您是不是在找：

小工蚁1年前
LLM大模型应用场景2:Text2SQL #小工蚁
00:00 / 10:19
连播
清屏
智能
倍速
点赞477
我爱深度学习2年前
如何从零搭建一个大语言模型？训练自己的LLM最佳指南来啦 如何自己从零搭建一个大语言模型？训练自己的LLM最佳在指南来了！数据来源、并行化处理、评估模型 #人工智能 #大语言模型 #机器学习 #深度学习 #模型训练
00:00 / 00:53
连播
清屏
智能
倍速
点赞135
小工蚁2年前
探索 SQL-LLM 解决方案：如何将领域特定知识融入其中 #小工蚁 #langchain
00:00 / 05:40
连播
清屏
智能
倍速
点赞387
AI认真科普1年前
大语言模型，LLM是什么，一分钟说清楚 #大模型 #人工智能 #ai #llm #transformer神经网络架构
00:00 / 01:49
连播
清屏
智能
倍速
点赞98
鹏哥的AI1年前
用AnythingLLM给本地AI大模型投喂数据实现RAG #anythingllm #人工智能学习 #ollama #chatgpt #RAG
00:00 / 08:10
连播
清屏
智能
倍速
点赞4965
【教程👀简介】讲大模型的KK2月前
一次性带你弄懂AI知识图谱（GraphRAG)！！ 从原理、实战到应用，全程干货！大模型|LLM #大模型 #AI #RAG #大模型应用 #人工智能
00:00 / 12:50
连播
清屏
智能
倍速
点赞62
芯龙门实验室7月前
打破CUDA壁垒：这次我们用AMD ROCm跑通了vLLM！ 一站式部署网站：https://tools.258tiao.com 标准推理基准测试网站：https://github.com/lework/llm-benchmark #AI #电脑 #CUDA #ROCm #AMD
00:00 / 03:01
连播
清屏
智能
倍速
点赞118
LLM-X-Factors4周前
一个视频带你了解 MCP 和 Skills 的核心差异 十几页 MCP 协议 VS 一个 Markdown 文件，LLM 工具化的终极对决不是功能差异，而是认知差异！拆解 Anthropic Skills 与 MCP 的设计哲学，从 Token 消耗、实现难度到分享成本，看懂「信任模型」才是 AI Agent 工具化的破局关键。关注 LLM-X-Factors，深挖大模型底层逻辑～ #MCP #Skills #claude #anthropic #大模型
00:00 / 05:25
连播
清屏
智能
倍速
点赞473
AI大模型4月前
基于LLM对话系统从0到1 #LLM #大模型 #人工智能 #大模型学习 #大模型课程
00:00 / 51:21
连播
清屏
智能
倍速
点赞47
程序员寒山1年前
Deepseek R1打造本地化RAG知识库:安装部署使用 本期视频主要讲解如何部署自己的本地化知识库，使用Ollama，deepseek r1，nomic，AnythingLLM，介绍了详细的安装部署，打造属于自己的专业的、安全的知识库助手#程序员 #本地知识库 #deepseek #ollama #anythingllm
00:00 / 09:59
连播
清屏
智能
倍速
点赞4922
搁浅1年前
DeepSeek R1 671B满血版+AnythingLLM快速搭建顶级本地知识库保姆级教程及运行报错原因分析解决方案。#deepseek #利用deepseek可以做什么 #anythingllm #知识库 #本地知识库
00:00 / 06:43
连播
清屏
智能
倍速
点赞1739
Sssnap (Ai 影像/项目测试)1年前
llama3! 迄今为止最强大的开源LLM模型 如何部署在本地？如何快速使用？如何在comfyui中配合图像生成使用？来看看吧~希望可以帮到你#ollama #llama #comfyui #stablediffusion #ai
00:00 / 06:21
连播
清屏
智能
倍速
点赞231
小工蚁1年前
LLM如何接入到微信？演示群聊中AI自动回复 #小工蚁
00:00 / 04:27
连播
清屏
智能
倍速
点赞406
