一、概述 前面几篇文章,介绍了Cherry Studio客户端调用MCP,接下来介绍dify如何调用MCP 二、dify插件 需要安装2个插件,分别是:Agent 策略(支持 MCP 工具),MCP SSE Agent 策略(支持 MCP 工具) Agent 策略集合(支持 MCP SSE 发现和调 ...
在LLM应用的快速发展中,一个核心挑战始终存在:如何让模型获取最新、最准确的外部知识并有效利用工具? 背景其实很简单:大模型(LLM)再强,也总有不知道的东西,怎么办?让它“查资料”“调工具”成了近两年最热的技术方向。从最早的 RAG(Retrieval-Augmented Generation), ...
本文已收录在Github,关注我,紧跟本系列专栏文章,咱们下篇再续! 魔都架构师 | 全网30W技术追随者 大厂分布式系统/数据中台实战专家 主导交易系统百万级流量调优 & 车联网平台架构 AIGC应用开发先行者 | 区块链落地实践者 以技术驱动创新,我们的征途是改变世 ...
Coze实现古诗文图集 目标:通过Coze自动化生成古诗配图,并将多张图片排版到画板中,最终直接在对话框展示完整图集(而非链接)。 思路: 用户输入诗句 → 2. 补全古诗 → 3.拆分诗文 → 4. 生成每句诗的配图 → 5. 画板排版 → 6. 诗文和图片展示→ 7. 飞书机器人使用。 效果: ...
Coze一键抓取抖音视频内容,写入飞书,轻松搭建流程 Coze智能体介绍(Coze官网) Coze 是字节跳动推出的一款低代码智能体开发平台,旨在帮助用户便捷地创建和管理多种类型的智能体。通过直观的可视化工作流设计,用户可以轻松实现复杂任务的自动化处理。平台提供了丰富的插件以扩展功能,并支持自定义插 ...
一、场景说明: 通过 AI 连接 MySQL 结构化数据库表,预期实现通过AI对话数据库表,快速了解数据情况,能够进行简单的汇总统计,快是实现问答。 二、资源准备: 需提前准备以下内容: AI大语言模型:阿里云百炼基础模型 qwen-max MySQL:MySQL数据库及数据表(以培训认证中心店铺运 ...
在机器学习的广阔领域中,决策树一直是一种备受青睐的算法。它以其直观、易于理解和解释的特点,广泛应用于分类和回归任务。 然而,随着数据复杂性的不断增加,传统决策树的局限性逐渐显现。 本文将深入探讨多变量决策树这一强大的工具,它不仅克服了传统决策树的瓶颈,还为处理复杂数据提供了新的思路。 1. 基本概念 ...
大家好。我是一个计算机小白,最近开始写博客记录我的项目开发中遇到的问题和解决方案并且想要分享给大家。 我使用Obsidian来编写markdown文章后,当我想要发布到csdn时,发现虽然支持它支持markdown编辑器,但是图片要从本地一个一个上传上去,这太蠢了。 紧接着又出现了另一个大问题,博客 ...
这里不由的在反思一个问题,既然DeepSeekV3能写出这种页面,那么是不是我写的提示词不行,所以让DeepSeek自己来写提示词,会不会更靠谱? ...
探索AI辅助测试的趋势,本文直接翻译而来,原文:https://testguild.com/automation-testing-trends/ 随着我们进入 2025 年,以下是一些我认为将显著塑造软件测试未来的自动化测试趋势。 我的分析基于数百次访谈以及 2018-2025 年期间进行的一项全面 ...
一、概述 在 AI 应用开发中,工具调用 Tool Calling 是增强大模型能力的核心技术。通过让模型与外部 API 或工具交互,可实现 实时信息检索(如天气查询、新闻获取)、系统操作(如创建任务、发送邮件)等功能。 Spring AI 作为企业级 AI 开发框架,在 1.0.0.M6 版本中进 ...
背景 之前用基于其他LLM大模型已经生成数据大纲,我们主题是《JAVA多线程编程》,基于Trae工具AI能力编写。我们把大纲以markdown格式上传某个git仓库中,在Trae打开这个工程,与代码工程一样。适合场景:结构化文档(如API文档、知识库条目) 数据驱动内容(如产品目录、客户案例)按章节 ...
Tab,Tab,再来一次 Tab 在当今AI工具横飞的时代,用一款好用的AI编码工具会让你的效率成倍增长。 上篇我们刚试过国内的Trae工具写了一个简单的demo,表现的中规中矩吧。Trae可以尝试写一些简单的应用。 今天我们来玩一玩Cursor,刚打开cursor的官网,是这么介绍的: AI代码编 ...
背景一、核心定义与协议基础MCP协议由Anthropic发起,被称为“AI界的USB-C接口”,其核心是通过标准化接口实现AI模型与外部工具/数据的无缝交互。在地图领域,高德、百度、腾讯等地图服务商已全面兼容MCP协议,提供地理编码、路线规划、POI检索等标准化API接口,支持开发者通过简单配置即可 ...
QuarkPi-CA2 RK3588S卡片电脑:6.0Tops NPU+8K视频编解码+接口丰富,高性能嵌入式开发! 芯片框架 一、开发板介绍 核心升级,产品炸裂 QuarkPi-CA2卡片电脑搭载瑞芯微RK3588S芯片,采用8nm制程工艺,搭载4核Cortex-A76+4核Cortex-A55, ...
即使地表最强AI配音也无法自动识别360应配音成三百六十还是三六零,在长文配音中很难一次满意,总会因为个别几句配音不理想而毁掉整个配音成果。 在GPT-SoVITS配音中,自动把长文章拆分成段落或长句子,让创作者可以精细地调节所有不满意的局部小段落配音,再自动合成回完整的音频。 由于GPT-SoVI ...
一、概述 MCP服务端当前支持两种与客户端的数据通信方式:标准输入输出(stdio) 和 基于Http的服务器推送事件(http sse) 1.1 标准输入输出(stdio) 原理: 标准输入输出是一种用于本地通信的传输方式。在这种模式下,MCP 客户端会将服务器程序作为子进程启动,双方通过约定的标 ...
在机器学习中,决策树算法因其简单易懂、可解释性强而被广泛应用。 然而,现实世界中的数据往往复杂多变,尤其是连续值和缺失值的存在,给决策树的构建带来了诸多挑战。 连续值(如年龄、收入)无法直接用于决策树的离散分裂点,需要转化为“离散区间”。 缺失值(如用户未填写的问卷项)可能导致信息损失或模型偏差。 ...
从2024年2025年,不断的有各种AI工具会在自媒体中火起来,号称各种效率王炸,而在AI是否会替代打工人的话题中,程序员又首当其冲。 ...
在机器学习的世界里,决策树是一种简单而强大的算法,但它的 “任性生长” 却常常让数据科学家陷入 “过拟合的困境”。 想象一下,一棵决策树如果无限生长,它可能会完美地拟合训练集中的每一个数据点,但当面对新的数据时,却可能表现得像一个“陌生人”——预测完全失效。 这种现象背后的原因在于模型过于复杂,对训 ...