Tagged

APPLICATION

A collection of 298 posts

APPLICATION

AI Agent的代码沙盒

沙盒是一个隔离环境，用于运行不受信任的代码，并具有严格定义的安全边界。当LLM或AI Agents生成代码时，后台会创建一个沙盒，代码上传、执行并返回其结果。

APPLICATION

AgentOps：软件开发新的抽象层

我们将进入一个开发者更少关注实现细节，而更多关注意图和结果的时代。这将从根本上改变我们在软件开发中解决问题的方式。

APPLICATION

大规模代码库的RAG实践

在这篇博客中，我将分享qodo（前身为Codium）如何通过构建一个优先考虑代码质量和完整性的生成式AI编码平台来解决RAG与具有有限上下文窗口的LLMs和大型复杂代码库之间的差距。

APPLICATION

RAG代码块分割技术

RAG系统面临的其中一个关键挑战是在庞大的代码库中高效地处理和检索相关的代码文件或片段。虽然传统的文本块分割技术对自然语言文本非常有效，但在处理代码的结构化特性时往往表现不佳。

APPLICATION

视觉语言模型AWS部署指南

本文介绍如何使用Qwen-2.5-VL、vLLM和AWS Batch构建处理数百万份文档的文档解析管道。

APPLICATION

用实时数据增强AI代理

本文介绍如何通过干净的数据集和开源LLM将社交噪声转化为可消化的见解。

APPLICATION

YOLOv12交通拥堵检测

在这次教程中，我们将探讨YOLOv12的独特之处，并实现一个交通检测管道，该管道可以统计车辆数量并根据新加坡—柔佛长堤的交通状况进行分类，使用Google Colab。

APPLICATION

用MCP Server构建多智能体系统

本文是使用Smolagents构建具有多个MCP服务器的多智能体系统的全面指南，包括自定义MCP服务器、使用现有MCP服务器和具有多个MCP服务器和Gemini 2.5 Preview的多智能体系统

APPLICATION

用PydanticAI打造自己的写作管道

本文介绍一个用于生成结构化、基于 Markdown 文章的开源 Python 项目，结合了 AI 和 Pydantic AI。

APPLICATION

AI查询请求的智能路由

本文揭示了智能查询编排如何改变AI效率、性能和成本效益。你将学习到构建自组织代理网络的实际实施策略，这些网络会根据每个查询的最佳专业化组件进行路由。

APPLICATION

Agent2Agent 协议实战

Agent2Agent（A2A）协议是由 Google 发起的一项开放标准，旨在建立这些桥梁。我深入研究了官方的 A2A 存储库，并设置了他们的多代理演示界面。

APPLICATION

打造自己的AI个人学习助手

目标是创建一个AI导师，旨在促进自学。该平台允许用户上传他们的学习材料，然后处理这些材料以生成简洁的摘要。

APPLICATION

基于AST的RAG代码分块技术

在RAG实现中，传统的分块方法忽略了代码结构，产生了语法不完整的片段。为了解决这个限制，我们可以使用代码的抽象语法树（AST）表示。

APPLICATION

Agno实战自主式AI应用

在这篇教程中，我将展示如何使用Agno框架和免费的LLM创建一个棋盘游戏助手。

APPLICATION

MCP、AI代理和API

有人在AI巨轮的外围暗示，AI代理的兴起，特别是模型上下文协议（MCP）的出现，标志着API时代的终结。

APPLICATION

使用JavaScript从零构建AI代理

使用大型语言模型（LLMs）和网络搜索构建并理解AI代理。

APPLICATION

不用框架，从零构建AI代理

仅使用OpenAI API和Python创建一个聊天机器人代理，能够使用计算器或知识库等工具，不依赖任何框架。这将为你提供关于代理系统工作原理的基础和内部细节。

APPLICATION

打造自己的AI研究员

本文将解释如何创建自己的AI研究员，它可以从互联网上找到上下文相关的有用信息，并提供适当的答案。

APPLICATION

RAG重排序器与两阶段检索

在本文中，我们将学习一种通常最容易和最快实现的方法来解决性能不佳的RAG管道问题——重排序器（Reranker）。

APPLICATION

基于LLM的大文档分割器

在这篇文章中，我们将介绍如何一种新的利用大型语言模型的力量来保持上下文并提高检索准确性。

APPLICATION

5分钟构建RAG管道

RAG通过提供上下文相关的数据增强大型语言模型的响应。本教程演示了如何使用Qdran和DeepSeek快速构建RAG管道。

APPLICATION

用MCP实现Agentic RAG

传统的RAG系统使用固定策略，这些策略在数据变化时可能变得不那么有效。在Agentic RAG中则不同，LLM根据上下文决定如何与数据交互。

APPLICATION

打造GitHub文档机器人

我仓库中的所有文档都是由GPT4生成的，我可以通过点击按钮来更新这些文档。

APPLICATION

MCP/A2A：显式编程终结的开端

大约70年来，我们一直在使用一种相当僵化的思维模式来构建软件：确定性指令、明确逻辑、定义输入和输出。一切都由人类手动硬编码，从数据流的方式到每个决策树的分支方式。

APPLICATION

用ChatGPT-4o制作品牌工具包

我不是设计师。但我用ChatGPT-4o，不到30分钟就创建了一个令人惊叹的品牌工具包。