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

ModaHub魔搭社区:AgentBench简介

只有LLM能完成上述具体任务,才可能承担好AI Agent的工作。AgentBench是一个系统的基准,用于评估大语言模型(LLM)作为代理执行实际任务的能力。很显然,如果LLM可以在上述场景中表现很好,那么作为Agent肯定也会非常棒。

文章图片
#AI智能体
低代码平台数据表格组件的设计实践

但不同的产品在设计数据表格时,所采用的视角是不一样的。低代码行业在国内外有明显的差距,国内的低代码行业从 2015 年左右开始到现在,还处于比较初级的阶段,虽然涌现出了很多低代码厂商,但大多数都是表单驱动型的低代码平台,能够快速搭建一些诸如「疫情申报」的简单应用,但涉及到诸如 CRM 的复杂应用时,表单驱动不如模型驱动。但低代码产品经理去设计数据表格时,面对的场景是,这个数据表格是搭建出来的,如果

文章图片
#低代码
低代码指南100解决方案:14制造业企业生产管理如何数字化?

在市场竞争日益激烈的今天,成本和效率成为制造业企业在竞争中胜出的关键,但又由于市场对于质量和效率的要求不断提升,使得传统制造业面临巨大挑战,如在生产管理方面,就常常会遇到下面这些问题:工人纸质工单登记,手写输入容易错漏实体工单层层传递,流程繁琐效率低下工资统计、BOM计算费时费力,数据处理工作耗费大量人力依靠“纸和EXCEL”进行管理,查找麻烦,出现问题难以溯源………………….为帮助制造业企业高效

文章图片
#云计算
低代码指南100方案:15 MRP物料需求计划

MRP概述在制造行业,有个专业术语叫做MRP(Material Requirement Planning,物料需求计划),MRP系统的出现,帮助企业管理者解决物料销售、生产、采购脱节的问题,达到物料“既不出现短缺,又不造成库存积压”的管理目标。MRP系统是生产管理的核心,保证制造业核心业务信息的集成,让生产物料得以有序的流动,以形成供需平衡。MRP & MRP Ⅱ制造资源计划MRPⅡ(Ma

文章图片
#内容运营#产品运营#开发语言
低代码指南100解决方案:47深度解读丰田精益生产管理模式,5大精髓助力精益生产又好又快推行

一说到丰田,大家除了想到他的汽车制造之外,还不得不提的就是他的生产模式——精益生产方式(简称精益生产),这种生产方式更是让丰田公司成为了一家世界级企业。一 、“极简主义”的精益生产方式詹姆斯P.沃麦克、丹尼尔T.琼斯在他们合著的《精益思想》中说“如果你不能迅速地把产品开发时间减半、订单时间减少75%、生产时间减少90%,那你一定是哪儿做错了。”这种衍化自丰田生产方式管理方法,是一种以满足客户需求要

文章图片
低代码指南100方案:24还在用Excel做固定资产管理?这套系统帮你轻松解决固定资产申购、管理、盘点

什么是固定资产?固定资产是指,企业为了生产经营而长期持有的相关物品,包括办公设备、办公用品、生活用品等,使用时间一般超过12个月,价值一般较大。传统固定资产管理一般流程新增资产申购给每个固定资产编号固定资产使用登记、归还、转交、维修等固定资产盘点报废传统资产管理产生的问题有哪些?账实不符资产管理首先要做到的就是台账和实际资产相符,并且资产价值要明确,但日常工作中常出现家底不清、账实不符的现象,新增

文章图片
#物联网#iot#内容运营 +2
《实战AI智能体》——邮件转工单AI自动化的配置过程

将会打开 IMAP 集成的配置页面 IMAP 邮件集成的配置项包括:IMAP 服务器地址(如 imap.gmail.com)、端口号(通常为 993)、邮箱用户名、邮箱密码或专用密码,具体信息请在自己的邮箱设置中查找,填写完成后请保存(如果你使用的是邮件组,使用邮件组内任意一个邮箱即可)配置完成后,当 IMAP 收到邮件时,系统将在“帮助工单”节点中自动创建一条新工单,并轮流分配一个跟进人,同时为

#服务器#github#运维 +1
《向量数据库指南》揭秘:Mlivus Cloud如何超越Elasticsearch?

随着人工智能技术的快速发展,向量数据库作为一种新兴的数据库类型,凭借其卓越的性能、可扩展性和效率,正在逐步改变数据搜索的格局。其中,Mlivus Cloud作为性能领先的向量数据库,通过无缝结合语义搜索和全文搜索,将稠密向量搜索与优化的稀疏向量技术相结合,为用户提供了前所未有的搜索体验。这不仅得益于其先进的索引技术和算法,还与其优化的系统架构和高效的资源利用密不可分。Mlivus Cloud将这两

文章图片
#人工智能#低代码
《向量数据库指南》——BGE-M3:引领多模态RAG系统新风尚!

这个 Embedding 模型还能够输出两种不同的向量类型:稠密向量(Dense embedding)和稀疏向量(Sparse embedding)。如上所示,我们可以基于同一个输入获取两种不同类型的向量:稠密向量和稀疏向量。因为 Milvus 支持混合搜索(Hybrid Search),我们可以在向量搜索中同时使用这两种向量类型,从而增强 RAG 系统中检索到的上下文的准确性和质量。在下面的 R

文章图片
#机器学习#人工智能#低代码 +1
    共 18 条
  • 1
  • 2
  • 请选择