本文介绍了如何配置和使用CherryStudio AI助手。主要步骤包括：1）下载安装CherryStudio及相关工具；2）配置filesystem、fetch和python工具；3）添加助手并设置提示词、模型及MCP服务器；4）运行助手完成数据抓取与分析任务。文章还对比了MCP事件驱动模式和Dify计划驱动模式的特点，前者灵活适应非结构化任务，后者可控性强适合标准化流程。整个配置过程详细说明了

本文介绍了基于LoRA技术和peft框架对Qwen大模型进行中医领域微调的全过程。首先创建Anaconda环境并安装必要依赖，下载Qwen1.5-0.5B-Chat-GGUF模型进行初始测试。然后通过自定义中药数据集，使用LoRA方法配置模型参数（r=8，alpha=16），在10个epoch下进行参数高效微调。训练过程中采用16位浮点数、梯度累积等技术优化性能。最后评估显示微调后的模型能有效回答

摘要： 本文提出MACRec，一个基于大语言模型（LLM）的多智能体协作推荐框架，通过专业化智能体分工解决推荐任务。现有研究多聚焦于智能体模拟用户/物品行为或单一智能体推荐，而MACRec创新性地引入多智能体协作机制，包括管理器、用户/物品分析师、反思器、搜索器和任务解析器，各司其职协同完成任务。框架支持评分预测、序列化推荐、对话式推荐及解释生成等场景，并提供了可视化在线界面。实验表明，MACRe

本文介绍了如何使用Django框架快速搭建一个AI辅导员网站。主要内容包括：1）创建Django工程和应用；2）配置全局和局部URL路由；3）编写视图函数和HTML模板，嵌入聊天机器人iframe；4）启动服务器并测试运行效果。通过简单的5个步骤，即可实现一个网页版的智能聊天程序。文章还展示了最终的运行效果和Django项目目录结构。

Coze、Dify和LangChain是三种不同的AI开发平台。Coze（字节跳动）主打低代码可视化开发，适合快速搭建简单应用；Dify作为开源LLM平台，侧重企业级解决方案，支持复杂工作流；LangChain是开源框架，通过编程接口提供高度灵活性。三者在模型支持、知识库管理等方面各有优势：Coze易用性强，Dify功能全面，LangChain扩展性佳。选择取决于需求复杂度——简单应用选Coze，

本文介绍了基于Dify平台构建AI辅导员聊天助手的完整流程。首先需准备辅导员知识库文档，在Dify创建聊天助手应用并设置专业提示词和开场白。重点是通过父子分段方式创建知识库，选择合适的embedding模型和向量检索方法。完成知识库集成后，经过调试优化即可发布应用，支持API调用或网页嵌入。文中特别强调操作后需"发布更新"保存设置。该方案实现了限定知识范围的智能问答服务，可应用