无声旅者的博客

原创 节省使用大模型的成本

对大模型应用而言，缓存是至关重要的，一方面可以提升访问速度，另一方面，可以实实在在地节省调用大模型的成本。我们结合 LangChain 框架介绍了缓存的实现。缓存主要分成两大类，精确缓存和语义缓存。精确缓存，是在提示词完全相同的情况下才能命中缓存，而语义缓存则是语义类似的情况下就能命中缓存。对于聊天类型的应用而言，语义缓存的实用价值更大一些。

原创 你应该知道的LLM基础知识

大语言模型（LLM）是AI应用开发的核心，它为开发者提供了强大的语言处理能力。通过理解LLM的特点和工作机制，开发者可以更好地利用这一工具，开发出更具创新性和实用性的AI应用。无论你是希望开发智能客服、内容创作工具还是其他语言相关的应用，LLM都将是你的得力助手。让我们一起拥抱LLM，开启AI开发的精彩之旅！

原创 普通程序员如何迈进AI时代？——AI开发入门指南

小李的案例表明，即使是一名普通的程序员，也可以通过学习和实践，逐步掌握AI开发技能，并在工作中发挥重要作用。关键在于保持学习的热情，勇于尝试新的技术和工具，并将AI技术与实际工作相结合。AI时代已经到来，作为一名普通程序员，你不必感到迷茫或焦虑。AI技术虽然复杂，但并非遥不可及。通过学习基础知识、实践项目、使用开源工具和持续优化，你完全可以在这个时代找到自己的位置，并发挥重要作用。记住，AI不仅仅是顶尖专家的专利，它也属于那些愿意学习和尝试的普通程序员。

原创 Manus AI：解锁多语言手写识别的未来

Manus AI 通过深度学习和创新技术，成功攻克了多语言手写识别的难题。它不仅提高了工作效率，还为保护和传承文化遗产提供了新的工具。无论是在教育、金融还是医疗领域，Manus AI 都展现出了巨大的应用潜力。未来，随着技术的不断进步，Manus AI 有望为更多领域带来创新的解决方案，让手写文字在数字时代焕发出新的生命力。希望这篇博客能帮助你更好地了解 Manus AI 与多语言手写识别技术。如果你有任何问题或建议，欢迎在评论区留言！

原创 （纯干货，纯图教学）Trae CN 安装插件Cline 配置OpenAI 调用大模型

原创 为什么计算机视觉（CV）领域首先引领预训练潮流？

计算机视觉领域之所以能够率先引领预训练潮流，得益于其深厚的技术基础和广泛的应用需求。预训练模型通过在大规模数据集上进行训练，能够学习到丰富的通用特征，从而在各种视觉任务中表现出色。这种技术不仅推动了计算机视觉技术的进步，还降低了开发成本，促进了跨领域的应用。未来，随着预训练模型技术的不断发展，计算机视觉领域将迎来更加广阔的发展空间。

原创 AI系统的冲锋队：在线系统构建与应用

在当今数字化时代，AI系统已经成为众多企业和组织的核心竞争力之一。而在AI系统的架构中，在线系统扮演着至关重要的角色。它不仅是用户直接交互的界面，更是实现业务目标和商业价值的关键环节。本文将深入探讨AI系统中在线系统的构建与应用，重点关注指标建模、控制因子以及多方博弈等关键内容。

原创 AI系统的后勤保障：离线系统构建

离线系统是构建AI系统的基础，模型工程和存储索引是其核心组成部分。通过合理设计和优化离线系统，可以为在线服务提供强大的支持，提升整个AI系统的性能和效果。全量模型训练和增量模型训练相结合，可以充分利用历史数据和新数据的优势，提高模型的泛化能力和时效性；倒排索引服务、在线特征制备和知识图谱生成等技术的应用，可以实现高效的数据检索、实时特征生成和知识表示，为AI系统的智能化决策提供有力支持。总之，离线系统在AI系统中具有不可替代的作用。

原创 数据算法：为 AI 系统精准选“老师”，解锁智能进阶之路

数据算法是 AI 系统实现智能的关键。通过科学地选择和处理输入数据，我们可以为 AI 系统选择合适的“老师”，从而帮助其更好地学习和适应外部环境。用户特征、物品特征、场景特征和实时特征的处理，以及图神经网络、知识图谱和跨模态预训练模型等技术的应用，都是实现这一目标的重要手段。在未来的发展中，随着数据算法的不断优化和技术的不断创新，AI 系统将变得更加智能，为人类的生活和工作带来更多的便利和价值。

