Deephub_社区达人页

个人头像照片
Deephub
已加入开发者社区1254

勋章 更多

个人头像照片
专家博主
专家博主
个人头像照片
星级博主
星级博主
个人头像照片
技术博主
技术博主
个人头像照片
一代宗师
一代宗师

成就

已发布1652篇文章
387条评论
已回答0个问题
0条评论
已发布0个视频
github地址

我关注的人 更多

技术能力

兴趣领域
擅长领域
技术认证

暂时未有相关云产品技术能力~

公众号 Deephub-IMBA

暂无精选文章
暂无更多信息

2026年05月

  • 05.14 22:07:01
    发表了文章 2026-05-14 22:07:01

    HyDE :让 RAG 检索从"匹配关键词"升级到"理解意图"

    HyDE(假设文档嵌入)是一种提升RAG检索效果的创新方法:不直接检索与查询相似的文档,而是先让LLM生成“理想答案”的假设文档,再对其嵌入检索。它绕过关键词匹配局限,聚焦语义意图,显著改善术语差异大、查询表述多样等场景下的召回质量,代码改动小、效果提升明显。
  • 05.13 20:55:41
    发表了文章 2026-05-13 20:55:41

    让机器学习 Pipeline 更稳的 5 个 Python 装饰器代码

    AI项目代码易膨胀,核心逻辑常被API调用、日志、重试等边角任务淹没。本文精选5个Python装饰器:并发限流、结构化日志、特征注入、确定性种子、开发Fallback,助AI工程师解耦关注点、提升可维护性与稳定性。
  • 05.12 22:04:31
    发表了文章 2026-05-12 22:04:31

    Feature Engineering 实战:Pandas + Scikit-learn的机器学习特征工程的完整代码示例

    本文详解机器学习中至关重要的特征工程(Feature Engineering)全流程,涵盖EDA探索、缺失值处理(均值/众数/KNN填补)、类别编码(Label/One-Hot)、异常值检测(IQR/Winsorize)、特征缩放(Standard/MinMax/RobustScaler)、特征构造(日期解析、多项式、分箱)及特征选择(SelectKBest/RFE),并用Scikit-learn+Pandas构建端到端Pipeline,显著提升模型性能与鲁棒性。
  • 05.11 20:56:37
    发表了文章 2026-05-11 20:56:37

    2026 RAG 选型指南:Vector、Graph、Vectorless 该怎么挑

    2026 RAG选型指南指出:Vector RAG已难胜任复杂场景;GraphRAG通过知识图谱支撑多跳关系推理,Vectorless RAG则摒弃向量库,依托文档树结构+LLM导航实现高精度定位。三者非替代,而应按问题类型智能路由——Adaptive RAG成企业新范式。
  • 05.10 22:05:31
    发表了文章 2026-05-10 22:05:31

    三个工具,让 agent 在一次对话里完成研究、写码、调试与保存

    本文展示了一个真正“具身智能”的多工具Agent:它能自动研究网页、编写/调试Python代码(如列表推导式)、运行验证并保存结果。核心不在工具本身,而在模型自主规划工作流——研究→写→测→修→存,全程无需硬编码逻辑。三工具即成系统,智能涌现于规划。
  • 05.07 21:43:19
    发表了文章 2026-05-07 21:43:19

    用 Playwright 和 LLM 实现自愈测试自动化

    Playwright 结合 LLM 实现“自愈”自动化测试:当 UI 变更导致 locator 失效时,自动捕获 DOM 快照、调用 Llama 3.1 分析并生成高置信度新 locator(confidence ≥ 0.75),支持缓存复用与审计日志,显著提升测试稳定性与维护效率。
  • 05.06 21:46:43
    发表了文章 2026-05-06 21:46:43

    为什么 MCP 在协议层会有 prompt injection的问题:工具描述如何劫持 agent 上下文

    MCP(Model Context Protocol)虽成AI Agent主流集成标准,但其将工具描述全量注入上下文的设计,导致“Context Poisoning”——恶意指令可借工具元数据污染LLM推理。OWASP将其列为LLM应用头号漏洞,2025年已致超10万站点遭袭。根本风险在于协议层信任模型缺失,非清洗不可用。

