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

Hermes-Agent模块说明

Hermes-Agent是一个功能丰富的AI代理框架,主要包含四大模块:认证授权、配置管理、会话处理和路由控制。系统采用YAML配置,支持动态重载和环境发现,提供完整的CLI管理工具链(hermesconfig/hermesmodel等)。目录结构规范,包含配置、记忆、技能、日志等核心组件,支持OAuth认证和HMAC安全机制。特色功能包括斜杠命令交互(/help、/tools等)、多模型支持、记

#运维#人工智能#python
OpenClaw 如何使用 Skills

摘要:本文介绍了OpenClaw Skills的核心管理方法和常见问题解决方案。主要内容包括:1) Skills的重要性,将其比作OpenClaw的"四肢和工具箱";2) 7条核心管理命令,涵盖安装、卸载、启用/禁用等操作;3) 7种高频报错的诊断与解决方法,如API密钥无效、端口占用、Skills未就绪等;4) 进阶优化技巧和自定义开发指南。文章为2026版OpenClaw用

#python#人工智能#前端
看看OntoFlow本体建模平台:从数据 -> 知识图谱 -> 本体 -> 决策的完整链路功能演示

OntoFlow是一款创新性企业知识建模平台,通过工作流方式解决数据理解、复用和决策支撑的核心难题。平台将"数据接入-结构理解-子图建模-本体入库-查询验证"组织为可迭代的工程化流程,突破传统知识图谱工具仅关注关系展示的局限。该平台将学术领域的本体论转化为可落地的企业工程实践,正在推动知识建模从"一次性建库"向"持续演进"的范式转变。

#知识图谱#人工智能
AI | 大模型入门(九):RAG​数据库

大模型的知识源于预训练,将大量的知识压缩到参数之中,训练完成之后大模型的所掌握的知识也就固定不变了。正是因为大模型天然的这种不可解释性问题,在非常严肃的应用场景下,例如"我站在二楼楼顶,跳下去会不会失去生命”,我们需要一种手段(RAG)确保大模型输出的答案具有确定性,以增强用户对大模型的”信心“,以防止灾难性情景的发生。大模型表现出了不可思议的“意识”能力,而且出现了不可解释的“涌现”现象(当数据

#人工智能
Hermes Agent 进阶配置

Hermes Agent 核心包含常用操作命令、可自定义 / 自动优化的人格文件、多组件记忆系统、自动沉淀的 Skill 系统、可配置定时任务及常见排错方法。

#python
Claude终端命令大全

本文介绍了Claude AI工具的终端命令和交互功能。终端命令包括启动会话(claude)、直接提问(claude"问题")、继续对话(claude-c)、恢复会话(claude-r)、非交互模式(claude-p)等基础操作,以及模型选择、版本查看等管理命令。

#前端#服务器#javascript
AI | 大模型入门(九):RAG​数据库

大模型的知识源于预训练,将大量的知识压缩到参数之中,训练完成之后大模型的所掌握的知识也就固定不变了。正是因为大模型天然的这种不可解释性问题,在非常严肃的应用场景下,例如"我站在二楼楼顶,跳下去会不会失去生命”,我们需要一种手段(RAG)确保大模型输出的答案具有确定性,以增强用户对大模型的”信心“,以防止灾难性情景的发生。大模型表现出了不可思议的“意识”能力,而且出现了不可解释的“涌现”现象(当数据

#人工智能
OpenClaw 如何使用 Skills

摘要:本文介绍了OpenClaw Skills的核心管理方法和常见问题解决方案。主要内容包括:1) Skills的重要性,将其比作OpenClaw的"四肢和工具箱";2) 7条核心管理命令,涵盖安装、卸载、启用/禁用等操作;3) 7种高频报错的诊断与解决方法,如API密钥无效、端口占用、Skills未就绪等;4) 进阶优化技巧和自定义开发指南。文章为2026版OpenClaw用

#python#人工智能#前端
AI | 大模型入门(九):RAG​数据库

大模型的知识源于预训练,将大量的知识压缩到参数之中,训练完成之后大模型的所掌握的知识也就固定不变了。正是因为大模型天然的这种不可解释性问题,在非常严肃的应用场景下,例如"我站在二楼楼顶,跳下去会不会失去生命”,我们需要一种手段(RAG)确保大模型输出的答案具有确定性,以增强用户对大模型的”信心“,以防止灾难性情景的发生。大模型表现出了不可思议的“意识”能力,而且出现了不可解释的“涌现”现象(当数据

#人工智能
AI | 大模型入门(七):​参数量、Token、上下文窗口、上下文长度、温度

上下文长度(Context Length)是AI模型一次能够处理的最大Token数量,指的是模型在生成输出时能够一次性考虑的最大输入序列长度,它决定了模型处理能力的上限。上下文长度越大,模型能够处理的数据量就越大。

#人工智能
    共 17 条
  • 1
  • 2
  • 请选择