TOOL
N8N 教程：本地零代码 AI 环境怎么搭
们将使用n8n自托管 AI 入门套件快速设置本地 AI 环境，并学习如何通过 n8n 仪表板使用哈利波特数据集为 RAG）聊天机器人构建 AI 工作流。
OLLAMA
MODEL-ZOO
Llama 3.2视觉模型OCR能力
传统的 OCR 工具在文本与视觉元素同时存在时，其性能会很差。但随着 Llama 3.2 视觉模型的发布，只需传递图像并提取文本或对图像提出问题即可。
APPLICATION
Arxiv论文检索和摘要工具
随着人工智能的不断发展，促进多个 AI 代理协调的框架的开发已获得显著的关注。多代理系统不再依赖单一、包罗万象的 LLM，而是采用一组专门的代理，每个代理都旨在擅长某项特定任务。这种方法允许更复杂、更细致入微地解决问题，因为代理可以协作、共享信息并利用各自的优势。 OpenAI Swarm 是一个实验性框架，旨在使多代理协调更易于访问和用户友好。OpenAI 的 Swarm 是一个开创性的框架，它支持创建和管理协作 AI 代理，旨在更有效地处理复杂任务。本文深入探讨了 OpenAI Swarm 及其架构，并与其他著名框架（如 LangGraph、Microsoft AutoGen 和 CrewAI）进行了比较。 1、OpenAI Swarm OpenAI Swarm 是一个开源框架，旨在简化多代理系统的开发和协调。与传统的单代理模型不同，Swarm 允许多个 AI 代理动态交互、共享任务并协作解决复杂问题。
LIBRARY
GraphRAG 简明教程
GraphRAG 的关键创新在于它将信息结构化为基于图形的格式，并使用社区检测来创建更具上下文感知的响应。
TOOL
Ollama vs. llama.cpp实测对比
大型语言模型 (LLM) 迅速改变了技术格局，但安全问题依然存在，本文深入探讨在本地部署 Llama 模型的选项。
TOOL
Ollama 教程：本地部署大模型从安装到上手
在这篇文章中，我们将了解如何使用 Ollama、如何在 Ollama 中创建自己的模型 以及如何使用 Ollama 构建聊天机器人。
RAG
RAG系统实战
本文指导读者使用四种关键技术构建 RAG 系统：Llama3、Ollama、DSPy 和 Milvus。
APPLICATION
AI股票投资顾问
该项目使用 LLM 支持的洞察力每分钟获取股票数据，分析趋势并提供实时、易于理解的解释。
MODEL-ZOO
Llama 3.2-Vision文本提取
该项目通过使用 Llama 3.2-Vision 来升级书籍封面识别，从而无缝地从图像中提取和完成标题和作者姓名。
LLM
3种本地运行Llama 3.2的方法
本文将探索三种不同的本地与 LLama 3.2 交互的方法。