腾讯混元HY 2.0正式发布：推理能力与实用性双突破，引领国内大模型新标杆
12月5日，腾讯混元正式发布最新版语言模型 Tencent HY 2.0 Think 和 Tencent HY 2.0 Instruct。此次升级采用混合专家（MoE）架构，总参数规模达 4060亿（406B），激活参数 ...
什么是RAG（Retrieval-Augmented Generation）？一文读懂检索增强生成技术
RAG是一种将信息检索与生成式语言模型深度融合的技术框架。其核心逻辑在于通过动态调用外部知识库，为生成模型提供实时、权威的上下文信息，从而弥补大模型在知识时效性、领...
零基础学AI大模型之RAG系统链路解析与Document Loaders多案例实战
本文深入解析RAG（检索增强生成）系统的核心链路，重点讲解LangChain中Document Loaders的实战应用。涵盖文本、CSV、JSON等多种数据源的加载方法，介绍如何统一数据入口，解...
零基础学AI大模型之RAG技术
本文深入浅出地讲解了RAG（检索增强生成）技术的核心原理与应用。通过“先检索，再生成”的机制，RAG有效解决大模型的知识过时、幻觉和专业性不足等问题。文章结合Java类比...
零基础学AI大模型之大模型修复机制：OutputFixingParser解析器
本文介绍LangChain框架中的OutputFixingParser工具，用于解决大模型输出结构化数据时的格式问题，如单引号JSON、字段缺失等。它通过自动检测和修复格式错误提升解析鲁棒性，...
零基础学AI大模型之大模型的“幻觉”
本文深入剖析大模型「幻觉输出」现象，将其定义为生成看似合理却事实错误的输出，类似人类臆想。文章列举虚构事实、错误推理等四大表现形式，分析训练数据局限等三大成因，...
零基础学AI大模型之解析器PydanticOutputParser
本文介绍了大模型应用开发中Pydantic解析器的使用展开，首先说明Pydantic解析器可解决非结构化文本转结构化数据的核心问题（结构化输出、数据验证、提升开发效率、增强程序...
零基础学AI大模型之LangChain Output Parser
本文围绕LangChain的Output Parser展开，针对大模型返回非结构化文本（如自由文本）无法直接用代码处理的问题，详细介绍了Output Parser的作用、原理、核心接口、基础代码结...
零基础学AI大模型之Stream流式输出实战
本文将聚焦LLM的Stream流式输出，从核心原理讲起，通过“故事小助手”“科普助手”两个实战案例，带你掌握从基础调用到LCEL表达式的流式落地，最后分析流式输出的优劣势与实...
零基础学AI大模型之LangChain链
在AI大模型应用开发中，LangChain作为核心框架正迅速崛起。本文《零基础学AI大模型之LangChain链》，专为初学者打造，从基本概念到实战应用，手把手带你理解什么是链（Chai...
零基础学AI大模型之LangChain聊天模型多案例实战
在上一篇中，我们搞懂了ChatModel的核心特性和ChatPromptTemplate的基础用法，今天这篇咱们直接“落地实战”——围绕**「模板构建→参数注入→LLM调用」** 的完整流程，拆解...
零基础学AI大模型之ChatModel聊天模型与ChatPromptTemplate实战
在实际应用中，多轮对话是最常见的场景——无论是客服机器人、虚拟助手，还是智能问答工具，都需要模型“记住”上下文并连贯响应。今天这篇，我们就聚焦聊天场景的核心：Ch...
零基础学AI大模型之LangChain：PromptTemplate核心用法与实战解析
今天要聚焦的PromptTemplate，正是LangChain中“让提示词结构化、可复用”的核心组件——它就像“提示词的预制菜谱”，帮你把零散的需求（食材）变成标准化的指令（菜品），...
零基础学AI大模型之Prompt提示词工程
本文是"零基础学AI大模型"系列的第9篇，重点讲解Prompt提示词工程的核心技能。文章从基础概念入手，将Prompt比作"给AI的任务需求文档"，强调其作为"让AI听话"的关键作用。通...
零基础学AI大模型之LangChain六大核心模块与大模型IO交互链路
本文针对零基础AI开发者，围绕LangChain工具展开深入学习，，通过类比Java Spring生态，系统拆解其六大核心模块（Models、Prompts、Chains、Memory、Indexes、Agents），解...