大家好，我是九歌AI。在Reddit的AIAgents版本刷到一個(gè)帖子，講的RAG系統(tǒng)在企業(yè)中的落地，覺得寫的不錯(cuò)，翻譯共享給大家，英文原文直接讓DeepSeek翻譯后有些生硬，手動(dòng)潤(rùn)色了一下。配圖：GoogleNanoBanana【原貼】BuildingRAGsystemsatenterprisescale(20K+docs):lessonsfrom10+enterpriseimplementations【譯文】背景與分享過(guò)去一年，我們團(tuán)隊(duì)一直為中型企業(yè)（1001000人規(guī)模）搭建RAG系統(tǒng)，尤其是在制藥、金融、法律等強(qiáng)監(jiān)管領(lǐng)...

當(dāng)今世界，大模型哪家強(qiáng)？我認(rèn)為現(xiàn)在是群雄逐鹿的時(shí)候，雖然在編程等一些垂直領(lǐng)域，Claude4穩(wěn)坐第一把交椅，但是最后的贏家，未必就是它。作為AI用戶，當(dāng)然要積極享受當(dāng)前的AI紅利，不要將自己局限在某個(gè)平臺(tái)，盡量的多去了解每個(gè)大模型的脾氣和秉性，為后面創(chuàng)建智能體或者打造自己的AI數(shù)字員工，選擇合適的大腦引擎。我目前創(chuàng)意和文案的主力模型是Gemini2.5Pro和騰訊元寶的DeepSeekR1,編程主力是Trae國(guó)際版的Claude4。為了能夠...

今年的新詞特別多，AI編程這個(gè)叫法都o(jì)ut了，時(shí)髦的說(shuō)法是vibecoding(氛圍編程）。最近上手體驗(yàn)了googleaistudio新上線的buildapp功能，不能說(shuō)十分驚艷，那是相當(dāng)?shù)皿@艷，真正我能想象出的所想所見即所得的編程方式，特別是對(duì)我這種靠嘴吃飯，需要設(shè)計(jì)產(chǎn)品原型的非程序開發(fā)人員來(lái)說(shuō)。GoogleAIStudio（??https:aistudio.google.com??）是谷歌推出的云端AI開發(fā)平臺(tái)，集成了最新的生成式AI模型（如Gemini系列），提供從原型設(shè)計(jì)...

大家好，我是九歌。最近字節(jié)跳動(dòng)開源了一款創(chuàng)新多模態(tài)文檔圖像解析模型——Dolphin，基于先解析結(jié)構(gòu)后解析內(nèi)容的兩階段方法，參數(shù)只有322M，16G顯存就能流暢運(yùn)行，而且效果比不輸GPT4.1！目前支持Pdf和圖片直接解析成Markdown和Json格式。官網(wǎng)直接給出了Demo在線地址，真的太良心了！直接上手體驗(yàn)！http:115.190.42.15:8888dolphin（1）15秒識(shí)別表格圖片（2）30秒識(shí)別公式是不是很酷的感覺，我看了一下github項(xiàng)目文檔，安裝也非...

大家好，我是九歌，一個(gè)智能體科普和實(shí)踐者。做智能體最難的事情，并不是如何怎么學(xué)會(huì)做智能體，工具的學(xué)習(xí)往往是簡(jiǎn)單的，如何找到智能體真正有用的應(yīng)用場(chǎng)景和業(yè)務(wù)需求才是核心能力。我們目前在各大智能體開發(fā)平臺(tái)上的智能體，說(shuō)實(shí)話，更多是玩具的屬性。在AI大模型領(lǐng)域，企業(yè)端正在探索的方向主要有：1.企業(yè)的知識(shí)管理與數(shù)據(jù)治理老生常談的方向2.垂域模型打造利用企業(yè)私有的數(shù)據(jù)、知識(shí)、通用大模型，訓(xùn)練極速的垂域模型3.智能...

