标签: ai
共 58 篇文章
LLM 应用工程化：从 Demo 到生产的关键实践
记录将大模型应用从原型推进到生产环境的核心经验：上下文管理、错误处理、成本控制、可观测性。不讲基础概念，只谈实际踩坑。
实时语音交互链路的延迟优化实践
记录构建 ASR→LLM→TTS 实时语音链路的过程：为什么延迟高、流水线并发如何降低首字节延迟、VAD 端点检测踩坑，以及各组件的实际选型经验。
AI-调查研究-80-为什么减脂要靠科学？全面解析能量平衡与代谢规律
减脂的核心机制在于能量赤字：摄入热量少于消耗，身体便动用脂肪储备供能。每日总能量消耗由基础代谢（60-75%）、活动（15-30%）和食物热效应（5-10%）构成。肌肉组织代谢活跃，每增加1公斤肌肉可提升基础代谢约50-70千卡。
AI-调查研究-53-大数据调研报告 人才现状深度解析：经验分布、成长路径与行业趋势
大数据行业的人才结构呈现出年轻化与快速成长并存的特征。25-30岁群体是主力军，30-35岁逐渐成为中坚力量。
AI-调查研究-01-正念冥想有用吗？对健康的影响及科学指南
正念冥想是一种科学验证有效的身心调节方法。研究表明，它能降低焦虑、抑郁和压力水平，改善睡眠质量，增强免疫功能，提升认知能力。
AI-调查研究-47-多维调查报告 营养补充的系统性策略 补充的适用情景
额外补充营养素应基于个体化评估，而非盲目跟风。若日常饮食及多维补充仍不足，或存在特定生理阶段及疾病风险，需在医生指导下定向加量。
AI-调查研究-31-程序员不是记不住，而是没用对方法：8个实证策略告别"学完就忘"
程序员对抗遗忘的8个实证策略：艾宾浩斯遗忘曲线可量化、主动回忆优于被动复习、间隔重复有效、理解先于记忆、输出强化学习、管理学习节奏、减少搜索依赖。
AI-调查研究-30-程序员如何科学对抗遗忘：认知原理+实用策略全指南
程序员常经历"学完就忘"的困扰。有效策略包括：笔记整理、间隔重复（Anki）、主动回忆、项目实践、输出分享。核心观点是"输出是最好的输入"。
AI-调查研究-29-为什么恋爱时的"完美对象"，婚后却成了"问题伴侣"？
恋爱侧重感性吸引，婚姻更看重责任、沟通、价值观。差异引发期望落差、性格不合、优先级变化等冲突。最重要伴侣品质是忠诚、善良、沟通力、三观契合。
AI-调查研究-28-中美恋爱观全景对比：从初恋年龄到婚姻决策的文化映射
中美恋爱观差异：初恋年龄中国约17-18岁，美国15-17岁。婚姻前恋爱次数中国2-3次，美国4-6次。择偶偏好中国男性看外表女性看经济能力，美国更看重性格。
AI-调查研究-27-【时间管理】重度vs轻度用户 如何时间再分配？
重度社交媒体用户抑郁、焦虑和孤独感更高，睡眠问题更多。减少使用后时间可重新分配给运动、阅读、家庭、爱好和休息。
AI-调查研究-26-【时间管理】全球不同人群社交媒体使用时间情况
全球网民日均社交媒体使用约2小时21分钟。中国抖音1.55小时，短视频使用高峰在午夜12点。16-24岁年轻女性是主力，日均近3小时。
AI-调查研究-25-【金钱管理】储蓄VS消费 我该多存钱还是多花钱？
年轻人应该多存钱还是多花钱？专家建议"先存后花"，遵循50/30/20法则：50%需求、30%想要、20%储蓄。建立3-6个月应急基金。
AI-调查研究-24-【金钱管理】多国年轻人消费支出调查 攒钱与花钱
中国、美国、日本年轻人存款水平、消费结构及理财观念对比。中国近三成月光族，61.1%疫情后更重视存款。
AI-调查研究-23-【时间管理】评估时间管理的策略和指标
时间管理能显著提升效率与成就感。评估时间管理有效性需要客观指标（任务完成率、目标达成度）和主观感受指标（压力、专注度）。
AI-调查研究-22-【时间管理】合理规划与管理方案
超过80%的人没有正式的时间管理体系。构建时间管理方案需要：明确目标→选择工具组合→设计时间模板→建立任务分类→制定执行监督机制。
AI-调查研究-21-【时间管理】必要性与实际改善方案
