通义千问7B-基于本地知识库问答
上期，我们介绍了通义千问7B模型的微调+部署方式，但在实际使用时，很多开发者还是希望能够结合特定的行业知识来增强模型效果，这时就需要通过外接知识库，让大模型能够返回更精确的结果。
LangChain+通义千问+AnalyticDB向量引擎保姆级教程
本文以构建AIGC落地应用ChatBot和构建AI Agent为例，从代码级别详细分享AI框架LangChain、阿里云通义大模型和AnalyticDB向量引擎的开发经验和最佳实践，给大家快速落地AIGC应用提供参考。
LLM应用实战：当图谱问答(KBQA)集成大模型(三)
本文主要是针对KBQA方案基于LLM实现存在的问题进行优化，主要涉及到响应时间提升优化以及多轮对话效果优化，提供了具体的优化方案以及相应的prompt。
通义千问API：让大模型写代码和跑代码
基于前面三章的铺垫，本章我们将展示大模型Agent的强大能力。我们不仅要实现让大模型同时使用多种查询工具，还要实现让大模型能查询天气情况，最后让大模型自己写代码来查询天气情况。
如何训练属于自己的“通义千问”呢？
大模型的风潮还未停歇，国内大模型的研发也正如火如荼地开展着。你试用过哪些大模型呢？你觉得哪一款产品最适合开发者呢？你有想过训练出自己的大模型吗？这不就来了！ 通义千问开源！阿里云开源通义千问70亿参数模型，包括通用模型Qwen-7B和对话模型Qwen-7B-Chat，两款模型均已上线ModelScope魔搭社区，开源、免费、可商用。点击链接，立即开启模型开源之旅：https://modelscope.cn/models/qwen/Qwen-7B/summary
通义千问API：找出两篇文章的不同
本章我们将介绍如何利用大模型开发一个文档比对小工具，我们将用这个工具来给互联网上两篇内容相近但版本不同的文档找找茬，并且我们提供了一种批处理文档比对的方案
社区供稿 | 10G显存，通义千问-7B-int4消费级显卡最佳实践
在魔搭社区，通义千问团队发布了Qwen-7B-Chat的Int4量化模型，Qwen-7B-Chat-Int4。该方案的优势在于，它能够实现几乎无损的性能表现，模型大小仅为5.5GB，内存消耗低，速度甚至超过BF16。
【AI绘画大比拼】通义万相VS文心一格：探索十种风格下的绘画生成差异！
近日，通义大模型家族的新成员——通义万相已在人工智能大会上亮相。其中，通义万相的强大的“文生图”功能，不禁让我想到了去年八月由百度依托飞桨、文心大模型的技术创新推出的“AI作画”首款产品——文心一格。 那么，在类似的Prompt下，两款产品的表现将会如何呢？今天就让我们就十种风格下二者生成图像的表现力，来看看这两款产品的差异。
如何在 TensorRT-LLM 中支持 Qwen 模型
大型语言模型正以其惊人的新能力推动人工智能的发展，扩大其应用范围。然而，由于这类模型具有庞大的参数规模，部署和推理的难度和成本极高，这一挑战一直困扰着 AI 领域。此外，当前存在大量支持模型部署和推理的框架和工具，如 ModelScope 的 Model Pipelines API，和 HuggingFace 的 Text Generation Inference 等，各自都有其独特的特点和优势。然而，这些工具往往未能充分发挥 GPU 的性能。
AIGC-知识库-LLM：从0开始搭建智能问答钉钉机器人
本文描述在阿里云上从0开始构建个人/企业专属，具备私域知识库+LLM智能问答钉钉机器人。知识库技术方案使用了Lindorm AI数据服务平台知识库能力，LLM使用了开源ChatGLM2-6B。
通义千问7B模型开源，魔搭最佳实践来了
通义千问开源！阿里云开源通义千问70亿参数模型，包括通用模型Qwen-7B-Base和对话模型Qwen-7B-Chat，两款模型均已上线ModelScope魔搭社区，开源、免费、可商用，欢迎大家来体验。
2023云栖大会 | 阿里云发布通义千问2.0
今天，阿里云正式发布千亿级参数大模型通义千问2.0。在10个权威测评中，通义千问2.0综合性能超过GPT-3.5，正在加速追赶GPT-4。通义千问APP在各大手机应用市场正式上线，所有人都可通过APP直接体验最新模型能力。
通义千问14B开源！内附魔搭最佳实践
9月25日，阿里云开源通义千问140亿参数模型Qwen-14B及其对话模型Qwen-14B-Chat，免费可商用。Qwen-14B在多个权威评测中超越同等规模模型，部分指标甚至接近Llama2-70B。阿里云此前开源的70亿参数模型Qwen-7B等，一个多月下载量破100万，成为开源社区的口碑之作。
2023云栖大会 | 阿里云发布通义千问2.0
今天，阿里云正式发布千亿级参数大模型通义千问2.0。在10个权威测评中，通义千问2.0多方面性能超过GPT-3.5，正在加速追赶GPT-4。 此外，通义千问APP在各大手机应用市场正式上线，所有人都可通过APP直接体验最新模型能力。 过去6个月，通义千问2.0在性能上取得巨大飞跃，相比4月发布的1.0版本，通义千问2.0在复杂指令理解、文学创作、通用数学、知识记忆、幻觉抵御等能力上均有显著提升。目前，通义千问的多方面性能已经超过GPT-3.5，加速追赶GPT-4。
使用Git LFS从Hugging Face下载大型语言模型
Hugging Face作为主流的模型库，提供了大量预训练模型，但这些模型的大尺寸使得直接下载可能会遇到困难。Git LFS（Large File Storage）作为Git的一个扩展，为我们提供了一个解决方案
