
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
如何在离线的Linux服务器上部署 Ollama,并使用 Ollama 管理运行 Qwen 大模型
自 OpenAi 发布 ChatGPT 对话性大语言模型,AI 这两年发展迎来爆发,国内外也衍生了大量的语言模型开放给公众使用。为了可以让更多人接触到AI,让本地化部署更加轻便快捷,于是就有了Ollama、LM Studio等可以在本地部署模型的工具。相比之下,ollama 需要通过命令进行安装,下载模型,以及对话, 如果需要 web 界面,可搭配 open-webui 进行配套使用,整套流程下来
本报告《大模型概念、技术与应用实践》将深入剖析大模型的核心概念、原理特点以及丰富多元的应用实践案例,旨在让大家全面了解大模型这一前沿技术,明晰其在当下及未来发展中的重要地位与深远影响 ,共同探索如何借助大模型的力量推动社会各项事业迈向新的高度。

RAGFlow也改进了很多工作流设计方面的内容,这些都是以后慢慢去测试的,目的是能够准确地满足个人业务。本次采用的操作系统是ubuntu22.02版本。
就目前而言RAGFlow在知识库方面还是比dify强的,因此如果dify能和ragflow联合使用,那么效果岂不是更强,现在教程来了。
本文以容易理解的信息化视角,结合实际项目经验,梳理一套AI应用层面的基础技术体系,按投入成本和落地难度从小到大分别是:LLM基础对话<RAG<Agent<Training,同时将近期出现的一些新技术和新方向都归纳到这个体系层次中去,助力读者建立起对AI的核心认知框架。

本文是Chaiys同学基于一个简单业务场景详细描述的AI Agent开发实践案例,可以用于熟悉RAG、工具调用、ReAct等概念,可以体验LangChain和QwenAgent等AI Agent主流开发框架。

今天我要给大家介绍一个最近在GitHub上爆火的开源项目—— Wren AI,它正在彻底颠覆我们与数据交互的方式!

本文以容易理解的信息化视角,将LLM视作一个黑盒的文字系统,通过比较输入提示词+输出成果在几种LLM应用模式下的不同,来分析这些应用模式的差异,本质上也是对使用LLM的过程做一个“祛魅”。

本文对这些概念和模式进行梳理汇总,并结合DeepSeek和Qwen两个案例进行说明,方便像我一样从信息化领域转型过来刚入门的同学也能快速了解“训练”的范围和基础逻辑。
