ChatPrompt

文章图片
#microsoft
【LangChain专栏】Retrieval 进阶:文本分块Text Splitting实践

本文介绍了RAG系统中文本分块的核心技术与实践策略。主要内容包括: 文本分块的必要性:突破LLM的Token限制,提升检索精准度,减少无效信息干扰。 主流分块策略: 固定字符数切分(简单但破坏语义) 句子级切分(保留句子结构) 递归字符切分(LangChain默认策略) Token级切分(精准控制输入) 语义级切分(效果最佳但成本高) LangChain核心拆分器详解: RecursiveChar

文章图片
#人工智能
    共 66 条
  • 1
  • 2
  • 3
  • 7
  • 请选择