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

构建AI智能体:四十六、Codebuddy MCP 实践:用高德地图搭建旅游攻略系统

本文提出了一种基于MCP协议与高德地图API的智能旅游攻略系统,旨在解决传统旅游信息碎片化、时效性差等问题。系统通过整合多源数据,实现动态路线规划、个性化推荐等功能,支持自然语言交互和多模态展示。技术层面,MCP协议作为核心枢纽,标准化了工具调用和错误处理;高德地图API则提供地理智能、时空分析等能力。系统可生成包含景点、美食、住宿等信息的完整攻略,并支持临时发布共享。实践表明,该系统能有效降低用

文章图片
#人工智能
构建AI智能体:四十五、从专用插件到通用协议:MCP如何重新定义AI工具生态

MCP(模型上下文协议)是AI领域的标准化工具调用协议,相当于"万能遥控器",让不同AI模型能通过统一接口使用各种外部工具。其核心架构采用客户端-服务器模式:AI客户端负责理解用户意图并整合结果,MCP服务器则专注于工具执行。相比厂商私有的FunctionCall,MCP具有开放标准、跨模型支持、动态发现等优势,能实现真正的"即插即用"。该协议解决了AI模型

文章图片
#人工智能
构建AI智能体:四十四、线性回归遇见大模型:从数学原理到智能实战

本文系统介绍了线性回归的原理、实现和应用。线性回归通过建立自变量(X)与因变量(Y)之间的线性关系(Y=wX+b)进行预测,核心方法包括最小二乘法(精确解析解)和梯度下降法(迭代数值解)。文章结合Python代码示例,演示了从简单线性回归到多元线性回归的实现过程,并分析了大模型时代线性回归的新应用场景。同时指出了线性回归的局限性(如对异常值敏感)和扩展方向(多项式回归、正则化等)。通过Qwen等大

文章图片
#python#开发语言#最小二乘法 +1
构建AI智能体:三十、精雕细琢:驾驭关键词的细微差别,解锁高质量提示词编排与视觉表征

《AI图像生成中的提示词工程艺术》摘要:文章系统阐述了人工智能图像生成中的提示词工程(Prompt Engineering)技术。通过具体案例对比,展示了细微的提示词差异如何导致图像质量的巨大分野,详细解析了提示词的核心要素、语法结构及编排方法。文章提出专业级提示词的多维描述矩阵和权重控制语法,强调精准描述与AI沟通的重要性。同时指出,提示词工程是艺术与科学的结合,需要不断练习和实验才能掌握这项数

文章图片
#人工智能#计算机视觉#深度学习
构建AI智能体:三十、精雕细琢:驾驭关键词的细微差别,解锁高质量提示词编排与视觉表征

《AI图像生成中的提示词工程艺术》摘要:文章系统阐述了人工智能图像生成中的提示词工程(Prompt Engineering)技术。通过具体案例对比,展示了细微的提示词差异如何导致图像质量的巨大分野,详细解析了提示词的核心要素、语法结构及编排方法。文章提出专业级提示词的多维描述矩阵和权重控制语法,强调精准描述与AI沟通的重要性。同时指出,提示词工程是艺术与科学的结合,需要不断练习和实验才能掌握这项数

文章图片
#人工智能#计算机视觉#深度学习
构建AI智能体:三十、精雕细琢:驾驭关键词的细微差别,解锁高质量提示词编排与视觉表征

《AI图像生成中的提示词工程艺术》摘要:文章系统阐述了人工智能图像生成中的提示词工程(Prompt Engineering)技术。通过具体案例对比,展示了细微的提示词差异如何导致图像质量的巨大分野,详细解析了提示词的核心要素、语法结构及编排方法。文章提出专业级提示词的多维描述矩阵和权重控制语法,强调精准描述与AI沟通的重要性。同时指出,提示词工程是艺术与科学的结合,需要不断练习和实验才能掌握这项数

文章图片
#人工智能#计算机视觉#深度学习
构建AI智能体:二十七、大模型如何“考出好成绩”:详解内在评测与外在评测方法

本文系统介绍了语言模型评测的两种主要方法:内在评测和外在评测。内在评测聚焦模型基础语言能力,核心指标困惑度(PPL)反映模型预测准确性,计算过程包括条件概率、对数概率和及指数转换。外在评测通过具体任务表现评估模型实用性,采用多层级评估策略(精确匹配、变体匹配、关键词分析和语义评估)。文章详细阐述了评测流程、指标计算方法和代码实现,强调两者结合使用的重要性:内在评测看基本功,外在评测检验实战能力。评

文章图片
#人工智能
构建AI智能体:二十七、大模型如何“考出好成绩”:详解内在评测与外在评测方法

本文系统介绍了语言模型评测的两种主要方法:内在评测和外在评测。内在评测聚焦模型基础语言能力,核心指标困惑度(PPL)反映模型预测准确性,计算过程包括条件概率、对数概率和及指数转换。外在评测通过具体任务表现评估模型实用性,采用多层级评估策略(精确匹配、变体匹配、关键词分析和语义评估)。文章详细阐述了评测流程、指标计算方法和代码实现,强调两者结合使用的重要性:内在评测看基本功,外在评测检验实战能力。评

文章图片
#人工智能
构建AI智能体:二十六、语言模型的“解码策略”:一文读懂AI文本生成的采样方法

本文探讨了AI文本生成中的采样方法,这些方法决定了AI如何选择候选词来生成文本。文章介绍了两种主要方法:确定性方法(贪心算法和束搜索)和随机采样方法(基础随机采样、温度采样、Top-k采样和Top-p采样)。贪心算法每次选择概率最高的词,生成结果可靠但缺乏创意;束搜索保留多条候选路径,适合需要准确性的任务。随机采样方法则通过引入随机性增加多样性,其中温度采样通过调整温度参数控制创意的随机程度,To

文章图片
#人工智能#语言模型#自然语言处理
构建AI智能体:二十五、智能时代的知识库全链路优化:从构建、检索到生命周期健康管理

《智能时代的知识库构建与优化》摘要: 本文系统阐述了AI时代企业知识库的智能化转型路径。传统知识库存在检索效率低、更新滞后等痛点,而融合大语言模型与向量数据库的新一代知识库能实现语义理解、智能问答和动态优化。文章提出四大核心方法:1)基于Qwen模型的问题生成技术,扩展检索入口;2)混合检索策略(BM25+向量搜索)提升准确率;3)从对话记录自动沉淀隐性知识;4)建立覆盖度、时效性等量化指标体系。

文章图片
#人工智能#AI智能体
    共 28 条
  • 1
  • 2
  • 3
  • 请选择