提示工程101第四课：零样本提示（Zero-Shot Prompting）
本教程介绍零样本提示技术，使语言模型无需示例执行任务。涵盖直接任务说明、基于角色提示、格式规范和多步推理等方法，并使用Python结合大模型进行实践。
PyTorch研习社
阿里千问携手DeepSeek引领国产开源大模型走向世界
阿里千问开源Qwen2.5-VL-32B-Instruct，提升视觉语言能力与数学推理。相比同类模型，其在多模态任务中表现显著优势，且在同规模纯文本能力上也取得顶级表现。
DeepSeek再度领先：V3-0324现在是得分最高的非推理模型
DeepSeek V3-0324 成为首个领先的开源非推理模型，领先于包括 DeepSeek R1 在内的所有专有非推理和推理模型。
构建生产级RAG系统注意事项
构建生产级 RAG 系统涉及检索、数据切分、嵌入模型选择、向量数据库部署和搜索策略等多个关键组件，还包括生成部分如 LLM 选择和 Prompt 设计。同时需要关注规则与启发式应用以及观察评估监控安全性等保障措施。
打造一个完全本地运行的多智能体图书写作系统
本文介绍了如何使用Agentic构建一个大规模抓取网页、编排工作流并生成20k单词书籍的工作流程，技术栈包括Bright Data、crewAIInc和Gemma 3等。
RAG101第四课：通过命题切分增强AI系统的检索能力
文章介绍了命题切分方法，通过将文档拆解为小型事实命题来提高信息检索的精度和有效性。该方法能够更好地处理特定查询，并且在复杂或细节丰富的文本中效果更佳。