Archive · 文章索引
全部文章
从 GEO 方法论到 AI 搜索实战,按发布时间收录站内全部已发布文章。
知识图谱是把数据组织成图形网络,让信息彼此关联,帮助人和计算机更好地理解数据
知识图谱是把数据组织成图形网络,让信息彼此关联,帮助人和计算机更好地理解数据。本文介绍了知识图谱的概念、优势、构建步骤以及医疗、金融、智能客服等应用场景,并推荐了GraphRAG和GraphGPT等构建工具。

知识图谱:技术原理与实战详解
知识图谱是一种将多学科理论方法与计量学引文分析相结合,通过图形学、信息可视化等技术构建的语义网络。它广泛应用于金融科技、教育、医疗健康、情报分析、文化遗产数字化等领域,能够实现智能搜索、文本分析、风险控制等功能。本文梳理了知识图谱的主要特点、发展由来、应用案例及学术动态,帮助读者全面理解这一关键技术。

智能体的今生与来世:从 ReAct 到自我进化
本文系统梳理了AI Agent从ReAct论文到自我进化Agent的六个演进阶段,对比了OpenAI、Anthropic、Google、微软及开源阵营的路线,并详解了MCP、A2A、Function Call等关键技术。核心观点是AI Agent正从'执行者'变为'系统组件',行业在工具调用标准上已经收敛,但在Agent间通信和自主权边界上仍在竞争。

出版商认为谷歌AI摘要吸走了搜索流量,颠覆了收入模式
据《华尔街日报》7月22日消息,Reddit、USA Today、Politico、路透等出版商因谷歌AI搜索功能导致网站流量大幅下滑,正重新评估与谷歌的合作,甚至考虑切断谷歌爬虫访问。出版商认为谷歌AI摘要吸走了搜索流量,颠覆了收入模式;谷歌则回应称AI功能每周向全网输送数十亿次点击,并提供网站所有者控制工具。

Schema标记入门:数据库对象逻辑容器详解
Schema 是数据库对象的逻辑容器,相当于文件系统的文件夹。不同数据库对 Schema 的定义不同:MySQL 中 Schema 等同于数据库,PostgreSQL 中 Schema 是数据库下的子容器,Oracle 中 Schema 与用户绑定。当表不在默认 Schema 中时,需要在 SQL 中显式指定 Schema 名称,否则会报错找不到表。

LLM引用:技术原理与实战详解
本文系统梳理了多模态大语言模型(MLLM)、大型多模态模型(LMM)、视觉语言模型(VLM)和大语言模型(LLM)的定义、核心架构与应用场景,帮助开发者快速理解这些AI术语的区别与联系。

大模型应用:技术原理与实战详解
本文系统介绍大模型应用架构的六个核心层次:数据层与预处理层、知识与模型中台层、模型层与训练优化层、应用层及技术支撑层。文章详细解析了各层的功能、关键技术以及实际应用案例,帮助读者全面理解大模型如何从数据接入到场景落地。

适合有Python基础、对RAG感兴趣的开发者系统学习并构建生产级智能问答系
这是一个面向大模型应用开发者的RAG技术全栈开源教程,体系化涵盖基础理论、数据准备、索引构建、检索优化、生成评估及项目实战,支持多模态检索,并提供在线阅读资源。适合有Python基础、对RAG感兴趣的开发者系统学习并构建生产级智能问答系统。

从零搭建本地知识库:LangChain+Ollama混合检索实战
本文手把手带你搭建一个本地个人知识库问答系统,基于LangChain和Ollama实现混合检索(BM25+向量检索+RRF融合),涵盖环境配置、代码拆解和原理讲解,让你深入理解RAG的完整工作流程。

