登录社区云,与社区用户共同成长
邀请您加入社区
Amazon Bedrock 作为一项全面托管的基础模型(FM)服务,为开发者提供了便捷的接口,其无服务器架构的特性,使得开发者无需耗费精力管理底层基础设施,得以将全部精力聚焦于如何安全、高效地利用亚马逊云科技的各项服务,将生成式AI能力融入各类应用场景。本文将以 Stability AI 的 SDXL 基础模型为例,详细阐述从系统架构设计到实际部署的全过程,力求为技术实践者提供一套清晰、可操作的
本文介绍了浏览器扩展开发的基本概念与流程。首先阐明浏览器扩展是一种基于HTML、CSS和JavaScript的小程序,通过manifest.json配置文件定义核心功能。文章详细讲解了开发环境准备、项目结构搭建(包括图标、弹出页面、后台脚本等组件),并演示了如何在Chrome中加载和测试扩展。重点介绍了chrome.tabs、chrome.storage等常用API的使用方法,以及内容脚本的注入方
摘要:本文介绍MCP(模型上下文协议)这一大模型工具调用的新标准,结合RAG和Function Calling理论基础,阐述了MCP的核心架构、优势及实际应用。MCP采用动态灵活的客户端-服务器架构,解决了传统API的局限性,通过ModelScope市场和Cherry Studio展示了具体使用过程。尽管存在配置复杂、Token消耗大等问题,但MCP有望与A2A协议结合,推动AI工具调用的标准化发
NVS(Non-volatile storage,非易失存储),意思是掉电后能依然能持久化保存数据。在我们应用 NVS 时,一般用于存储一些配置数据、状态数据等,一般不会用来存储存放大量的数据量。在嵌入式系统中,NVS 主要是在 Flash 进行键值对的存储。举个例子,假设我们要把东西存到 Flash 中,按照底层的操作习惯,我们要先指定一个地址,然后对这个地址执行擦除操作,然后才能写入;读取的时
人机协同与AI Agent技术发展 文章探讨了生成式AI发展下的人机协同三种模式:嵌入模式(AI作为工具)、副驾驶模式(人机合作)和智能体模式(AI自主行动)。重点分析了AI Agent的基本框架,包括记忆、规划、工具使用和行动四大模块。文章还介绍了垂直领域AI Agent的实现路径,涉及LangChain框架的功能和组件,以及思维链(Chain of Thought)技术在提升大模型推理能力中的
摘要:ModelContextProtocol(MCP)为AI智能体提供标准化工具调用接口,简化开发者集成外部工具的过程,而大语言模型(LLM)只需基于工具定义生成调用指令。MCP通过统一协议连接工具服务器,使开发者能快速构建智能系统,但LLM仍保持"黑箱"操作模式,仅关注工具功能而无需理解实现细节。这种架构将上下文工程与工具执行分离,MCP实质是为开发者服务的抽象层,通过模块
大语言模型(LLM)虽能力强大,但存在与真实世界脱节的问题。为解决这一局限,业界提出了四大关键技术: Function Call:让LLM通过调用外部工具执行实时任务,如查询天气、订票等。 RAG:通过检索外部知识库增强回答准确性,避免“幻觉”,适用于专业领域查询。 Agent:以LLM为核心,自主规划任务并协调工具(如RAG、Function Call)完成复杂操作。 MCP:标准化协议,统一A
《Coze平台:低代码构建AI智能体》字节跳动推出的Coze平台通过低代码方式降低AI智能体开发门槛。其核心功能包括:插件生态扩展能力边界、知识库管理实现精准应答、可视化工作流简化复杂逻辑设计,以及长期记忆和定时任务支持个性化服务。开发者可快速创建具备多模态交互和动态学习能力的智能体,通过注册账号、选择模板、配置能力、测试发布四步骤,即可将智能体部署至各类平台。Coze为企业和个人开发者提供了高效
大模型是一个强大的“对话引擎”和“知识引擎”,但他本身是一个被动的、封闭的系统。你问,他答。你不问,他不动。
无人机物流作为解决"最后一公里"配送难题的关键技术,其路径规划需应对复杂城市环境中的动态障碍物、天气变化、续航限制等挑战。基于Q-learning的强化学习算法通过无模型学习机制,在无需预先构建环境模型的情况下,可自适应动态调整路径策略。本文系统梳理了Q-learning在无人机物流路径规划中的技术实现路径,结合三维栅格建模、多目标奖励函数设计、动态探索策略等关键技术,验证了其在路径最优性、收敛速