搜索[LLM]结果-低调大师优秀个人博客

精选列表

搜索[LLM]，共2527篇文章

🚀 LLM 流式 API 友好的 HttpClient - Fetcher v1.2.3 发布！

🚀 Fetcher 超轻量级 • 模块化 • TypeScript 优先 • 拦截器驱动 • LLM 流式 API 支持 Fetcher v1.2.3 发布：全面支持 Wow 框架 🚀 本次更新带来了多项重磅功能增强和架构优化

2025-09-01

🚀 LLM 流式 API 友好的 HttpClient - Fetcher v1.0.0 发布！

🚀 Fetcher 超轻量级 • 模块化 • TypeScript 优先 • 拦截器驱动 • LLM 流式 API 支持 🌟 为什么选择 Fetcher?

2025-08-29

🔥 Java 的 LLM 框架，Agents-Flex v1.3.4 发布

Agents-Flex：一个基于 Java 的 LLM 应用开发及编排框架。经过近 1 年的开发和迭代，Agents-Flex 发布了 30+ 个版本，终于迎来了 v1.0.0 正式版本。

2025-08-18

Zed 编辑器团队发声：LLM 为何无法真正构建软件？

近日，开源代码编辑器Zed的开发团队发布了一篇引人深思的博文，标题直击要害：《为什么LLM无法真正构建软件》。

2025-08-17

🔥 Java 的 LLM 框架，Agents-Flex v1.1.9 发布

Agents-Flex：一个基于 Java 的 LLM 应用开发及编排框架。经过近 1 年的开发和迭代，Agents-Flex 发布了 30+ 个版本，终于迎来了 v1.0.0 正式版本。

2025-06-09

🔥 Java 的 LLM 框架，Agents-Flex v1.0.9 发布

Agents-Flex：一个基于 Java 的 LLM 应用开发及编排框架。经过近 1 年的开发和迭代，Agents-Flex 发布了 30+ 个版本，终于迎来了 v1.0.0 正式版本。

2025-05-14

KWDB MCP Server：解锁 LLM 与数据库的无缝协作

随着大语言模型（LLM）技术由实验室逐步向产业落地推进，AI 应用开发者面临的核心矛盾日益突出：大模型的认知能力与物理世界的具身化需求之间存在明显断层。

2025-04-20

2024 LLM 年度事件回顾：价格全面下跌、多模态能力爆发……

这些新功能彻底颠覆了我们对LLM应用的想象。

2025-01-15

【直播预告】用 BISHENG 构建企业 LLM 应用，简直不要太简单！

其中，毕昇 BISHENG 是一个开源的大模型应用开发平台，专门面向企业场景，具备高精度文档解析 ETL4LLM 能力。

2024-12-31

Elastic 8.16：BBQ、LLM 可观察性、保护你的云资产

适用于 Amazon Bedrock 的坚如磐石的大型语言模型 (large language model -LLM) 可观察性全面监控和解决 LLM 调用错误和性能挑战 - 将可见性扩展到另一个流行的

2024-11-13

微语 0.4.1 发布 - 基于大模型 LLM && RAG 的智能客服

对话即服务，Chat as a Service 语言 English 中文介绍智能客服基于大模型 LLM && RAG 的智能客服支持Ollama 智谱AI AI助手更适合团队使用

2024-09-11

微语 0.3.6 发布 - 基于大模型 LLM && RAG 的智能客服

微语对话即服务，Chat as a Service 语言 English 中文介绍智能客服基于大模型 LLM && RAG 的智能客服 AI助手更适合团队使用，一人配置，多人使用

2024-08-21

微语 0.3.5 发布 - 基于大模型 LLM && RAG 的智能客服

微语对话即服务，Chat as a Service 语言 English 中文介绍智能客服基于大模型 LLM && RAG 的智能客服 AI助手更适合团队使用，一人配置，多人使用

2024-08-06

微语 0.3.1 发布 - 基于大模型 LLM && RAG 的智能客服

对话即服务，Chat as a Service 语言 English 中文介绍智能客服基于大模型 LLM && RAG 的智能客服 AI 助手更适合团队使用，一人配置，多人使用。

2024-07-12

微语 0.3.0 发布，基于大模型 LLM && RAG 的智能客服

对话即服务，Chat as a Service 语言 English 中文介绍智能客服基于大模型 LLM && RAG 的智能客服 AI助手更适合团队使用，一人配置，多人使用。

