
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
02 | 大模型微调 | 从0学习到实战微调 | 从数学概率到千亿参数大模型

2025 年 4 月 9 日,Google 正式发布了 Agent2Agent(A2A)协议。A2A 协议致力于打破智能体之间的隔阂,让它们能够跨越框架和供应商的限制,以一种标准化、开放的方式进行沟通与协作。

本文深入剖析 LangChain DeepAgents 的 Skills 加载机制,从源码层面解析 create_deep_agent、SkillsMiddleware、_list_skills 等核心组件的工作原理。通过完整的时序图和流程图,展示从目录扫描、YAML 解析到系统提示词注入的完整链路。针对开发中常见的全局变量污染、Windows 路径兼容性等痛点问题,提供三种渐进式优化方案:闭包消

01 | 大模型微调 | 从0学习到实战微调 | AI发展与模型技术介绍

1. 学会安装transformers框架环境2. 学会使用hugging Face 平台3. 掌握transformers的核心模块4. 学会如何看源码5. 深入业务场景进行学习理解

低代码,只需要拖动组件就能实现自己的AIGC!

ngcbot提供了个人微信聊天机器人,但是暂时没有办法实现复杂业务接口的交互(知识库,其它API等)利用dify配合ngcbot实现某些功能,这里需要改dify的代码即可。

网上关于MCP的介绍已经非常多了,我这边就长话短说,有兴趣的可以扩展阅读我们先来看一幅图MCP 提供了一种统一和标准化的方式,将 AI 代理和模型与外部数据和工具集成。它不仅仅是另一个 API;它是一个强大的连接框架,能够实现智能、动态和上下文丰富的 AI 应用。🔌MCP的作用,就像手机充电接口从“混乱”到“统一”的演变过程。统一成“AI 界的 USB Type-C🚀 最终效果:从“杂乱无章”

Agent 是 Chain 的基本组成单元,一个 Chain 由多个 Agent 构成。Chain 是 Agent 存在的载体,Agent 通过加入 Chain 来实现其功能和价值。Agent 和 Chain 共同构成了 Langchain 平台的核心技术体系

深入讲解 LangGraph 持久化机制,涵盖三大核心:Checkpoint(检查点) 实现短期记忆与状态快照,Memory Store(记忆存储) 支持跨会话的长期用户画像,Durable Execution(持久化执行) 通过 @task 避免副作用重复执行。通过 PostgreSQL + Milvus 构建智能客服综合案例,演示对话压缩、语义检索、人工审核等企业级场景,为构建可靠的 AI A








