我一直覺得很神奇：大多數(shù)AI系統(tǒng)只要你一停止和它們對(duì)話，就會(huì)把一切都忘光。你喂給它們facts、context、chatlogs——會(huì)話一結(jié)束，噗的一下，全沒了。這一直是“intelligent”agents的最大瓶頸。后來我發(fā)現(xiàn)了Graphiti，感覺終于有人把knowledgegraphs和AImemory連接到了一起。如果這聽起來有點(diǎn)高深，別擔(dān)心，我們一步步來。Graphiti是什么把Graphiti想象成一個(gè)創(chuàng)建并維護(hù)動(dòng)態(tài)知識(shí)網(wǎng)絡(luò)的工具。每一條小事實(shí)——比如“Kendra喜歡A...

本文通過RetrievalandStructuring(RAS)范式理解精準(zhǔn)推理與領(lǐng)域?qū)ｉL(zhǎng)，并附實(shí)現(xiàn)示例LargeLanguageModels（LLM，大型語言模型）在文本生成和復(fù)雜推理方面展現(xiàn)了卓越能力。但它們并不完美。當(dāng)LLM用于真實(shí)世界場(chǎng)景時(shí)，會(huì)面臨多種挑戰(zhàn)：有時(shí)會(huì)出現(xiàn)“幻覺”，有時(shí)會(huì)給出過時(shí)的答案。為了解決這些問題，引入了RetrievalAugmentedGeneration（RAG）。RAG先從外部文檔檢索相關(guān)信息，以此為L(zhǎng)LM的回答“接地氣”，顯著減少幻覺。看起來是個(gè)...

先來澄清當(dāng)下AI討論中最常見的一處混淆。你可能經(jīng)?？吹酱蠹野?ldquo;AIagent”和“agenticAIsystem”當(dāng)成同一件事。但事實(shí)是：它們有關(guān)聯(lián)，但并不相同就像把微波爐稱作“廚師”。它確實(shí)能加熱食物，但它不會(huì)幫你策劃一場(chǎng)晚宴。FriendLink同理，AIAgents與AgenticAISystems在“做什么”、“如何思考”以及“自主性的范圍”上都不一樣。所以，端杯咖啡?，我們來看看這兩者究竟有何區(qū)別——以及為什么理解這點(diǎn)對(duì)構(gòu)建或使用現(xiàn)代AI系統(tǒng)...

我最近一直在探索一個(gè)叫Langflow的工具。如果你曾經(jīng)試著把LLMs、APIs和各種工具連起來，你就會(huì)知道那種挫敗感——太亂了。一大堆樣板代碼，好多問題像“為什么這個(gè)不工作”，通?；ㄌ鄷r(shí)間在設(shè)置上。Langflow試圖讓這一切變得更容易。它基本上就是一個(gè)AI工作流的視覺構(gòu)建器。拖動(dòng)?xùn)|西，連接塊，突然你就有一個(gè)agent，能執(zhí)行任務(wù)比如抓取URL或解決數(shù)學(xué)問題。當(dāng)你準(zhǔn)備好了，你可以直接把它跑成一個(gè)API。初印象那么你到底能得到什...

大家好！今天我們來聊聊如何給AI代理（agenticAI）加上“安全鎖”，避免它因?yàn)榛糜X（hallucinations）、安全漏洞或者惡意指令而闖禍。這篇文章會(huì)帶你一步步了解如何通過分層防御（layereddefense）來保護(hù)AI系統(tǒng)，確保它既強(qiáng)大又靠譜。作者FareedKhan分享了一個(gè)超實(shí)用的框架，叫做Aegis，用來給AI加上三層防護(hù)：輸入、計(jì)劃和輸出。我們會(huì)把整個(gè)過程拆解得明明白白，還會(huì)提供代碼和實(shí)戰(zhàn)案例，讓你看清楚怎么從一個(gè)“裸奔”的AI，...

