參考文獻：> https://www.kaggle.com/whitepaper-agents > 1.什么是Agent？ Baseline：生成式AI模型 Training Aim：訪問外部工具、自主規(guī)劃和執(zhí)行任務 What we get：具備推理、邏輯和訪問外部信息的生成式AI（extended ...

背景 之前寫過文章Claude Code下Kimi-k2模型初試，隨著模型發(fā)展，我們今天來看看如何免費用Claude code。我們再回顧下他的特性：智能上下文管理ClaudeCode 的持久記憶機制（CLAUDE.md 文件存儲項目歷史）與 OpenRouter 的多模型調(diào)度深度融合，形成「記憶 ...

目錄數(shù)據(jù)概念標量 Scalar向量 Vector矩陣 Matrix張量 Tensor小試牛刀小結(jié) 數(shù)據(jù)概念 標量、向量、矩陣、張量 這幾個概念是機器學習中數(shù)據(jù)表示的基礎(chǔ)，簡單的科普下。 標量 Scalar 標量是最基本、最簡單的量，只有大小，沒有方向。 例如：一個人的年齡25歲、房間的溫度30度、物 ...

前言 從本節(jié)開始，我們的機器學習之旅進入了下一個篇章。之前討論的是回歸算法，回歸算法主要用于預測數(shù)據(jù)。而本節(jié)討論的是分類問題，簡而言之就是按照規(guī)則將數(shù)據(jù)分類 而要討論的邏輯回歸，雖然名字叫做回歸，它要解決的是分類問題 開始探索 scikit-learn 還是老規(guī)矩，先來個例子，再討論原理 假設以下場 ...

1. 基本信息 大語言模型 特倫斯?謝諾沃斯基 著 中信出版社,2025年07月出版 1.1. 讀薄率 書籍總字數(shù)13.7萬字，筆記總字數(shù)42724字。 讀薄率42724÷137000≈31.19% 1.2. 讀厚方向 千腦智能 腦機穿越 未來呼嘯而來 虛擬人 AI3.0 新機器人 人工不智能：計算 ...

前言 看langgraph官方文檔感覺human in the loop貌似還挺簡單的，但實際上手時，那文檔看得我云里霧里的。更詳細的Guides和Reference，恕我能力有限，悲摧的也沒看懂。作為試驗，我想做一個功能：本地執(zhí)行shell命令，每次執(zhí)行前都要用戶確認。左看官方文檔， 右去西天請C ...

1. 從自然中學習 1.1. 大自然經(jīng)過演化形成的計算機制雖然看似反直覺，但卻能高效解決復雜問題 1.1.1. 這些機制天然適配于大規(guī)模并行運算，這與傳統(tǒng)計算機追求串行處理的思路有本質(zhì)區(qū)別 1.1.2. 隨著并行計算技術(shù)的發(fā)展，借鑒自然界的解決方案來突破計算瓶頸已成為可能 1.2. 感覺運動系統(tǒng)在脊 ...

摘要 本篇BLOG整合了各種調(diào)參技巧， 種子的選取（玄學） 推薦兩個好用的種子 random.seed(42) ，42是《銀河系漫游指南》中的答案，社區(qū)反饋，這個種子確實在大多數(shù)任務下表現(xiàn)不錯，有人說，這是因為光需要\(10^{-42}\)秒才能穿過質(zhì)子的直徑,也有人說，光通過水面折射42度形成彩虹 ...

本文介紹了一個基于深度學習的石頭剪刀布手勢識別系統(tǒng)，采用YOLOv5/v8/v11/v12等模型實現(xiàn)高精度識別。系統(tǒng)包含用戶登錄、注冊、模型選擇等功能模塊，通過PyQt5構(gòu)建交互界面。實驗對比顯示，YOLOv12在COCO數(shù)據(jù)集上mAP達40.6%，參數(shù)量僅2.6M，綜合性能最優(yōu)。在自制7,000張... ...

前言 今天我們來討論擬合的問題 在之前的篇幅，主要討論的是線性回歸的問題，不管是一元、多元、多項式，本質(zhì)都是線性回歸問題。線性回歸在機器學習中屬于“監(jiān)督學習”，也就是使用已有的、預定義的“訓練數(shù)據(jù)”集合，訓練系統(tǒng)，在解釋未知數(shù)據(jù)時，也能夠很好的解釋 而模型訓練完成之后，可能會有3中狀態(tài)：“欠擬合”、 ...