2024-07-05

https://x.com/Kinsgar_L/status/1802605685580144915 大模型生成内容，这个“生态”里，接下来必定会发生世界级安全事故，就看具体类型是普通人轻易中招导致重大损失，还是技术人大意中招，又或者是大模型应用的 WorkFlow 上自动化中中招了。这断言基于 4 个核心要点： 1、当前大模型生成内容的无法一眼/亿眼丁真性，并且短期内还是无解的。 2、大模型训练语料的清洗问题。对于内容准确性还无法做到多么牛皮。 3、【特别是 AI Chat 联网能力，带来了严重的隐患，这搜索引擎相当于一个轻易突破的入侵入口】。 4、生成内容没有评论交互环境。这是与传统内容生成产品（UGC、PGC）最大的，但又是完全不必要的区别点。假如大模型直接返回了这种命令，阁下又该如何应对？已经实测过，在网站发布了内容，被搜索引擎抓去，可以【快速地】进入大模型生成内容里。当然被索引进来生成的权重问题是另一个研究话题了。就算 Gemini 有核验功能，也只能索源，增加了一点置信度而已，但本质问题还存在。 www.oschina.net 这个 WizMap 的页面信息我看它是上午 10 点多更新的，中午的时候我这个跟 Gemini 的问答就已经把它的信息抓过来生成给我了。怎么解？ 1、技术上演进，当然包括各方面，幻觉问题、理解大模型内部 DNA/逻辑等。 2、垂直领域专业化，比如限定范围、人工。 3、联“网”限定，谁说这个网一定得是搜索引擎这种，换个思路，联一个指定的可控 RAG 之类的“内容数据库”即可。这部分本质也是上边第 2 点“限定范围”的一种具体处理。 4、产品形态上去处理其实更好做：AI Chat 产品上增加【生成内容评论交互环境】，内容的本质上是做 UGC、PUC 整合，整体是“社区化”。对比一下就很明显了：为何像知乎那么多抖机灵回答，我们不会太在意前边讲的这种安全问题，sudo rm -rf / 这种回答知乎上不是没有，而是有评论环境“指正”，给了一些“容错率”，而这也是在 AI Chat 之前的现状，该怎么样还是怎么样，AI Chat 在这方面做到这一步已经足够理想了先，别奢求一步把这种“传统问题”都解决了。（直接搞得定那当然更好啊😆） 5、产品上，Gemini 的核验功能，实际上是一种不错的辅助，但不足够，需要更多策略来进行“辅助”，包括更直接的索引针对源内容的“评价”（也就是前边说的评论交互的信息）、包括索引时需要“官方信息”权重更高之类的更严格的一套权重算法。 6、产品上，对于可直接复制去运行这样的生成内容，配套严格的测试环境之类的能力。特别是【生成内容评论交互环境】这个产品形态，目前似乎没有人在集成去做。包括原有的问答产品，本身已经是社区化了的，本身是最好去做出 AI Chat 产品差异化的，本身是最好去做好这个一眼/亿眼丁真问题的。这是最令人失望的。。。但其实这样“庞大”的“内容社区化”，其实也不好做，还是要基于“限定范围”这个方向。另一个断言：类似 SQL 注入、XSS 这样专门的针对前边提到的利用大模型联网“漏洞”的攻防体系会诞生。这一套攻防的核心点：搜索引擎抓取权重研究，包括平台本身权重的利用、攻击内容（兼顾问与答）资源稀缺性研究等。一旦大模型联网索引本身采用另一套权重算法，那么需要新的研究。一旦 AI Chat 产品采用“社区化”，产品形态增加了评论交互能力，那么攻防研究重点也将增加到“AI 评论”本身这个大方向。而其实，这个方向已经在不断发生。。。一言难尽：这么一绕，总体来说，产品形态去整合 AIGC 与 UGC、PGC，做生成内容评论交互环境还是有一些问题要处理。但既然 Stack Overflow 有能力去“辨别” AI Chat 生成的内容，那么这条路还是可以走。当然，不要把希望【全】押在“有能力辨别 AIGC 的内容”，这本身不很光明。一通逼逼之后，发现现成的就有一个案例，但比较小，还达不到我所谓的“世界级”：一家名为 Reworkd 的初创公司在尝试商业化过程中，通过使用 ChatGPT 生成的代码进行项目迁移，导致服务因为代码错误无法正常订阅，造成超过 1 万美元的损失和服务 5 天的停机。。。UUID 生成逻辑有问题，看出来了吗？ https://www.oschina.net/news/297642

2024-06-18

微语 0.2.0 发布，基于 LLM&RAG 的智能客服系统

、详细考核指标坐席工作台、工单系统、坐席管理、数据看板、人工知识库、技能组管理、实时监控、公告、敏感词、 CRM、报表功能，为客户提供一体化客服工作台服务智能客服基于大模型 LLM

2024-06-12

eBPF + LLM：实现可观测性智能体的基础设施

从这两方面出发，我们能看到为何说 eBPF 和 LLM 是实现可观测性智能体的关键基础设施。

2024-05-21

模型量化与量化在LLM中的应用｜得物技术

一般LLM权重用FP16存储，而权重量化为int4之后，则直观上体积减小为原本的1/4（实际可能由于embeddings不量化，内存分配等一些原因会稍多一些），对显存的资源需求大大降低。

2024-04-30

大语言模型推理提速，TensorRT-LLM 高性能推理实践

1.TensorRT-LLM 如何提升 LLM 模型推理效率大型语言模型（Large language models,LLM）是基于大量数据进行预训练的超大型深度学习模型。

2024-02-21

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

精选列表

🚀 LLM 流式 API 友好的 HttpClient - Fetcher v1.2.3 发布！