所有文章
> 当前分类:AI驱动

bentoml:把你的机器学习模型变成专业级API服务!
2024/12/17
bentoml:把你的机器学习模型变成专业级API服务! 大家好,我是阿图!今天要给大家介绍一个超级实用的Python库 - bentoml。如果你学过机器学习,一定遇到过这个烦恼:训练好的模型要怎么部署?怎么让别人也能用上我的模型?...

AnalyticDB向量检索+AI 实战: 声纹识别
【AI驱动】
01背 景 近年来,随着人工智能对传统行业的赋能改造,越来越多的基于人工智能的业务解决方案被提出来,声纹识别在保险行业中的身份认证便是一个很好的例子. 声纹识别是根据说话人发音的生理和行为特征,自动识别说话人身份的一种生物识别技术...
2024/12/17

LangChain-Chatchat:基于LangChain和ChatGLM2-6B构建本地离线私有化知识库
【AI驱动】
一、前言 自从去年GPT模型火爆以来,降低了很多个人和企业进入人工智能领域的门槛,对于大模型尤其是开源的大模型国内应该比较受关注和期待,毕竟高额的成本也能将不少人阻挡在门外,其次,大家都希望在产品中集成LLM的能力,结合业务来落地智...
2024/12/17

基于LangChain+GLM搭建知识本地库
【AI驱动】
受GanymedeNil的项目document.ai和AlexZhangji创建的ChatGLM-6B Pull Request启发,建立了全流程可使用开源模型实现的本地知识库问答应用。现已支持使用ChatGLM-6B等大语言模型直接接入,...
2024/12/17

实战PG vector 构建DBA 个人知识库之三: LLM+LangChain+pgvector 整合篇
【AI驱动】
本篇将之前的项目输出整合起来完成一个RAG的项目: 关于RAG的定义: RAG is an AI Framework that integrates large language models (LLMs) with e...
2024/12/17

大语言模型Agent协作工具CrewAI使用指南
【AI驱动】
一、CrewAI核心概念 1. Agent-什么是代理? 代理Agent是一个自主单元,被编程用于:执行任务 执行任务 做出决策 与其他代理进行通信 将代理看作团队的一员,具有特定的技能和特定的工作任...
2024/12/17

5000+ 个 AI 项目详解,效率工具篇:07
【AI驱动】
起源 作为一个产品经理,在做竞品分析时,觉得可用 AI 进行优化。便做了以下: 收集了AI各项目的资料,包括官网信息和三方评价,文本大概五千万字 把这些东西进行了向量化,做成了一个QA数据库 增加了自动更新(上次更...
2024/12/17

基于 .NETCore提供公共WebAPI的安全实践
【AI驱动】
一、API的安全 作为一个Dotnet Core的老司机,写API时,能兼顾到API的安全,这是一种优雅。 通常,我们会用认证来保证API的安全,无敌的Authorize能解决我们很多的问题。 但是,总有一些场合...
2024/12/17

Luma 视频生成 API 对接说明
【AI驱动】
随着 AI 的应用变广,各类 AI 程序已逐渐普及。AI 已逐渐深入到人们的工作生活方方面面。而 AI 涉及的行业也越来越多,从最初的写作,到医疗教育,再到现在的视频。 Luma 是一个专业高质量的视频生成平台,用户只需上传素材,即可...
2024/12/17

PyQt6 教程 | 高德地图 API 与自驾路径规划:探索地理信息与导航
【AI驱动】
昨天通过高德API查询具体点位经纬度坐标信息: 最后做好的自驾点位图: 基本上就是地理信息底图、shapefilef地理数据以及一些点位信息的显示。 今天又看了一下高德地图的API,可以通过API进行路...
2024/12/17

LLM之RAG实战(四十八)| AutoRAG:基于用户数据自动优化RAG pipeline的AutoML工具
【AI驱动】
一、AutoRAG介绍 市面上有很多RAG pipelines和模块,但是针对具体的数据和场景的最佳实践是什么?是非常耗时和困难的。而AutoRAG可以通过自动化评估不同RAG模块组合来弥补上述困难。 特点: ...
2024/12/17

LLM之RAG实战(四十七)| GraphRAG:使用知识图谱改进 RAG 检索策略
【AI驱动】
在 Retrieval Augmented Generation (RAG) 技术中,检索是直接影响生成输出质量的关键步骤。然而,基础 RAG 中的向量检索技术通常不足以满足所有情况。例如,传统的检索方法在处理大型私有文档存储库时往往表...
2024/12/17

LLM之RAG实战(四十六)| Langflow:一个用于构建 RAG 和多代理应用的低代码应用构建工具
【AI驱动】
一、Langflow 简介 Langflow是一个用于构建 RAG(Retrieval-Augmented Generation)和多代理 AI 应用的低代码应用构建器。它基于 Python 构建,并且不依赖任何模型、A...
2024/12/17

LLM之RAG实战(四十五)| LightRAG:创新双级检索系统,整合图形结构,实现更强大信息检索!
【AI驱动】
一、LightRAG介绍 LightRAG通过将图结构整合到文本索引和检索过程中,旨在解决现有RAG系统在处理复杂查询时的局限性,如依赖于平面数据表示和缺乏上下文感知能力。以下是论文的核心结论...
2024/12/17

LLM之RAG实战(四十四)| rag-chatbot:支持Huggingface和Ollama任意模型的多PDF本地RAG方案
【AI驱动】
特点: 支持本地运行和Kaggle (new)运行 支持Huggingface 和Ollama 的任意模型 Process multiple PDF inputs. Chat with multiples lang...
2024/12/17

LLM之RAG实战(四十三)| 使用模型监控pipeline构建端到端RAG Pipeline
【AI驱动】
之前,作者分享了基于 reranker 的 RAG 管道、查询增强和 reranker 过滤、基于 RAGAS 的模型评估以及ground truth数据集生成。在本文中,使用一个用例将所有部分放在一起来构建端到端 RAG pipeline...
2024/12/17
搜索文章
热门话题
文章精选