- 综合排序
- 最热优先
- 最新优先
- 来自专栏悟道
2-5 快速幂模板
这个就是在快速乘的基础上改一下 sum=0--->sum=1 x+=x--->x*=x //快速幂模板 public double quickPow(double x,long y){ double sum=1; while(y>0){ if((y&1)==1){ sum*=x; } x*=x; y=y>>1; }
33820发布于 2021-06-01 - 来自专栏AI机器学习与深度学习算法
学习分类 2-5 线性可分
感知机非常简单同时又很容易理解，但是相对应的，缺点也很多。感知机最大的缺点就是它只能解决线性可分的问题。
56610编辑于 2022-11-08 AI大模型知识库
而基于AI大模型构建的知识库系统，通过自然语言处理技术和深度学习算法，能够自动完成文本解析、语义关联与智能检索，使分散的知识资源形成有机网络，为企业知识管理带来革命性变革。 一、核心技术架构解析现代AI知识库采用多层神经网络结构，包含预训练语言模型作为基础层，结合领域适配微调技术实现专业术语理解。 相较于传统方案，AI大模型知识库在技术特性上展现出显著优势：语义理解深度方面，传统方案依赖关键词匹配，误差率高，而AI方案具备上下文感知能力，准确率超92%；更新维护成本上，传统方案人工录入月均耗时120h 二、典型应用场景落地AI大模型知识库在多场景落地应用，创造显著价值：智能问答机器人可7×24小时解答员工关于政策制度、操作流程的咨询，某金融机构部署后人力咨询量下降47%，提升咨询响应效率；辅助决策沙盘整合市场动态 五、未来演进方向展望随着多模态融合技术的发展，下一代AI大模型知识库将突破文本局限，实现图纸三维模型与操作视频的联动检索，拓展知识呈现与应用形式。
55910编辑于 2025-10-16- 来自专栏前端必修课
AI知识库的真相
这样，AI就会认真阅读所有内容，并自动生成完美结论。 然而，实际体验后，许多人发现AI知识库的效果远没有想象中理想，经常遇到各种奇怪的问题。 本文将从知识库的原理出发，探讨AI知识库的技术局限。 目前，大模型知识库最常见的技术是RAG（检索增强生成）。 当用户将资料加入知识库时，程序会先将其拆分为多个文本块。 随后，使用嵌入模型将这些文本块向量化。 以我自己的知识库为例，这里用到的嵌入模型输出的是1024维： 也就是说，每个文本块都被转换成一个由1024个数值组成的向量： 之后，程序会将向量及其对应文本存储到向量数据库中。 最终，知识库会选出与问题最相似的几个原文片段，将它们与用户的问题一同发送给大模型，由大模型进行归纳总结。 下一篇文章，我将用 Cherry Studio 搭建一个本地知识库，并详细分析这一流程的局限性。本文暂时到此为止。
46710编辑于 2025-04-30 - 来自专栏Hank’s Blog
2-5 R语言基础 factor
#因子：分类数据 #有序和无序 #整数向量+标签label #Male/Female #常用于lm(),glm()
42110发布于 2020-09-16 - 来自专栏NetCore 从壹开始
2-5 安装容器Web工具：Docker Portainer
现在已经习惯了容器化了，不仅可以很快的配合CICD来实现部署，同时主要是也能解决一些疑难杂症，比如在Linux中经常会有各种图形图像的依赖包问题。特别是内网环境。
96620编辑于 2023-01-09 - 来自专栏Deep learning进阶路
2-5 线性表之循环链表
2-5 线性表之循环链表 循环链表就是链表首尾相接连成一个环，可以用单链表 和 循环链表来实现。
41540发布于 2019-07-02 - 来自专栏刷题笔记
2-5 Two Stacks In One Array (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101173005 2-5 Two Stacks In One Array (20 分) Write
73830发布于 2019-11-08 - 来自专栏刷题笔记
2-5 修理牧场 (35 分)【优先队列】
2-5 修理牧场 (35 分) 农夫要修理牧场的一段栅栏，他测量了栅栏，发现需要N块木头，每块木头长度为整数Li个长度单位，于是他购买了一条很长的、能锯成N块的木头，即该木头的长度是Li的总和