原创 深入探索AI模型工程：算法三大门派与监督学习的魅力

通过本文的介绍，我们对AI模型工程有了一个全面的了解。我们首先介绍了AI算法的三大门派——符号主义学派、连接主义学派和行为主义学派，它们分别代表着不同的研究方向和方法论，各具特色。接着，我们深入探讨了监督学习的原理和建模过程，包括函数映射关系、损失函数与梯度下降、点击率模型的建模过程等。最后，我们还介绍了对比学习和强化学习的相关内容，它们为AI模型工程提供了更多的可能性和应用场景。在实际的AI系统开发中，我们需要根据具体的应用场景和需求。

原创 策略建模：AI系统背后的“心灵感应”技术

AIRC（AI内容推荐系统）是AI系统中的一个重要分支，它通过分析用户的行为数据和偏好，为用户提供个性化的内容推荐。谷歌搜索引擎：通过分析用户的搜索历史和行为，为用户提供更精准的搜索结果。抖音推荐系统：根据用户的观看历史和互动行为，推荐用户可能感兴趣的视频。阿里妈妈计算广告系统：通过分析用户的购买行为和偏好，为商家提供精准的广告投放。这些系统的核心目标是提高用户体验，同时优化业务指标，例如点击率、转化率和销售额等。AIRC系统通过策略建模和算法优化，能够实现精准的内容推荐和业务指标提升。

原创 深入剖析：工业级大模型系统的强大之处与常见误区

工业级大模型系统在性能、稳定性和可靠性方面具有显著优势。然而，许多初学者在学习和使用这些系统时，往往容易陷入一些常见的误区。通过深入学习理论知识、选择高质量的开源项目以及构建离线数据工程等方法，可以有效避免这些误区，更好地应用大模型系统。

原创 开源工具自建AI大模型底座：打造你的专属智能助理

通过使用开源工具，我们可以快速搭建一个AI大模型底座，让智能体成为你的专属助理。这些工具包括Langchain、Flowise、LocalAI、Llama系列模型和AutoGPT等。通过这些工具，我们可以实现复杂的互动、快速搭建应用、构建领域知识库、提升智能体水平以及建立智能体大军。希望这篇文章能帮助你更好地理解和使用这些开源工具，打造属于你的AI大模型底座。如果你对这些工具感兴趣，或者有其他好的实践落地方案，欢迎随时交流！

原创 具身智能：OpenAI 的真正野心与未来展望

ChatGPT 的发展只是具身智能的一个开端。未来，随着技术的不断进步，我们将迎来一个全新的智能时代。具身智能不仅会改变我们的工作方式，还会深刻影响我们的生活。让我们拭目以待，迎接这个充满无限可能的未来。如果你对具身智能和 ChatGPT 的未来发展感兴趣，欢迎继续关注我们的专栏，获取更多深度内容。

原创 认知升级：深入理解 AI 大模型的奥秘

过去一年中，我们经常听到各种与 AI 相关的术语，比如“大模型”“AI 模型”“生成式 AI”“AIGC”等。这些术语似乎让机器在一夜之间拥有了智能，甚至引发了人们对未来的一些幻想。实际上，AI 大模型并非一个严格的学术分类，更准确的术语是“基础模型”。基础模型是一种大型机器学习模型，通常在海量数据上进行大规模训练，以适应各种下游任务。这种模型的出现，标志着 AI 技术的一个重要里程碑。AI 大模型是一个充满潜力的领域，它不仅能够提升我们的工作效率，还能够为各种行业带来新的机遇。

原创 如何让 Agent 有计划地进行股票数据分析？——基于 DeepSeek 的实战应用

通过本实战项目，我们介绍了如何让 Agent 有计划地进行股票数据分析。我们从数据准备、指标计算，到 Agent 的计划模式设计，一步步完成了整个流程。希望本文能帮助你更好地理解和应用 Agent 技术。

原创 如何高效抓取沪深A股的日K数据？——实战技巧与代码解析

通过本实战项目，我们介绍了如何利用异步编程高效抓取沪深A股的日K数据。我们从基础代码回顾、异步抓取代码实现，到数据保存和完整性验证，一步步完成了整个流程。希望本文能帮助你更好地理解和应用异步编程技术。

