机器学习任务类型、应用场景与技术选型 系统梳理机器学习的任务类型（分类、回归、聚类等）、典型应用场景（表格、文本、图像、语音），各场景下的主流技术路线，以及传统机器学习与深度学习的区别与选型依据。从第一性原理出发，理解”做什么任务、用什么数据、选什么技术”。 目录 机器学习有哪些任务类型？ 任务类型与损失、评估 应用场景与主流技术 传统机器学习与深度学习的区别...

机器学习项目技术选型与实践概览 从第一性原理出发，帮助初学者理解机器学习项目的整体架构、技术选型思路和完整流程。 目录 引言：什么是机器学习项目 机器学习的基础原理 项目架构概览 核心技术栈介绍 技术选型思路 项目完整流程 初学者学习路径建议 1. 引言：什么是机器学习项目 1.1 从第一性原理理解机器学习 在深入技术细节之前，我们需要...

大模型提示词技巧-基于场景的自检清单和缺失反问 概述 在复杂业务场景中，大模型需要处理信息不完整的情况。通过引入自检清单机制和缺失信息处理流程，可以显著提升模型输出的准确性和可靠性。本文档介绍如何设计和使用这些技巧。 提示词功能流程 本提示词方案的核心功能流程如下： 用户提问 ↓ [场景识别] 简单场景与复杂场景自动区分 ↓ ├─→ 简单场景 → [直接回答...

RAG知识库多跳查询方案 1. 方案解决的问题 在传统的RAG（检索增强生成）知识库问答场景中，当用户提问涉及文档附件内容时，存在以下问题： 附件内容检索不精准：附件文档通常包含多个章节，在知识库中作为单个文档存储时，检索容易带出无关章节内容，影响答案准确性 附件引用信息缺失：大模型回答中虽然可能提到”详见附件X”，但无法直接展示附件具体内容，用户体验不完整 多跳查询效率...

lightRAG知识图谱使用和工作流集成 lightRAG简介 LightRAG，知识图谱，简单且快速的检索增强生成（RAG）框架。 lightRAG部署 没有提供配置用的UI界面，所有配置都位于.env文件内。 docker部署 git clone https://github.com/HKUDS/LightRAG.git cd LightRAG cp env.example .en...

dify使用简介 简单介绍dify使用，根据官方的使用文档讲解，结合开源dsl工作流合集，使用云上dify环境演示。着重介绍dify工作流中图表生成、RAG知识库检索、MCP工具调用等场景的应用。 dify简介 Dify https://github.com/langgenius/dify 是一个开源的 LLM 应用开发平台。其直观的界面结合了 AI 工作流、RAG 管道、Agent、模...

机器学习可视化集成方案 开源的机器学习训练可视化平台 mlflow 腾讯音乐 cube-studio 较重，依赖很多组件。开源协议可能有限制 cube-studio wiki cube-studio 在线体验地址 mlflow+shapash可视化集成方案 mlflow使用 使用mlflow追踪模型训练并使用mlflo...

RAG知识图谱简介 一、什么是知识图谱 1.1 基本定义 知识图谱（Knowledge Graph） 是一种以图结构表示知识的方法，通过实体（Entity）- 关系（Relation）- 属性（Attribute） 三元组形式，将现实世界的对象及其关联关系进行结构化建模。 1.2 核心特征 结构化表达：以实体-关系-属性 (ERA) 结构化建模，而非纯文本段落 多跳关联：...

Ollama模型管理简介 1. Ollama 模型目录结构 默认存储位置 Linux/macOS: ~/.ollama/ └── models/ ├── manifests/ # 模型清单目录 │ └── registry.ollama.ai/ │ └── library/ │ └── [模型...

百度飞桨PaddleOCR图片印章检测技术简介 3.X和2.X区别较大，建议使用3.X版本。 PaddleX简介 PaddleX github地址 PaddleX模型产线使用概览 PaddleX安装文档 PaddleX高性能推理部署 PaddleX和PaddleOCR的区别 摘自官方文档PaddleX和PaddleOCR的关系。 PaddleOCR 与 Paddle...