LIBRARY
AI技术栈的分层
本文中我要讨论并分解的主要抽象概念是人工智能栈的概念。栈只是用来构建应用程序的技术组合。
CHROMA
APPLICATION
本地AI驱动的图片标记工具
在本文中，我将介绍如何构建 AI 图像标记器/管理器，包括设置和运行本地视觉语言模型和用于语义搜索的矢量数据库。
APPLICATION
打造免费的本地AI助手
在本文中，我将介绍使用 LangChain、Chroma 实现 RAG 管道的 Flask 应用程序的开发。该应用程序允许用户上传 PDF 文档、存储嵌入并查询它们以进行信息检索。
APPLICATION
哼唱搜歌原理及实现
想象一下，你哼唱的歌曲直接出现在屏幕上？这就是我们今天要做的。
APPLICATION
arXiv 论文聊天机器人
本教程将介绍如何使用 RAG、LangChain、Chainlit copilot应用和 Literal AI 可观察性构建语义纸质引擎。
TOOL
15个顶级LLMOps工具
我们已经不再局限于改进大型语言模型 (LLM)，而是专注于使用它们来创建有助于企业的 AI 应用程序。这就是大型语言模型操作 (LLMOps) 工具发挥作用的地方，它简化了创建完全自动化系统的过程，用于构建和部署 LLM 解决方案投入生产。 在本文中，我们将介绍不同的工具，如 LLM API、微调框架、实验跟踪工具、LLM 集成生态系统、向量搜索工具、模型服务框架、部署平台和可观察性工具。每种工具都各有特色，旨在解决与 LLM 相关的特定问题。 1、什么是 LLMOps？ LLMOps 是一个新兴领域，专注于生产环境中大型语言模型的运营管理。它本质上是专门针对语言和其他多模态模型的 MLOps（机器学习操作）。 LLMOps 涵盖大型语言模型的整个生命周期，包括数据收集、模型训练或微调、测试和验证、集成、部署、优化、监控和维护以及协作。通过构建项目和自动化流程，LLMOps 可帮助你减少错误并有效扩展 AI