- 综合排序
- 最热优先
- 最新优先
- 来自专栏刷题笔记
7-4 悄悄关注 (25 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/97864803 7-4 悄悄关注 (25 分) 新浪微博上有个“悄悄关注”，一个用户悄悄关注的人
1.1K10发布于 2019-11-08 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- 来自专栏刷题笔记
7-4 树的遍历 (20 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/102924283 7-4 树的遍历 (20 分) 给定一棵二叉树的后序遍历和中序遍历，请你输出其层序遍历的序列
73610发布于 2019-11-07 - 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 - 来自专栏刷题笔记
7-4 字符串排序
点这里 7-4 字符串排序 本题要求编写程序，读入5个字符串，按由小到大的顺序输出。 输入格式： 输入为由空格分隔的5个非空字符串，每个字符串不包括空格、制表符、换行符等空白字符，长度小于80。
91210发布于 2019-11-08 - 来自专栏刷题笔记
7-4 括号匹配 (25 分)
本文链接：https://blog.csdn.net/shiliang97/article/details/101472923 7-4 括号匹配 (25 分) 给定一串字符，不超过100个字符，可能包括括号
97630发布于 2019-11-08 - 来自专栏数据结构和算法
7-4 学生成绩排序 (15分)
7-4 学生成绩排序 (15分) 输入格式: 输入一个正整数n(n<50)，下面n行输入n个学生的信息，包括：学号、姓名、三门课程成绩（整数）。
39410编辑于 2023-11-30 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- 来自专栏算法与数据结构
PTA 7-4 排座位（25 分）
7-4 排座位（25 分） 布置宴席最微妙的事情，就是给前来参宴的各位宾客安排座位。无论如何，总不能把两个死对头排到同一张宴会桌旁！
1.6K90发布于 2017-12-29 - 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- 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.
85311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freesan44
PTA 7-4 素数等差数列 (20 分)
2004 年，陶哲轩（Terence Tao）和本·格林（Ben Green）证明了：对于任意大的 n，均存在 n 项全由素数组成的等差数列。例如 { 7，37，67，97，127，157 } 是 n=6 的解。本题就请你对给定的 n 在指定范围内找出一组最大的解。
37400发布于 2021-09-10 【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 - 来自专栏Lcry个人博客
RAGFlow 开源检索增强 AI 知识库部署教程
使用过 dify 和 fastgpt 的产品大家都知道还有一款增强 RAG 平台 RAGFlow，博主早在 2023 年 AI 盛行的时候就调研过这款产品，现在已经 2025 年，截止目前最新版本已经来到了 RAGFlow 依靠融合上下文引擎和预构建的代理模板，使开发者能够高效且精准地将复杂数据转化为高保真、生产准备的 AI 系统。 数据源也可以根据实际添加，可以使用 S3 协议自建 minio 或者 rustfs 初体验 知识库 创建一个知识库，上传一些文档试试。 聊天 创建一个聊天助手，配置引用知识库，然后进行问答。 搜索 搜索可以选择多个知识库进行检索，支持 AI 总结以及引用原文。 ，传说中做知识库属它最牛逼，但是使用体验下来真的就是资源占用太大了，对准确率高的资源不在乎的可以尝试配置学习试试，这个也通过和 dify 结合进行使用，网上有相关教程可以参考，将 ragflow 直接外挂给
1.6K10编辑于 2026-01-09 - 来自专栏学习成长指南
AI超级智能体教程（七）---RAG实战本地知识库和云端知识库
1.RAG实战–本地知识库的应用 1.1编写代码 我们的文档添加到这个向量数据库里面去： 基于我们的知识库进行问答：我们的prompt+拦截器从向量数据库里面找到的上下文，两个组合在一起，发给我们的AI ，而且这个分数越高，表示我们的本地知识库里面搜索出来的这个内容和我们的用户输入的这个提示词的吻合度是更高的； 1.3输出结果 实际上仔细观察这个输出的结果，我们的这个回答就是从我们的本地的知识库里面去找到的 ，也就是我们的那三个md文档 2.RAG实战–云端知识库的应用 2.1新建云端知识库 这个主要是使用的阿里云百炼的云端知识库的平台，下面的这个步骤是我们后续进行这个云端的知识库开发的这个基础，大家实际需要重视一下的 2.3断点调试 这个时候我们会发现这个request打断点的位置内容和刚才的本地的知识库的差别还是很大的，大家可以去回顾一下本地的知识库的，这个云端知识库应该是直接加进来了，内容还是很多的； 这个时候云端知识库检索的结果是 5个，可以喝上面的本地的知识库进行对比一下，就可以发现两个的差别；大家进行学习的时候，也可以使用这个方式，对比一下两个方式的异同点； 2.4输出结果 这个测试的结果就是从我们的知识库里面搞得，我觉得这个也是很不错的
1K10编辑于 2025-05-05 5分钟搞定AI知识库部署
二、核心功能实操：AI不是花架子，是真能提效率的利器AI开源知识库系统的核心能力围绕“AI驱动+知识库管理”展开，它的AI功能最难得的是“克制且实用”，不会过度炫技，而是精准解决传统知识库的痛点：检索慢 AI全链路能力：从创作到检索，彻底告别“大海捞针”这是AI开源知识库系统最核心的竞争力，我用下来最大的感受是：它把AI真正融入了知识库的日常使用，而不是作为一个单独的“附加功能”。 案例2：电商企业——搭建智能客服FAQ知识库身边做电商的同行，用AI开源知识库系统搭建了客服FAQ知识库，整合了产品使用问题、物流问题、售后政策等内容，还集成到了钉钉客服群和电商平台后台。 五、最后想说：AI开源知识库系统适合谁？ AI开源知识库系统并非“万能的”，但它绝对能精准解决知识管理痛点，结合我的使用经验，以下这类团队/个人最适合用它：• 中小技术团队：不想花高成本用商用Wiki，又需要AI提升效率，AI开源知识库系统的开源性和轻量化完美适配
55310编辑于 2026-03-04
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