2026年04月

  • 04.30 21:23:07
    发表了文章 2026-04-30 21:23:07

    BM25 + Vectors:为什么真实 RAG 系统通常两者都需要

    RAG系统先检索文本块(chunks)再生成答案。Chunk质量与检索策略直接影响效果:结构感知切分保语义完整;BM25擅精确标识符匹配,向量检索强于语义理解;混合检索(Hybrid+RRF融合+元数据过滤+重排序)可兼顾精度与泛化,适配多样技术查询。
  • 04.29 21:51:19
    发表了文章 2026-04-29 21:51:19

    从无状态到有状态:长时运行 Agent 的 5 种架构模式

    本文详解长时运行AI Agent的5大生产级架构模式:Checkpoint-and-Resume实现断点续传;Delegated Approval支持原地暂停与人机协同;Memory-Layered Context分层管理长期记忆与工作记忆;Ambient Processing赋能无提示事件驱动;Fleet Orchestration实现多Agent协同治理——让Agent真正成为可靠、有状态、可运维的系统进程。
  • 04.28 19:52:55
    发表了文章 2026-04-28 19:52:55

    LangChain 生态里的三层抽象:LangGraph、create_agent、Deep Agents

    本文对比LangChain生态中三层智能体方案:`create_agent`(开箱即用、适合单轮工具调用)、Deep Agents(预装记忆/沙箱/子Agent,面向复杂长链路任务)和LangGraph(底层图编排引擎,支持分支、中断、持久化等深度定制)。推荐“从高抽象起步,遇瓶颈再下沉”。
  • 04.27 21:14:51
    发表了文章 2026-04-27 21:14:51

    DeepSeek-V4 深度解读:百万上下文背后的工程细节

    DeepSeek-V4系列突破百万token上下文瓶颈:V4-Pro单token推理FLOPs仅V3.2的27%,KV Cache压至10%;V4-Flash更达10%与7%。依托CSA/HCA混合注意力、mHC残差、Muon优化器与FP4量化,实现长上下文“能用、好用、日常用”。
  • 04.26 20:00:47
    发表了文章 2026-04-26 20:00:47

    Graphify:为代码库构建知识图谱,以图遍历替代向量检索

    Graphify 是一款Python代码知识图谱工具,支持Claude Code。它通过AST解析、本地语音转录和语义提取三阶段构建带置信度标签(EXTRACTED/INFERRED/AMBIGUOUS)的结构化图谱,将混合语料查询Token消耗降低71.5倍,大幅提升大型代码库分析效率与可解释性。
  • 04.25 20:38:38
    发表了文章 2026-04-25 20:38:38

    2026年的 ReAct Agent架构解析:原生 Tool Calling 与 LangGraph 状态机

    本文介绍2026年演进版ReAct架构下的Research Brief Agent:摒弃脆弱的字符串解析(如"Thought:/Action:"),采用原生结构化工具调用(JSON Schema)、消息账本式State管理、自动引用提取与Postgres持久化,实现可复现、可审计、带真实URL引用的自动化研究简报生成。
  • 04.24 21:07:28
    发表了文章 2026-04-24 21:07:28

    LangChain 还是 LangGraph?一个是编排一个是工具包

    本文对比LangChain与LangGraph在真实代码审查流水线中的实践:二者API、Agent逻辑与Gemini 2.5 Flash调用完全一致。LangChain适合线性流程,简洁高效;LangGraph则以状态机支持条件分支、循环重试与人工干预,是复杂编排的唯一解。二者非替代关系,而是抽象层级互补——LangChain v1.0的Agent已构建于LangGraph之上。
  • 04.23 20:42:27
    发表了文章 2026-04-23 20:42:27

