Tagged

APPLICATION

A collection of 445 posts

APPLICATION

基于SAM-3的图像自动标注

本文介绍如何使用SAM-3构建一个图像自动标注工具，并利用这个工具创建了一个牙齿数据集。

APPLICATION

AI时代，学习意味着什么？

在信息即时可得但理解仍需时间的AI时代，学习意味着什么？

APPLICATION

人工智能正在摧毁教育吗？

个人观点：人工智能并没有砸碎一个坚固的东西，而是揭示了一个脆弱的东西。

APPLICATION

地理空间AI应用: YOLO vs. SAM

本文结合了真实的地理空间工作流程背景，在数据集需求、算法与架构、运行成本等多个方面对比了YOLO和SAM。

APPLICATION

2026年数据与人工智能趋势

无论是医疗领域更快速的诊断、零售业在顾客开口前预测需求，还是政府大规模自动化决策——智能技术即将成为现代生活的支柱。

APPLICATION

用 LLM 进行实体建模

文本到CAD何时会成为机械工程师常用的工具？随着初创公司正在积极构建产品以及前沿模型的快速改进，我的猜测是大约6-24个月。

APPLICATION

基于LLM的检索和推荐

在过去的一年里，我一直探索如何将LLM用作检索和推荐代理，并整理了这篇博客文章作为该主题的简单介绍。

APPLICATION

构建专业AI应用的10个教训

两年来与工程领域专家合作构建 LLM 应用的实践笔记，涵盖工作流程、结构和评估等方面。

APPLICATION

我微调了自己的”第二大脑“

多年来，我的笔记只是些毫无生气的文本文件，直到我用它们微调了一个1B参数的语言模型。

APPLICATION

OpenAI + Coursera

去年在Brandon Hall会议期间，我说过，“静态的知识型学习内容已经死亡。” 我仍然相信这一点。

APPLICATION

基于文件系统的AI代理上下文工程

AI代理可以将检索结果写入文件系统，而不是使用对话历史记录来保存所有工具调用结果和笔记，并在必要时选择性地查找相关的信息。

APPLICATION

AgentFS：AI代理的文件系统

AgentFS为代理提供了一个统一的接口，以便在一个SQLite数据库中管理所有状态，使其可以通过SQL查询，跨环境可移植，并且完全可审计。

APPLICATION

基于AI代理的LLMS.txt生成器

有时你想要使用的仓库没有llms.txt文件。在这种情况下，你可以自己创建一个。为了做到这一点，我使用了Google Agent Development Kit (ADK)构建了一个多代理解决方案！

APPLICATION

Anthropic：MCP 的新定位

MCP 在演示中运行得非常完美，但一旦你尝试扩展它，就会出现问题。Anthropic没有否认这一点。

APPLICATION

构建AI代理：仍然很难

构建代理仍然很混乱。一旦你遇到真正的工具使用，SDK 抽象就会失效。自己管理缓存效果更好，但不同模型之间有所不同。

APPLICATION

LLM 是随机算法

最新的人工智能模型与一个拥有 50 年历史的学术领域之间令人惊讶的联系。

APPLICATION

构建自己的投资研究AI代理

最近，我做了一个小型概念验证项目：一个用于投资研究的人工智能代理。它并非用于实际交易（请勿用于此用途），但它能很好地展现人工智能和金融如何协同运作。

APPLICATION

LLM调用中的角色详解

为了释放LLMs的全部潜力，特别是在多轮或工具增强的设置中，模型必须了解谁在说话，他们扮演的角色是什么，以及对话中已经发生了什么。这就是角色的作用。

APPLICATION

MAKER：不会出错的AI系统

即使是最好的AI，在长期项目上也表现得很糟糕。MAKER提供了一个完全不同的解决方案。

APPLICATION

AI编程：如何提供库文档

如果你正在使用AI编码助手或代理，它们的有用程度将取决于它们对您使用的库的了解程度。

APPLICATION

LLM驱动的CAD：应用与挑战

将语言模型整合到传统的CAD流程中是否真的“轻而易举”，还是我们应该考虑可能阻碍采用的系统性挑战？让我们一起探索。

APPLICATION

代码模式：使用MCP的更好方法

MCP是为工具调用设计的，但它实际上不一定要以这种方式使用。

APPLICATION

MCP工具：直接调用 vs. 代码执行

直接调用工具会消耗每个定义和结果的上下文信息。AI代理通过编写代码来调用MCP工具，可以更好地扩展。

APPLICATION

用代码生成优化MCP调用成本

Anthropic 和 Cloudflare 的工程团队独立地发现了大幅降低MCP调用成本的相同解决方案：停止让模型直接调用MCP工具，而是让它们编写代码。

APPLICATION

TOON vs. JSON

TOON 显著减少了令牌成本，这对于必须将大量结构化数据输入模型时非常重要。