AI 기술 자료

示例 金融行业中的提示词由于与法律提示词类似的原因，也可能相当复杂。以下是一个金融使用场景的练习，其中 Claude 被用来分析税务信息并回答问题。与法律服务示例一样，我们对某些元素的顺序进行了调整...

MJ绘画为目前最火爆的Midjourney，很多小伙伴说 MJ绘画 不知道如何使用，下面让我们来一一讲解下MJ绘画的各项配置 绘画描述 关键词公式 主体（加下面的） + 环境（背景，周围） + 气氛...

欢迎来到本笔记本，在这里我们将探索如何使用 Llama Index 设置和观察检索增强生成 (RAG) 流水线。 https://github.com/adithya-s-k/AI-Engineeri...

在构建大语言模型（LLM）应用时，记忆系统是提升对话上下文管理、长期信息存储以及语义理解能力的关键技术之一。一个高效的记忆系统可以帮助模型在长时间对话中保持一致性，提取关键信息，甚至具备检索历史对话的...

简介 数据分块是检索增强生成（RAG）系统中的关键步骤。它将大型文档分解为较小的、可管理的片段，以便高效索引、检索和处理。本 README 提供了 RAG 管道中可用的各种分块方法概述。 https...

Transformer 是一种用于自然语言处理 (NLP) 的深度学习模型架构, 由 Vaswani 等人在 2017 年提出. 它主要用于处理序列到序列的任务, 如机器翻译, 文本生成等. 简单...

课程 法律行业中的输入提示可能相当复杂,这是由于需要: 解析长文档 处理复杂主题 以非常特定的方式格式化输出 遵循多步分析过程 让我们看看如何使用复杂的输入提示模板来为特定的法律用例构建输入提示。 示...

一、LLMs 已经具备了较强能力了，为什么还需要 RAG(检索增强生成)? 尽管 LLM 已展现出显著的能力，但以下几个挑战依然值得关注： 幻觉问题：LLM 采用基于统计的概率方法逐词生成文本，这一机...

TOML 是一种简洁明了的配置文件格式📄，设计上更适合人类阅读和书写✨。 ✅ 更容易写： 用键值对表示配置，没有复杂缩进和语法规则，减少出错率。 ✅ 更清晰： 支持分组 [group] 和嵌套结构，层...

基本概念 在信息技术领域，检索 (Retrieval) 指的是从一个大型数据集（通常是文档、网页、图像、音频、视频或其他形式的信息）中，根据用户的查询或需求，高效地定位和提取相关信息的过程。 其核心目...

课程 很多时候，我们并不想编写完整的提示，而是想要 可以稍后根据额外输入数据修改的提示模板，然后再提交给 Claude。如果你希望 Claude 每次执行相同的任务，但 Claude 使用的数据每次可...

课程 继续探讨 Claude 除了你所提供的信息外没有其他上下文的主题，有时让 Claude 扮演一个特定角色（包括所有必要的上下文）非常重要，这被称为角色提示。角色上下文越详细，效果越好。 让 Cl...

小红书，这个在中国乃至亚洲地区炙手可热的社交电商平台，早已超越了简单的购物App，成为了年轻人生活方式的风向标和品牌营销的新阵地。对于希望进军中国市场或触达年轻消费群体的海外品牌和个人来说，掌握小红书...

概述 本指南将引导您使用纯 Python 创建一个简单的检索增强生成 (RAG) 系统。我们将使用一个嵌入模型和一个大语言模型 (LLM) 来检索相关文档并基于用户的查询生成回复。 https...

AI总结 概述 AI 提示工程 的深入探讨，通过一个圆桌会议的形式，多位来自 Anthropic 的专家从研究、消费和企业等不同角度分享了他们对提示工程的理解和实践经验。 文章详细阐述了提示工程的定义...

CORAG 的主要贡献总结 CORAG（Cost-Constrained Retrieval Optimization for Retrieval-Augmented Generation）是一种...

引言 基于智能体方法提升检索增强生成能力。多文档智能检索增强生成（Multi-Document Agentic RAG, Retrieval Augmented Generation）是一种先进的...

前言 在过去两年中，检索增强生成（RAG，Retrieval-Augmented Generation）技术逐渐成为提升智能体的核心组成部分。通过结合检索与生成的双重能力，RAG能够引入外部知识，从而...