火山引擎开发者社区 x 扣子联合举办的AI 智能体线上挑战赛落下帷幕参赛者基于豆包大模型以及 AI 智能体搭建平台 扣子专业版搭建出了围绕各类热门游戏主题的趣味 AI 智能体手游、端游；魂类、角色扮演、策略类……游戏陪玩、周边搜罗、取景地旅游攻略、趣味解密、海报生成……目前，21个获奖的优秀作品已公开上线至扣子Bot商店10月29日—11月10日现邀请全网用户参与 AI 智能体互动，体验 AI 的

🍹 Insight Daily 🪺

**自从 OpenAI 推出 ChatGPT 开始，AI 领域经历了巨大的变化。**针对不同的使用场景进行了优化，OpenAI 提供了多个版本的AI模型。一些模型响应速度更加的快，还有一些则更加注重精度。令我，还有许多其他厂商和模型可供选择，比如 Hugging Face 上近两万个开源模型。在如此多样化的 LLM（大语言模型）生态中，“用一个 LLM 就解决所有问题”的设计思路似乎已经难以满足实

🍹 Insight Daily 🪺Hi，这里是Aitrainee，欢迎阅读本期新文章。马斯克的X.AI推出了他们的 Grok API 公测版，之前 Grok 也可以使用，但仅限于预览版，并且只能通过 OpenRouter 和其他一些平台访问，而且还有限制调用次数。但现在，我们可以直接从 X.AIi 访问，而且没有调用次数的限制。你可以使用最新的 Grok 模型，该模型以临时名称 grok-be

🍹 Insight Daily 🪺

火山引擎开发者社区资源库资料上新，快来免费下载！

随着越来越多的组织将生成式AI引入生产环境，他们面临的挑战已经超出了初步实施的范畴。如果管理不当，扩展性限制、安全漏洞和性能瓶颈可能会阻碍AI应用的推广。实际问题如用户数据的安全性、固定容量限制、成本管理和延迟优化等，需要创新的解决方案。本文我们深入探讨了一些独特的应用场景和策略，如：语义缓存、提示保护、提示增强和动态负载均衡等等，及如何帮助企业构建具有弹性、安全性和可扩展性的AI驱动应用。通过探

如果你对类似于这样的文章感兴趣。欢迎关注、点赞、转发~

🍹 Insight Daily 🪺

文本介绍端侧大模型的最新进展，助力端侧智能体Agent发展。分为上下两篇：上篇主要介绍端侧大模型的进展及其模型架构，下篇则聚焦于端侧大模型的模型压缩技术、加速和部署方案以及应用实例。

全面介绍、测试与对比五个常见的多智能体（Muti-Agent System）编排与开发框架

豆包MarsCode 积极探索缺陷自动修复，通过对多 Agent 协作和静态分析的创新和结合，在 SWE-bench Lite 排行榜上位列第一，一文了解技术细节。

了解面向企业应用的多模态AI搜索的实现

一、什么是知识图谱？1.1 整体流程在 RAG 中使用知识图谱一般流程如下图所示：1.2 知识图谱解决RAG难点1.3 知识图谱RAG与Base RAG区别知识图谱 RAG 使用图形结构来表示和存储信息，从而捕获实体之间的复杂关系，而Base RAG 通常使用矢量化文本数据。知识图谱 RAG 通过图遍历和子图搜索来检索信息，而Base RAG 依赖于向量相似性搜索。知识图谱 RAG 可以更好地理解

PocketPal AI VS Termux VS MLC VS Maid APP：无需网络，轻松在手机上运行本地大模型，体验便捷的 AI 助手！

向AI转型的程序员都关注公众号 机器学习AI算法工程面教程中唯一会用到的一个人工智能叫模型(model), 大家可以简单的把他理解成数学上的公式，只不过这个公式不是固定的，是通过计算得到的。假设我想把我老婆新垣结衣的脸换成石原里美的脸，AI换脸的最核心流程可以理解为：【训练模型】使用我老婆和石原里美的人脸数据，计算出我老婆脸到石原里美脸的公式。【使用模型进行转换】用这个公式就可以把我老婆新垣结衣的

文章涵盖了信息提取、文本分块、上下文存储与检索等关键环节。作者展示了如何用PyMuDF库从PDF中提取文本，并将其分块以适应LLM的上下文窗口。文章比较了固定大小分块、递归分块和语义分块等策略

引言简介方法Agent 框架Agent 交互探索阶段部署阶段文档生成高级功能实验结果总结局限性未来工作引言 =======大语言模型（LLM）如 ChatGPT 和 GPT-4 显著提升了自然语言处理能力，并且推动了智能体在自主决策中的应用。最初，这些智能体专为基于文本的交互方式设计，展现了卓越的表现，包括记忆自适应性和多任务处理能力。然而，现实世界的应用程序不仅仅局限于文本输入，还涉及视觉和其他