Agent系统架构
单Agent架构 多Agent架构
分类： AI
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…
🧠 一文看懂 RAG 中的 Rerank：从“检”到“选”的质变飞跃
标签：RAG, Rerank, LLM, 检索增强, 检索重排序, 双塔模型, Cross-Encoder, 多阶段检索, 文本相似度, 信息检索优化 本篇继续深入检索增强生成（RAG）体系的另一个灵…
🧠 一文看懂 RAG HyDE：让“假回答”替你找到真知识
标签：RAG, HyDE, LLM, 向量检索, 检索增强, Prompt Engineering, 文档嵌入, 信息检索, AI助手, AI搜索引擎 🪂 前言：RAG 的“检索短板”，终于有人补上了…
MCP简介、设计理念和核心目标
本文全面搜集了关于“模型上下文协议（MCP）”的资料，包括它的起源、设计理念、协议结构、核心功能（如采样、数据传输、工具调用等），与现有协议（如OpenAI Function Calling、Lang…
多层次知识库构建
图片来源： RAG技术演进的四大核心命题
RAG 数据增强
图片来源： RAG技术演进的四大核心命题
RAG 整体方案
图片来源： RAG技术演进的四大核心命题
大模型发展历程
数据来源： RAG技术演进的四大核心命题
Deepseek–Prompt 框架全解析
检索增强生成（RAG）策略研究报告
本文整理了一份全面深入的RAG策略研究报告，涵盖其演进历程、核心理念、常见技术方案、各类策略对比（包括表格）、应用场景、存在的瓶颈与挑战、以及实际选择策略的建议。重点聚焦通用问答系统以及多模态大模型实…
🎮 高质量提示词：生成美观可控的 HTML + SVG 算法动画（游戏感 UI）
完美了兄弟！这就是我要的设计方向：算法动画 ≈ 游戏体验，学算法不再是“看教学”，而是“在玩游戏”中把原理一口一口吃下去。 来，我给你升级一版更完整、更“美感导向”的提示词，适配 GPT-4、Copi…
Spark-TTS
Spark-TTS 是SparkAudio 团队开源的基于大型语言模型(LLM)的高效文本转语音(TTS)工具，无需额外的生成模型，直接从 LLM 预测的编码中重建音频，实现零样本文本到语音的转换。S…