大家好，我是九歌。最近刷到最多的AI相關(guān)文章，就是一路好評(píng)的DeepWiki了！手癢難耐的我，也早早就上手體驗(yàn)了一下。整體體驗(yàn)下來(lái)，確實(shí)不錯(cuò)，對(duì)于想了解一個(gè)Github項(xiàng)目的新人來(lái)說(shuō)，確實(shí)非常有幫助。但是有一說(shuō)一，DeepWiki的缺點(diǎn)也是很明顯的，一是只能局限于Github項(xiàng)目，對(duì)于個(gè)人私有代碼倉(cāng)庫(kù)卻愛莫能助！二是時(shí)間具有滯后性，項(xiàng)目代碼不是最新的！如果公司有傳承已久的代碼庫(kù)，新入職的同事看到那山一樣高的代碼，內(nèi)心肯定是...

大家好，我是九歌。今天我們聊一聊使用大模型進(jìn)行數(shù)據(jù)分析。AI數(shù)據(jù)分析作為大模型應(yīng)用的剛需，在各大平臺(tái)上的表現(xiàn)卻大相徑庭。阿里百煉的析言、ChatGPT、商湯的小浣熊、豆包，用了一圈，發(fā)現(xiàn)能打的只有豆包。但是豆包只提供大模型接口，AI數(shù)據(jù)分析卻沒有對(duì)應(yīng)的接口。首先定義一下“AI數(shù)據(jù)分析”，本文所說(shuō)的AI數(shù)據(jù)分析，專指大模型對(duì)數(shù)據(jù)表格的處理能力，默認(rèn)數(shù)據(jù)超過(guò)2000行！2000行的表格直接喂給大模型讓其分析，可想而知，這...

在前幾天的文章??《論MCPServer與工作流在智能體開發(fā)場(chǎng)景中的作用和區(qū)別》??，我提到了一個(gè)觀點(diǎn)，MCP和工作流的關(guān)系將是你中有我，我中有你。Dify工作流可以將MCPServer作為工作流中的某個(gè)關(guān)鍵節(jié)點(diǎn)；同樣，Dify工作流可以發(fā)布為McpSever，由大模型選擇和使用。同樣，對(duì)于各大智能體開發(fā)平臺(tái)來(lái)說(shuō)，不管是生態(tài)龐大的Coze還是開源界的扛把子Dify,在將來(lái)也是這種互聯(lián)互通的狀態(tài)，只要他們各家的API足夠開放就行。比如，因?yàn)镃oze...

今天討論的是個(gè)很無(wú)聊的話題意義，但是卻困擾我很長(zhǎng)時(shí)間。最近突然頓悟了，有種開竅的感覺，下面我把最近關(guān)于智能體開發(fā)中工作流、Mcpserver的一些思考分享給大家，希望得到大家的指正。閱讀本文前，默認(rèn)大家已經(jīng)對(duì)智能體開發(fā)、Mcp工作流、Dify有了一定的認(rèn)識(shí)，如果還沒了解過(guò)，可以看我以前的文章。??智能體（Agent）的3種表現(xiàn)類型：聊天助手、工作流與對(duì)話流????不再混淆了！一文揭秘MCPServer、FunctionCall與Agent的...

我集中精力，花2個(gè)多小時(shí)把DifySandbox官方源碼研究了一下，終于理清了Sandbox執(zhí)行代碼的邏輯，順便實(shí)現(xiàn)了在不修改官方difysandboxdocker鏡像，用戶上傳文件后路徑的獲取和對(duì)Excel文件的數(shù)據(jù)處理。話不多說(shuō)，先看效果。一個(gè)有9406條數(shù)據(jù)的Excel文件瞬間完成了數(shù)據(jù)處理工作。下面我來(lái)說(shuō)一下，這個(gè)如何實(shí)現(xiàn)。Dify安裝成功后，會(huì)有10個(gè)Docker容器，其中dockersandbox的作用是用來(lái)執(zhí)行工作流中”代碼“這個(gè)節(jié)點(diǎn)運(yùn)行的代碼。這樣就保...