如果你用過大型語言模型（LLMs），你就會(huì)知道它們是無狀態(tài)的。如果沒用過，可以把它們想象成沒有短期記憶的東西。舉個(gè)例子，就像電影《記憶碎片》（Memento）里的主角，他總是需要靠便利貼上的信息來提醒自己發(fā)生了什么，拼湊出下一步該做什么。要和LLMs對(duì)話，我們每次互動(dòng)時(shí)都需要不斷提醒它們之前的對(duì)話內(nèi)容。實(shí)現(xiàn)我們所說的“短期記憶”或狀態(tài)其實(shí)很簡(jiǎn)單。我們只需要把之前的幾組問答對(duì)抓出來，包含在每次調(diào)用里就行。但長(zhǎng)期...

一個(gè)實(shí)用的文本分割指南，包含代碼、圖表，以及對(duì)Chonkie、LangChain和LlamaIndex的輕量介紹上下文窗口變大了。有些模型一次能處理整章內(nèi)容。這看似自由，但并未消除權(quán)衡。分塊依然決定模型讀什么，檢索返回什么，以及每次調(diào)用你得花多少錢。分塊說起來簡(jiǎn)單，做起來容易出錯(cuò)。你需要把長(zhǎng)文本切成模型或嵌入器能處理的片段。聽起來像是在調(diào)整大小，但實(shí)際上是關(guān)于相關(guān)性。好的分塊要小到足夠具體，大到能獨(dú)立存在。做到這一點(diǎn)，...

引言我們之前在不同文章中分別探討了兩個(gè)強(qiáng)大的框架：UltralyticsYOLO11，一個(gè)高精度的對(duì)象檢測(cè)模型，以及Ollama，一個(gè)用于部署LLM模型的框架。但如果我們把這兩者結(jié)合起來，打造一個(gè)超精準(zhǔn)的OCR系統(tǒng)，會(huì)怎么樣呢？今天我就要帶你一步步實(shí)現(xiàn)這個(gè)目標(biāo)！核心思路是采用兩階段處理：首先用預(yù)訓(xùn)練的UltralyticsYOLO11模型檢測(cè)并定位文本區(qū)域（比如車牌），然后將這些區(qū)域裁剪出來，傳遞給Ollama的視覺語言模型進(jìn)行精準(zhǔn)的文本提取。...

RetrievalAugmentedGeneration(RAG)現(xiàn)在是最受歡迎的框架，用來構(gòu)建GenAI應(yīng)用。企業(yè)和組織特別喜歡它，因?yàn)樗茏屗麄冇米约旱膶Ｓ袛?shù)據(jù)來回答用戶問題。它讓LLM給出準(zhǔn)確、及時(shí)、和用戶問題相關(guān)的答案。從我這幾年構(gòu)建RAG應(yīng)用的經(jīng)驗(yàn)來看，你的響應(yīng)質(zhì)量很大程度上取決于檢索到的上下文。而提升RAG檢索上下文的一個(gè)關(guān)鍵方式，就是把數(shù)據(jù)切分成合適的大小，選擇合適的embedding模型，還有選一個(gè)有效的檢索機(jī)制。Embeddings是LLMs的...

想象一下，你打開終端，輸入：“撤銷我上次的提交，但保留更改在暫存區(qū)。”不用上Google搜。不用翻StackOverflow帖子。不用在標(biāo)簽頁間來回切換找那個(gè)被遺忘的Git命令。你的終端直接明白你的意思，給你正確的答案。這正是GitHubCopilotCLI的承諾，它剛進(jìn)入公測(cè)階段。如果你用過VSCode或JetBrains里的GitHubCopilot，你知道AI驅(qū)動(dòng)的自動(dòng)補(bǔ)全有多好用。但這次，AI進(jìn)駐了你的命令行界面——開發(fā)者們生活和呼吸的地方。這改變了一切...