引言 在人工智能快速發(fā)展的今天，傳統(tǒng)的工作流自動化工具已經(jīng)無法滿足企業(yè)對智能化、自適應的業(yè)務需求。想象一下，當客戶支持團隊使用AI驅(qū)動的工作流自動化時，系統(tǒng)能夠?qū)崟r分析收到的詢問，按緊急程度分類票據(jù)，將其路由給最合適的代理，并在交互過程中提供AI生成的建議——這正是AI Agent工作流的魅力所在。 ...

在上一章節(jié)中，我們詳細介紹了Trae如何成功開通VIP權(quán)限，幫助大家順利體驗更多高級功能。今天，我們將把重點轉(zhuǎn)移到SOLO模式，帶大家深入了解這一模式的獨特魅力和實用價值。經(jīng)過親身體驗和使用，我個人認為SOLO模式表現(xiàn)非常出色，功能設計合理，操作簡便，帶來了極佳的使用感受。 接下來，我們將通過一個具 ...

1. 基本信息 AI繁榮 艾寧德亞·高斯(AnindyaGhose) 著 中信出版社,2025年06月出版 1.1. 讀薄率 書籍總字數(shù)10.4萬字，筆記總字數(shù)24888字。 讀薄率24888÷104000≈23.93% 1.2. 讀厚方向 算法霸權(quán) 極簡算法史：從數(shù)學到機器的故事 算法的陷阱：超級 ...

1.概述 在智能體逐漸成為人工智能應用核心的今天，如何讓它“聰明”且“高效”是開發(fā)者最關(guān)心的問題。本文將帶你從設計思路、核心能力到工程實踐，全面解析高效智能體的構(gòu)建方法。無論是任務分解、知識獲取，還是與外部工具的協(xié)同，都會結(jié)合實際案例，幫助你理解如何打造一個真正能落地、能進化的智能體。 2.內(nèi)容 2 ...

3. LangChain4j + 低階 和 高階 API的詳細說明 @目錄3. LangChain4j + 低階 和 高階 API的詳細說明LangChain4j + 低階 和 高階 API的詳細說明LangChain4j在兩個抽象層(低階 / 高階)提供不同的 apilow level 低階hig ...

用Python+React打造一個開源的AI寫標書智能體~ 今天是第一期，招標文件解析： 招標文件動輒幾萬字，雖然現(xiàn)在各主流大模型的上下文窗口都越來越大，但也只能代表AI“可以處理幾十萬字的上下文”，并不代表你隨便扔給AI幾十萬字，它就能“處理得好幾十萬字的上下文”。 我們在寫投標文件之前，一定要先 ...

背景HP DL360 Gen7 服務器安裝新硬盤時，遇到問題如下問題：調(diào)研階段KIMI K2模型我們試用讓AI協(xié)助解決，第一次使用KIMI K2模型接著繼續(xù)詢問他的回答沒有找出問題根本點，而是反饋ORCA自身限制問題，事實情況上只有2塊物理硬盤。秘塔搜索最終在秘塔搜索長思考下，定位到問題https: ...

1. 人工智能進化 1.1. 2023年，人工智能迎來了一個重大突破的里程碑年份 1.1.1. 大語言模型的能力不斷增強，不僅改變了人機交互模式，還開啟了機器之間的互動可能 1.2. 20世紀60年代，人工智能研究者追求的目標是通過基于直覺的編程來模擬人類智能 1.3. 既然大腦是人類智能的物質(zhì)基礎(chǔ) ...

背景 HP DL360 G7以??1U緊湊設計??融合了企業(yè)級性能、高擴展性與能效管理，尤其適合需平衡空間限制與計算需求的場景。其iLO 3遠程管理、動態(tài)電源優(yōu)化及模塊化維護設計，大幅降低運維復雜度，成為2010年代初期至中期數(shù)據(jù)中心的主流選擇。盡管目前已停產(chǎn)，二手市場仍常見其用于輕量級虛擬化或存儲 ...

1. 超級智能 1.1. 如果人工智能超越人類智能，可能會成為人類存在的一個重大威脅 1.1.1. 對超級人工智能潛在危險最為擔憂的群體中，恰恰包括那些否認大語言模型具備真正智能的人 1.2. 計算機科學已經(jīng)成為所有科學領(lǐng)域中不可或缺的重要組成部 1.3. GPT具備編寫計算機程序的能力，這意味著它 ...