1K10发布于 2020-06-23 Obsidian 本地 AI 知识库实战指南
传统知识库用RAG模式每次提问AI都在重头找片段拼凑，而LLMWiki模式主张让AI承担将新知识提炼并“编译”成结构化、带双向链接的维基图谱，实现知识的真正复利与累积。 再配合进阶的ObsidianCLI（命令行接口），AI甚至能直接看懂你整个知识库中的网状链接关系，帮你洞察思维盲区并生成结构化的知识图谱。如何搭建AI本地知识库？ 通过这种方式，你的灵感被永久沉淀，你的知识库在日常问答中实现了二次生长。定检与审查(Lint)：AI驱动的知识库体检传统笔记的弊端在于“记完就吃灰”，内部充满了死链接和矛盾的信息。 现在你可以定期（如每周一次）对AI说。对我的知识库进行Lint审查。 记住以后让你学习，你都需要去操作我的本地知识库到这里我们AI本地知识库的搭建和使用就完成了。
1.4K00编辑于 2026-04-23- 来自专栏育种数据分析之放飞自我
笔记 | GWAS 操作流程2-5：杂合率检验
一般自然群体，基因型个体的杂合度过高或者过低，都不正常，我们需要根据杂合度进行过滤。偏差可能表明样品受到污染，近亲繁殖。我们建议删除样品杂合率平均值中偏离±3 SD的个体。
2.4K20发布于 2020-04-27 - 来自专栏前端必修课
打造专属AI智能知识库
本文介绍了如何使用 DeepSeek API 打造个人 AI 知识库。此过程中需搭配嵌入模型，将知识库内容向量化，实现高效检索。DeepSeek 在获取知识库检索结果后，可以输出更清晰、准确的回答。 进入添加知识库页面后，选择已配置好的“BAAI/bge-m3”嵌入模型，输入知识库名称（如“Redis”），然后点击“确定”。 添加知识库数据 接下来可为知识库添加数据。 此时不关联知识库，直接用 DeepSeek Chat 询问“Redis 最新版本号是多少”。 可以看到 AI 给出的答案是错误的（知识停留在老版本，实际最新版已是 8.x）。 接下来，尝试关联刚刚创建的 Redis 知识库进行新一轮提问。 点击“知识库”，选择 Redis 知识库。 再次询问“Redis 最新版本号是多少”，AI 这次给出了正确答案（8.0 版本）。 总结 通过以上流程，可以高效构建个人 AI 知识库，并有效提升 AI 回答的准确性和时效性。
92110编辑于 2025-05-14 腾讯乐享AI知识库产品概要
一、产品定位与核心亮点 腾讯乐享AI知识库是一款面向企业级用户的智能知识管理与应用平台，深度融合AI技术，旨在激活和利用企业私有知识资产。 智能问答与检索：基于AI的多模态理解能力，提供精准答案并支持引文溯源。 场景化AI助手：可配置专属AI代理（Agent），适应不同部门或业务线的知识需求。 场景化AI配置：可定制AI性格、知识范围、专业术语库，提升回答准确性。 学习模式：将长文档智能拆解为知识脉络，生成学习提纲和互动测试。 企业级安全：提供多级权限管控，保障知识资产安全。 解决方案：乐享AI知识库识别图片中的标记点和文字说明，生成分步骤安装指南。 成效：精准输出安装步骤，并附示意图解析，提升客服效率（来源：大会演示案例）。 解决方案：用户同时选择6个知识源，AI自动总结共性需求（如性能延迟、UI易用性）。 成效：快速生成结构化总结，标注来源文件，减少人工整理时间（来源：大会演示案例）。
35910编辑于 2026-04-21腾讯乐享AI知识库产品概要
一、产品定位与核心亮点 腾讯乐享AI知识库是一款面向企业级应用的智能知识管理平台，基于大语言模型与多模态内容处理技术，构建集知识沉淀、管理、检索与应用于一体的SaaS解决方案。 其核心差异化在于深度融合腾讯生态（企业微信、腾讯会议），提供多模态内容解析与场景化AI能力，实现从“知识存储”到“知识智能应用”的转型。 腾讯云知AI问答系统 背景：腾讯内部知识库面临知识更新滞后、模型局限性问题。 解决方案：采用乐享知识库+定制化agent（专业研究、国际化agent），结合混元、deepseek等多模型优化。 解决方案：营销知识库建设。 成效：未提供具体指标（原文未详述）。 3. 科沃斯机器人（ECOVACS） 背景：营销知识管理需求。 解决方案：营销知识库建设。 成效：未提供具体指标。 4. 解决方案：营销知识库部署。 成效：未提供具体指标。 5. 清华大学、深圳大学、同济大学、西安电子科技大学 背景：高校知识管理需求。 解决方案：高校知识库建设。 成效：未提供具体指标。 6.
