AI粉嫩特攻队

代码在线跑，知识轻松学

Python精品学习库

自行/邀约他人一键搬运博客，速成社区影响力并领取好礼

博客搬家 | 分享价值百万资源包

往期视频·干货材料·成员作品 最新动态

技术创作特训营·精选知识专栏

新邀入驻腾讯云开发者社区，福利多多！

如何运用「云、端融合的数智化安全体系」高效护航数据安全

左手AI，右手安全 —— 一汽丰田数字化转型之路

其实，你不是一个人。90%的RAG系统体验不理想，核心问题并不在于大模型“笨”，而是元数据、标签、知识目录这“三板斧”没有用对！

RAG越来越不准？一文详解元数据与标签的系统优化方法（附完整流程图+实用提示词）

你是否有这样的经历：”知识库文档越来越多，知识库问答却越来越不靠谱，RAG检索到的都是一堆不相关的内容。“

RAG越来越不准？从Dify和ima知识库看元数据与标签如何让大模型更懂你

可你有没有想过，如果你把一堆资料往员工桌上一扔，不教、不管，还想让他做出像样的工作，结果会如何？

别再堆文档了，大模型时代知识库应该这样建

有没有chrome浏览器插件支持实时在线翻译英文到简体中文的？迅速在chrome商店中搜索了一下。果然，看到了很多视频字幕翻译的插件：

【AI工具实战】一招解决英文视频困境，四步用AI搞定全中文字幕，你也可以！(文末附工具下载)

Dify 是一个帮助你快速搭建 AI 应用的工具，其定位类似Coze。但相比Coze——Dify是免费的、开源的，人人都可以用。哪怕你不懂编程，也能用它参与到 AI 应用的设计和使用中。总之，如果你是开发者，它帮你省下大量重复工作，把精力放在真正的创造和业务上；如果你不是程序员，你也能用它搞出属于自己的 AI 工具。

Dify开发必备：分享8个官方文档不曾解释的关键技巧

在不同的大语言模型之间穿梭，寻求同频共振，研究了各种提示词范式，从 few-shot、COT、self-consistency 到动态提示词轮番尝试。曾经还装了一把x给公司做了个提示词工程的培训，尝试把写提示词的痛苦幸福转接给大家。

提示词工程师自白：我如何用一个技巧解放自己的生产力

时代的浪潮滚滚向前，AI技术的演进正悄然改变着我们认知世界和创造价值的方式。从数据、信息到知识、智慧，从大数据到大模型，从单一智能体到多智能体协作，这是一场深刻的认知革命，也是生产力解放的新纪元。

数据、信息、知识、智慧：AI时代我们该如何思考？

这里是**AI粉嫩特攻队！** ，这段时间真的太忙了，不过放心，关于从零打造AI工具的coze实操下篇正在进行中。今天，我们先聊聊另一个很热闹的主题——ChatBI。

ChatBI≠NL2SQL：关于问数，聊聊我踩过的坑和一点感悟

大家好~，这里是AI粉嫩特攻队！今天咱们来聊聊一个有趣的话题——DeepSeek-R1到底什么时候会“思考”，什么时候又会选择“偷懒”？

DeepSeek-R1的“思考”艺术，你真的了解吗？

这几年，AI 技术的开源浪潮席卷全球。无数个人开发者和团队贡献的AI工具和框架层出不穷，AI 开源项目正以前所未有的速度涌现。开源不仅推动了技术的普及，也让更多开发者有机会参与到前沿技术的创新中。

AI开源项目层出不穷，MIT 和 Apache2.0究竟有什么区别？

当大家都在好奇下一代AI会怎样改变我们的工作与生活时，中国公司 DeepSeek 正以惊人的速度和态度闯进大众视野。它究竟是什么，能做什么，又为何能在AI热潮里高调崭露头角？本文带你了解 DeepSeek 及其最新推出的两款大模型，顺便一起讨论它如何搅动整个 AI 行业的水面。

人人都看得懂的DeepSeek入门科普

RAG，全称为Retrieval-Augmented Generation（检索增强生成），是一种结合了信息检索和文本生成的人工智能技术。简单来说，RAG通过从大量文档或数据库中查找相关信息，并基于这些信息来生成更准确、更有针对性的回答或内容。

DeepSeek普照的阳光下，继续RAG还是Distillation？

一台配备 Windows 操作系统、12GB 或以上显存的英伟达显卡、8GB 或以上内存，并能连接互联网的电脑可以继续阅读以下内容。

在windows主机本地快速部署使用deepseek-r1大模型

在这个过程中，你可能已经花了大量时间解析和清洗上千份文档，接入RAG，但结果仍然不理想。

RAG越来越不准？你可能忽略了“元数据”的力量

没错，那个小盒子装的东西叫做树莓派，可能有一些朋友还没接触过，暂且理解成一个小型的个人电脑就可以了。

从零开始用树莓派搭建一个实时人脸检测系统

c是常数项，εt是随机误差项。
 对于一个AR(1)模型而言：
 当 ϕ1=0 时,yt 相当于白噪声；
 当 ϕ1=1 并且 c=0 时,yt 相当于随机游走模型；
 当 ϕ1=1 并且 c≠0 时,yt 相当于带漂移的随机游走模型；
 当 ϕ1<0 时,yt 倾向于在正负值之间上下浮动。

用python做时间序列预测九：ARIMA模型简介

陆陆续续写了10篇时间序列相关的文章了，本系列主要是应用为主，包括初识概念、时间序列数据可视化、时间序列分解、平稳/非平稳时间序列、时间序列缺失值处理、相关函数图/偏相关函数图/滞后图、时间序列复杂度量化、Granger causality test(格兰杰因果检验)、ARIMA模型简介、时间序列实践-航司乘客数预测。
 暂时先记录到这里，后续应该还会补充一些，比如基于深度学习的时间序列预测等。

用python做时间序列预测十：时间序列实践-航司乘客数预测

python的statsmodel包的grangercausalitytests函数中提供了很好的实现。

用python做时间序列预测八：Granger causality test(格兰杰因果检验)

Sample Entropy是Approximate Entropy(近似熵)的改进，用于评价波形前后部分之间的混乱程度，
 熵越大，乱七八糟的波动越多，越不适合预测；熵越小，乱七八糟的波动越小，预测能力越强。
 

用python做时间序列预测七：时间序列复杂度量化

有的时候，一些时刻或连续时间段内的值无法采集到，或者本身就没有值，本文将介绍如何处理这种情况。
一般而言，有以下几种方法：
对所有的缺失值用零填充。
前向填充：比如用周一的值填充缺失的周二的值
后向填

用python做时间序列预测五：时间序列缺失值处理

文章

问答

视频

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋 

腾讯云代码助手

CODING DevOps

Cloud Studio

SDK中心

API中心

命令行工具

腾讯云开发者社区推出了AI粉嫩特攻队专栏，为你提供了AI粉嫩特攻队的相关文章，致力于帮助开发者快速成长与发展。

AI粉嫩特攻队

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