原创 如何用自然语言查询股票信息？——基于 LangGraph Agent 的实战开发

东方财富网提供了丰富的股票数据接口，其中 stock_cy_a_spot_em 接口可以抓取创业板的实时数据。通过调用该接口，我们可以获取包括股票代码、名称、当前价格、涨跌幅等在内的详细信息。字段说明代码股票代码名称股票代码当前价格实时价格涨跌幅涨跌幅度成交量当日成交量成交额当日成交额通过本实战项目，我们介绍了如何利用 LangGraph Agent 实现股票信息的自然语言查询。

原创 如何抓取金融市场数据：使用AKShare进行股票数据抓取

通过AKShare，我们可以轻松抓取金融市场数据，尤其是股票的日线数据。结合Pandas，我们可以对数据进行处理、排序和保存，为后续的分析和开发做好准备。在金融量化开发领域，了解股票数据的抓取和处理是非常重要的，希望这篇文章能帮助你快速上手。

原创 拓展思路：如何使用GraphRAG分析代码结构

GraphRAG通过知识图谱和图搜索技术，为代码结构分析提供了一种全新的思路。它不仅能够理解代码中的实体关系，还能进行复杂的多跳推理和因果关系分析。对于开发者来说，GraphRAG是一个强大的工具，可以帮助他们更好地理解代码逻辑，提高开发效率。

原创 使用LangGraph定制编写Web后端项目：以生成Golang代码为例

通过LangGraph和Prompt，我们可以快速生成并定制Golang Web后端代码。这种方法不仅提高了开发效率，还能确保生成的代码结构清晰、稳定可靠。希望这篇文章能帮助你更好地理解和使用LangGraph进行项目开发。如果你对LangGraph有更多兴趣，可以继续探索其更多功能和应用场景。

原创 深入解析RAG技术：提升题目解答准确率的利器

本文探讨了RAG（Retrieval-Augmented Generation）技术在教育领域中的应用，特别是如何提高题目解答的准确率。RAG技术通过结合检索和生成两个步骤，利用相关文档增强生成模型的上下文信息，从而提高回答的准确性和相关性。文章详细介绍了RAG技术的原理，包括传统RAG和Agentic RAG的流程和特点，并提供了实操步骤，如数据清洗、向量搜索和知识库管理。此外，文章还讨论了RAG技术在实际应用中的成功案例，并展望了其未来的发展潜力。通过RAG技术，AI辅助学习将变得更加智能和高效。

原创 掌握工具开发套路：用Dify和FastAPI打造高效AI应用

Dify平台提供了强大的工具开发功能，支持零代码创建自定义工具。在控制台中，选择“工具管理”模块，点击“创建工具”按钮。输入工具的基本信息，如工具名称、功能描述等。使用OpenAPI规范定义工具的接口。以高德地图API为例，我们需要定义接口的路径、请求方法、参数等信息。Dify平台提供了直观的界面，帮助你快速完成定义。通过Dify平台和FastAPI框架，我们可以高效地开发标准化的工具，并将其接入AI应用中。工具开发是Agent功能实现的基础，掌握工具开发套路对于AI应用开发至关重要。

原创 低代码AI开发新趋势：Dify平台化开发实战

Dify平台为AI应用开发提供了一种全新的方式，通过低代码甚至零代码的开发模式，让更多的非专业开发者也能轻松上手。无论是产品经理还是程序员，都可以通过Dify平台快速实现自己的想法，开发出实用的AI应用。希望本文的介绍能帮助你更好地了解Dify平台，激发你的开发灵感。

原创 如何用AI优化简历：自动读取与精华浓缩

通过上述步骤，我们成功开发了一个基于DeepSeek和MCP Server的求职助手，能够自动读取简历并提取精华内容。这不仅提高了求职效率，还让简历内容更加突出，增加了求职成功的机会。在未来，我们可以进一步扩展求职助手的功能，如添加简历投递功能、面试管理功能等，使其成为一个更全面的求职平台。此外，我们还可以探索更多AI技术在求职领域的应用，如自动生成求职信、模拟面试等。希望本文介绍的求职助手能够为你的求职之路提供一些帮助，祝你早日找到理想的工作！

原创 利用人工智能优化求职流程：开发一个智能求职助手

通过上述步骤，我们成功开发了一个基于人工智能和后端服务的求职助手。它可以帮助我们快速搜索和匹配岗位信息，提高求职效率。在未来，我们可以进一步扩展求职助手的功能，如添加简历投递功能、面试管理功能等，使其成为一个更全面的求职平台。在求职过程中，技术只是辅助手段，更重要的是个人的能力和经验。希望本文介绍的求职助手能够为你的求职之路提供一些帮助，祝你早日找到理想的工作！

