邹阳 の 博客

本文介绍了AI语言模型的发展历程，从基于统计方法的n-grams模型到神经网络模型，再到现代的Transformer模型。文章详细分析了各类模型的原理、优缺点及其在自然语言处理中的应用。通过对比不同模型的泛化能力和计算复杂度，读者可以更好地理解AI语言模型的演变及其在实际应用中的选择依据。

本文详细介绍了RAG（检索增强生成）技术，通过从外部数据库检索相关信息来改善大语言模型的生成质量。文章探讨了RAG的组成、架构以及在构建个人知识库中的应用，特别是如何通过DeepSeek和RAGFlow实现个性化知识库的构建。

本文介绍了OpenClaw的安装步骤及其应用场景。OpenClaw是一个开源的自主AI Agent框架，支持长期记忆和本地文件操作，适用于办公自动化、浏览器自动化以及开发运维等多种场景。文章详细描述了安装前的准备工作、安装过程、初始化配置、启动网关和核心概念，帮助用户快速上手并了解其功能。

Dify是一个开源的LLM应用开发平台，旨在通过简化AI应用的开发流程，帮助用户更高效地构建AI应用。本文介绍了Dify的云端和自托管版本的使用方法，以及其在AI邮件助手和Agentic Workflow中的应用。Dify通过多种模型标签和检索增强生成功能，提升了AI应用的准确性和智能性。

本文介绍了ReAct架构，通过交替生成推理轨迹和特定任务的动作，提升语言模型在复杂任务中的表现。ReAct结合推理和行动，增强了模型的可靠性和可解释性，并在知识密集型推理和决策任务中取得了显著效果。通过与外部环境交互，ReAct有效减少了幻觉问题，并在多跳问答和事实核查任务中实现了SOTA结果。

本文详细介绍了一文多发助手2.0的技术实现，包括其双层架构设计、Dify工作流的具体流程以及Node.js CLI项目的核心模块。通过采用Dify workflow和Node.js客户端的双层架构，提升了工作流编排能力和插件生态的丰富性，实现了更复杂的处理逻辑和自动化发布功能。

本文详细介绍了如何使用神经网络进行手写数字识别，特别是通过将28x28像素的灰度图像转换为向量输入到神经网络中。文章涵盖了FNN的识别过程、激活函数的选择、损失函数的应用以及图像转换为张量的步骤，为读者提供了一个全面的理解框架。

本文对prompt进行了大致介绍，包括它的定义、组成、分类、编写技巧等。

本文详细分析了Chain-of-Thought Prompting（CoT）方法，该方法通过在提示中加入中间推理步骤，显著提升了大语言模型在复杂推理任务中的表现。CoT不需要重新训练模型，只需改变提示格式，尤其在数学、常识和符号推理任务中效果显著。研究表明，CoT的有效性与模型规模密切相关，尤其在大模型上表现突出。

本文深入探讨了Agent评测的核心要点，强调评测不仅关注模型的回答能力，更注重其在多轮推理和任务完成中的稳定性。通过详细分析评测框架、评分器设计和非确定性处理，文章提供了构建高质量Agent评测体系的实用原则，帮助读者理解如何通过评测提升Agent的整体性能和用户体验。

本文详细记录了一文多发助手2.0的开发过程，包括从浏览器插件方案到基于API的工作流方案的演变，以及在工具选型、平台迁移、图片处理、公众号发布等方面的具体实施和遇到的问题。通过对比不同工具和平台的优缺点，最终选择了Obsidian作为核心写作工具，并成功实现了更灵活的内容适配和发布流程。

本文详细介绍了一文多发助手的MVP实践，包括产品背景、痛点分析、竞品对比及核心功能实现。通过兼容OneNote导出的Word文档，实现了图片上传、格式转换及多平台发布的自动化流程，解决了图片迁移和格式适配的难题。