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。

1578篇文章
  1. Prompt Refiner如何优化AI Agent提示词并降低API成本?(附2026年归档说明)

    Prompt Refiner is a Python library for optimizing AI agent prompts, reducing API costs by 5-70% through token compression, cleaning, and smart context management. 原文翻译: Prompt Refiner 是一个用于优化AI Agent提示词的Python库,通过令牌压缩、清理和智能上下文管理,可将API成本降低5-70%。

  2. GraphRAG如何利用知识图谱增强LLM对私有数据集的推理能力?

    微软研究院的GraphRAG通过从私有数据集构建知识图谱,显著增强大语言模型能力,借助图机器学习大幅提升问答性能并实现全数据集推理。

  3. 大语言模型如何重塑知识图谱构建的三层流程?(附最新技术分析)

    本综述全面梳理了大语言模型赋能知识图谱构建的最新进展,系统分析其如何重塑本体工程、知识抽取与知识融合这一经典三层流程。

  4. LLM知识图谱构建器相比传统RAG,哪个检索准确性更高?(附GraphRAG实测)

    LLM知识图谱构建器可将非结构化数据转化为Neo4j知识图谱,借助GraphRAG的关系感知检索机制,相比传统RAG显著提升检索准确性。

  5. RAGstack如何帮助企业部署私有ChatGPT替代方案?(支持Llama 2/Falcon)

    RAGstack is an open-source solution for deploying private ChatGPT alternatives within your VPC, connecting to organizational knowledge bases, and supporting models like Llama 2, Falcon, and GPT4All with vector database integration. 原文翻译: RAGstack是一个开源解决方案,用于在您的VPC内部署私有ChatGPT替代方案,连接组织知识库,并支持Llama 2、Falcon和GPT4All等模型,集成了向量数据库。

  6. Dive into LLMs大模型实践教程如何学习?附完整技术栈与国产硬件适配

    Dive into LLMs is a comprehensive, practice-oriented tutorial series for large language models, developed from Shanghai Jiao Tong University's AI Security Technology course with Huawei Ascend support. It covers the full technical stack from fine-tuning to security alignment, offering complete learning resources and domestic hardware adaptation. 原文翻译: Dive into LLMs 是由上海交通大学《人工智能安全技术》课程拓展而来的大模型编程实践教程系列,获得华为昇腾社区支持。它以实践为导向,覆盖从微调到安全对齐的全技术栈,提供完整学习资源并适配国产硬件。

  7. 智能体计算图如何优化LLM工作流?2026年最新框架与评估方法

    本综述提出基于智能体计算图(ACGs)的LLM工作流优化框架,依据结构确定时间区分静态与动态方法,并引入超越传统任务性能的结构感知评估指标。

  8. LLM推理如何优化内存瓶颈和计算效率?(附KV缓存与TensorRT-LLM方案)

    本文探讨LLM推理中的内存瓶颈与计算效率低下等核心挑战,并提出实用解决方案,包括KV缓存、批处理策略及基于TensorRT-LLM与NVIDIA框架的模型并行化技术。

  9. AI智能体学习资源有哪些?2026年最新精选课程与框架教程

    本文精选AI智能体学习资源,涵盖基础课程、概念指南、框架教程与评估基准,定期更新,助力专业人士理解、构建与评估自主AI/LLM智能体。