Untitled
已发布:
Aleksandar Stajić
已更新: 2026年3月1日 18:53
Related Articles
全新Qwen 3.5-Plus：开源AI迈入新纪元
探索阿里巴巴Qwen 3.5-Plus的革命性特性与优势，这款为开发者打造的颠覆性开源人工智能模型。
MLOps 与 LLMOps：当模型是 LLM 时，会发生哪些变化
MLOps 运维机器学习系统；LLMOps 将这些实践扩展到围绕大型语言模型的提示、上下文、检索、提供商、工具、评估和运行时行为。
LLM从哪里获取数据？Python中的RAG数据源
LLM 并不会神奇地知道你的文件、数据库或 API。这个 RAG 系列的实用续篇用简单的 Python 展示了外部数据如何变成可检索的证据：从文本文件和 SQL 到全文搜索、嵌入、上下文组装以及最终的 LLM 调用。
人工智能何时应停止信任自身知识？——检索触发机制
AI 模型并非每个问题都需要检索。重要的问题在于知道何时其内部知识已不再足够。检索触发器是一个实用的决策边界，它决定 AI 系统何时应停止仅依赖模型知识，并在回答前获取外部证据。
什么是RAG？对其工作原理的最简单解释
RAG听起来很复杂，但想法很简单：在AI回答之前，它先从知识源查找有用的信息，并将该信息提供给语言模型。本指南使用一个简单的思维模型来解释RAG、LLM、状态、记忆和工具。
Qwen 3.6 生产环境部署：发布手册、AI 回滚与 LLMOps 版本管理
Qwen 3.6 不仅仅是一次模型升级。它同时是一个发布事件、一个回滚场景和一个版本管理问题。本文通过LLMOps规范、提示词与模型可追溯性、受控发布以及基于证据的回滚准备，阐述了在生产环境中应如何处理Qwen 3.6。
什么是上下文工程？模型在回答之前接收到了什么
上下文工程负责设计 AI 模型在推理前接收的信息，包括提示词、检索内容、记忆、应用状态、工具结果和对话历史。