    LLM 幻觉的架构级修复:推理参数、RAG、受约束解码与生成后验证

    大型语言模型虽能力强,却易“自信撒谎”——即幻觉问题。本文系统拆解五层防御架构:1)推理参数调优(如低temperature+top_p);2)RAG、CoT、结构化输出等架构策略;3)生成后事实/引用/实体四重验证;4)领域微调与置信度校准;5)持续评估监控。强调幻觉不可根除,唯靠多层协同防御。
  • 04.22 21:49:14
    发表了文章 2026-04-22 21:49:14

    时间序列预测增强方法总结:频域、分解、patch

    本文探讨时间序列预测中数据增强的独特挑战:需兼顾多样性与时间一致性。传统分类增强方法因破坏input-target连续性而失效。文章系统梳理频域(WaveMask/WaveMix)、分解(STAug)及时域(TPS)等主流方法,重点介绍TPS——通过重叠patch、方差感知置换与重叠重建,在长期/短期预测及分类任务中均达SOTA效果。
  • 04.21 23:14:08
    发表了文章 2026-04-21 23:14:08

    为生产级 AI Agent 构建持久化记忆:五阶段流水线与四种设计模式

    LLM Agent需持久化记忆以支撑连续对话、用户画像、知识沉淀与崩溃恢复。但满上下文方案成本高、延迟大、易出错。本文提出五阶段流水线(抽取→整合→存储→检索→遗忘)与四种记忆类型(工作/情景/语义/过程记忆),结合结构化状态+向量搜索等设计模式,实现高效、可控、可审计的生产级记忆系统。
  • 04.20 22:05:19
    发表了文章 2026-04-20 22:05:19

    Claude Opus 4.7 系统 Prompt 泄露:其中的10 个核心设计决策解读

    刚发布的Claude 4.7 Prompt遭泄露,揭示其核心设计哲学:不只追求“更聪明”,更强调“自我约束”。它将心理重构、过度礼貌、工具犹豫等常见AI倾向视为风险信号,通过情感化规则、动态安全升级、隐式上下文记忆等10项机制,系统性抑制自身失败模式——真正目标是让模型清醒认知并管控自身的不可靠性。
  • 04.14 21:38:14
    发表了文章 2026-04-14 21:38:14

    无 Embedding、无向量数据库的 RAG 方法:PageIndex 技术解析

    PageIndex是无向量、基于推理的RAG框架,通过构建文档层次化目录树,让大模型像人类专家一样逐层推理导航,精准定位答案,支持可追溯、高相关性检索,专长于财报、法律、政策等结构化长文档。
  • 04.13 22:25:21
    发表了文章 2026-04-13 22:25:21

    从检索到回答:RAG 流水线中三个被忽视的故障点

    RAG系统看似运行正常,却常存在“静默故障”:检索相关但不相关、LLM自信幻觉、用户反馈未被采集。本文揭示三大缺口,并提出可落地的闭环方案——相关性门控、生成后自评估、全链路Trace追踪、用户行为信号转化,让RAG从“能答”走向“可信”。
  • 04.12 21:21:54
    发表了文章 2026-04-12 21:21:54

    Karpathy的LLM Wiki:一种将RAG从解释器模式升级为编译器模式的架构

    Andrej Karpathy提出的LLM Wiki,摒弃传统RAG“每次查询重检索”的模式,转而让大模型将原始资料**编译为结构化、可链接、自更新的Markdown Wiki**,实现知识的持久沉淀与复利增长——Obsidian为IDE,LLM为程序员,Wiki即代码库。
  • 04.11 18:21:47
    发表了文章 2026-04-11 18:21:47

    向量相似性搜索详解:Flat Index、IVF 与 HNSW

    向量搜索解决非结构化数据(如文本、音频)的语义检索难题。关系型数据库擅长精确匹配结构化数据,而向量数据库通过Embedding将语义转化为向量,并利用余弦相似度、Flat Index、IVF、HNSW等算法实现高效近邻搜索,兼顾精度与速度。
  • 04.10 20:56:19
    发表了文章 2026-04-10 20:56:19

    拆解推荐系统:候选生成、过滤、排序、多样性的分层设计

    推荐系统是端到端流水线,非单一算法:涵盖候选生成、过滤、特征工程、多目标排序、多样性调控与反馈闭环。强调关注点分离,以保障质量、速度与行为可控。动手前须明确定义Item、用户行为及成功指标。
  • 04.09 20:23:03
    发表了文章 2026-04-09 20:23:03

    Prompt、Context、Harness:AI Agent 工程的三层架构解析

    2023年重“Prompt”(如何说),2025年重“Context”(看到什么),2026年跃升至“Harness”(系统级约束与验证)。三者非替代而是分层:Prompt优化表达,Context管理信息环境,Harness构建可信执行系统——模型是马,Harness才是缰绳、马鞍与路。
  • 04.08 20:29:23
    发表了文章 2026-04-08 20:29:23

    向量数据库对比:Pinecone、Chroma、Weaviate 的架构与适用场景

    本文对比Pinecone(生产级)、Chroma(轻量原型)和Weaviate(混合搜索)三大向量数据库,结合真实生产经验与可运行Python代码,详解其适用场景、部署要点与迁移策略,助你为RAG系统选对检索引擎。
  • 04.07 21:32:34
    发表了文章 2026-04-07 21:32:34

    instinct:一个基于置信度的 AI Agent 自学习记忆系统

    instinct 是一款开源 AI 编程记忆系统,让 Claude Code、Cursor 等 MCP Agent 具备跨会话自学习能力。通过“观察→重复→成熟→建议”机制,自动累积模式置信度,智能晋升为可建议(mature)或自动执行(rule)的惯例,无需人工维护规则文件。基于 SQLite 与 MCP 标准,支持项目级作用域与自动衰减,真正实现 Agent 的习惯养成。
  • 04.06 21:10:21
    发表了文章 2026-04-06 21:10:21

    机器学习特征工程:缩放、编码、聚合、嵌入与自动化

    本文系统讲解特征工程核心技巧:数值缩放与变换、类别编码、时间周期处理、文本统计与嵌入、地理距离特征、聚合与滞后特征、自动化生成及科学筛选方法。强调“好模型源于好特征”,而非复杂算法,突出实用性与防坑指南。
  • 04.05 21:44:38
    发表了文章 2026-04-05 21:44:38

    ADK 多智能体编排:SequentialAgent、ParallelAgent 与 LoopAgent 解析

    ADK 提供 Sequential、Parallel、Loop 三种智能体编排模式,支持订单接收、库存检查、生产调度等多角色协同;状态通过 output_key 自动流转,无需手写胶水代码,轻松构建端到端业务流水线。
  • 04.04 21:00:38
    发表了文章 2026-04-04 21:00:38

    从零构建 Mini-vLLM:KV-Cache、动态批处理与分布式推理全流程

    Mini-vLLM 是一个从零打造的高效推理引擎,直击 HuggingFace `.generate()` 的 O(N²) 注意力瓶颈。通过手动实现 KV 缓存、动态批处理、gRPC 通信、Prometheus/Grafana 可观测性、分布式多 worker 架构及 Docker 容器化,显著提升吞吐与延迟。纯 CPU 下达 1307+ req/s,目标是真正理解而非复用轮子。
  • 04.03 20:28:31
    发表了文章 2026-04-03 20:28:31

    多 Aspect Embedding:将上下文信号编入向量相似性计算的检索架构

    本文剖析传统向量数据库将上下文(如时间、部门、密级)仅作过滤器导致的相关性偏差问题,提出Aspected的Aspect Database:通过多Aspect Embedding,将上下文属性直接编码进向量表示,使语义与上下文联合参与相似性计算,实现更精准、高效的上下文感知检索。
  • 04.02 21:02:00
    发表了文章 2026-04-02 21:02:00

