RAG（Retrieval-Augmented Generation）
RAG（RetrievalAugmented Generation） 学习之前我们先来看下以下几个问题，学完后在来看是否能解答 1. RAG 是什么？ 2. 为什么需要 RAG？ 3. RAG 解决了什么问题？ 4. RAG 的完整工作流程是什么？ 5. 向量数据库在 RAG 中扮演什么角色？ 6....
Prompt Engineering（提示词工程）
Prompt Engineering（提示词工程） 一、什么是 Prompt Prompt： 提示词 但这个翻译容易误导，很多人理解成： 一句提问 例如： 帮我写个Go程序 实际上在 AI 系统里，Prompt 往往是： 系统指令 + 用户输入 + 上下文 + 工具描述 + 格式要求 的组合。 例如...
幻觉（Hallucination）—— AI 为什么会一本正经地胡说八道？
幻觉（Hallucination）—— AI 为什么会一本正经地胡说八道？ 很多人第一次使用 ChatGPT 后会产生两种极端认知： AI太聪明了 或者： AI全是假的 实际上这两种理解都不准确。 如果你想真正理解： GPT Claude Gemini DeepSeek 就必须理解： Halluci...
Embedding 与向量世界 —— AI 为什么能理解“语义”？
Embedding 与向量世界 —— AI 为什么能理解“语义”？ 一、从一个问题开始 假设有两句话： 北京是中国首都 和： 中国的首都是北京 对于人类来说： 意思一样 但对于传统程序： 字符串不同 例如 Go： a := "北京是中国首都" b := "中国的首都是北京" fmt.Println(...
GPT 与 LLM —— 大模型到底是怎么工作的？
GPT 与 LLM —— 大模型到底是怎么工作的？ 到这里，你已经知道： AI ↓ 机器学习 ↓ 深度学习 ↓ Transformer 这一章就是把： GPT LLM Token Embedding Context Window 这些最常见、最容易混淆的概念一次讲清楚。 一、什么是 LLM LLM：...
Transformer
Transformer Transformer 本质上是一种高效处理序列数据并捕获上下文关系的神经网络架构。 Transformer 出现之前发生了什么 时间回到 2017 年之前。 NLP（自然语言处理）领域主要使用： RNN LSTM GRU 其中最成功的是： LSTM LSTM 是怎么工作的 ...
机器学习基础 —— AI 到底是怎么“学会”的？
机器学习基础 —— AI 到底是怎么“学会”的？ 这一章非常重要。 因为后面你学： 神经网络 Transformer GPT RAG 都会反复出现这些概念： 数据(Data) 样本(Sample) 特征(Feature) 标签(Label) 训练(Training) 模型(Model) 推理(Inf...
AI 全景图
AI 全景图 先记住一句话： AI 不是一个技术，而是一套技术体系。 很多文章画成： AI ├── ChatGPT ├── Agent ├── Midjourney ├── 自动驾驶 └── 机器人 实际上这是把： 领域 模型 能力 产品 全部混在一起了。 正确的 AI 技术地图 如果从工程角度看：...
AI发展史——为什么 AI 折腾了 70 年，直到 ChatGPT 才真正爆发
AI发展史——为什么 AI 折腾了 70 年，直到 ChatGPT 才真正爆发 了解AI发展史目标不是记年份，而是理解： AI 为什么经历了多次失败，又为什么在 2022 年突然爆发。 学完之后你会知道： 专家系统 ↓ 机器学习 ↓ 深度学习 ↓ Transformer ↓ GPT ↓ ChatGP...
什么是 AI
什么是 AI AI（Artificial Intelligence）人工智能 比较通用的定义是： AI 是让计算机系统能够执行通常需要人类智能才能完成任务的一类技术。 例如： 理解语言 识别图像 语音交互 决策与规划 内容生成 这里注意： 执行智能任务 ≠ 拥有人的智能 这是两个不同概念。 AI和传...