鹏哥的AI1年前
本地AI大模型RAG实现Web服务 #anythingllm #本地AI #rag #人工智能 #chatgpt
00:00 / 07:46
连播
清屏
智能
倍速
点赞909
讲AI的小坛7月前
Dify隐藏神器!自动抓取网页信息并加入知识库，无需编程基础 #ai #大模型 #LLM #dify #知识库 @抖音小助手 @DOU+小助手
00:00 / 13:27
连播
清屏
智能
倍速
点赞330
「AI模型研究所」8月前
微信接入LLM或工作流 使用AstrBot项目对接即时通讯和LLM/工作流，使用WeChatPadPro项目对接微信，最终实现通过AstrBot接入LLM或工作流自动回复微信消息；支持API和本地部署模型，以及Dify等工作流平台。#AstrBot #Dify #LLM #MCP #微信
00:00 / 15:48
连播
清屏
智能
倍速
点赞85
梦耀通（玩随身WiFi 7年）10月前
小白必看，5分钟教你随身WiFi使用全流程❗ 对随身WiFi不了解的小伙伴看过来，一期详细的随身WiFi使用全流程！#随身wifi推荐 #梦耀通随身WiFi #随身WiFi
00:00 / 03:00
连播
清屏
智能
倍速
点赞2117
紫老头聊AI6月前
LLM 大语言模型面试系列 02 “常见的 AI Agent 架构全解析：从 ReAct 到自我反思” #大语言模型 #面试 #原创
00:00 / 04:09
连播
清屏
智能
倍速
点赞109
himir6天前
llm氪普课-大模型训练流程+高效面试准备 用代码大模型的训练流程系统介绍 如何准备大模型训练？有哪些要考虑的维度？ 面试官问题为什么总是，出人意料，怎么能有一个统一的串联方法？ 代码llm和普通有啥不同 同时留下一个发散问题:为啥国内的代码大模型始终感觉不尽如人意,claude却一骑绝尘 希望获取具体内容的宝也欢迎关注充电计划 爱你们周末快乐 #大模型 #面经 #llm #AI人工智能 #转码
00:00 / 09:29
连播
清屏
智能
倍速
点赞29
IT梦想家1年前
业务接入LLM推理时，如何选模型大小和显卡 #干货分享 #服务器 #工作站 #配置推荐
00:00 / 01:25
连播
清屏
智能
倍速
点赞9
流浪猫福利院-院长2月前
狸二六洗澡 #猫猫 #猫咪的迷惑行为 #猫咪洗澡乖乖的 #猫洗澡 #洗猫
00:00 / 01:01
连播
清屏
智能
倍速
点赞NaN
阿甘探AI7月前
100行代码的极简LLM框架——PocketFlow，主打轻量级，零膨胀，零锁定，除了支持基本的聊天以外，还集成了RAG，工作流，Agent和MCP以及结构化输出等，实测下载即用，直接跑通，可用于生产环境，值得收藏！#llm #rag #agent #mcp #工作流 #开源项目 #编程 #程序员
00:00 / 00:43
连播
清屏
智能
倍速
点赞1258
大洋AI11月前
DeepSeek+AnythingLLM私有知识库部署教程打造100%掌控的本地AI知识库！离线可用，秒级响应，数据隐私，效率提升十倍！赶快用起来！#deepseek #如何用deepseek #干货分享 #deepseek本地部署 #一键开启ai世界 @DOU+小助手
00:00 / 02:41
连播
清屏
智能
倍速
点赞4721
LLM张老师学堂1年前
ChatGPT等大模型实际上就是两个文件！ #chatgpt #ai #人工智能 #chatgpt应用领域
00:00 / 02:00
连播
清屏
智能
倍速
点赞1887
AI小学生1周前
LLM中的 Tokenization 过程详解#人工智能 #大语言模型 #llm #deepseek #智能体
00:00 / 04:50
连播
清屏
智能
倍速
点赞15
清华姜学长2月前
一条视频带你搞懂LLM 一条视频带你搞懂LLM #知识分享 #每天跟我涨知识 #涨知识 #干货 #知识科普
00:00 / 08:27
连播
清屏
智能
倍速
点赞462
忘记2周前
