NumPy

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。

MLX是由苹果的机器学习研究团队推出的用于机器学习的阵列框架，该开源框架专为 Apple Silicon 芯片而设计优化，从NumPy、PyTorch、Jax和ArrayFire等框架中吸取灵感，提供简单友好的使用方法，帮助开发人员在苹果M系列芯片上有效地开发、训练和部署模型。MLX的主要功能熟悉的 API：MLX 有一个紧随 NumPy 的 Python API。MLX 还拥有功能齐全的 C++ API，与 Python API 非常相似。可组合的函数转换：MLX 支持用于自动微分、自动向量化和计算图优化的可组合函数转换。惰性计算：MLX 中的计算是惰性计算，数组仅在需要时才会具体化。动态图构建：MLX 中的计算图是动态构建的。更改函数参数的形状不会触发缓慢的编译，并且调试简单直观。多设备：可以在任何支持的设备（CPU 和 GPU）上运行。统一内存：MLX 和其他框架的主要区别在于统一内存模型，阵列共享内存。MLX 上的操作可以在任何支持的设备类型上运行，无需移动数据。

BigModel是什么BigModel是智谱AI专为开发者设计的大模型开发平台，BigModel通过提供模型能力、开发资源、知识库与应用体验中心等工具，帮助开发者充分应用GLM大模型的技术能力打造多种应用。近百万开发者的大模型调用选择！BigModel的主要功能标准API服务：提供场景示例、使用指南和接口文档等，帮助开发者快速接入和使用不同的大模型，例如：CogVideoX（AI视频生成模型）CogView-3-Plus（AI文生图模型）GLM-4V-Plus（多模态视觉模型）GLM-4-long（200万字长文本模型）GLM-4-Plus（旗舰大模型）GLM-4-Flash（首个免费API）知识库与应用构建：支持开发者注入专业领域知识，创建适合特定场景的定制化解决方案，将大型模型转化为业务专家。体验中心：提供直接体验模型功能及其应用效果的平台。基础服务：包括API密钥管理和财务管理工具，确保开发过程的便捷和安全。云端私有化服务：支持独立算力部署模型及模型微调服务。如何使用BigModel注册账户：访问BigModel平台 bigmodel.cn 注册账户。了解平台：熟悉平台提供的服务和功能，包括API服务、知识库、体验中心等。获取API密钥：在平台上创建API密钥，用于调用API服务。阅读文档：阅读API文档和使用指南，了解如何集成和使用不同的大模型。开发应用：基于提供的API和资源开发您的应用，例如聊天机器人、AI视频生成器或其他AI应用。构建知识库：特定领域的知识，可以将其输入到模型中，以创建更专业的解决方案。体验和测试：使用体验中心测试应用，确保功能效果符合预期。BigModel的应用场景BigModel开放了智谱AI目前最强的AI大模型，可以用BigModel构建属于你自己的AI应用，例如：智能客服：自动化回答用户咨询，减少人工客服压力，提高响应速度。内容创作：自动生成新闻、博客、故事等内容，还可以用CogVideoX生产AI视频。语言翻译：提供多语言翻译服务，帮助跨语言沟通和内容本地化。情感分析：分析用户评论和反馈，了解客户满意度和市场情绪。医疗咨询：辅助医疗专业人员进行病例分析，提供诊断建议。法律咨询：提供法律信息查询和案件分析，辅助法律服务。