    投机解码原理详解:小模型打草稿,大模型一次验证

    生产环境中,推理成本远超训练——自回归解码受制于内存带宽墙,70B模型在H100上每token需700亿次计算。投机解码(2026年已成标配)用小模型“猜词+大模型并行验证”,严格保质提速2–2.5倍;SSD更进一步,复用大模型浅层自生成草稿、构建回滚树,接受率提升、显存零新增。vLLM已原生支持,开箱即用。
  • 04.01 21:27:47
    发表了文章 2026-04-01 21:27:47

    10个内置在 Pandas 中却常被忽略的向量化操作

    本文精选10个高效Pandas写法,助你告别低效`apply()`和冗余循环:用`np.select()`多条件赋值、`.assign()`链式构建列、`pd.cut()`/`qcut()`智能分箱、`.melt()`/`.pivot_table()`一键重塑、`.query()`可读筛选、`.transform()`免merge聚合、`to_datetime(coerce=True)`鲁棒解析、`.explode()`展开列表、向量化`.str`方法等,全面提升代码性能与可维护性。

2026年03月

  • 03.31 23:43:36
    发表了文章 2026-03-31 23:43:36

    不依赖对话日志检测Prompt注入,一套隐私优先的实现方案

    本文探索在不存储任何对话日志的前提下,仅依赖单次处理后提取的28维遥测特征(含11个纯行为特征)检测Prompt注入与越狱攻击的可行性。实验表明:纯文本盲系统仍保有98.5%检测性能(F1=0.968),证实交互行为模式(如重试、Token增长、峰值越狱分)承载了主要威胁信号。
  • 03.30 21:28:34
    发表了文章 2026-03-30 21:28:34

    多 Agent 验证架构实战:从输出评分到过程验证

    2026年生产级Agent系统最典型失败:多步流水线中错误静默累积,最终输出流畅却全错。本文详解四种验证模式——输出评分、Reflexion、对抗辩论与过程验证,揭示其适用场景、失效边界及真实成本(验证器用小模型可降本10倍),强调验证层是演示与落地的分水岭。
  • 03.29 21:44:00
    发表了文章 2026-03-29 21:44:00

    RouteRAG:用特殊 Token 和强化学习构建可学习的 RAG 检索策略

    RouteRAG将多轮RAG建模为序列决策过程,模型自主学习何时检索、搜什么、用哪种模式(段落/图/混合),并通过两阶段GRPO强化学习,兼顾答案准确率与检索效率,在多跳问答上显著提升性能。
  • 03.26 19:58:04
    发表了文章 2026-03-26 19:58:04

    信息访问 vs. 推理能力:LLM Agent 性能归因的实验分析

    ContextEval 是首个将“上下文可见性”作为受控变量的LLM agent评估框架。实验发现:agent性能提升多源于信息增加,而非推理增强;其行为更接近先验驱动的纠错系统,而非真正优化器——甚至常不如随机搜索。
  • 03.25 20:27:10
    发表了文章 2026-03-25 20:27:10

    TPU 架构与 Pallas Kernel 编程入门:从内存层次结构到 FlashAttention

    本文详解TPU与GPU编程范式本质差异:TPU无自动缓存,需显式管理HBM→VMEM→寄存器三级数据搬运。JAX Pallas通过Grid、BlockSpec、Ref三大抽象,以tile为单位描述计算,自动生成DMA调度,大幅简化开发。文章由浅入深实现逐元素加法、分块点积、融合RMSNorm及生产级FlashAttention,揭示其底层机制与工程实践。
  • 03.24 20:26:11
    发表了文章 2026-03-24 20:26:11

    腾讯微信OpenClaw插件API通信过程剖析与Python原生代码复刻原理

    本文揭秘腾讯微信 ilink Bot 协议逆向过程:不依赖 OpenClaw 插件,仅用 Python 复刻扫码登录、消息收发全流程。通过分析官方 npm 包源码,厘清 5 个核心接口及 7 个“幽灵必填字段”(如 `client_id`、`message_state`、`base_info`),解决消息静默丢弃等关键坑点,实现稳定可用的轻量级 Bot 客户端。
  • 03.23 19:56:18
    发表了文章 2026-03-23 19:56:18