#编程 #AI ClaudeCode开源平替OpenCode 大模型提供商配置，支持超过 75 家主流大模型提供商，能够无缝对接包括 Anthropic、OpenAI、Google Vertex AI 以及 Amazon Bedrock 在内的多种云端模型。该文档详尽介绍了如何通过 /connect 命令管理 API 密钥，并利用 JSON 配置文件自定义模型的基础 URL、请求头和上下文限制。除了商业云服务，用户还可以通过集成 Ollama 或 LM Studio 在本地运行模型，实现灵活的开发环境切换。针对 Amazon Bedrock 或 Azure OpenAI 等特定平台，手册提供了详细的环境变量配置与身份验证指南。对于未直接列出的服务，平台支持通过 OpenAI 兼容协议手动添加自定义提供商。此外，官方推荐的 OpenCode Zen 模型组合为初学者提供了经过验证的最佳实践选择。
00:00 / 05:47
连播
清屏
智能
倍速
点赞15
天下为公1周前
技术深挖——“渐进式披露”如何让 Agent 更聪明？ 在第一篇文章中，我们讨论了 Agent Skills 如何像“入职手册”一样为 AI 赋能。然而，从技术角度来看，一个核心挑战始终存在：如何让 AI 在海量的专业知识中不迷失方向？ 如果把几百项业务流程全部塞进提示词（Prompt），模型会因为“上下文过载”而变得反应迟钝甚至产生幻觉。Anthropic 提出的核心解决方案，是渐进式披露（Progressive Disclosure）。 1. 核心架构：三层过滤机制 Agent Skills 的运作并非一次性的指令输入，而是一个高效的动态加载过程。我们可以将其逻辑拆解为三个层次： 第一层：元数据（Metadata）——轻量级的“雷达” 在初始状态下，Claude 的上下文窗口中并不包含任何具体的技能细节。它只加载一份极简的技能清单（通常仅包含技能名称和简短描述）。 作用： 保持上下文的极简，降低 Token 消耗。 逻辑： 模型根据用户的意图，在清单中搜索匹配的“关键字”。 第二层：动态调用（Dynamic Tool Call）——精准的选择 当 Claude 判断用户需求属于某个专业领域（例如“分析这份财报的风险”）时，它会主动调用一个特定的工具：read_skill_instructions。 动作： 模型向系统发出请求：“请把‘财务风控’技能包里的 SKILL.md 发给我。” 优势： 这种“按需索取”的方式，确保了模型在处理任务时，大脑里只有最相关的规则。 第三层：资源关联（Resources）——深度的支持 一旦核心指令被加载，如果任务还需要特定的代码脚本、PDF 模板或数据库模式，模型会继续深入读取技能文件夹下的其他资源。 结果： 此时的 Claude 已经从一个通用模型，临时变成了一个拥有特定工具和参考资料的专家。 2. 为什么“渐进式披露”是必选项？ 这种设计不仅是为了节省几美分的 Token，它解决了 LLM 应用中的三个致命伤： 减少干扰（Distraction Reduction）： 如果同时给模型 50 条不同任务的指令，它可能会在执行 A 任务时被 B 任务的规则误导。渐进式披露实现了逻辑的物理隔离。 突破上下文限制： 虽然 Claude 支持超长上下文，但并不意味着你应该填满它。 #Gitmeai #Claude #LLM #token #Agent
00:00 / 06:21
连播
清屏
智能
倍速
点赞24
摩叔笔记1周前
每天坚持录一条口播视频（第50集）#信息差 #认知提升 #AI #科技 #AI创业
00:00 / 01:53
连播
清屏
智能
倍速
点赞3
栖栖学AI1周前
手把手带你深度解析多模态融合技术！ 从原理解析到技术前沿进展！大模型|LLM #大模型 #ai#多模态 #人工智能 #大模型应用
00:00 / 18:20
连播
清屏
智能
倍速
点赞9
知达AI助教7月前
【官方双语】新人如何直观理解大语言模型（LLM）的工作原理 你想知道大语言模型（LLM）如何像智能大脑一样，理解和生成自然语言吗？Transformer架构是它的核心支撑，其中的自注意力机制、多头注意力让模型能精准捕捉文本中的关联，位置编码赋予每个单词位置信息。从海量无标注文本的预训练，到针对特定任务的微调，大语言模型历经层层训练，学习语言模式和语义知识。它能将单词转化为词向量，在生成文本时，依据输入和已学知识预测下一个单词概率，最终输出连贯文本。 点击视频，带你深度剖析大语言模型（LLM）的底层工作原理，轻松掌握这一前沿AI技术！ #大语言模型 #Transformer架构 #自注意力机制 #预训练 #知达AI
