Advanced Search
Search Results
42 total results found
Hermes Agent 極速安裝指南
Hermes Agent 是一個能夠操作伺服器、執行工具並透過多種介面與您互動的 AI 代理。本教學將引導您使用官方安裝腳本，快速將 Gemma-4-31b-it 模型串接至 Telegram。 📌 前置準備 在開始之前，請確保您已擁有以下資訊： Google API Key：前往 Google AI Studio 獲取（用於驅動 Gemma 模型）。 Telegram Bot Token：在 Telegram 搜尋 @BotFather，創建機器人並獲取 Token。 您的 Telegram Chat ID：在...
MacOS
AI相關
本書本旨在收錄、整理並長期紀錄與人工智慧（AI）技術相關的各類文章與內容，作為持續累積與分享 AI 知識的共筆空間。收錄範圍涵蓋機器學習、深度學習、自然語言處理、電腦視覺、生成式 AI 與大型語言模型（LLM）等領域的技術筆記、研究心得、實作教學、工具介紹與應用案例。同時也會記錄 AI 產業的最新發展趨勢、重要論文摘要、開源專案分享，以及在實務中遇到的問題與解決方法。期望透過系統化的方式整理這些資訊，方便日後查閱與回顧，也作為學習歷程的紀錄。內容將會持續更新與補充，逐步建立成一份完整且實用的 AI 技術知識庫。
RAG（檢索增強生成）概述
什麼是 RAG RAG（Retrieval-Augmented Generation，檢索增強生成）是一種結合「資訊檢索」與「生成式語言模型」的技術架構。它的核心概念是：在大型語言模型（LLM）回答問題之前，先從外部知識來源（如文件庫、資料庫、向量資料庫等）檢索出與問題相關的資料，再將這些資料連同使用者的問題一起提供給模型，讓模型根據這些「即時提供的事實」來生成答案，而非僅依賴模型本身訓練時所記憶的知識。 簡單來說，RAG 讓語言模型在回答前先「查資料」，再根據查到的內容作答。 為什麼需要 RAG 傳統的大型語言模...
LLM 與 RAG 的巧妙關係
前言 近年來大型語言模型（Large Language Model, LLM）的崛起，徹底改變了人們與資訊互動的方式。然而，LLM 並非萬能，它有著知識更新落後、容易產生幻覺（Hallucination）等先天限制。為了解決這些問題，檢索增強生成（Retrieval-Augmented Generation, RAG）應運而生。本文將詳細說明 LLM 與 RAG 的運作流程，以及兩者如何巧妙地結合，發揮一加一大於二的效果。 一、什麼是 LLM？ 大型語言模型是一種基於深度學習（特別是 Transformer 架構）...
RAG 系統的向量儲存選型：Qdrant、MongoDB 與 Redis 的分層協作
核心觀念：它們不是三選一 在 RAG 系統裡，Qdrant、MongoDB 與 Redis 常被誤解為彼此競爭的替代方案。實際上，它們分屬不同層，各有「本命定位」。雖然三者現在都能做向量搜尋，但在一套成熟的 RAG 系統裡，理想狀態是三者協作：Qdrant 負責語意檢索、MongoDB 負責文件與 metadata 的真實儲存、Redis 負責快取。它們是接力關係，而非競爭關係。 各自的本命定位 Qdrant — 專用向量檢索引擎 Qdrant 只做一件事：高效能的近似最近鄰搜尋（HNSW）。換來的好處是豐富的 p...