NumPy

通义灵码，阿里云推出的AI编程工具，助力开发者高效构建智能应用，加速AI创新。

SkyAgents是什么SkyAgents 是昆仑万维推出的 AI Agent 开发平台，基于昆仑万维的「天工大模型」，具备自主学习和独立思考的能力。用户可以通过自然语言和简单的操作，无需编码，快速构建个性化的 AI Agents，完成包括行业研究、单据填写、商标设计等在内的多种私人定制需求。企业用户也可以将 SkyAgents 能力拼装成企业 IT、智能客服、企业培训等个性化应用，支持一键服务部署。SkyAgents 的特点包括模块化任务处理、个性化定制、第三方工具调用等，降低大模型技术的应用门槛，推动 AI 技术的广泛应用。SkyAgents的主要功能零代码构建 AI Agents：SkyAgents 支持用户通过自然语言和简单的操作来构建 AI Agents，无需编程知识，非专业用户也能轻松上手。模块化任务处理：平台将 AI 任务进行了高度模块化，用户可以将不同任务分解为多个模块，通过操作系统模块的方式实现执行。个性化定制：用户可以根据自己的需求进行个性化定制，无论是个人用户还是企业用户，可以通过简单的自然语言操作快速部署属于自己的 AI 助手。企业级应用与一键部署：企业用户可以将 SkyAgents 的能力按需拼装成企业 IT、智能客服、企业培训、HR、法律顾问等个性化的应用，支持一键服务部署。知识库构建与大规模数据导入：SkyAgents 支持导入多种格式和来源的数据和知识，为 AI Agents 提供更全面、更准确的信息支持。第三方工具调用：平台支持第三方工具的调用，使 AI Agents 可以轻松调用各类工具，如票务平台、电子支付等，为用户提供更加便捷的服务。个性化 AI Agents 一键分享：用户可以轻松创建自己的 AI 伴侣、有缘机伴或暖心家园等个性化应用，通过链接的方式分享给其他人。智能对话与信息处理：SkyAgents 提供智能对话模块，可以通过大语言模型进行处理并回复给用户指定内容。同时，包括信息加工、信息提取、信息分类等模块，实现复杂的信息处理任务。高性能大模型支持：SkyAgents 基于昆仑万维的天工大模型，具备自主学习和独立思考能力，能理解用户指令，自主分析环境，做出合理的决策和行动。如何使用SkyAgents访问平台：打开浏览器，访问 SkyAgents 的官方网站：天工 AI 助手。注册/登录：新用户，需要注册一个账户。点击“短信登录”或“账号登录”，按照提示完成注册流程。已经注册，直接使用账号和密码登录。创建新的 AI Agent：登录后，看到创建新 Agent 的入口。点击创建新 Agent，进入构建页面。选择模板或自定义：SkyAgents 提供了多种示例模板，可以选择一个适合需求的模板快速开始。如果有特定的需求，可以选择自定义模块来构建 Agent。配置 Agent：在构建页面，可以通过拖拽和配置模块来设计 Agent 的工作流程。设置必要的参数，如对话模型选择、温度（控制回复的创意性）、回复字数上限等。知识库配置：如果Agent需要使用知识库，可配置知识库相似度和单次搜索上限，控制搜索结果的相关性和数量。模块排布与设计：按照信息流转的顺序进行模块排布，确保 Agents 顺利运行。进行多次调试以满足需求，注意模块的必填信息与核心配置。测试 Agent：在构建完成后，测试 Agent 确保按照预期工作。根据测试结果调整配置和参数，优化 Agent 性能。发布和使用：Agent 测试无误，立即发布，可以将 Agent 一键分享给其他人。SkyAgents的应用场景客户服务：用SkyAgents构建智能客服机器人，自动回答用户的常见问题，提高客户满意度和服务质量。个人助理：创建个人助理 Agent，帮助用户管理日程、提醒重要事件、搜索信息等，提高个人效率。企业自动化：在企业中，SkyAgents可以用来自动化各种工作流程，如订单处理、库存管理、数据分析等，减少人工干预，提高工作效率。教育和培训：开发教育 Agent，提供个性化的学习建议、课程内容和学习资源，增强学习体验。市场研究：用SkyAgents收集和分析市场数据，生成行业报告，帮助企业做出更明智的商业决策。内容创作：用SkyAgents生成文章、设计草图、创作音乐等，辅助创意工作。

Lightning AI是一个构建模型和构建/发布Lightning Apps（ML工作流模板）的平台，由Pytorch Lightning团队推出——一个快速训练、部署和开发人工智能产品的深度学习框架。

天壤小白是什么？天壤小白是天壤公司开发的一个通用大语言模型，它是一个基于互联网公开数据训练而成的人工智能模型，拥有高达1860亿个参数。这个模型采用了生成式架构，具备强大的语义理解和上下文感知能力，能够精准捕捉文本中的语义关联，并理解用户的指令和意图。天壤小白应用开发平台是一个专为开发者设计的AI应用开发平台，旨在帮助用户轻松构建、管理和运营基于天壤小白大语言模型的AI应用。该平台利用天壤小白大模型，结合Embedding模型，允许用户通过编写自然语言的方式创建可信赖的商业级AI应用。平台提供了多种应用类型和使用方式，以适应不同的业务场景。天壤小白应用开发平台的主要功能应用创建与管理：用户可以创建不同类型的AI应用，包括文本生成型、对话型、搜索型和工作流应用。平台提供了一个直观的界面，让用户能够轻松设置应用的图标、名称和类型。灵活的模型配置：平台提供了多种版本的天壤小白大语言模型，用户可以根据应用需求选择合适的模型。同时，用户还可以配置模型参数，如模型版本、输入输出长度限制等。提示词与上下文管理：用户可以设计提示词来指导AI模型生成特定的输出，同时管理上下文信息，确保AI应用在对话中保持连贯性。敏感词检测：为了确保内容的安全性，平台支持敏感词检测功能，用户可以设置敏感词列表，AI在生成内容时会自动过滤这些词汇。API调用：平台提供了友好的API接口，开发者可以通过API将AI能力集成到自己的应用中，实现后端或前端的直接调用。Web App在线访问：用户可以创建Web App，通过链接直接访问AI应用，无需复杂的部署过程。数据分析：平台提供了应用的数据分析功能，包括用量统计、活跃用户数、用户满意度等，帮助开发者了解应用的表现并进行优化。文档集功能：支持上传和解析多种格式的文档，如Excel、CSV、JSON等，以及图片和PDF文件，通过OCR技术提取文字。这些文档可以作为AI应用的知识库，提高回答的准确性和相关性。结构化文档支持：用户可以上传结构化文档，并设置召回字段，使得AI应用能够更准确地理解和回应基于特定字段的查询。

CodeFuse支付宝团队打造的人机协同的软件研发新范式，AI赋能企业研发效能。

大语言模型（LLM）正在成为一种变革性技术，使开发人员能够构建以前无法构建的应用程序。但是，单独使用这些LLM通常不足以创建一个真正强大的应用程序——当你可以将它们与其他计算或知识来源相结合时，便可能实现其真正的能力。LangChain是一个用于开发由语言模型驱动的应用程序的框架，允许开发人员将语言模型连接到其他数据源并与其环境相交互。LangChain旨在帮助开发者在以下六个主要领域，按照复杂性递增的顺序：📃 LLMs and Prompts: 这包括提示管理、提示优化、适用于所有 LLM 的通用界面以及用于处理 LLM 的通用实用程序。🔗 Chains: 链不仅仅是单个 LLM 调用，而是调用序列（无论是对 LLM 还是对不同的实用程序）。 LangChain 为链提供标准接口、与其他工具的大量集成以及用于常见应用程序的端到端链。📚 Data Augmented Generation: 数据增强生成涉及特定类型的链，这些链首先与外部数据源交互以获取数据以用于生成步骤。 这方面的例子包括对长文本的总结和对特定数据源的问答。🤖 Agents: 代理涉及 LLM 做出关于采取哪些行动的决定，采取该行动，看到一个观察，并重复直到完成。LangChain 为代理提供了一个标准接口，可供选择的代理选择，以及端到端代理的示例。🧠 Memory: 内存是链/代理调用之间持久状态的概念。 LangChain 提供了内存的标准接口、内存实现的集合以及使用内存的链/代理的示例。🧐 Evaluation: [BETA] 众所周知，生成模型很难用传统指标进行评估。 评估它们的一种新方法是使用语言模型本身进行评估，LangChain 提供了一些提示/链来协助这一点。

Deeplearning4j是为数不多的以Java虚拟机（JVM）为目标，以Java原生编写的机器学习框架之一。该框架由位于旧金山的一组机器学习开发人员开发，并由初创公司Skymind提供商业支持。Deeplearning4j于2017年10月捐赠给了Eclipse基金会。该库与Clojure和Scala兼容。对于集群和分布式训练，Deeplearning4j与Apache Spark和Apache Hadoop集成。它还与NVIDIA CUDA运行时集成，可在多个GPU之间执行GPU操作和分布式训练。Deeplearning4j包括一个使用ND4J的n维数组类，该类允许在Java和Scala中进行科学计算，与NumPy提供给Python的函数类似。它可以有效地用作执行线性代数和矩阵操作的库，用于训练和推理。Deeplearning4j可以用于训练模型，这些模型可以执行图像分类、对象检测、图像分割、自然语言处理和时间序列预测。

昇思MindSpore是由华为自研的一种适用于端边云场景的新型开源深度学习训练/推理框架，MindSpore提供了友好的设计和高效的执行，旨在提升数据科学家和算法工程师的开发体验，并为Ascend AI处理器提供原生支持，以及软硬件协同优化。