ceshiren0001

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

▌ 模型架构层
14. Transformer：LLM基石架构，通过自注意力机制突破长文本瓶颈
15. Token：文本处理最小单位（中文1词≈2-3token）
16. 参数量 (Parameters)：模型复杂度标尺（GPT-3达1750亿）
17. MoE (Mixture of Experts)：GPT-4关键技术，动态激活专家模块降耗增效

AI术语详解：从新手到专家的43个核心概念指南

AI智能体正从"对话机器"进化为"数字执行者"——当你说"订明早北京到上海的最早航班"，它不再停留于文字建议，ChatGPT会给出购票指南，而Agent（智能体） 会直接完成订票并发送行程单到你的微信。这种“听懂即搞定”的能力背后，是一场AI从“思考者”蜕变为“行动者”的技术跃迁。本文将穿透概念迷雾，拆解Agent的核心工作原理与落地实践逻辑。

深入解析Agent实现“听懂→规划→执行”全流程的奥秘

Dify（Do It For You）是一个开源的 LLMOps 平台，专注于缩短 AI 原型与生产应用之间的距离。它通过「可视化 + API 优先」的方式，帮助开发者快速构建、测试、监控并上线基于大型语言模型（LLM）的解决方案，支持从聊天机器人、检索增强生成（RAG），再到代理 Agent 的全功能覆盖。

从零开始学 Dify：搭建你的第一个 LLM 应用平台

在大模型技术飞速发展的今天，AI智能体（Agent）已成为能够自主理解、规划并执行任务的AI应用形态。Dify作为一个强大的LLM应用开发平台，让即使没有深厚编程背景的开发者也能快速构建功能丰富的AI智能体。

Dify平台：Agent开发初学者指南

在人工智能技术飞速发展的今天，低代码/无代码AI开发平台正成为连接技术与非技术用户的桥梁。Coze（扣子）和Dify作为两款备受关注的开源项目，凭借各自优势吸引了大量开发者。

Coze与Dify深度对比：AI应用开发最佳利器的选择指南

LightRAG是一款创新的知识图谱增强检索框架，它将传统向量检索与知识图谱的结构化信息相结合，大幅提升了检索准确性和可解释性。与传统的RAG（Retrieval-Augmented Generation）系统相比，LightRAG通过引入轻量级知识图谱，解决了单纯向量检索中遇到的关系缺失、语义模糊等问题。

初识LightRAG：轻量级知识图谱框架指南

你有没有这样的经历：满怀期待地把公司文档上传到 Dify，结果AI 助理的回答却总是抓不住重点，甚至偏离问题、凭空发挥？

6步优化Dify知识库：打造精准可靠的AI解答

检索增强生成（Retrieval-Augmented Generation，简称RAG）是人工智能领域的一项关键技术。它将信息检索与大型语言模型相结合，大大提升了生成内容的准确性和及时性。

RAG技术工作流程详细指南

当知识图谱与RAG技术相遇，会碰撞出怎样的火花？在AI迅猛发展的当下，检索增强生成（RAG：Retrieval-Augmented Generation）技术正成为解决大模型幻觉问题的有效方案。然而，传统RAG系统仍普遍存在检索不够精准、上下文理解能力有限等痛点。知识图谱的引入，为这些瓶颈提供了全新的突破思路。而LightRAG，正是这样一个将知识图谱与RAG轻量融合的创新框架。

用LightRAG打造智能问答系统：知识图谱与RAG的融合应用实践

Playwright通过智能选择器、容器化环境和分布式执行，将测试成功率提升至92%！

Playwright进阶指南 (6) | 自动化测试实战

在人工智能的发展历程中，我们正从仅仅响应指令的工具时代，迈向一个能够自主理解、规划并执行复杂任务的智能体时代。AI智能体作为这一变革的核心载体，不再是简单的聊天机器人或图像识别工具，而是一个能够如人类般思考、决策和行动的自主系统。本文将深入介绍AI智能体的核心工作原理及关键架构组件。

AI智能体架构详解：从LLM核心到工具扩展的自主进化之旅

在之前的教程中，我们已经介绍了 MCP（Model Context Protocol）的基本概念及其核心组件。在本篇教程中，我们将通过一个实际案例，演示如何运用 MCP 构建一个能够分析学术论文的智能体。这个智能体将具备读取 PDF 文件、提取关键信息的功能，并能回答用户有关论文内容的问题。

MCP零基础学习（7）｜实战指南：构建论文分析智能体

Playwright与PyTest的结合为Web自动化测试注入了强大动能。通过Playwright的现代化跨浏览器自动化功能，又能借助PyTest成熟测试框架的结构化、可扩展性来高效管理和组织测试用例。我会带你了解如何将这两者结合使用。

Playwright与PyTest结合使用指南

许多传统软件测试从业者在转向互联网项目时都会体会到一种共同的感受：以前熟悉的方法似乎跟不上快速迭代的节奏。测试过程变得更加迅速、复杂，同时也更加依赖策略和智慧。

探索传统与互联网软件测试的区别

随着Model Context Protocol（MCP）的迅速发展，开发者面临的关键挑战之一是如何在众多MCP服务器中构建一个高效、可靠的客户端。作为连接AI模型与外部工具和数据源的重要桥梁，MCP客户端的设计直接影响到整个系统的性能和可用性。本文将深入探讨在多服务器环境中构建MCP客户端的最佳实践和技术解决方案。

创建高效MCP客户端：多服务器环境解决方案指南

Python 凭借其简洁的语法和强大的生态系统，成为自动化任务和提升工作效率的绝佳工具。无论是文件处理、数据操作，还是日常事务的自动化，几行 Python 代码常常能帮你节省数小时的手动工作。

Python高效工作必备：20个实用脚本推荐！

本文将教你如何借助Dify的文本生成应用和批量处理功能，高效生成大量SEO文章，轻松应对内容营销、电商运营及SEO优化需求。只需通过CSV模板快速填充内容、调度批量任务并导出优化结果，你就能在5分钟内产出100篇优质SEO内容，显著提升内容生产效率。

Dify入门指南(6)：5分钟快速批量生成SEO文章的文本创作技巧

通过灵活运用Playwright的请求拦截能力，你可以构建出完全可控的测试环境，大幅提升测试用例的稳定性和执行速度。这种技术特别适用于：

Playwright进阶指南 (5)：拦截与模拟网络请求

在前几期的MCP系列教程中，我们系统地介绍了 Model Context Protocol（MCP）的基本概念、核心组件及其工作原理，为构建结构化 AI 应用打下了坚实基础。本期内容将进一步深入，聚焦于 MCP 与大型语言模型（LLM）的深度融合，探索如何通过协议与模型的协同，释放更强大的智能潜力。

MCP零基础学习（6）｜与大型语言模型（LLM）的深度融合

本文是 MCP（Model Context Protocol）教程系列的第二阶段，我们将告别理论，直接进入开发实战。你将学会如何把第三方 API快速封装成 Claude 等 AI 模型可直接调用的强大工具。我们将以高德地图地理编码和arXiv 论文检索这两个实用场景为例，内容涵盖资源定义、工具实现、错误处理等核心开发环节，带你一步步完成从零到可用的工具集成。

MCP 实战指南：高德地图和 arXiv API 封装指导教程

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ceshiren0001专栏，为你提供了ceshiren0001的相关文章，致力于帮助开发者快速成长与发展。

ceshiren0001

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