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。

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。

Google推出的机器学习和人工智能开源库

魔乐社区是什么魔乐社区（Modelers）是天翼云与华为联合推出的AI开发者社区，提供TDMA（工具链、数据集、模型、应用）的托管展示服务和支撑系统。魔乐社区汇聚AI产业链资源，依托理事会成员单位，吸引开发者共同推动AI发展，解决行业难题，促进生态繁荣。社区提供免费算力，方便用户体验AI模型和应用效果。魔乐社区的主要功能模型托管与管理：提供模型库，用户能托管和分享用于自然语言处理、视觉和音频任务的AI模型。数据集托管：托管用在各种AI任务的数据集，包括翻译、语音识别和图像分类等，供训练、评估和测试使用。体验空间：提供机器学习和深度学习算法的应用案例，支持用户在浏览器中直接体验模型的交互式应用程序。Git仓库服务：托管基于Git的仓库，支持用户和组织协作开发模型和代码。工具套件集成：集成openMind Library和openMind Hub Client等工具套件，方便模型开发和管理。如何使用魔乐社区注册和登录：访问魔乐社区官方网站。按照提示完成登录和注册。 获取模型访问模型库，获取平台上所有公开的模型。根据模型标签或任务筛选所需的模型。以PyTorch-NPU/qwen1.5_7b_chat模型为例，筛选或搜索找到模型。点击模型卡片，进入模型详情页，查看模型介绍和操作指导。根据模型详情页的指引，在线体验模型效果或下载模型文件。参考环境安装文档进行详细安装步骤。浏览和使用更多社区资源数据集：访问和下载用于AI训练的数据集。体验空间：用社区提供的在线环境进行模型测试和应用开发。参与社区活动课程和研讨：参与社区提供的课程和研讨交流。竞赛和挑战：参加社区举办的AI竞赛和巅峰挑战。使用工具链：安装和使用社区提供的工具链，进行模型开发和推理。贡献和分享：分享模型和应用：在社区中分享自己的AI模型和应用。反馈和建议：基于社区的帮助中心提供反馈和建议。魔乐社区的应用场景智能客服系统：开发能理解用户查询，提供即时响应的聊天机器人。自动驾驶汽车：基于计算机视觉技术识别道路标志、行人和障碍物，提高驾驶安全性。健康监测应用：分析穿戴设备收集的数据，监测用户健康状况并提供健康建议。个性化推荐系统：在电商网站或流媒体服务中，根据用户行为和偏好推荐商品或内容。智能语音助手：创建能理解和执行语音命令的虚拟助手，如控制智能家居设备。

言犀智能体平台是什么言犀智能体平台是京东推出的一站式AI智能体开发平台，用户无论有无编程基础，都能快速构建基于AI模型的智能体，处理问答到复杂业务逻辑。平台集成了多个大模型，提供算法库和工具，支持行业应用快速落地。目前已有超过3300个智能体在京东内部活跃，沉淀了100多个行业解决方案模板。言犀智能体平台的主要功能接入大模型：平台已接入数十个大模型，支持用户根据业务需求选择不同模型。低成本快速搭建：无论用户是否有编程基础，都可以快速搭建基于AI模型的智能体。行业解决方案模板：平台沉淀了100多个行业解决方案模板，支持行业应用快速落地。算法库及工具库：通过插件能力，平台提供上千种算法和工具能力，如数据分析、NL2SQL等。如何使用言犀智能体平台注册与登录：用户需要访问京东云言犀智能体平台的官方网站，注册账号并登录（yanxi.jd）。选择智能体模板：平台提供了多种行业解决方案模板，用户可以根据自己的业务需求选择合适的模板作为起点。配置智能体：用户可以对选定的智能体模板进行配置，包括但不限于设置智能体的名称、功能、交互逻辑等。接入大模型：根据业务需求，用户可以在平台中选择和接入不同的大模型，如言犀大模型、GPT等。知识库接入：使用Advance RAG技术，用户可以简单配置实现结构化和非结构化数据的接入，增强智能体的知识库。算法库和工具库应用：用户可以在智能体中运用平台提供的算法和工具能力，如数据分析、NL2SQL等。工作流编排：通过工作流对智能体的插件和大模型能力进行编排组合，指导智能体按照既定思路行动。智能数据分析：利用平台的数据分析能力，用户可以通过自然语言查询和分析业务数据。测试与优化：在智能体搭建完成后，用户需要进行测试，根据测试结果对智能体进行优化和调整。部署与应用：测试无误后，用户可以将智能体部署到实际业务场景中，开始使用智能体处理业务问题。