知识图谱

Prompt案例：提示词法则 R-B-T-R-E 对比实战：MySQL 试卷生成

作者
Prompt案例：提示词法则 R-B-T-R-E 对比实战：MySQL 试卷生成
本文档通过“生成一套 MySQL 数据库技术试卷”这一具体案例，逐一拆解 **R-B-T-R-E (Role, Background, Task, Requirements, Example)** 五要素法则，展示加入各要素前后的提示词效果对比。 0. 原始指令 (Baseline) 提示词： “生成一套MySQL数据库技术试卷。” 缺点： AI 不知道试卷是给小学生做的还是给架构师做的，不知道包含什么题型，也没有答案，输出结果完全随机。 1. Role (角色) - 确立身份 定义： 明确指定 AI 的身份，使其调取特定领域的专业知识库和语气。 对比维度 提示词示例 预期效果 ...

[案例]顶端新闻：AI驱动的内容生态升级实践

作者
[案例]顶端新闻：AI驱动的内容生态升级实践
顶端新闻：AI驱动的内容生态升级实践 平台概况 顶端新闻作为河南日报社旗下新型主流媒体平台，通过火山引擎-扣子智能体服务实现了内容生产与传播的智能化转型。平台日均处理tokens量超过1.5亿，在智能创作、风险识别、内容理解等领域取得显著成效。 转型挑战 内容生产瓶颈 人工审校占比过高 知识图谱覆盖率不足 生产流程存在断点 运营效率痛点 风控策略成本居高不下 推荐算法精准度待提升 用户互动体验需优化 智能化解决方案 三大核心功能模块 智能内容标注系统 数百个题材标签自动分类 实体信息智能提取（人物/地点/时间） 地理坐标自动转换 智能互动引擎 自动生成趣味评论回复 正能量...

AI驱动的数据抓取新时代：从BeautifulSoup到智能爬虫工具

作者
AI驱动的数据抓取新时代：从BeautifulSoup到智能爬虫工具
在数据驱动的AI时代，获取高质量的网络数据变得越来越重要。传统的网页抓取方法正在被新一代智能工具所取代，这些工具不仅简化了数据获取过程，还提高了数据质量。本文将带你了解从传统方法到最新AI驱动工具的演变，帮助你选择最适合自己项目的数据抓取解决方案。 传统爬虫的局限性 网络数据抓取一直是AI和数据分析项目的基础环节。长期以来，BeautifulSoup作为Python生态系统中的标准工具，帮助开发者从HTML文档中提取信息。然而，使用BeautifulSoup面临几个明显的挑战： 需要编写复杂的规则和正则表达式 对不同网站结构需要定制化处理 处理动态加载内容困难 对非结构化数据提取效果有限 ...

数据库设计范式实例讲解

作者
数据库设计范式实例讲解
数据库设计范式实例讲解 原始数据表（违反1NF） 表名：StudentCourses 学生ID 学生姓名 选课信息（课程ID+课程） 成绩 学院 教师 S001 张三 C101-数据库, C102-算法 85 人工智能学院 曾老师 S001 张三 C101-数据库, C102-算法 90 人工智能学院 曾老师 S002 李四 C101-数据库 78 人工智能学院 曾老师 问题： 选课信息 字段包含多个课程ID和课程名称的组合值（非原子性），违反 1NF。 同一学生的多门课程重复存储冗余信息（如学生姓名、学院、教师）。 第一范式（1NF）：拆分非原子字段为多行 ...

奇点临近：AI驱动的人类文明跃迁与多维演化图谱

作者
奇点临近：AI驱动的人类文明跃迁与多维演化图谱
人类出现的历史有600万年，现代人类也有20万年历史，而文明出现只有5000年。导致文明快速进化的主要因素是：人类驯化了动植物，能积累大量剩余产品，也就有时间和精力去推进技术，社会和文化等。 按照这个逻辑，AI的出现和发展，进一步解放人类的劳动，是不是又一次的导致人类将剩余大量的时间和精力，那么人类的未来将会如何演化？ 大纲 人类文明的演进确实呈现出非线性加速特征，AI技术的突破正在开启新的历史周期。结合农业革命的历史规律和数字时代的特殊属性，未来演化可能呈现以下六个层面的深刻变革： 认知革命2.0阶段 脑机接口与神经增强技术将重塑人类认知边界，形成"生物智能+人工智能&qu...

Mermaid图表示例

作者
Mermaid图表示例
关于 Mermaid mindmap root((图表类型)) flow 描述(流程图，用于展示流程或步骤的顺序。) sequence 描述(时序图，展示对象之间的交互和消息传递。) class 描述(类图，用于展示类、对象和它们之间的关系。) state 描述(状态图，用于展示对象或系统的状态变化。) er 描述(实体关系图，用于展示实体及其关系。) gantt 描述(甘特图，用于项目管理，展示任务、进度和时间线。) UserJourney 描述(用...

垂直领域的开源模型、数据集及评测基准。

作者
垂直领域的开源模型、数据集及评测基准。
Awesome Domain LLM https://github.com/luban-agi/Awesome-Domain-LLM 自以ChatGPT为代表的大语言模型出现以后，掀起了新一轮研究和应用浪潮，出现了许多包括LLaMA、ChatGLM、Baichuan、Qwen等在内的通用模型。 随后，来自不同领域的从业人员在通用模型的基础上通过持续预训练/指令微调将其应用于垂直领域。 本项目旨在收集和梳理垂直领域的 开源模型 、数据集及 评测基准 。 欢迎大家贡献本项目未收录的开源模型、数据集、评测基准等内容，一起推动大模型赋能各行各业！ [2023/11/26] 增强网络安全大模型S...