00:00 / 26:09
连播
清屏
智能
倍速
点赞71
小超博士做科研10月前
大模型高并发部署必备框架 VLLM 大模型部署高并发优化推理框架—VLLM VLLM 是大模型高并发部署的必备框架之一，被市面上的对话产品广泛应用。其中的核心是pagedattention，关注的是KV cache的优化，通过细粒度的存储管理减少空间冗余，可以容纳更多的对话，实现高并发！ #大模型 #LLM #高并发 #模型部署 #vllm
00:00 / 01:30
连播
清屏
智能
倍速
点赞75
建斌聊AI1周前
2分钟用一句诗讲清大模型训练 大模型智能如何产生 #大模型 #llm #预训练 #微调 #科普
00:00 / 02:04
连播
清屏
智能
倍速
点赞35
AI育儿&未来指北11月前
大语言模型LLM蒸馏技术 #deepseek #如何用deepseek #利用deepseek可以做什么#让AI进入寻常百姓家
00:00 / 06:12
连播
清屏
智能
倍速
点赞4
天下为公5天前
技术深挖——“渐进式披露”如何让 Agent 更聪明？ 在第一篇文章中，我们讨论了 Agent Skills 如何像“入职手册”一样为 AI 赋能。然而，从技术角度来看，一个核心挑战始终存在：如何让 AI 在海量的专业知识中不迷失方向？ 如果把几百项业务流程全部塞进提示词（Prompt），模型会因为“上下文过载”而变得反应迟钝甚至产生幻觉。Anthropic 提出的核心解决方案，是渐进式披露（Progressive Disclosure）。 1. 核心架构：三层过滤机制 Agent Skills 的运作并非一次性的指令输入，而是一个高效的动态加载过程。我们可以将其逻辑拆解为三个层次： 第一层：元数据（Metadata）——轻量级的“雷达” 在初始状态下，Claude 的上下文窗口中并不包含任何具体的技能细节。它只加载一份极简的技能清单（通常仅包含技能名称和简短描述）。 作用： 保持上下文的极简，降低 Token 消耗。 逻辑： 模型根据用户的意图，在清单中搜索匹配的“关键字”。 第二层：动态调用（Dynamic Tool Call）——精准的选择 当 Claude 判断用户需求属于某个专业领域（例如“分析这份财报的风险”）时，它会主动调用一个特定的工具：read_skill_instructions。 动作： 模型向系统发出请求：“请把‘财务风控’技能包里的 SKILL.md 发给我。” 优势： 这种“按需索取”的方式，确保了模型在处理任务时，大脑里只有最相关的规则。 第三层：资源关联（Resources）——深度的支持 一旦核心指令被加载，如果任务还需要特定的代码脚本、PDF 模板或数据库模式，模型会继续深入读取技能文件夹下的其他资源。 结果： 此时的 Claude 已经从一个通用模型，临时变成了一个拥有特定工具和参考资料的专家。 2. 为什么“渐进式披露”是必选项？ 这种设计不仅是为了节省几美分的 Token，它解决了 LLM 应用中的三个致命伤
00:00 / 06:21
连播
清屏
智能
倍速
点赞31
西源礼～8月前
现阶段人工智能比的是什么？ #大语言模型 LLM与通用型#AGI人工智能的根本区别是什么？ #科技 #宏观经济
00:00 / 04:40
连播
清屏
智能
倍速
点赞79
TS10月前
AI三大热词：LLM、Agent、AGI#人工智能 #数据可视化#deepseek通俗易懂介绍 #创作者中心 #创作灵感
00:00 / 03:20
连播
清屏
智能
倍速
点赞6
真栗10月前
天空的雾来得漫不经心🪄 #日不落 #蔡依林 #翻唱 #甜妹
00:00 / 00:30
连播
清屏
智能
倍速
点赞NaN
科研华哥3天前
时间序列发不出顶会？加上“多模态”三个字，档次瞬间拉满！ #多模态 #时间序列 #LLM #智能体 #SCI论文
00:00 / 00:49
连播
清屏
智能
倍速