現(xiàn)代AI聊天機(jī)器人常常依賴RetrievalAugmentedGeneration(RAG)，也就是檢索增強(qiáng)生成技術(shù)。這種技術(shù)讓機(jī)器人能從外部數(shù)據(jù)中提取真實(shí)信息來支撐回答。如果你用過“與你的文檔聊天”之類的工具，你就見過RAG的實(shí)際應(yīng)用：系統(tǒng)會(huì)從文檔中找到相關(guān)片段，喂給大語言模型（LLM），讓它能用準(zhǔn)確的信息回答你的問題。RAG大大提升了LLM回答的事實(shí)準(zhǔn)確性。不過，傳統(tǒng)RAG系統(tǒng)大多把知識(shí)看成一堆互不關(guān)聯(lián)的文本片段。LLM拿到幾段相關(guān)內(nèi)容后，得...

大家老愛說“RAG給AI裝上了記憶”。但說實(shí)話：它并沒有。RAG（檢索增強(qiáng)生成，RetrievalAugmentedGeneration）很擅長(zhǎng)從文檔里掏出信息，但它記不住你。它不會(huì)記得你上周說了啥，也不會(huì)適應(yīng)你的小怪癖。真正的記憶是什么？是連續(xù)性。是有語境。是隨著時(shí)間學(xué)習(xí)。好消息是？一波新的AI記憶引擎正在改變這一切——而且它們?nèi)情_源的。其中有兩個(gè)還是這個(gè)月剛推出的。RAG不是記憶RAG就像你問圖書管理員要一本書——他們把書遞給你，...

谷歌最近在AI領(lǐng)域簡(jiǎn)直是火力全開，不斷推出一個(gè)又一個(gè)突破性成果。幾乎每次新發(fā)布都把可能性邊界推得更遠(yuǎn)，真的讓人看得熱血沸騰。七月底的一個(gè)公告特別吸引了我的注意，谷歌發(fā)布了一款新的文本處理和數(shù)據(jù)提取工具，名叫LangExtract。圖片由AI(GPT4o)生成根據(jù)谷歌的介紹，LangExtract是一款新的開源Python庫，旨在……“以編程方式提取你需要的精確信息，同時(shí)確保輸出結(jié)構(gòu)化且可靠地與源文本關(guān)聯(lián)。”乍一看，LangExtract有很多...

在這篇文章中，我將介紹一個(gè)基于LangGraph構(gòu)建的全面GraphRAG多智能體系統(tǒng)，它作為一個(gè)智能的食物助手。雖然我選擇了膳食規(guī)劃作為演示領(lǐng)域，但這個(gè)架構(gòu)是一個(gè)多功能的框架，適用于需要復(fù)雜、多維度查詢的結(jié)構(gòu)化知識(shí)檢索的眾多行業(yè)。這個(gè)系統(tǒng)能處理三種關(guān)鍵領(lǐng)域的復(fù)雜場(chǎng)景：?根據(jù)飲食限制發(fā)現(xiàn)食譜?為特定食譜生成購物清單?在超市內(nèi)映射商店產(chǎn)品的位置通過結(jié)合語義搜索（semanticsearch）進(jìn)行模糊匹配和精確的Cypher查詢進(jìn)行結(jié)...

作為一名對(duì)AI和機(jī)器學(xué)習(xí)充滿熱情的人，我花了不少時(shí)間研究怎么讓強(qiáng)大的語言模型更好地完成特定任務(wù)。今天，我想分享一份詳細(xì)的指南，教你如何用Python微調(diào)LLM（大型語言模型），然后用Ollama這個(gè)工具在本地運(yùn)行微調(diào)后的模型。這份指南基于我看到的一個(gè)實(shí)際操作教程，但我會(huì)加上詳細(xì)的解釋和例子，讓它更全面、更適合新手。什么是LLM微調(diào)？想象一下，你請(qǐng)了個(gè)世界級(jí)大廚，他啥菜都會(huì)做，但還得學(xué)會(huì)你家的獨(dú)門菜譜。你不用從頭教...