智能體主要由大語(yǔ)言模型（LLM）+提示詞（Prompt）+知識(shí)庫(kù)（RAG）+工作流（WorkFlow）+工具（Tools）等若干元素組成。今天我們開啟《人人都會(huì)做智能體》公開課第2節(jié)：智能體（Agent）的3種表現(xiàn)類型——聊天助手類型、工作流類型、對(duì)話流類型。「本文配圖主要來(lái)源于我的長(zhǎng)篇圖文寫作助手」??讓DeepSeek聊天記錄秒變長(zhǎng)篇圖文和PPT的智能體，Claude3.7手把手喂飯教程！??與智能體的組成不同，所謂的智能體表現(xiàn)模式，就是智能體...

文章生成的工作流由簡(jiǎn)單的大模型直接生成文章改為按章節(jié)段落迭代生成，并在段落生成時(shí)由Claude3.7大模型根據(jù)段落內(nèi)容，直接總結(jié)凝練后，繪制成一張張網(wǎng)頁(yè)版的PPT配圖，最后再拼成一個(gè)完整的網(wǎng)頁(yè)。這個(gè)工作流還是蠻大的，消耗的token數(shù)量也是肉疼，好在結(jié)果讓人欣慰，我們先來(lái)看一下智能體的實(shí)現(xiàn)效果。怎么樣？效果還是蠻不錯(cuò)吧，這個(gè)智能體能很大程度上解決我們做PPT的一些難點(diǎn)，因?yàn)槭忻嫔弦恍┳鯝IPPT的工具，都是直接套的模板...

我們都知道智能體開發(fā)的平臺(tái)非常多，Dify是開源的智能體開發(fā)平臺(tái)中用戶比較多的一款。但是跟Coze平臺(tái)相比，很多想使用Dify的用戶，第一個(gè)難關(guān)就是Dify的本地部署。很多小白可能對(duì)Linux、Docker一竅不通，所以我之前寫過(guò)一篇怎么借助WSL完成windows下Dify的部署，其實(shí)沒有解決痛點(diǎn)，Dify的主要用戶還是只局限于程序員這個(gè)群體。?為了能夠更好的完成智能體的科普，讓更多人無(wú)門檻使用Dify這種開源的智能體開發(fā)平臺(tái)，經(jīng)過(guò)這兩天的...

前幾天《人人都會(huì)做智能體》社區(qū)的成員提問(wèn)，OA請(qǐng)假可以用智能體實(shí)現(xiàn)嗎？我第一反應(yīng)是這種問(wèn)題有點(diǎn)太簡(jiǎn)單了，但是轉(zhuǎn)念一想，越是這種簡(jiǎn)單的任務(wù)，反而更有科普價(jià)值，因?yàn)楹芏嗳诉€沒深入了解過(guò)智能體（Agent）到底是什么，我不能先入為主的將其定義為沒有必要的簡(jiǎn)單。想了解智能體是什么，可以先看我之前的這篇文章?！救巳硕紩?huì)做智能體】Agent是什么,簡(jiǎn)單中等復(fù)雜商用的智能體又是什么所以今天我們一起來(lái)實(shí)現(xiàn)一個(gè)基于對(duì)話流的請(qǐng)...

今天我將開啟《人人都會(huì)做智能體》公開課的第1節(jié)課?！度巳硕紩?huì)做智能體》公開課以智能體的小白科普和初級(jí)制作為目標(biāo)，將從智能體基礎(chǔ)認(rèn)知（LLM+RAG+WorkFlow+Agent）、智能體拆解復(fù)原、開發(fā)環(huán)境部署、智能體項(xiàng)目實(shí)戰(zhàn)等幾個(gè)部分，按照學(xué)習(xí)習(xí)慣，迭代式遞進(jìn)式的，采用圖文結(jié)合的方式，循序漸進(jìn)帶領(lǐng)大家一步步掌握智能體制作的方法、技巧和經(jīng)驗(yàn)。智能體項(xiàng)目實(shí)戰(zhàn)部分，現(xiàn)在初步定了兩個(gè)，我之前的文章已經(jīng)開始寫了。一個(gè)是長(zhǎng)篇圖文...