点赞30
老黄故事会1年前
单位给你陪产假，不是给你去旅游的，你是一个不合格的父亲 #故事会#情感故事 #夫妻故事#产假 #
00:00 / 01:52
连播
清屏
智能
倍速
点赞8892
LuckySheep3天前
AI异见者：为何一位奠基人认为LLM是死路一条
00:00 / 08:30
连播
清屏
智能
倍速
点赞7
【教程👀简阶】爱学大模型的疯哥1周前
手把手带你Transformer实战！ 基础知识+环境配置！全程干货~大模型|LLM #大模型 #Transformer #AI #人工智能 #大模型应用
00:00 / 31:41
连播
清屏
智能
倍速
点赞15
天下为公4天前
如何为你的业务打造“黄金技能包”？ 在前两篇文章中，我们理解了 Agent Skills 的概念与底层逻辑。今天，我们要聊聊最核心的问题：如何真正动手构建一个高效的技能包？ 构建技能包不仅仅是写一段 Prompt，它更像是在编写一份“AI 驱动的标准化作业程序（SOP）”。一个优秀的技能包应该让 AI 在面对复杂任务时，表现得像是一个拥有多年经验的老员工。 1. 第一步：识别与定义（Identify & Define） 并非所有任务都值得封装成技能。优先选择具备以下特征的场景： 高频且有固定逻辑： 如周报生成、代码审查、合规性检查。 需要特定参考资料： 任务执行依赖于特定的模板、术语表或私有 API 文档。 容易产生幻觉的领域： 涉及复杂规则或多步骤计算的任务。 示例： 我们要构建一个名为 “品牌内容官（Brand_Voice_Guardian）” 的技能。 2. 第二步：编写核心 SKILL.md 这是技能包的“灵魂”。在编写指令时，请遵循 “角色 - 任务 - 约束 - 示例” 的结构。 实战技巧： 起一个精准的名称： 名称要包含动词和领域（如 analyze_financial_risk），方便 AI 在元数据检索阶段一眼选中。 定义触发场景： 在 SKILL.md 的开头明确写道：“当用户要求检查文案风格、撰写公关稿或评估品牌一致性时，请激活此技能。” 结构化输出： 强制要求 AI 使用特定格式输出（如 JSON 或特定的 Markdown 标题）。 专家建议： 使用“反向指令”。不仅告诉 AI 要做什么，还要明确告诉它绝对不能做什么（例如：“严禁使用‘赋能’、‘闭环’等大厂黑话”）。 3. 第三步：配置资源文件（Resources） 技能包之所以强大，是因为它可以携带“行李”。 模板文件（Templates）： 提供一个标准的 .docx 或 .md 模板，让 AI 填空，而不是自由发挥。 辅助脚本（Tools）： 如果任务涉及大量数学计算或文件处理，在技能包里放一个 Python 脚本。 知识库（Knowledge）： 放入行业术语表。例如，在“医疗翻译技能”中放入《医学缩写对照表》。 4. 第四步：调试与迭代的“三问法” #Gitmeai #Agent #LLM #Skills #Knowledge
00:00 / 08:01
连播
清屏
智能
倍速
点赞12
今日份AI6月前
今日份AI【大模型GPT-2 Tokenizer-4 位置编码】#大模型 #LLM #AI #知识分享 #分词器
00:00 / 02:02
连播
清屏
智能
倍速
点赞7
小新说大模型3天前
给大家普及一下3个月转型AI大模型，需要达到的强度！ #大模型 #LLM #人工智能 #计算机 #程序员
00:00 / 00:53
连播
清屏
智能
倍速
点赞153
智学优课-阿羽7月前
Qwen3-Embedding+N8N零代码构建个人知识库 支持Ollama，轻松构建专业级RAG检索系统，精确度高达95%！大模型|LLM #人工智能 #AI #Qwen #大模型 #程序员
00:00 / 23:53
连播
清屏
智能
倍速
点赞47
青稞社区1周前
LLM落幕，Agentic Reasoning 新范式 #青稞社区 #Agent #论文
00:00 / 06:16
连播
清屏
智能
倍速
点赞29
栖栖学AI1周前
10分钟带你解析多头自注意力机制！ 从原理解析到核心应用全流程！干货输出~大模型|LLM #大模型 #AI #人工智能 #大模型应用 #自注意力机制