原创 深入探索MCP通信：构建高效的MCP Client

本文探讨了MCP（Model-Controller-Proxy）架构在现代软件开发中的应用，特别是其支持的两种通信方式：标准输入输出（stdio）和服务器发送事件（SSE）。Stdio方式适用于本地快速集成，通过启动服务器子进程实现双向通信；而SSE方式则基于HTTP协议，允许服务器向客户端单向、实时推送数据，适用于实时监控和消息推送等场景。文章通过Python代码示例，详细展示了如何使用MCP Python SDK构建MCP Client，并实现与MCP Server的通信。通过这些内容，读者可以更好地理

原创 构建高效开发基石：手把手教你搭建MCP Server

MCP（Model-Controller-Proxy）架构是软件开发领域的一项创新技术，其核心组件MCP Server具备Tool、Resource和Prompt三大能力。Tool能力通过调用外部服务（如数据库或API）扩展应用功能；Resource能力提供只读数据支持；Prompt能力则通过定义模板引导与大语言模型的交互。本文详细介绍了如何搭建开发环境、实现这三大能力，并进行配置与测试。通过一个简单的MCP Server实现，展示了其在应用开发中的潜力，特别是在Tool能力方面的广泛应用。未来，MCP架构

原创 AI浪潮：开启科技新纪元

AI 作为当今最具变革性的技术之一，正以前所未有的速度重塑着我们的世界，从医疗到交通，从金融到生活的方方面面，它的影响力无处不在。AI 的发展不仅带来了技术的革新，更创造了无限的机遇，为我们解决各种复杂问题提供了新的思路和方法。然而，我们也必须清醒地认识到，AI 的发展并非一帆风顺，数据隐私与安全、伦理道德、就业结构调整等问题亟待解决。这些挑战需要我们全社会共同努力，政府、企业、科研机构和个人都应承担起相应的责任，通过技术创新、政策制定和伦理引导，确保 AI 的发展符合人类的利益和价值观。

原创 LangChain 在电商智能推荐系统中的动态配置实战：实现组件热替换与性能提升

通过configurable_alternatives，电商智能推荐系统能够像变色龙一样，根据不同的业务需求和运行环境，动态地切换推荐组件。建议电商开发者结合自身业务需求，设计分层配置体系，提升推荐系统的弹性和可维护性。

原创 OpenAI Text 模型与 Chat 模型调用实战指南：从基础配置到创意花店命名

在 AI 应用开发的浪潮中，OpenAI 的大语言模型成为开发者实现创新功能的得力工具。其中，Text 模型和 Chat 模型作为核心接口，被广泛应用于文本生成、对话交互等场景。本文将以 “为花店起名” 为实际需求，手把手教你如何安全调用这两类模型，并深入解析关键参数，助你精准驾驭模型输出。

原创 一文全面了解 DeepSeek

尽管在某些复杂的数学题目上，模型的表现可能不尽如人意，但整体上，其生成的内容质量和速度都是值得肯定的。DeepSeek团队主要由刚毕业不久的本土培养的学生组成，这些年轻人通过自身的努力和创新，实现了从0到1的突破。开源社区的蓬勃发展，不仅加速了技术的迭代和优化，还有助于培养更多的技术人才，推动整个行业的进步。DeepSeek团队的创新精神是其成功的关键。DeepSeek的V3版本不仅开源了R1模型，还基于该模型蒸馏出多个不同尺寸的小模型，这些小模型在保持核心功能的同时，能够运行在算力较弱的设备上，如手机。

原创 DeepSeek部署：LobeChat+AI 网关+Ollama（一）

首先来了解一下 Ollama。这一开源框架堪称本地部署大型语言模型（LLM）的 “瑞士军刀”—— 无需复杂配置，仅通过简单命令行，就能将 DeepSeek、Qwen、Llama3 等热门模型快速 “搬” 到本地设备上运行。无论是开发者调试模型，还是企业搭建私有化 AI 服务，Ollama 都能大幅降低部署门槛。Ollama 的 “黑科技” 在于其底层优化技术。权重量化、分块加载与缓存机制、GPU/CPU 灵活调度三大核心技术协同发力，让大模型在普通硬件上也能流畅运行。