有效的时间管理能提升效率、减少压力、改善工作生活平衡。科学依据包括心理学、行为学、认知学等。
AI-调查研究-20-【正念冥想】对健康的影响及科学指南
正念冥想是一种经过科学验证的身心练习方式。研究表明它能显著降低焦虑、抑郁和压力激素水平，改善睡眠质量和认知功能。
AI-调查研究-19-程序员与产品经理冲突分析【化解冲突的实用建议方案】
减少程序员与产品经理冲突需要：完善需求流程、提高沟通技能、统一目标、敏捷实践、管理预期、高层介入、团队文化。
AI-调查研究-18-程序员与产品经理冲突分析【冲突的规避与解决:实践经验】
解决程序员与产品经理冲突需要：建立清晰沟通机制、提高文档质量、公平协商优先级、建立相互理解、对齐团队目标、使用中立调解人、培养建设性冲突文化。
AI-调查研究-17-程序员与产品经理冲突分析【冲突的分布规律与影响因素】
程序员与产品经理冲突呈"钟形曲线"分布。影响因素包括项目规模、团队经验、公司类型、工作模式、管理制度等。
AI-调查研究-13-LLM与Agent的研究 2024–2025年LLM Agent兴起发展 LLM趋势更大更强更智能
2024年被称为"Agent元年"。LLM趋势呈现"更大更强"与"小而专精"并行发展。OpenAI o1系列、Claude等多模态模型不断突破。
AI-调查研究-15-从0到1构建产品的方法论、验证流程、验证方向
从0到1构建产品需掌握精益创业、设计思维等方法论，通过需求验证、用户访谈、竞品分析等流程验证方向。
AI-调查研究-14-如何写好研究报告、幻灯片报告、技术分享会？科学评估有效性和合理性
如何写好研究报告、幻灯片报告、技术分享会？需构建系统化知识体系，遵循IMRaD结构，注重科学评估研究有效性。
AI-调查研究-12-LLM与Agent的研究 2024–2025年LLM主要应用方向综述
2024-2025年LLM主要应用方向包括企业级应用（代码辅助、客服、知识管理）和消费者应用（通用对话、内容创作）。企业采用率不断提升。
AI-调查研究-11-跑步分析研究 支持耐力提升和体型塑造的营养策略 时间安排与规划
跑步营养策略需关注碳水化合物（每日能量50-65%）、蛋白质（1.2-1.6g/kg）、脂肪（20-30%）。训练后30分钟内补充15-25g蛋白质。
AI-调查研究-07-跑步好处不同跑步距离对身体的影响（3、5、10、21、42公里）
跑步对心血管健康、体重管理和心理状态有显著益处。不同跑步距离（3公里、5公里、10公里、半程马拉松、全程马拉松）各有特点。
AI-调查研究-06-"冷水澡"对生理健康的影响与机制【下篇】
冷水澡作为一种健康干预方式，若科学实施可带来提神、增强免疫、促进恢复等益处。建议从温水过渡，逐步降温，初期控制在30秒至3分钟内。
AI-调查研究-05-"冷水澡"对生理健康的影响与机制【中篇】冷热水澡对比
冷水澡对心理健康有积极作用，包括提高警觉性、缓解压力和抑郁、增强心理韧性。热水澡有助于放松和睡眠，两者各有优劣。
AI-调查研究-04-"冷水澡"对生理健康的影响与机制【上篇】
冷水澡通常指使用20°C或更低水温进行冲淋，对免疫功能、血液循环、代谢率、炎症肌肉酸痛等方面有积极影响。
AI-调查研究-03-作为程序员我们的技术时间投入与薪资收入回报成正比吗？【下篇】
技术能力积累但收入停滞的原因包括岗位饱和、人才供给增加、行业周期影响、技能结构单一、职业发展瓶颈等。突破收入停滞需要多元化技能变现、跨界融合与角色转型。
AI-调查研究-02-作为程序员 我们的技术时间投入与薪资收入回报成正比吗？【上篇】
技术投入与收入整体呈正相关，但回报并非无限增长。多数程序员在入行前五年凭技能跃迁获最大涨薪；随后受岗位层级、市场需求及"35岁"偏见等因素影响，边际收益递减。
LangChain-26 Custom Agent 全面教程 从零构建自定义智能体