67020编辑于 2026-04-05【详细解读】Cherry Studio等AiCoding编程工具对比
核心工具：Cherry Studio 安装与使用 安装方法 Cherry Studio支持桌面应用与Web版双部署模式，安装流程简单，开箱即用，全程耗时2-5分钟，无需复杂配置。 同类工具功能对比汇总 一、核心竞品详细对比 对比维度 Cherry Studio AnythingLLM Chatbox ChatWise 产品定位 全能型AI生产力平台 企业级知识库管理系统 极简轻量 ） 基础支持 基础支持 安装部署 桌面应用/Web版，2-5分钟安装，开箱即用 Docker/二进制/源码编译，10-30分钟，配置复杂 桌面应用/便携版，1-3分钟，零配置 简单安装 用户界面 适中， 原生应用的定义与构建 核心特点：提供低代码/无代码操作界面，内置RAG流水线、工具集成和应用编排，适合企业开发团队构建复杂AI编码辅助应用 FastGPT 定位：基于LLM的知识库问答系统 核心特点：具备开箱即用的数据处理 、模型调用和工作流编排能力，专注于知识库问答场景，可辅助处理编码相关的文档查询、逻辑梳理需求 LobeChat 定位：插件化多模型AI聊天客户端 核心特点：支持多模型集成，可集成编码相关插件，具备代码对话交互功能
2.1K10编辑于 2026-04-17- 来自专栏设计模式
Obsidian 本地 AI 知识库实战指南
再配合进阶的 Obsidian CLI（命令行接口），AI 甚至能直接看懂你整个知识库中的网状链接关系，帮你洞察思维盲区并生成结构化的知识图谱。 如何搭建 AI 本地知识库？ 通过这种方式，你的灵感被永久沉淀，你的知识库在日常问答中实现了二次生长。 定检与审查 (Lint)：AI 驱动的知识库体检 传统笔记的弊端在于“记完就吃灰”，内部充满了死链接和矛盾的信息。 现在你可以定期（如每周一次）对 AI 说。 对我的知识库进行 Lint 审查。 结合腾讯版本地“龙虾”可以被微信接入，我们就可以在手机上轻松的阅读信息让电脑上的AI为我们管理知识库了。 记住以后让你学习，你都需要去操作我的本地知识库 到这里我们AI本地知识库的搭建和使用就完成了。 最后 我想说在正式用这套AI知识库系统之前，一定要注意以下 3 点： 1.
85011编辑于 2026-04-30 AI驱动的 知识库 新时代
近年来，人工智能（AI）从根本上改变了知识库的能力，许多数据库也纷纷进行了升级。但 AI 知识库究竟能为我们带来什么帮助？ 让我们深入了解 AI 知识库的不同之处、它如何能够帮助到我们、以及如何创建这样的AI知识库！什么是 AI 知识库在解释 AI 知识库之前，我们先来了解一下什么是知识库。 AI 知识库能给个人用户带来帮助吗？ 当然！ AI知识库不仅适用于企业，对于我们个人的学习生活都有巨大的帮助，比如我们可以上传各个地方收集而来的学习资料，利用AI知识库进行文件解析，最后你就可以获得某个专门的学习知识库了。 ComIDP AI knowledge base即将上线并使所有用户都能够构建你专属的 AI 知识库。
1.3K10编辑于 2025-06-24- 来自专栏九彩拼盘的叨叨叨
学习前端 第4周 第2-5天
了解什么叫响应式。 了解CSS3 Media Queries 了解Bootstrap 了解Bootstrap的全局 CSS 样式。特别是其中的栅格系统。 作业 用Bootstrap做页面 http://www.bootcss.com/ 。交互不需要实现
19810发布于 2018-08-27 【JeecgBoot AIGC】AI知识库实战应用与搭建
JeecgBoot 平台的 AIGC 功能模块，是一套类似 Dify 的 AIGC应用开发平台 + 知识库问答 子系统，是一款基于 LLM 大语言模型 AI 应用平台和 RAG 的知识库问答系统。 其直观的界面结合了 AI 流程编排、RAG 管道、知识库管理、模型管理、对接向量库、实时运行可观察等，让您可以快速从原型到生产，拥有 AI 服务能力。1. 介绍本节将介绍如何在系统中添加和管理AI知识库。 AI知识库是一个结合了自然语言处理（NLP）、向量搜索和大语言模型（LLM）的智能信息管理系统，旨在高效存储、检索和管理知识，使AI能够更精准地理解并回答用户的问题。 在本系统中，AI知识库是AI应用、AI流程等模块的核心组成部分，为知识存储与智能检索提供支持。2.
29300编辑于 2025-06-20- 来自专栏码匠的流水账
使用MaxKB及deepseek搭建本地AI知识库
序本文主要研究一下如何MaxKB及deepseek搭建本地AI知识库步骤拉取MaxKB镜像docker pull cr2.fit2cloud.com/1panel/maxkb如果拉取不下来就用docker 模型设置–>添加模型，这里添加ollama的deepseek-r1:8b，其中API URL设置为http://host.docker.internal:11434，API KEY随便设置一个就行设置知识库创建知识库 –>向量模型为maxkb-embedding，知识库类型为通用型，之后上传文档，可以选择文本文件、表格、QA问答对，之后执行向量化设置应用创建应用–>设置AI模型–>关联知识库(添加知识库)，参数设置：
1.4K10编辑于 2025-02-13
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号