qyhua的专栏

Windows下源码部署Dify教程 本文详细介绍了在Windows平台通过源码部署Dify v0.15.4版本的完整流程。相比最新版，0.15.4版本无需依赖插件服务，更适合原生Windows环境部署。教程包含PostgreSQL数据库安装配置、Python后端环境搭建（使用Poetry管理依赖）、前端Node.js环境配置等关键步骤，并提供了数据库迁移、异步任务处理等进阶操作指南。文章特别强调该方案仅适用于v0.x版本，v1.x+版本因依赖Linux环境的插件服务而不适用。最后还附带了常

本文介绍了一种基于OCR技术和大语言模型的智能UI截图解析系统，可将界面截图自动转换为详细开发需求文档。系统采用PaddleOCR提取文字内容，结合llama3.2-vision分析界面结构，通过qwen3:14b生成结构化需求文档。系统具备双重分析路径（文件路径/Base64编码）、智能容错机制和标准化JSON输出，显著提升需求分析效率和准确性。相比传统人工分析方式，该系统可提高15倍效率，降低90%人力成本，并生成包含功能需求、数据结构、API接口等完整要素的开发文档。

MCP模型协议：重塑AI服务端集成的新范式 摘要：模型上下文协议(MCP)作为新一代AI集成框架，突破了传统API的限制，通过三大核心能力重新定义了LLM与外部系统的交互方式： 资源能力 - 提供结构化数据读取接口(URI规范) 工具能力 - 支持安全执行外部操作(Zod参数验证) 提示能力 - 实现参数化内容生成模板 技术实现要点： 采用Typescript构建标准化服务端 支持stdio/SSE双传输模式 提供完整开发工具链(inspector) 实现会话路由等生产级特性 该协议显著降低了AI系统集成的

本文详细介绍了如何使用 PyTorch 从零实现一个简易的中文 Transformer 模型。文章从数据预处理开始，逐步拆解了模型的各个核心组件，包括词嵌入、位置编码、编码器堆叠及线性投影等。通过 Mermaid 流程图直观展示了整体架构，帮助读者系统掌握大模型的原理与实战。文章还提供了完整的代码示例，涵盖了数据准备、模型定义、训练与推理的全过程，适合零基础读者理解并复现 Transformer 模型。

本文详细介绍了如何从环境准备、选择合适的 CUDA Toolkit 到安装满足项目要求的 PyTorch及扩展库的全过程。通过对版本依赖、硬件兼容性以及环境配置的详细说明和思维导图的辅助，希望能帮助大家快速搭建出适合自己项目的高效深度学习环境。如果你在安装过程中遇到问题，欢迎在评论区留言讨论，共同进步！

如何使用 LangGraph 和 DeepSeek 构建一个智能客服代理系统。该系统能够对客户查询进行分类、情绪分析，并根据不同情况生成相应回复或将问题上报给人工客服。整个流程将结合先进的自然语言处理技术和图形化工作流管理，适用于多种客户支持场景。

本项目通过整合DuckDuckGo搜索引擎与DeepSeek大语言模型，实现了一个智能搜索摘要生成工具。系统可自动执行以下流程：- 输入查询语句进行全网搜索- 获取并解析搜索结果- 调用AI模型生成结构化摘要- 输出带来源标注的专业级报告

提升代码质量：系统化解决"代码债"节省审查时间：自动化完成基础优化降低维护成本：预防潜在运行时错误项目地址：https://github.com/qyhua0/ai_langchain。

LangGraph是基于图结构的工作流开发框架，通过节点函数和条件流转实现复杂业务逻辑,根据自己业务用工作流结合大模型智能完成符合企业自身业务。

实战：零代码打造智能数据分析助手.传统数据分析需要掌握SQL/Python等工具，这为业务人员设置了技术门槛。

本教程将带您从零开始搭建一个，使用LangChain框架和OpenAI语言模型实现自然语言交互。适合AI入门开发者和对NLP应用感兴趣的读者学习。

传统聊天机器人常因缺乏上下文记忆导致对话割裂。本教程将使用LangChain框架，打造能记住对话历史的智能助手，实现连续自然的交流体验。