-
![]()
Python搭建一个RAG系统(分片/检索/召回/重排序/生成)
检索增强生成（RAG）是指对大语言模型输出进行优化 -
![]()
Browser-use:智能浏览器自动化(Web-Agent)
智能浏览器自动化(Web-Agent) -
![]()
使用 LangChain 实现本地 Agent
使用 LangChain 实现本地 Agent -
![]()
使用 LangChain 构建本地 RAG 应用
使用 LangChain 构建本地 RAG 应用 -
![]()
使用LLaMA-Factory微调大模型的function calling能力
如何使用大模型的函数调用（function calling）功能，这样就能让大模型调用成千上万的工具API，赋予大模型更多的外部知识，使得大模型能力变得更加强大。 -
![]()
复现一个简单Agent系统
基于React的方式，制作了一个最小的Agent结构（其实更多的是调用工具）一步一步手写Agent，可以让我们对Agent的构成和运作更加的了解。 -
![]()
LLaMA Factory-Lora微调实现声控语音多轮问答对话-1
-
![]()
LLaMA Factory微调后的模型合并导出和部署-4
如何观测模型的微调过程？微调后的模型如何合并导出和部署？ -
![]()
LLaMA Factory微调模型的各种参数怎么设置-3
微调模型的各种超参数怎么设置，每个超参数都是什么意思 -
![]()
LLaMA Factory构建高质量数据集-2
如何给大模型构建高质量数据集？ -
![]()
MinerU-linux环境本地部署
MinerU是一款将PDF转化为机器可读格式的工具（如markdown、json），可以很方便地抽取为任意格式。 -
![]()
LLaMA Factory安装和基本使用-1
LLaMA Factory安装和基本使用详细 -
![]()
使用ms-swift基于Qwen3-8B微调小说模型
-
![]()
大模型基础架构
-
![]()
AI多模态- Janus-Pro-7B模型推理微调,融合实战2
基于Janus-Pro-7B的 ms-swift微调 ms-swift是魔搭社区提供的大模型与多模态大模型训练部署框架。现已支持450+大模型与150+多模态大模型的训练 (预训练、微调、人类对齐) -
![]()
WSL从C盘迁移到D盘
使用WSL(Linux子系统)做深度学习开发，Ubuntu会将系统默认安装在C盘，随着使用时间测增长，子系统的体积越来越大，本来就捉襟见肘的C盘更是雪上加霜,解决这个困扰。 -
![]()
AI多模态- Janus-Pro-7B模型本地部署1
Janus-Pro是DeepSeek最新开源的多模态模型，是一种新颖的自回归框架，统一了多模态理解和生成。通过将视觉编码解耦为独立的路径，同时仍然使用单一的、统一的变压器架构进行处理，该框架解决了先前方法的局限性。这种解耦不仅缓解了视觉编码器在理解和生成中的角色冲突，还增强了框架的灵活性。Janus-Pro 超过了以前的统一模型，并且匹配或超过了特定任务模型的性能 -
![]()
Dify+Ollama+deepseek部署本地大模型
Dify 作为同样开源的 AI 应用开发平台，提供完整的私有化部署方案。通过将本地部署的 DeepSeek 服务无缝集成到 Dify 平台，企业可以在确保数据隐私的前提下，在本地服务器环境内构建功能强大的 AI 应用。 -
![]()
Ubuntu上安装部署Dify
Dify 是一个开源的大语言模型（LLM）应用开发平台，融合了后端即服务（Backend as a Service,BaaS）和 LLMOps 的理念，旨在帮助开发者快速构建和部署生成式 AI 应用。 -
![]()
AI实战(Text_To_SQL)-数据库(mongodb) + MCP
Text-to-SQL也称为NL2SQL，是将自然语言查询转换为可在关系数据库上执行的SQL查询的技术
- openvpn linux客户端使用
51192
- H3C基本命令大全
50604
- openvpn windows客户端使用
41229
- H3C IRF原理及 配置
38048
- Python exit()函数
32511
- openvpn mac客户端使用
29417
- python全系列官方中文文档
28278
- python 获取网卡实时流量
23132
- 1.常用turtle功能函数
23092
- python 获取Linux和Windows硬件信息
21425
- Python搭建一个RAG系统(分片/检索/召回/重排序/生成)
1480°
- Browser-use:智能浏览器自动化(Web-Agent)
2197°
- 使用 LangChain 实现本地 Agent
1819°
- 使用 LangChain 构建本地 RAG 应用
1749°
- 使用LLaMA-Factory微调大模型的function calling能力
2062°
- 复现一个简单Agent系统
1811°
- LLaMA Factory-Lora微调实现声控语音多轮问答对话-1
2494°
- LLaMA Factory微调后的模型合并导出和部署-4
4185°
- LLaMA Factory微调模型的各种参数怎么设置-3
4049°
- LLaMA Factory构建高质量数据集-2
2891°
- 姓名：Run
- 职业：谜
- 邮箱：383697894@qq.com
- 定位：上海 · 松江