AI程序员入职阿里云
安装通义灵码，享受智能编码新体验！支持VS Code和JetBrains IDE，轻松提升开发效率。[🔗](https://developer.aliyun.com/topic/lingma/activities/202403?taskCode=14508&recordId=48c160f495a0e2423aa148b738af6f8a#/?utm_content=m_fission_1) 开启AI盲盒，探索更多惊喜。
AI 应用之成本节约实践
本文探讨了如何避免高成本的模型微调，通过任务拆解和提示词调优实现业务目标。文中提到，当大语言模型不能直接满足需求时，微调涉及大量工作，包括数据准备、模型训练及GPU资源。为降低成本，作者提出了两步方法：1) 任务拆解，将复杂任务分解为简单子任务，利用模型优势处理部分；2) 提示词调优，优化输入以引导模型更高效地响应。虽然这可能不适用于所有情况，但能有效减少对模型微调的依赖。
用通义Qwen大模型和Streamlit构建 ChatPDF 应用（附代码）
本文介绍了如何利用通义千问Qwen大模型构建一个本地ChatPDF AI助手，该助手允许用户上传PDF并与之对话，确保文档隐私安全。项目通过阿里云百炼平台获取Qwen-Long模型，支持多种文档格式。现实现步骤包括导入库、加载环境变量、初始化客户端、编码器、页面与对话管理、文件上传、选择模型、获取AI回答及计算费用，主函数整合这些功能，提供交互体验。
首款 AI Native IDE Framework，OpenSumi 3.0 正式发布！
展望未来，开发者只需定义明确的目标，例如添加新的接口功能，而 AI Agent 则有能力在一个具备运行环境的Workspace 中，自主操控编辑器、终端和浏览器等工具，自动化完成一系列标准的软件开发任务。
python代码运行报错:No module named 'aliyunsdkcore'
用python调用阿里云图片OCR识别，使用的是阿里云官方给的传本地图片文件进行检测的代码，运行报错:No module named 'aliyunsdkcore'。在pycharm python软件包和终端里安装aliyunsdkcore这个模块都失败了。
从 CodeGemma 到 CodeQwen1.5：开源编程大模型百家争鸣
笔者最近刚刚试用完 CodeGemma ，准备分享我的心得时，通义千问的 CodeQwen1.5 就也悄然发布。本文主要介绍 CodeQwen1.5 这款开源编程大模型，并展示如何在 VSCode 中使用它帮你提升编程体验。
【学习大模型】RAG基础
RAG（Retrieval-Augmented Generation）技术是为了解决大模型中的幻觉问题、实时交互、数据安全和知识动态性挑战。它结合了搜索和大模型的提示功能，使模型能基于检索到的信息生成更准确的回答。RAG通过向量数据库和向量检索，将文本转化为向量表示，然后进行相似度计算和检索，以提供上下文相关的信息。
大模型自动生成并运行代码的体验与优化
随着近两年大模型的不断发展，它们在各个领域展示出了惊人的能力，可以说是在各个领域到了“开花结果”的阶段。比如最近技术圈比较火的阿里云的通义千问已经可以自己写代码、跑代码了，作为开发者，我觉得这种能力不仅提高了开发效率，还推动了编程实践向更高层次的转变和发展。但是，在使用大模型自动生成代码时，我们也会面临一些挑战，其中之一是代码可能会曲解开发者的需求。那么本文就来分享一下个个人的体验以及如何优化这种情况。
通义灵码评测: 阿里云出品通义大模型AI代码编程辅助工具
通义灵码是阿里云出品的一款基于通义大模型的AI智能编码辅助工具，提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码注释生成、代码解释、研发智能问答、异常报错排查等能力，并针对阿里云 SDK/OpenAPI 的使用场景调优，助力开发者高效、流畅的编码。
通义千问开源第二波！多模态来啦！（内含魔搭最佳实践）
近期，通义千问大规模视觉语言模型Qwen-VL上线魔搭社区，Qwen-VL以通义千问70亿参数模型Qwen-7B为基座语言模型研发，支持图文输入，具备多模态信息理解能力。
LLM应用实战：当KBQA集成LLM(二)
本文主要是针对KBQA方案基于LLM实现存在的问题进行优化，主要涉及到图谱存储至Es，且支持Es的向量检索，还有解决了一部分基于属性值倒查实体的场景，且效果相对提升。
解密！通义智文-你的AI阅读助手！
通义智文是基于通义大模型的AI阅读助手，网页阅读、论文阅读、图书阅读和自由阅读，用AI帮你读得多、读得快、读得懂。 通过文档场景化阅读、结构化导读、给我灵感、多文档处理等亮点功能和文档智能大小模型协同的核心技术。让AI帮你更准确，更深入，更专业的读懂文档，沉淀专属知识资产。 产品已于2023年10月31日在云栖大会正式对外发布，现免费公测全面开放。
沉浸式学习PostgreSQL|PolarDB 16: 植入通义千问大模型+文本向量化模型, 让数据库具备AI能力
本文将带领大家来体验一下如何将“千问大模型+文本向量化模型”植入到PG|PolarDB中, 让数据库具备AI能力.
通义大模型
通义千问大模型家族全面升级更大参数规模模型首次面世，全新通义千问2.0版本欢迎体验。https://tongyi.aliyun.com/