00:00 / 12:10
连播
清屏
智能
倍速
点赞21
飞翔Lfly2周前
NotebookLM零基础教程 #AI新星计划 #Ai教程 #NotebookLM #Ai #原创
00:00 / 01:57
连播
清屏
智能
倍速
点赞258
晋城鼎峰网络科技2周前
LLM 学习天花板 轻松成为 大模型工程师！ #ai #LLM #大模型 #程序员 #GitHub
00:00 / 00:33
连播
清屏
智能
倍速
点赞169
AI大模型-楼兰2周前
LLM记忆架构深度解析 #AI大模型 #大模型面试 #大模型应用 #编程
00:00 / 03:31
连播
清屏
智能
倍速
点赞58
杨博士说AI3月前
AI公司省LLM成本的3个思路 #AI #LLM #成本 #创业投资 #大模型
00:00 / 01:47
连播
清屏
智能
倍速
点赞158
程序员楼哥9月前
每天吃透一个大模型知识点——MCP #大模型 #LLM #ai #人工智能 #MCP @抖音小助手 @DOU+小助手
00:00 / 10:31
连播
清屏
智能
倍速
点赞8
奶龙-论文指导1周前
一个超硬核的开源项目，带你从零开始！！#Happy-LLM #Datawhale #计算机sci辅导 #transformer #LLM
00:00 / 00:30
连播
清屏
智能
倍速
点赞62
AI创作家1周前
驱动AI自主学习掌握技能 让大语言模型不在局限于对话，赋予他执行力，也赋予他学习的能力。#Ai #大模型 #人工智能
00:00 / 08:44
连播
清屏
智能
倍速
点赞0
又出幺蛾子啦3周前
什么是 Token 什么是 Token，为什么 LLM 的基本单位是 Token
00:00 / 03:58
连播
清屏
智能
倍速
点赞18
泥嚎3天前
GitHub排名第一大模型课，我直接跪着看完！ #人工智能 #大模型 #机器学习 #LLM #深度学习
00:00 / 00:32
连播
清屏
智能
倍速
点赞111
不吃辣的Chris1周前
一个视频讲清楚什么是Skills、MCP、Prompt、Rules、Tools#AI #学习 #干货分享 #程序员 #知识分享
00:00 / 07:11
连播
清屏
智能
倍速
点赞36
小工蚁2周前
LLM作为评估者评估AI应用准吗？ #小工蚁 #AI应用开发 #大模型评估
00:00 / 09:30
连播
清屏
智能
倍速
点赞22
青稞社区6天前
如何构造高质量long cot数据？CMU基于置信度数据筛选 #青稞社区 #大模型 #LLM #CMU #论文
00:00 / 05:18
连播
清屏
智能
倍速
点赞21
依旧1月前
如何构建高效的Agent 上下文工程是提示工程的自然发展，标志着AI代理构建方式的根本转变，其核心是优化大型语言模型（LLM）的上下文配置以实现期望行为。 上下文指LLM采样时的标记集合，上下文工程则是LLM推理中策划最优标记集的迭代策略，比编写提示更具持续性。LLM受Transformer架构限制，上下文是有限资源，存在“上下文腐烂”现象——标记量增加会降低模型记忆准确性，因此需基于“注意力预算”精选标记，核心是找到最小、信号最强的标记集。 构建有效上下文需优化三部分：系统提示应语言清晰、层级恰当，可用标签区分结构；工具需标记高效、功能无重叠；建议提供多样化、规范性示例。当前更推崇“即时”上下文策略，代理通过轻量标识符动态加载数据，或采用预检索与按需探索结合的混合模式。 应对超上下文窗口的长时任务，核心技术有三：一是压缩，通过总结对话内容重启新窗口，平衡信息保留与冗余清除；二是结构化笔记，代理将关键信息持久化存储，实现上下文重置后的任务延续；三是子代理架构，主代理协调，子代理专注任务并返回精炼摘要，提升复杂任务性能。 尽管模型性能提升，仍需将上下文视为宝贵有限资源，核心原则是保持信息丰富且紧凑，这是构建可靠AI代理的关键。
00:00 / 06:24
连播
清屏
智能
倍速
点赞39

简介:

您在查找“llm如何对接skills”短视频信息吗？帮您找到更多更精彩的短视频内容！最新发布时间：2026-02-03 06:48

最新推荐:

相关推荐:

热门推荐: