智能体如何用 E2B Code Interpreter 隔离执行不安全代码
智能体如何用 E2B Code Interpreter 隔离执行不安全代码 做智能体时，最诱人的能力之一是让模型自己写代码、自己跑结果：清洗数据、试算公式、画图验证。麻烦也在这里——一旦「生成」和「执行」接在同一条链上，你等于把一段默认不可信的代码放进了自己的运行环境。 一种直觉是：干脆把整...
博客文章
使用 LangChain 构建智能体实战
使用 LangChain 构建智能体实战 本文从 LangChain 基础入门开始，从基础智能体（Agent）开始，到构建一个生产级的智能体系统，所需要的知识概念。 传统的 ChatBot 只能进行聊天，人工智能反映在知识输出上，但是这种智能并不能自出决策，并使用工具调用。虽然后来的 AI...
聊聊高并发高可用云服务设计（Go语言版）
聊聊高并发高可用云服务设计（Go语言版） 本文以 Go 语言云服务为例，系统性介绍如何设计、实现、测试一个高并发、高可用的生产级后 端系统。文章不仅覆盖架构设计思想，也结合常见中间件（Kafka / Redis / Postgres / etcd / Kubernetes 等）给出工程实践建议...
PKI 体系结构与证书信任链
PKI 体系结构与证书信任链 日常上网时，浏览器地址栏的小锁、HTTPS、代码签名、邮件加密……背后都依赖同一套机制：公钥基础设施（PKI, Public Key Infrastructure）。 本人曾多年就职于CA行业，此文不仅是个人的总结，也算是小白科普文。本文先粗略梳理 PKI 的基...
常规加解密、摘要与门限算法的种类与应用
常规加解密、摘要与门限算法的种类与应用 日常开发里，「加密」常被当成万能词：HTTPS、密码存储、文件校验、接口签名……其实背后至少几类能力——保密（加解密）、完整性（摘要）、身份与密钥分发（非对称），以及密码机场景里常见的门限控制（秘密共享）。把种类拆开，比背一堆算法名更有用。 本文按摘要...
使用 PyTorch 进行线性回归模型训练实战
使用 PyTorch 进行线性回归模型训练实战 本文结合个人实验的Jupyter Notebook示例，从零开始使用PyTorch完成一个线形回归模型的构建、训练与理解。内容面向初学者，同时也帮助你建立对 PyTorch 自动求导与训练流程的正确认知。 一、线性回归问题回顾 线性回归是最...
LLM应用中的Function Calling机制
LLM应用中的Function Calling机制 LLM在当下应用非常广泛，从最常见的聊天问答（例如：Chatgpt，DeekSeek聊天），到基于内容检索的问答系统，处处可见它的身影。 在LLM（大型语言模型）应用开发中，Function Calling（函数调用）是一项强大的机制，它使...
机器学习中模型训练的拟合问题
机器学习中模型训练的拟合问题 拟合问题简介 拟合问题可以归纳为模型对数据的规律学得好不好，对于学得好的就称为拟合适中，对于学得不好的可以分类两种：过拟合，欠拟合。 拟合就是用模型函数去逼近数据之间的关系，拟合程度反映了模型函数和实际数据的贴合程度。 过拟合问题 过拟合的意思是模型在...
人工智能笔记 - 机器学习
人工智能 - 机器学习 人工智能的基础是机器学习，顾名思义就是让机器能够处理数据，并在处理的数据中进行学习，从而能够自主地做出决策。简单来说，机器学习是让机器能够在不需要特别编程的情况下进行学习和改进。 而机器学习，大体上分为三种，分别为：监督式学习，无监督式学习，和深度学习。 监督...
人工智能笔记 - 数据分析和决策
人工智能 - 数据分析和决策 这部分主要分为四个层次： - 数据收集 - 数据清理 - 数据分析 - 决策 数据收集 在人工智能领域数据收集是至关重要的一个环节，它是用于训练模式的输入来源。 作为基础的概念复习，数据收集无非是把目标进行采样，同时我们需要使用科学的方法使样本接近于...
1 / 4
下一页