搭建之后也关系到你的虽然fastgpt支持直接导入Excel，但是，导入知识库的，导致知识库问答效果不佳。优化知识库的问答效果不是一蹴而就的，需要经过反复调整，反复测试。而且是多维度的优化。语言模型、索引模型、重排模型、RAG的方式、数据的质量、知识库的参数、大模型的参数等等都会对知识库的问答效果产生影响。数据预处理我们先达成共识，在知识库把数据转换为向量之前，对原始文件做的数据清洗、整理、优化叫

LangChain真是好起来了。24年中的时候用LangChain V2差点把我气死，现在V3用起来开始真香了~像 ChatGPT、Gemini 和 Claude 这样的大模型已成为企业必不可少的工具。如今，几乎每家公司都希望根据自己的需求或客户群体，开发一款定制化的AI Agent。这篇文章将重点介绍如何创建一个个性化的助手，这个助手不仅能进行功能调用，还能将对话记录存储在数据库中，实现多会话的

embedding 是自然语言处理 (NLP)中的一种变革性技术，它改进了机器理解和处理人类语言的方式。其将原始文本转换为数字向量，让计算机更好地理解它。因为计算机只能用数字思考，无法独立理解人类的语言。借助文本嵌入，计算机可以更轻松地阅读、理解文本，并对查询提供更准确的响应。下图可以更加形象的理解：embedding 是一种将文本中的单词或短语转换为机器可以理解的数字数据的方法。可以将其视为将文

上篇我们实现了基础节点，并暴露出grpc服务，但是手动编辑文本制作一个workflow实在强人所难。所以本文我们做个webui自动生成workflow。开搞之前先看看别人怎么做的。

为了增加框架的扩展性和适用性，我们要能够在流程节点中运行python脚本。1 为什么是python？思考：老实说我并不喜欢python，我更倾向于lua这种短小轻快的脚本。在我之前写的规则引擎rush里，就用的lua脚本写规则。并且我对比过多个脚本的性能，lua可以甩python几条街。但是，python是大众的选择，被更多的人接受，没得选，只能是它。这里有屌大的就要说了，为啥不用js，不用was

上篇文章我们大致演示了一下ai_agent的食用方法。这里我们做一下核心模块runtime的设计和实现。一个agent也好，workflow也好，他们单个实现起来并不复杂，困难的是如何将他们有机的组合起来，能够按照一定的逻辑流转起来。并且能够层层嵌套，能力无限。现实中应用肯定不局限于这几种情况，但通过一定的流程编辑基本都可以解决，只是复杂性会比较高。

211硕士通信与信息系统专业毕业，坐标深圳，毕业之后做了两年算法工程师。自从做了技术，我感觉自己变得越来越社恐，天天面对着电脑，与别人沟通机会很少，表达能力直线下降，从一个e人变成了i人，我必须改变了。当前非常看好AI这条赛道，所有从2024年6月萌生了转行的想法，目前面试了5家，拿到了华为一家offer，涨薪21.7%，其他的依然在面试。这个岗位入职之后主要负责数字人和Agent相关的项目，所以

数据分析师最近真的太难了。SQLboy的梗满天飞，ChatGPT几秒钟就能生成一张报表。老板说：你用AI做吧，三个人力成本一个人就够了。是不是觉得自己干了几年，取数、取数、取数，一夜回到解放前？技术没少学，Excel、SQL、Python、可视化工具全都会。结果呢？工资涨不上去，裁员先裁你。先别慌，我来给你一个不一样的视角。数据分析师转AI大模型开发，其实是天选之人，不是被淘汰的那批人。关键是你走

最近有些小伙伴，想要求职AI领域的产品经理，特别是AI的产品经理，但是不知道面试官会问哪些问题，也就不知道如何开始准备？该准备哪些东西？要准备到什么程度？最终导致迟迟不敢开始。

巴黎奥运会乒乓球团体赛如火如荼，谷歌机器人申请出战——首个达到人类竞技水平的机器人Agent发布！你看一个没留神，就赢了专业教练一个球！正反手快速转换，连续进攻也是不在话下~面对一些突发战术，比如长球高球擦网球，也能沉稳应对。实际测试中，机器人实时适应不同选手风格，最终赢下了与初学者的所有比赛，同中级玩家对打也有55%的胜率。小小乒乓球，拿下！。