五年前，打造一個(gè)AI驅(qū)動(dòng)的產(chǎn)品通常意味著選一個(gè)API，從你的應(yīng)用里調(diào)用它，然后祈禱輸出結(jié)果夠好。現(xiàn)在？游戲規(guī)則變了。到了2025年，自主AI代理不再只是吐出文本——它們會(huì)推理、規(guī)劃，還能執(zhí)行現(xiàn)實(shí)世界的行動(dòng)。不過，能力越強(qiáng)，復(fù)雜度越高。協(xié)調(diào)這些代理、給它們記憶、實(shí)現(xiàn)多模態(tài)理解、監(jiān)控性能、讓它們與網(wǎng)絡(luò)互動(dòng)，這些都需要合適的工具。這篇文章是你的一份精選指南，列出了20個(gè)對(duì)AI開發(fā)者來說最強(qiáng)大的開源工具——經(jīng)過開發(fā)者...

在構(gòu)建基于知識(shí)圖譜的RAG系統(tǒng)或使用LangChain的代理時(shí)，最大的挑戰(zhàn)之一是從非結(jié)構(gòu)化數(shù)據(jù)中準(zhǔn)確提取節(jié)點(diǎn)和關(guān)系。特別是當(dāng)使用較小的、量化的本地LLM時(shí)，這一點(diǎn)尤其困難，結(jié)果往往是AI系統(tǒng)表現(xiàn)不佳。LangChain提取功能的一個(gè)關(guān)鍵問題是它依賴嚴(yán)格的JSON解析，即使使用更大的模型或非常詳細(xì)的提示模板，也可能失敗。相比之下，BAML使用一種模糊解析（fuzzyparsing）方法，即使LLM的輸出不是完美的JSON格式，也能成功提取數(shù)據(jù)。在這...

了解HierarchicalNavigableSmallWorld(HNSW)算法如何為當(dāng)今的RAG系統(tǒng)提供動(dòng)力RetrievalAugmentedGeneration(RAG)是為L(zhǎng)argeLanguageModels(LLMs)添加外部知識(shí)的重要工具。幾乎每個(gè)RAG系統(tǒng)都包含一個(gè)向量數(shù)據(jù)庫，用于執(zhí)行semanticsearch。在這種搜索中，存儲(chǔ)在向量數(shù)據(jù)庫中的documentembeddings會(huì)與用戶的queryembedding進(jìn)行比較。一個(gè)基本的RAG系統(tǒng)包括一個(gè)embeddingmodel、一個(gè)vectordatabase和一個(gè)LLM。文檔的embeddings會(huì)提前...

大家把AI說得比實(shí)際復(fù)雜多了。他們總愛拋出一些高大上的詞，比如“提示工程”啊，“多模態(tài)微調(diào)”?。ㄟ@些詞到底啥意思？）。但對(duì)我來說，真正改變游戲規(guī)則的？一個(gè)聽起來超無聊的小技能：JSON提示。不，這不是寫代碼。你也不需要啥技術(shù)背景。簡(jiǎn)單來說，就是用一種超級(jí)明確的方式告訴AI你想要啥，不留一點(diǎn)猜的空間。啥是JSON提示簡(jiǎn)單點(diǎn)說：別用普通英語寫你的需求，換成一種結(jié)構(gòu)化的格式。就像這樣：{"task":"總結(jié)這篇文章","aud...

OpenAI正式發(fā)布GPT5了。公司稱這是一個(gè)統(tǒng)一的系統(tǒng)，能自己決定回答問題前需要思考多久。SamAltman說，GPT5就像是你可以“向一個(gè)真正的專家、博士級(jí)別的專家提問任何問題”，然后得到靠譜的回答。新模型正逐步向全部7億ChatGPT用戶開放——是的，哪怕你沒花錢買訂閱也能用?？赐暌恍r(shí)的發(fā)布會(huì)后，問題很簡(jiǎn)單：GPT5真有比之前模型大進(jìn)步，還是被炒過頭了？在這篇文章里，我會(huì)詳細(xì)聊聊GPT5是什么、新功能有哪些、性能數(shù)據(jù)如何，以...