想象一下，如果普通AI是一個(gè)只會(huì)機(jī)械執(zhí)行指令的機(jī)器人，那么采用ReAct策略的智能體就像是一個(gè)會(huì)先思考后行動(dòng)的偵探。在解決問(wèn)題時(shí)，它不會(huì)匆忙跳入結(jié)論的深淵，而是沿著"觀察思考行動(dòng)觀察"的螺旋階梯，一步步接近真相。這就是ReAct（Reasoning+Acting）策略的魅力所在。ReAct策略：智能體的"內(nèi)心獨(dú)白"與"外在行動(dòng)"ReAct就像給AI裝上了"內(nèi)心獨(dú)白"和"行動(dòng)執(zhí)行器"兩個(gè)齒輪，讓它們交替轉(zhuǎn)動(dòng)：觀察環(huán)境：智能體睜大眼睛，感知周圍世...

一、技術(shù)背景與設(shè)計(jì)目標(biāo)當(dāng)前內(nèi)容生成系統(tǒng)普遍面臨三個(gè)技術(shù)挑戰(zhàn)：多源異構(gòu)數(shù)據(jù)處理效率低下、長(zhǎng)文本生成的結(jié)構(gòu)連貫性不足、多模態(tài)內(nèi)容協(xié)同生成能力薄弱。本研究提出一種基于LangGraph框架的解決方案，旨在構(gòu)建模塊化、可擴(kuò)展的智能文章生成系統(tǒng)，其核心設(shè)計(jì)目標(biāo)包括：實(shí)現(xiàn)端到端的自動(dòng)化內(nèi)容生產(chǎn)流水線支持動(dòng)態(tài)工作流調(diào)整與錯(cuò)誤恢復(fù)機(jī)制確保多模態(tài)內(nèi)容的一致性驗(yàn)證提供可插拔的第三方服務(wù)集成接口二、系統(tǒng)架構(gòu)設(shè)計(jì)2.1整體架構(gòu)概...

一、大模型知識(shí)庫(kù)戰(zhàn)略架構(gòu)（耗時(shí)：初始8小時(shí)月度迭代）1.知識(shí)價(jià)值密度評(píng)估四維篩選模型（Ec業(yè)務(wù)關(guān)鍵度，F(xiàn)a調(diào)用頻率，F(xiàn)h歷史價(jià)值，Ct維護(hù)成本）知識(shí)類型處理策略工具鏈配置高頻核心知識(shí)向量化+微調(diào)GPT4Turbo+PGVector中頻場(chǎng)景知識(shí)RAG增強(qiáng)檢索LlamaIndex+Pinecone低頻長(zhǎng)尾知識(shí)壓縮存儲(chǔ)ZSTD+MinIO知識(shí)熱力分析fromlangchain.analyticsimportKnowledgeHeatmapheatmapKnowledgeHeatmap(querylogsloadlogs("searchlogs.json"),docmeta...

你有沒有想過(guò)，為什么當(dāng)紅炸子雞DeepSeek這樣的大語(yǔ)言模型能夠又快又好地回答各種問(wèn)題，而且成本又那么低？秘密之一就在于它使用的"混合專家"（MixtureofExperts，簡(jiǎn)稱MoE）架構(gòu)。本文將用通俗易懂的語(yǔ)言，解釋MoE是什么，它如何工作，以及為什么它如此重要。MoE是什么？想象一下一所大學(xué)：傳統(tǒng)模型就像一位超級(jí)教授，必須精通所有學(xué)科，從文學(xué)到物理，從歷史到計(jì)算機(jī)科學(xué)。每個(gè)問(wèn)題都由這位教授獨(dú)自解答。MoE模型則像一所設(shè)有...

引言：LangChain的背景與意義在人工智能快速發(fā)展的時(shí)代，大型語(yǔ)言模型（LLM）如OpenAI的GPT系列，已成為生成自然語(yǔ)言文本的核心技術(shù)。然而，將這些模型應(yīng)用于實(shí)際應(yīng)用（如聊天機(jī)器人或虛擬助手）時(shí)，開發(fā)者常常面臨提示管理、外部數(shù)據(jù)集成和上下文保持的挑戰(zhàn)。LangChain作為一個(gè)開源框架，旨在簡(jiǎn)化這些復(fù)雜性，提供模塊化工具，幫助開發(fā)者高效構(gòu)建LLM驅(qū)動(dòng)的應(yīng)用。LangChain于2022年10月由HarrisonChase在RobustIntelligence啟動(dòng)...