    知识引导上下文优化(KgCoOp):一种解决灾难性遗忘的 Prompt Tuning 机制

    本文提出KgCoOp方法,针对视觉-语言模型Prompt Tuning中“见类强、不见类弱”的Base-to-New泛化困境,引入知识引导损失(Lkg),约束可学习Prompt靠近原始CLIP锚点,显著提升新类别识别能力(+5.61%),同时保持已见类别性能,兼顾泛化性与效率。
  • 03.22 21:07:21
    发表了文章 2026-03-22 21:07:21

    数值特征工程中的四种缩放方法:原理、适用场景与局限性

    数值特征工程是机器学习关键预处理步骤,需应对量级差异(如年龄vs薪资)与异常值/偏斜分布问题。本文详解四种核心方法:标准化(均值0方差1)、Robust缩放(抗异常值)、幂变换(矫正偏斜)、归一化(0-1缩放),并用加州住房数据实操对比效果与适用场景。
  • 03.21 20:26:52
    发表了文章 2026-03-21 20:26:52

    9个提升Python代码生产质量的第三方库

    本文介绍9个被资深工程师广泛使用却常被忽视的Python库:glom(嵌套数据声明式处理)、boltons(标准库功能补全)、beartype(高性能运行时类型检查)、result(显式错误处理)、whenever(防时区bug的现代时间库)、pyinstrument(人类可读性能分析)、dirty-equals(智能测试断言)、stamina(可观测重试)、pyfunctional(链式数据管道)。均经生产验证,开箱即用。
  • 03.19 20:14:37
    发表了文章 2026-03-19 20:14:37

    理解 Agent 记忆:从无状态模型到持久化记忆架构

    大语言模型本质无状态,对话历史无法自动留存。Agent需长期记忆支撑连续性任务,但简单堆砌上下文不可行。本文系统阐释Agent记忆的四层架构(工作/情景/语义/程序记忆),及其写入、检索与遗忘机制,并对比Mem0、Letta等主流方案,揭示记忆正成为AI Agent技术栈中独立、标准的关键基础设施。
  • 03.18 21:10:26
    发表了文章 2026-03-18 21:10:26

    CRAG 架构解析:如何在生成器前修正错误检索结果

    CRAG是一种新型RAG框架,直面检索错误问题:引入轻量级评估器,对检索文档打分并按置信度分流——高分则精炼本地文档(句子级过滤重组),低分则转向网络搜索,中等分则双源协同。从架构上杜绝无关内容污染生成器,显著提升答案准确性与鲁棒性。
  • 03.17 22:33:52
    发表了文章 2026-03-17 22:33:52

    高级 RAG 技术:查询转换与查询分解

    RAG准确性受限于查询质量,易因表述模糊导致检索偏差。主流优化方向为查询转换(如Fan-Out并行检索、RRF重排、HyDE假设文档嵌入)与查询分解(高抽象后退提示、低抽象思维链检索),二者常协同提升召回率与答案质量。
  • 03.16 21:13:42
    发表了文章 2026-03-16 21:13:42

    构建生产级 AI Agent 系统的4大主流技术:反思、工具、规划与多智能体协作

    本文深入解析Agentic AI四大核心设计模式:Reflection(自我反思)、Tool Use(工具调用)、Planning(任务规划)与Multi-Agent协作。它们共同赋予AI思考、行动、校验与协同能力,突破单轮问答局限,构建真正可落地的自主智能系统。
  • 03.15 20:12:21
    发表了文章 2026-03-15 20:12:21

    BookRAG:面向层级文档的树-图融合RAG框架

    BookRAG是专为书籍类层级文档设计的新型RAG框架,首创“树+图+链接+Agent”四元结构:构建融合版面层级树与知识图谱的BookIndex,通过GT-Link双向映射实现结构与语义统一;引入信息觅食启发的Agent,动态规划检索路径,支持单跳、多跳及全局聚合查询,在精度、覆盖率与效率上显著优于传统文本/版面优先方法。
  • 03.14 21:53:11
    发表了文章 2026-03-14 21:53:11