本文展示了如何在Python中使用Langchain库和GPT-4模型创建一个聊天代理，通过定义工具函数并将其与LLM集成，实现对用户输入中单词长度等信息的查询。
LangChain-24 AgentExecutor 全面详解
本文介绍了如何在Python中使用Langchain库进行文档检索，加载Web内容，配置OpenAIEmbeddings，并集成GPT-3.5-turbo模型进行问答。展示了如何创建代理执行器来处理用户查询并获取相关信息。
LangChain-25 ReAct框架详解 大语言模型推理与行动融合
文章介绍了大模型ReAct，一种利用逻辑推理和行动序列实现目标导向的框架，通过LLM进行决策和操作。核心组成部分包括Thought（思考）、Act（行动）和Obs（观察）。
LangChain-22 Text Embedding与FAISS实战详解
本文介绍了TextEmbedding在NLP中的关键作用，如何将文本转换为实数向量以表达语义关系，以及如何结合OpenAIEmbeddings和FAISS进行高效存储和查询。
LangChain-23 Vector AI语义检索系统 向量数据库+大语言模型
文章介绍了如何使用Chroma向量数据库处理和检索来自文档的高维向量嵌入，通过OpenAI和HuggingFace模型进行向量化，并展示了在实际场景中如何通过大模型进行问答和增强回复的应用实例。
LangChain-20 文档加载器 TextLoader、CSVLoader、PyPDFLoader、JSONLoader
本文介绍了LangChain库提供的多种文档加载器，如TextLoader、CSVLoader、DirectoryLoader等，展示了如何加载和处理各种格式的数据。
LangChain-21 Text Splitter 全面详解
本文介绍了LangChain库中的各种TextSplitters，包括基于字符、单词、HTML标签和编程语言的分割器，以及它们的应用场景。
LangChain-18 缓存机制详解 InMemoryCache与SQLiteCache
LangChain 提供完善的缓存机制，用于显著降低 LLM 调用延迟与成本。其核心包括 InMemoryCache（内存缓存）与 SQLiteCache（持久化缓存）。
LangChain-19 TokenUsage 回调函数详解
介绍了如何在Python中通过LangChain库集成OpenAI GPT-3模型，展示如何使用getopenaicallback函数来获取回调并执行请求。
LangChain-16 Using Tools 掌握 LLM 工具调用
LangChain 是当前最热门的 LLM 应用开发框架之一，专为构建智能助手、自动化流程和AI数据分析而设计。通过其强大的工具集成能力，开发者可轻松调用外部API，实现从搜索、计算到文件处理的多功能自动化。
LangChain-17 Function Calling AI函数调用的工作原理
Function Calling（函数调用）是大语言模型（如GPT-4、Claude、Gemini）与外部系统交互的核心技术。它让AI不仅能理解语言，还能执行任务，实现从文本对话到真实操作的跨越。
LangChain-14 OpenAI 内容审核 Moderation详解
内容审核（Moderation）是现代互联网平台安全与合规的核心环节，用于识别、过滤和管理用户生成内容（UGC），防止违法违规、低质或有害信息的传播。
LangChain-15 智能知识检索：AgentExecutor执行机制
本文介绍了如何通过Wikipedia搜索插件、AgentExecutor执行机制、上下文Token控制来构建智能知识检索系统。
LangChain-12 Routing By Semantic Similarity 语义相似度路由
本文介绍了一种使用大模型（如OpenAI）和Prompt模板的方法，通过计算查询与预设模板的相似度来处理程序设计中非预期输入的问题。