原创 解锁大模型潜能：Function Calling 与 ReAct 的智慧之道

ReAct 思想认为，大模型在面对问题时，不应盲目作答，而是要先进行思考推理，将大问题分解成多个小问题，然后根据推理结果采取相应的行动 —— 调用合适的外部工具。Function Calling 机制和 ReAct 思想为大模型的发展开辟了新的道路，让大模型具备了与外界交互的能力，使其在面对复杂问题和实时信息需求时表现得更加智能。那么，如何才能让大模型突破这一局限，变得更加智能呢？在这个示例中，通过 ReAct Prompt 模板，大模型能够按照既定的逻辑处理用户的问题，逐步实现股票收盘价的查询功能。

原创 解锁 AI 潜能：从提示词小白到高手的蜕变之路

但要是输入 “以春天为主题，用优美生动的语言，创作一篇 800 字左右的散文，包含对春天景色的细腻描写和个人感受”，AI 就能更精准地理解需求，创作出更符合期望的作品。以撰写旅游攻略为例，“写一篇旅游攻略” 这样的指令太过宽泛，而 “写一篇针对大学生的东南亚穷游攻略，涵盖交通、住宿、美食推荐和省钱技巧，重点介绍 3 个性价比高的城市，每个城市游玩 3 - 4 天，每日预算控制在 300 元人民币以内”，明确了目标人群、目的地、预算、游玩时间和重点内容等关键信息，AI 生成的攻略会更贴合实际需求。

原创 当洪七公的打狗棒法遇上大模型：从模型蒸馏看 DeepSeek 的民用级开发机遇

这种 “因材施教” 的设计，让不同算力水平的开发者都能找到适用场景。回到武侠隐喻，模型蒸馏是 “传功”，DeepSeek 是 “兵器”，而开发者才是真正的 “江湖主角”。当技术红利与人间烟火相遇，当模型蒸馏的 “内力” 转化为解决问题的 “招式”，每个开发者都能在这场 AI 浪潮中，打出属于自己的 “降龙十八掌”。某创业团队利用 DeepSeek 的文本生成能力，开发出 “论文助手” 工具，能根据用户输入的关键词自动生成文献综述，上线 3 个月用户量突破 10 万，验证了轻量级 AI 工具的市场需求。

原创 （2025亲测可用）AI大模型，解锁高效编程新姿势：Cursor 详细配置指南

同时，在快捷键设置方面，默认为 VS Code 快捷键，如果熟悉其他编辑器的快捷键，也可以根据自身需求更改。你可以选择将 VS Code 的扩展、设置和快捷键绑定等内容直接导入到 Cursor 中，这样能减少重新配置的麻烦，让你更快适应 Cursor 的开发环境。例如，若你使用的是 MAC 系统，页面会显示 “下载 MACOS” 按钮，点击即可下载。#####1. 找到配置路径：打开 Cursor 的设置界面，进入 “Models” 面板，这里集中了与模型相关的重要配置选项，后续的核心参数设置都在此进行。

原创 一文搞懂AI Agents的不同类型

此种类型代理能够将感知能力整合到早期未见的环境观察中，并将其存储为内部状态，从而为未来的决策和行动提供有用的信息。然而，对于更复杂的问题和环境，可能需要更高级的代理类型，如基于目标的代理、基于实用程序的代理或学习代理，以便进行更深入的推理和决策。然而，对于更复杂的问题和环境，可能需要更高级的代理类型，如基于目标的代理、基于实用程序的代理或学习代理，以便进行更深入的推理和决策。基于上述模型图可以看到：AI 中的这些类型的代理，例如简单的反射代理和基于模型的反射代理，通过感知环境的当前状态来采取行动。

原创 三步搭建专属 AI 智能体：开启个性化智能服务新时代

coze.cn）操作便捷，拥有中文界面。Bot 商店：提供 200 多个现成的 AI 模型，涵盖多种应用场景，用户可直接选用。插件市场：支持一键接入天气、地图等实用工具，丰富智能体的功能。知识库：用户上传 PDF 等文件后，智能体可快速学习，成为行业专家。图像流：输入文字即可生成小红书风格的美图，满足用户在图像创作方面的需求。工作流：作为 Agent 的智能大脑，是将 DLL 转变为 AI Agent 的核心功能，通过配置工作流，可实现智能体的复杂任务处理。

原创 借助 Continue 插件，让 JetBrains IDE 开发体验更上一层楼

JetBrains 全家桶系列 IDE，如 idea、PyCharm、WebStorm 等，凭借其强大且丰富的功能，一直深受开发者的青睐。而现在，通过集成 Continue 插件，我们能够进一步挖掘这些 IDE 的潜力，为开发工作带来前所未有的高效与智能体验。接下来，我们将以 MacOS 系统下的 PyCharm 为例，详细阐述 Continue 插件的配置过程。