Tagged

LIBRARY

A collection of 105 posts

LIBRARY

ComfyUI自定义节点开发演练

本指南将逐步指导你创建自定义节点的过程，该节点获取一批图像并返回其中一张图像。

LIBRARY

LangChain-Milvus混合向量搜索

在这篇博文中，我们将简要介绍密集嵌入和稀疏嵌入之间的区别，以及如何使用混合搜索来利用这两者。

LIBRARY

Magnetic-One多智能体框架

Magentic-One 是微软研究院开发的一款新型通用多代理系统，旨在处理基于跨不同领域的网络和文件信息的开放式任务。

LIBRARY

基于Chrome内置AI的Web开发

我们继续探索 Chrome 内置 AI，以了解和探索浏览器内置 AI 的不同用例。

LIBRARY

Chrome内置AI调用教程

Chrome团队一直致力于通过内置的 AI API 和模型（包括 Gemini Nano）将 AI API 和模型注入 Chrome 中。

LIBRARY

Vanna：SQL生成专用RAG框架

Vanna 是一个 MIT 许可的开源 Python RAG框架，用于 SQL 生成和相关功能。

LIBRARY

用TextGrad优化LLM提示

TextGrad 是一个 Python 包，它提供了一个简单的接口来实现用于文本优化的 LLM梯度，可以用来优化提示。

LIBRARY

Mesop：AI应用快速开发框架

Mesop是一个Google新发布的基于 Python 的 Web 应用框架，适合用于快速开发包含Web界面的AI应用。

LIBRARY

LlamaParse高级PDF解析器

LlamaParse 是一种支持生成 AI 的文档解析技术，专为包含嵌入对象（如表格和图形）的复杂文档而设计。

LIBRARY

AutoGen多代理AI编程框架

AutoGen 是 Microsoft 的一个开创性项目，它使用户能够根据需要创建任意数量的自主 ChatGPT 类代理。

LIBRARY

10个Unity3D开发必备AI插件

Unity3D作为一款强大的游戏开发引擎，其生态系统内的众多AI插件为开发者带来了丰富的工具支持，本文介绍10个在Unity3D开发中必备的AI插件。

LIBRARY

8个UE5开发必备AI插件

本文介绍8个可以彻底改变你的 Unreal Engine 5 项目的出色的 AI 插件。

LIBRARY

LiteLLM：统一的大模型访问层

LiteLLM通过一致的 API 解决了更换各种 LLM 提供商的挑战，更灵活、更易于维护的 genAI 应用程序。

LIBRARY

用MLX微调医学诊断大模型

本文探讨微调LLM用于医疗诊断预测，硬件为配备 M2 芯片的 Apple Silicon Mac ，使用 LoRA 和 Apple MLX 框架微调，Ollama 运行推理服务。

LIBRARY

vLLM 大模型本地推理库

vLLM 是一个开源项目，允许你进行 LLM 推理和服务。本文介绍如何配置和运行 vLLM 以在生产中提供开源大模型的推理服务。

TOOL

Opik：端到端LLM应用监测平台

Opik 是一个用于评估、测试和监控 LLM 应用程序的开源平台，由 Comet 构建。

LIBRARY

Unsloth：大模型微调利器

训练时间一直是微调的最大障碍之一。这就是 Unsloth 的用武之地，声称可以使 LLM 训练速度提高 30 倍。

LIBRARY

Crawl4AI数据集制作必备爬虫库

Crawl4AI 是一个创新的开源 Python 库，旨在简化网络爬虫和数据提取，使其成为开发人员和人工智能爱好者的必备工具。

LIBRARY

OpenAI-JSON模式 vs. 结构化输出

要从非结构化的法律合同文本中提取结构化数据，应该使用OpenAI的JSON模式还是结构化输出？

LIBRARY

Ray：现代AI应用的分布式框架

Ray 是一个起源于伯克利大学的开源分布式计算框架，用于简单地生产和扩展 Python 机器学习工作负载。

LIBRARY

使用DSPy改进 AI 代理

DSPy 是一个 LLM 框架，专门设计用于以编程方式改进你的 LLM 的提示和签名。本文将探讨如何使用 DSPy 提高一个AI代理的性能。

LIBRARY

Gemini API 快速指南

在本文中，我们将探讨 Gemini API 提供的功能、如何免费开始使用 Gemini，以及更高级的用例，例如微调。

LIBRARY

cuGraph用GPU加速图分析

NVIDIA cuGraph采用GPU加速图分析，可以将图分析速度提高多达 500 倍。

LIBRARY

14个最常用的LLM框架

LLM 框架的主要目的是促进各种 AI 驱动任务的顺利运行，这些任务可能包括从检索信息和微调模型到无缝执行一系列操作。

LIBRARY

Docling 文档提取简明教程

Docling是IBM 深度搜索团队的 MIT 许可文档提取 Python 库，可轻松快速地解析文档并将其导出为所需格式。