从“种草”到生成式AI：构建面向LLM应用的小红书高价值多模态数据集综合框架
第一部分：小红书数据生态系统：AI价值的基石 在人工智能（AI），特别是大型语言模型（LLM）飞速发展的今天，高质量、高维度、高价值的数据集已成为驱动模型能力进化的核心燃料。在众多社交媒体平台中，小红…
分类： AI
从社区到语料库：构建源自小红书的高价值AI数据集战略蓝图
报告摘要 小红书（Xiaohongshu）已崛起为当代数字生态中一个极具价值的数据金矿，其独特的用户生成内容（UGC）为训练下一代人工智能（AI）和大型语言模型（LLM）提供了前所未有的机遇。本报告旨…
构建下一代AI数据栈：DataJuicer、Daft与Lance的深度剖析与比较分析
执行摘要 在基础模型时代，人工智能（AI）和机器学习（ML）工作负载对数据处理基础设施提出了前所未有的要求。传统的数据工程范式已难以应对海量、高质量、多模态数据集的挑战。本报告深入分析了代表AI数据处…
数据标注工具-Doccano
一、介绍 提供给机器学习从业者的开源标注工具 github：https://github.com/doccano/doccano?tab=readme-ov-file 文档：https://docca…
chatgpt模型从强到弱排序
截至 2025 年 6 月，以 ChatGPT 系列核心模型的性能从高到低排序如下： ✅ 最新最强模型排行 o3（或称为 o3‑pro） — OpenAI 最新旗舰模型，继 o1 后推出，显著提升结构…
2025年人工智能发展态势：技术演进与未来趋势综合分析
I. 执行摘要 2024至2025年标志着人工智能（AI）加速发展的新阶段。其主要特征表现为：AI在各项全新且更严苛的基准测试中性能显著提升；功能强大且高效的小型模型迅速普及；生成式AI和智能体AI（…
主流AI智能体框架全景对比与深度剖析
I. AI智能体框架引言 交互页面可访问：agents.qingyang.ai A. AI智能体定义及其框架的关键作用 人工智能（AI）智能体（Agent）是指能够感知环境、进行决策并执行动作的智能实…
在 Cursor 中有那么多模型，我该选哪个？
在 Cursor 中有那么多模型，我该选哪个？ 在选择模型时，我们经常会遇到一个问题：那么多模型，我该如何选择？ 这不仅关系到我们的工作效率，更直接影响最终的任务完成效果。幸运的是，Cursor 已经…
AI大模型场景下的数据标注工作分析报告
数据标注, 大语言模型, LLMOps, ModelOps, DataOps, 多模态标注, 强化学习反馈, 命名实体识别, 意图识别, 客服问答, 多轮对话, 情感分析, 数据预处理, 自动化标注,…
别让 RAG 只剩“三件套”
标签：RAG,Data Cleaning,Chunking,Embedding Models,Generation Models,Vector Search,Re‑ranking,Multimodal…
🌟 0 级数据指标全景文档
标签：数据指标, 数据资产, 数据全生命周期, 数据可视化, 数据价值管理, AI数据, 数据运营, 数字化转型, 业务分析, 数据治理 🪙 一、引言：数据不是死数字，而是企业的数字化矿山 在AI数字…
Agent系统架构
单Agent架构 多Agent架构
普通RAG vs Agentic RAG
普通RAG vs Agentic RAG 维度 普通 RAG Agentic RAG 架构特点 固定流程：预定义的检索+⽣成 动态流程：Agent 具备计划与执⾏能⼒ 检索⽅式 固定轮数检索 多轮检索…
面向 AI 工程师的 MCP、LLM 和 AI Agent 备忘单（带视觉效果）
一、模型上下文协议 MCP 就像 AI 应用程序的 USB-C 端口。 正如 USB-C 标准化设备连接一样；MCP 标准化了 AI 应用程序与数据源和工具的连接。 二、LLM 中的转换器与专家混合 …
自然语言处理场景下 AI 知识库、微调及预训练数据集准备规范
本文档旨在提供在自然语言处理（尤其是大型语言模型，LLM）场景下准备三类数据集（知识库数据集、微调数据集、预训练数据集）的规范指导。主要内容涵盖各类数据集的定义与适用场景、数据格式要求、数据构成比例建…
Claude泄露的25K tokens长的系统提示词，非常值得学习。
英文原网页：https://raw.githubusercontent.com/asgeirtj/system_prompts_leaks/refs/heads/main/claude.txt 中文版…
模型蒸馏：用“小学生”记住“博士生”的智慧
标签：模型压缩, 知识蒸馏, 神经网络优化, 模型部署, 深度学习, 模型加速, 小模型, Teacher-Student架构, 边缘AI, 模型优化 一、什么是模型蒸馏？ 模型蒸馏（Knowledg…
🔬数据蒸馏全解：从浓缩数据到驱动未来AI的隐形引擎
标签：数据蒸馏, 数据压缩, 数据增强, 小样本学习, 元学习, 机器学习优化, 模型训练加速, 数据子集选择, 隐私计算, AI数据优化 📍前情回顾：数据蒸馏是什么？ 简而言之：数据蒸馏（Datas…
构建智能体的实用指南
来源： Agents 实用构建指南 OpenAI – A practical guide to building agents https://cdn.openai.com/business-guid…
🧠 RAG 三重奏：HyDE + Rerank + Prompt Optimization 的最强策略实践（进阶版）
标签：RAG, Modular RAG, HyDE, Rerank, Prompt Engineering, 检索增强, 多阶段检索, 系统设计, LLM系统工程, 知识库问答 🎼 引子：RAG 不再…