基于Ollama+AnythingLLM轻松打造本地大模型知识库
Ollama是开源工具，简化了在本地运行大型语言模型（ile优化模型运行，支持GPU使用和热加载。它轻量、易用，可在Mac和Linux上通过Docker快速部署。AnythingLLM是Mintplex Labs的文档聊天机器人，支持多用户、多种文档格式，提供对话和查询模式，内置向量数据库，可高效管理大模型和文档。它也是开源的，能与Ollama结合使用，提供安全、低成本的LLM体验。这两款工具旨在促进本地高效利用和管理LLMs。
从云原生视角看 AI 原生应用架构的实践
本文核心观点：
• 基于大模型的 AI 原生应用将越来越多，容器和微服务为代表的云原生技术将加速渗透传统业务。
• API 是 AI 原生应用的一等公民，并引入了更多流量，催生企业新的生命力和想象空间。
• AI 原生应用对网关的需求超越了传统的路由和负载均衡功能，承载了更大的 AI 工程化使命。
• AI Infra 的一致性架构至关重要，API 网关、消息队列、可观测是 AI Infra 的重要组成。
精通RAG架构：从0到1，基于LLM+RAG构建生产级企业知识库
为了帮助更多人掌握大模型技术，尼恩和他的团队编写了《LLM大模型学习圣经》系列文档，包括《从0到1吃透Transformer技术底座》、《从0到1精通RAG架构，基于LLM+RAG构建生产级企业知识库》和《从0到1吃透大模型的顶级架构》。这些文档不仅系统地讲解了大模型的核心技术，还提供了实战案例和配套视频，帮助读者快速上手。
向量数据库简介和5个常用的开源项目介绍
在人工智能领域，有大量的数据需要有效的处理。随着我们对人工智能应用，如图像识别、语音搜索或推荐引擎的深入研究，数据的性质变得更加复杂。这就是向量数据库发挥作用的地方。与存储标量值的传统数据库不同，向量数据库专门设计用于处理多维数据点(通常称为向量)。这些向量表示多个维度的数据，可以被认为是指向空间中特定方向和大小的箭头。
前端大模型入门（一）：用 js+langchain 构建基于 LLM 的应用
本文介绍了大语言模型（LLM）的HTTP API流式调用机制及其在前端的实现方法。通过流式调用，服务器可以逐步发送生成的文本内容，前端则实时处理并展示这些数据块，从而提升用户体验和实时性。文章详细讲解了如何使用`fetch`发起流式请求、处理响应流数据、逐步更新界面、处理中断和错误，以及优化用户交互。流式调用特别适用于聊天机器人、搜索建议等应用场景，能够显著减少用户的等待时间，增强交互性。
一文读懂数据中台和数据仓库的区别
本文深入解析了“数据中台”与“数据仓库”的区别，从定义、功能、架构设计、数据处理、应用场景等多个维度进行对比，帮助企业更清晰地理解二者的核心差异与适用场景。数据仓库重在存储与分析历史数据，服务于高层决策；数据中台则强调数据的实时处理与服务化输出，直接赋能一线业务。文章还结合企业规模、业务需求与技术能力，给出了选型建议，助力企业在数字化转型中做出更科学的选择。