LangChain-13 Memory ConversationBufferMemory 对话记忆与上下文管理
本文介绍了如何利用LangChain库中的工具在Python中管理大模型的会话上下文，通过ConversationBufferMemory和RunnableLambda等组件，实现在连续对话中保存和加载用户信息，使大模型具有记忆功能。
LangChain-11 Code Writing FunctionCalling 自回归语言建模、大数计算局限与代码生成
文章介绍了如何使用GPT-3.5-Turbo模型编写Python代码来解决用户的抽象计算问题，如2+2和复杂的数学表达式，展示了模型在处理非标准问题上的潜力。
LangChain-09 Query SQL DB With RUN GPT 实现自然语言查询数据库
文章介绍了如何使用Python库如langchain和ChatOpenAI(GPT-3.5-turbo)结合SQLite数据库，创建一个程序来执行SQL查询并以自然语言形式返回结果。
LangChain-10 Agents Langchainhub使用指南
文章介绍了如何通过LangChainHub的Hub机制，利用Python代码轻松访问和共享Prompt。尽管该项目已有一年未更新，但作者仍看好其潜力，展示了如何安装依赖并使用一个模拟搜索引擎的工具来获取天气信息。
LangChain-07 Multiple Chains 多链串联
本文展示了如何使用LangChain库中的Runnable和Prompts，配合OpenAI模型，创建一个可以串联的对话链，以实现多阶段问题解答。通过实例演示了如何构建并执行一个包含两个步骤的查询过程。
LangChain-08 Query SQL DB 通过GPT自动查询SQL
本文介绍了如何在LangChain框架下，通过Python脚本导入ChinookSQLite数据库，利用GPT模型执行SQL查询，如计算员工数量。
LangChain-05 RAG 增强检索会话 Conversational
本文介绍了如何使用Langchain库中的工具，如OpenAIEmbeddings和ChatModels，结合文档检索技术，创建一个基于对话历史生成回答的程序。
LangChain-06 RAG With Source Document 检索增强生成
检索增强生成（RAG，Retrieval-Augmented Generation with Source Document）是一种结合检索与大语言模型生成的AI技术框架。其核心流程是先在向量数据库中检索相关文档片段...
LangChain-03 astream_events 流输出 FAISS 实战
本文介绍如何使用DocArrayInMemorySearch对文本数据进行向量化，并结合OpenAIEmbeddings和GPT-3.5模型，实现在给定上下文的情况下检索相关信息并生成回答。
LangChain-04 RAG Retrieval-Augmented Generation 检索增强生成
本文详细讲解了如何在LangChain中利用RAG技术，结合OpenAI的GPT-3.5模型，通过检索和生成提高文本生成质量。给出了安装和使用代码实例。
LangChain-01 入门指南：快手上手 Hello World
本文介绍了如何使用LangChain库，结合OpenAI API和GPT-3.5-turbo模型，创建一个模板来生成关于特定主题（如猫）的笑话。作者展示了如何安装依赖、设置API Key并实际操作来获取幽默输出。
LangChain-02 JsonOutputParser 解析与流式 JSON 数据处理全攻略
文章介绍了如何在Python环境中安装并使用Langchain和OpenAIAPI，通过异步函数获取指定国家及其人口数据，并展示了逐步增加人口值的过程。