    多智能体系统的三种编排模式:Supervisor、Pipeline 与 Swarm

    2026年,多智能体系统成主流:单智能体易陷上下文污染、角色混乱与故障扩散;而Supervisor、Pipeline、Swarm三类编排模式,配合结构化通信、按能力拆分、置信度验证与全链路Tracing,可构建更可靠、可控、可扩展的AI协作系统。
  • 03.13 21:54:37
    发表了文章 2026-03-13 21:54:37

    更大的上下文窗口为什么让RAG变得更重要而非更多余

    大上下文窗口(如1M tokens)并未淘汰RAG,反而凸显其价值:LLM注意力易被噪声稀释,“迷失在中间”效应导致性能下降。实验证明,相关性筛选比单纯扩容更关键。RAG+大上下文协同——先精准检索重排序,再注入高密度片段——才是生产级AI的可靠范式。
  • 03.12 21:22:54
    发表了文章 2026-03-12 21:22:54

    LangGraph vs Semantic Kernel:状态图与内核插件的两条技术路线对比

    本文对比2026年最新版LangGraph(v1.0)与Semantic Kernel(v1.28.1),澄清过时认知:LangGraph已成为LangChain执行引擎,支持持久化状态机;SK则原生集成MCP协议,定位AI中间件。二者架构迥异——图编排vs插件组合,运行时托管状态vs开发者自主管理。附代码实操与选型指南。
  • 发表了文章 2026-05-14

    HyDE :让 RAG 检索从"匹配关键词"升级到"理解意图"

  • 发表了文章 2026-05-13

    让机器学习 Pipeline 更稳的 5 个 Python 装饰器代码

  • 发表了文章 2026-05-12

    Feature Engineering 实战:Pandas + Scikit-learn的机器学习特征工程的完整代码示例

  • 发表了文章 2026-05-11

    2026 RAG 选型指南:Vector、Graph、Vectorless 该怎么挑

  • 发表了文章 2026-05-10

    三个工具,让 agent 在一次对话里完成研究、写码、调试与保存

  • 发表了文章 2026-05-07

    用 Playwright 和 LLM 实现自愈测试自动化

  • 发表了文章 2026-05-06

    为什么 MCP 在协议层会有 prompt injection的问题:工具描述如何劫持 agent 上下文

  • 发表了文章 2026-04-30

    BM25 + Vectors:为什么真实 RAG 系统通常两者都需要

  • 发表了文章 2026-04-29

    从无状态到有状态:长时运行 Agent 的 5 种架构模式

  • 发表了文章 2026-04-28

    LangChain 生态里的三层抽象:LangGraph、create_agent、Deep Agents

  • 发表了文章 2026-04-27

    DeepSeek-V4 深度解读:百万上下文背后的工程细节

  • 发表了文章 2026-04-26

    Graphify:为代码库构建知识图谱,以图遍历替代向量检索

  • 发表了文章 2026-04-25

    2026年的 ReAct Agent架构解析:原生 Tool Calling 与 LangGraph 状态机

  • 发表了文章 2026-04-24

    LangChain 还是 LangGraph?一个是编排一个是工具包

  • 发表了文章 2026-04-23

    LLM 幻觉的架构级修复:推理参数、RAG、受约束解码与生成后验证

  • 发表了文章 2026-04-22

    时间序列预测增强方法总结:频域、分解、patch

  • 发表了文章 2026-04-21

    为生产级 AI Agent 构建持久化记忆:五阶段流水线与四种设计模式

  • 发表了文章 2026-04-20

    Claude Opus 4.7 系统 Prompt 泄露:其中的10 个核心设计决策解读

  • 发表了文章 2026-04-14

    无 Embedding、无向量数据库的 RAG 方法:PageIndex 技术解析

  • 发表了文章 2026-04-13

    从检索到回答:RAG 流水线中三个被忽视的故障点

正在加载, 请稍后...
滑动查看更多
正在加载, 请稍后...
暂无更多信息
正在加载, 请稍后...
暂无更多信息