译者 |朱先忠审校|重楼引言我不得不承认，我最初对大型语言模型（LLM）生成实际有效的代码片段的能力持怀疑态度。我抱着最坏的打算尝试了一下，结果我感到很惊喜。就像与聊天机器人的任何互动一样，问题的格式很重要；但随着时间的推移，你会知道如何指定你需要帮助的问题的边界。当我的老板发布了一项全公司范围的政策——禁止员工使用在线聊天机器人服务时，我已经习惯了在编写代码时始终可以使用这类服务。尽管我可以回到以前的谷歌搜索习惯，但我还是决定建立一个在本地运行的LLM服务；这样一来，我就可以在不将信息泄露到公司外面的情况下继续向机器人提出问题了。最后，多亏了HuggingFace网站（https://hug
《OpenShift/RHEL/DevSecOps汇总目录》说明：本文已经在OpenShift4.15+RHODS2.7.0的环境中验证文章目录安装OpenShiftAI环境安装Minio对象存储软件配置SingleModelServing运行环境创建项目和Workbench准备模型和配置ModelServer访问LLM模型参考安装OpenShiftAI环境先根据《OpenShiftAI-部署OpenShiftAI环境，运行AI/ML应用（视频）》一文完成OpenShiftAI环境的安装。注意：本应用无需GPU即可运行。安装Minio对象存储软件根据《OpenShift4-管理和使用OpenS
文章目录1、简介2、基础设施3、大模型3、AIAgent（LLMAgent）4、AI编程5、工具和平台6、算力7、Kubernetes(K8s)与人工智能生成内容(AIGC)的结合应用7.1、摘要7.2、介绍7.3、K8s与AIGC的结合应用7.4、实践案例7.5、结论1、简介LLM技术图谱（LLMTechMap）是将LLM相关技术进行系统化和图形化的呈现，此图谱主要特点是“专注于技术人视角”，不求从LLM产业角度汇聚信息，而是希望让从事相关工作或是想了解LLM的技术人有一个快速感知。LLM技术图谱（LLMTechMap）从基础设施、大模型、Agent、AI编程、工具和平台，以及算力几个方面，
在人工智能领域，很少有像YannLeCun这样的学者，在65岁的年龄还能高度活跃于社交媒体。一直以来，YannLeCun都是以「直言不讳的批评者」形象活跃于人工智能领域。他始终支持开源，并带领Meta的团队推出了占据如今开源大模型领域半壁江山的Llama2；他对很多人深感恐慌的人工智能末日论不以为然，坚信AGI的到来一定是件好事……近日，LeCun又一次来到LexFridman的播客，展开了一场接近三个小时的对谈，内容涉及开源的重要性、LLM的局限性、为什么人工智能末日论者是错误的，以及通向AGI的道路等话题。观看页面：https://youtu.be/5t1vTLU7s40?feature=
Langchain默认使用OpenAI的LLM（大语言模型）来进行文本推理工作，但主要的问题就是数据的安全性，跟OpenAILLM交互的数据都会上传到OpenAI的服务器。企业内部如果想要使用LangChain来构建应用，那最好是让LangChain使用企业内部的LLM，这样才能保证数据不泄露。LangChain提供了集成多种LLM的能力，包括自定义的LLM，今天我们就来介绍一下如何使用LangChain来集成自定义的LLM以及其中的实现原理。开源大模型虽然现在的商业大模型（OpenAI和Anthropic）功能十分强大，但开源大模型愈来愈有迎头赶上的趋势，比如最近刚发布的Falcon-180
Java-langchain:一个Java8+的LangChain实现。在(企业)Java环境中构建强大的基于LLM的应用程序。这里持续连载详细的Java入门的LLM学习课程。课程分四个部分：面向开发者的提示工程(promptdevelopment)搭建基于ChatGPT的问答系统(chagptapi)使用LangChain开发应用程序(langchain)使用LangChain访问个人数据(开发中)Java快速转换到大模型开发：配套课程的所有代码已经发布在：https://github.com/Starcloud-Cloud/java-langchain课程合作请留言
KongCTO2024年2月15日宣布Kong在KongGateway3.6中发布了六个新的开源AI插件，这些插件可以将每个KongGateway部署都转变为AIGateway。这些新插件今天就可以使用，而且完全免费和开源，供所有人使用。欢迎联系我们的中国合作伙伴咨询详情consultant@gingxing.com。这六个新插件分别是AI代理、AI请求/响应转换器、AI提示卫士、AI提示模板和AI提示装饰器（AIProxy,AIRequest/ResponseTransformer,AIPromptGuard,AIPromptTemplate,andAIPromptDecorator）。只需
译者|晶颜审校|重楼业务领导者一直深感压力，他们需要找到将生成式人工智能（GenAI）纳入其战略的最佳方式，以便为其组织和利益相关者带来最佳收益。根据Gartner的调查，38%的业务领导者指出，客户体验和留存率是他们投资GenAI的主要目的，这对其业务的未来至关重要。然而，尽管这看起来很诱人，但在制定人工智能战略之前，考虑LLM是否适合您的业务同样至关重要。虽然市场上的LLM选项很多且易于访问，但有效使用现成的LLM却存在诸多挑战。这些问题包括缺乏个性化的客户体验，外包嵌入模型的成本增加，以及由于与外部共享数据而引发的隐私问题。训练内部AI模型可以直接解决这些问题，同时还可以激发团队内部的创
原作：伊格纳西奥·德格雷戈里奥引言：语言时代的终结？昨天，AI领域的另一个关键参与者Anthropic宣布了生成式AI王座的新竞争者，即Claude的最新版本Claude3。它展示了三种模型Opus、Sonnet和Haiku，每种模型都适用于特定的场景，一些初步结果显示它们是当今最强大的多模态大型语言模型（MLLMs）系列，超越了谷歌的Gemini1.5和OpenAI的GPT-4。但这个消息远不止表面上看到的那么简单。这也许是我们这个时代伟大MLLM模型的最后之作，为进入全新的AI模型让路，比如GPT-5或臭名昭著的Q*，它们将与我们今天看到的模型截然不同且出奇地优越。实际上，这个模型可能会如
Hellofolks，我是Luga，今天我们继续来聊一下人工智能(AI)生态领域相关的技术-LangChain，本文将继续聚焦在针对LangChain的技术进行剖析，使得大家能够了解LangChain实现机制以便更好地对利用其进行应用及市场开发。在日新月异的人工智能领域，语言模型已经成为舞台主角，重新定义了人机交互的方式。ChatGPT的广泛认可以及Google等科技巨头纷纷推出类似产品，使语言模型，尤其是LLM，成为科技界瞩目焦点。从某种意义上来讲，LLM代表了人工智能理解、解释和生成人类语言能力的重大飞跃，经过海量文本数据的训练，能够掌握复杂的语言模式和语义细微差别。凭借前所未有的语言处理
