python标签_武汉城市开发者社区

python

【RAG 实战】基于文档结构特征分析的切片策略自动推荐

import re"""Markdown 文档结构分析器从 MD 文本中提取各类结构特征，供策略推荐引擎使用。"""# --- 正则模式 ---\[.*?\]\(.*?\)')!)\[.*?\]\(.*?\)')！？?]+')# 场景特征检测?r'^(?各正则的作用正则匹配目标示例Markdown 标题## 二级标题表格行| 列1 | 列2 |列表行- 项目1. 步骤代码块标记```python_

练习两年半的攻城狮
2026-08-25 15:57:35

 370

 9

#人工智能 #python
不用配代理，3 步拿 Google 搜索 JSON：Bright Data SERP API 实战

Bright Data SERP API 提供一站式搜索引擎结果采集解决方案，解决自建爬虫面临的IP封禁、验证码、限流等问题。该API整合代理管理、反封锁逻辑和数据解析功能，支持全球30+搜索引擎和31种语言，可按城市级定位模拟真实搜索。其优势包括：只为成功请求付费、5秒内极速响应、支持12类结构化结果解析。用户注册后每月享有5000次免费额度，通过简单API调用即可获取JSON/HTML格式的搜

 武汉主理人-中杯可乐多加冰
2026-07-24 10:19:30

 1w

 56

#json #dubbo #数据分析 +1
Bright Data Scraper Studio Worker 选型指南：Code Worker 与 Browser Worker 怎么选，爬虫效率翻倍

文章摘要： Bright Data Scraper Studio提供两种爬虫工作模式：Code Worker（轻量HTTP协议）和Browser Worker（全浏览器模拟）。前者速度快、成本低，适合静态页面；后者支持JS渲染和交互，适用于动态网站。核心选型原则是优先尝试Code Worker，仅当数据不全时切换Browser Worker。针对多阶段任务（如列表页+详情页），推荐开启分段配置（W

武汉主理人-中杯可乐多加冰
2026-06-24 23:00:01

 2w

 56

#爬虫 #数据库 #python +2
当AI坐在渗透测试的操作席上 —— 一个自主智能体的攻防记录

现在很多安全工具都在集成AI，但模式都是“脚本调用AI来分析输出”。我试着把这个关系倒过来——让AI坐在操作席上，自己决定每一步该做什么。这个框架在DC-1靶机上能稳定运行：只给一个IP，AI自己完成了从扫描到提权的完整攻击链。过程中它出现了一些让我意外的行为，比如理解模糊的提示、从错误中自我纠正。本文是对这次尝试的如实记录。

Kele
2026-04-25 17:10:25

 71

#人工智能 #python #网络安全 +2
智能问答系统RAG

基于RAG技术的智能问答系统，具备以下核心特点：技术架构采用检索增强生成(RAG)技术路线支持多格式文档解析(PDF/DOCX/TXT/MD) 兼容Chroma/Milvus向量数据库可对接DeepSeek/Ollama等大语言模型核心功能知识库分类管理智能文档分块解析混合检索(语义+关键词) 溯源标注(附带原文参考) 流式问答输出应用价值解决大模型幻觉问题支持企业知识库管理

 2833955351
2026-04-22 11:00:00

 496

 9

#python #人工智能 #开发语言
JD面挂了：简历写了 AI 假项目，被问 RAG 语义丢失答不上来！背这三板斧，他当场叫好！

① 文档处理“重切割、轻结构”，源头丢失语义；② 检索策略“单一化、无优化”，无法支撑工业级场景；③ 长文档处理“缺分层、少关联”，上下文完整性不足。针对这三大短板，以下“三板斧”解决方案可实现全链路语义保障。尼恩提示：要拿到高薪offer，或者要进大厂，必须来点高大上、体系化、深度化的答案，整点技术狠活儿。只要按照上面的尼恩团队梳理的方案去作答，你的答案不是 100分，而是 120

小马不会过河
2026-01-06 16:55:06

 1228

 29

#人工智能 #科技 #microsoft +2
K_RagRec代码阅读：lm_modelling.py

功能：指定预训练模型的仓库地址（来自 Hugging Face Hub）细节解析：专门优化句子嵌入的库，基于 Hugging Face Transformers 封装，适合语义相似性、文本匹配任务：模型基座是 RoBERTa（优化版 BERT），"large" 表示模型规模（隐藏层维度 1024），专门为句子级嵌入训练，知识图谱中用于将实体描述、关系描述等文本转换为语义向量（后续用于实体匹配、关系

 甜甜要上岸
2025-11-28 23:08:19

 1050

 19

#知识图谱 #人工智能 #python
利用MCP实现电商决策智能助手

利用MCP实现电商决策智能助手

 武汉主理人- 英杰
2025-11-26 10:36:35

 3.4w

 5

#人工智能 #tcp/ip #python +2
如何基于sklearn余弦相似度匹配相关文档

向量检索是目前 RAG匹配文档最重要的实现方式之一，其有效性和性能关系到RAG的可用性。这是常识通过sklearn余弦相似度，示例使用向量相似度的方法匹配文档的过程。除ollama进行向量计算外，示例过程仅使用numpy、sklearn，最基础展示文档相似匹配过程。

liliangcsdn
2025-11-18 19:42:08

 783

 12

#sklearn #人工智能 #python
【必收藏】大语言模型智能体全面指南：从入门到精通

随着人工智能技术的发展，构建通用人工智能成为一个重要目标。通用人工智能需要具备广泛的认知能力，可以感知环境、进行复杂推理、做出判断，并采取行动参与各类任务。近年来，大语言模型的进步为实现通用人工智能带来了希望。它们在语言理解、推理、知识学习等方面表现卓越，被视为通用人工智能的潜在途径。如何在大语言模型的基础上构建真正的智能体，使其具备自动感知环境、推理规划、执行交互等全方位能力是一个关键课题。本文

 程序媛饺子
2025-11-16 09:15:00

 1731

 51

#人工智能 #产品经理 #开发语言 +1
11.15 脚本APP 手机将H5,打包成APP

HTML_FILE="/storage/emulated/0/Download/OnePlus Share/11.14 脚本测试/index.html"WWW_SRC_DIR="/storage/emulated/0/Download/OnePlus Share/11.14 脚本测试" # ← 整目录。echo "APK 已保存到：${OUT_DIR}/${APK_NAME}"echo "APK

顾安r
2025-11-15 00:28:41

 1170

 24

#服务器 #html #bash +2
【RAG全栈课程】Task02：数据准备

本文系统梳理了RAG中数据加载与文本分块策略，从基础到高级方法详解，强调高质量分块是检索与生成效果的基石，助你构建更可靠、高效的RAG系统。

woyych
2025-11-14 12:25:05

 1461

 26

#学习 #python #vscode +1
Advanced RAG前沿Paper深度解析

本文系统分析了多种先进RAG（检索增强生成）技术的核心架构与应用场景。T-RAG专注于表格数据处理，GraphRAG利用知识图谱增强推理能力，CRAG引入检索质量校正机制，Self-RAG通过自反思优化生成质量，RAG-Fusion采用多查询融合提升召回率，Rewrite-Retrieve-Read则通过查询重写优化检索效果。各技术针对不同需求场景具有独特优势，如复杂推理推荐GraphRAG，多轮

 alonewolf_99
2025-11-11 00:08:47

 756

 27

#python
Spring AI，一个让Spring应用轻松拥抱AI的统一框架

本文介绍Spring AI框架，它为Spring开发者提供统一API抽象，让AI集成变得简单。文章详解其核心概念（模型抽象、提示模板等），并通过代码示例展示基础应用、流式响应、RAG实现和模型路由等功能，同时提供企业级应用的最佳实践与常见陷阱解决方案。

dayongchan
2025-11-08 23:12:05

 1255

 31

#spring #人工智能 #python
强化学习学习笔记

本文介绍了强化学习的基本概念及DQN算法实现。强化学习中智能体通过状态转移和奖励函数与环境交互，DQN算法通过神经网络替代传统Q表来预测动作价值。文章详细说明了单模型DQN的实现过程，包括游戏环境定义、神经网络构建、数据池管理和训练流程。并针对单模型可能存在的价值高估问题，提出双模型DQN改进方案，通过延迟更新目标网络来提高稳定性。此外还介绍了三种进阶改进：加权数据池采样优化训练数据选择；Duel

qiudefeixingriji
2025-11-06 22:09:16

 457

 5

#python #深度学习 #pytorch
让关键词排名“无所遁形”：动态代理IP的SEO实战指南

数据中心代理则来源于云服务器或机房节点，延迟低、速度快、成本较低，适合进行大规模、高频率的数据采集，但由于集中度高、特征明显，几乎不被识别，因此更适合初步采集或趋势分析场景。移动代理的IP则来自4G或5G移动网络节点，每次请求都经过手机基站分配临时地址，其真实性和随机性极强，几乎不被识别，非常适合移动端搜索排名与App内SEO优化的数据采集，但价格昂贵、稳定性略受限制。通过动态更新代理节点，我们可

 武汉主理人- 英杰
2025-11-07 10:19:38

 2.4w

 38

#tcp/ip #网络协议 #网络 +1
一文搞懂RAG调优！保姆级系统实践教程（非常详细）！

在人工智能领域，检索增强生成（Retrieval Augmented Generation, RAG）是一种结合信息检索和生成式人工智能的技术，它通过从外部数据源中检索相关信息，来辅助大语言模型（Large Language Model, LLM）生成更为准确、上下文相关的答案。

大靠山
2025-11-06 15:55:25

 861

 10

#python #人工智能 #算法 +3
别再只调参数了！大厂都在用的RAG“高准确率”组合拳，效果提升看得见！

但是我们也不能将所有文件都放入知识库中，而应区分文件是否与用户需求相关，判断它是针对某次具体需求，还是某一类需求都会涉及该文件。对于仅针对当前问题的一次性需求，应引导客户通过对话窗口上传文件并提问，接着利用插件解析文件内容，并将其放入 prompt 中。

小天才学习机打游戏
2025-11-06 10:12:05

 874

 25

#人工智能 #大数据 #python +1
RAG文档解析入门到精通，搞定面试官这一篇就够了！

想象一下，你在做金融RAG项目。你的知识库不是几篇网页文章，而是成堆的 PDF、PPT、扫描件、Excel、合同。这些文件内容格式复杂：

Python_金钱豹
2025-11-05 15:23:38

 827

 12

#java #前端 #人工智能 +4
程序员必看！什么是 RAG？为什么学大模型一定要懂它？

程序员必看！什么是 RAG？为什么学大模型一定要懂它？

编程唐小宝
2025-10-15 10:00:00

 1923

 31

#人工智能 #python #机器学习
一文通关LLM、RAG、MCP、Agent：让AI从“聊天”走向“实干”，大模型入门到精通，收藏这篇就足够了！

一句话总结：LLM 是核心的智力，而 RAG、MCP、Agent，则是在这个智力基础上，搭建起来的知识体系、协作体系和执行体系。

瓦罗兰特顶级C位
2025-10-10 16:10:24

 1138

 5

#人工智能 #大数据 #python +1
小白也能看懂：RAG系统中的相似度召回与重排序，一篇讲透大模型检索优化核心

RAG系统优化：相似度召回与重排序的协同作用本文探讨了RAG系统中相似度召回与重排序的协同工作机制。相似度召回负责从海量文档中快速筛选候选内容，而重排序则对召回结果进行精细筛选，提高最终输出的准确性。作者通过实际案例展示了两种方法的互补性：当降低相似度阈值提高召回率时，重排序能有效过滤无关内容。文章还对比了Embedding模型的高效性与Reranker模型的精准性，指出两者结合可实现效率与准确

 编程唐小宝
2025-10-09 21:30:00

 1197

 32

#python #算法 #机器学习 +2
基于RAG的法律条文智能助手（方案篇）-实现与部署-微调与部署

基于RAG的法律条文智能助手（方案篇），实现与部署，微调与部署

 坡东
2025-09-27 14:56:37

 1468

 29

#python #人工智能
【珍藏教程】从零搭建大模型RAG系统：PyCharm+Ollama+ChromaDB实战指南

本文提供了在PyCharm中搭建RAG系统的完整指南，包含环境配置、工具安装和代码实现等关键步骤。教程首先介绍如何配置conda虚拟环境和安装必要的Python包（如chromadb、langchain等），然后详细说明如何启动向量数据库和部署Ollama大语言模型。最后通过代码示例演示了知识库加载和向量存储的实现过程。文中还附赠大模型学习资料包，包含学习路线、实战案例和面试题库等内容，适合零基础

 学编程的头没秃
2025-09-27 13:45:00

 822

 16

#pycharm #pytorch #python +1