<?xml version="1.0" encoding="utf-8"?>
<rss version="2.0">
<channel>
<title><![CDATA[鸟语天空]]></title> 
<description><![CDATA[不怨天,不尤人,下学而上达,知我者其天乎!]]></description>
<link>http://www.devacg.com/</link>
<language>zh-cn</language>
<generator>www.emlog.net</generator>
<item>
	<title>Python RAG TF-IDF</title>
	<link>http://www.devacg.com/?post=1786</link>
	<description><![CDATA[TF（词频）：一个词在当前文档中出现的频率。越高越重要。 IDF（逆文档频率）：一个词在整个文档集合中出现的稀有程度。出现越少（如“人工智能”只在少数文档出现），IDF 越高。 TF-IDF = TF × IDF：既考虑词在当前文档的重要性，又考虑它在全局中的独特性。 import jieba
import requests
import json
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.metrics.pairwise import cosine_similari... <a href="http://www.devacg.com/?post=1786">阅读全文&gt;&gt;</a>]]></description>
	<pubDate>Thu, 14 May 2026 10:50:53 +0000</pubDate>
	<author>追风剑情</author>
	<guid>http://www.devacg.com/?post=1786</guid>

</item>
<item>
	<title>Python RAG 词袋模型</title>
	<link>http://www.devacg.com/?post=1785</link>
	<description><![CDATA[安装依赖 pip install jieba scikit-learn prettytable  import jieba from sklearn.feature_extraction.text import CountVectorizer from prettytable import PrettyTable, TableStyle # --- 1. 原始数据与分词 --- texts = [ 人工智能正在改变世界, 人工智能正在革新包括医疗和金融在内的各个行业 ] def j... <a href="http://www.devacg.com/?post=1785">阅读全文&gt;&gt;</a>]]></description>
	<pubDate>Wed, 13 May 2026 07:04:18 +0000</pubDate>
	<author>追风剑情</author>
	<guid>http://www.devacg.com/?post=1785</guid>

</item>
<item>
	<title>Python LangChain 工具调用(2)</title>
	<link>http://www.devacg.com/?post=1784</link>
	<description><![CDATA[import json from datetime import datetime from langchain_ollama import ChatOllama from langchain_core.tools import tool from langchain.agents import create_agent # ------ 1. 定义工具 OLLAMA_URL = http://localhost:11434 @tool def gen_map(prompt: str) -  str: 生成2D游戏地图 print('gen_map: ', ... <a href="http://www.devacg.com/?post=1784">阅读全文&gt;&gt;</a>]]></description>
	<pubDate>Tue, 12 May 2026 09:39:57 +0000</pubDate>
	<author>追风剑情</author>
	<guid>http://www.devacg.com/?post=1784</guid>

</item>
<item>
	<title>Python LangChain 工具调用</title>
	<link>http://www.devacg.com/?post=1783</link>
	<description><![CDATA[import json from datetime import datetime from langchain_ollama import ChatOllama from langchain_core.tools import tool from langchain.agents import create_agent # ------ 1. 定义工具 OLLAMA_URL = http://localhost:11434 @tool def add_numbers(a: float, b: float) -  str: 计算两个数字的和 return str(a ... <a href="http://www.devacg.com/?post=1783">阅读全文&gt;&gt;</a>]]></description>
	<pubDate>Tue, 12 May 2026 08:14:45 +0000</pubDate>
	<author>追风剑情</author>
	<guid>http://www.devacg.com/?post=1783</guid>

</item>
<item>
	<title>Python RAG 将文本转换为嵌入向量</title>
	<link>http://www.devacg.com/?post=1782</link>
	<description><![CDATA[from langchain_ollama import ChatOllama, OllamaEmbeddings # 定义 Ollama 服务地址常量 MODEL_URL = http://localhost:11434 # 初始化大语言模型（使用常量） llm = ChatOllama( model=deepseek-r1:7b, base_url=MODEL_URL, temperature=0.7 ) # 初始化嵌入模型（使用同一个常量） embeddings = OllamaEmbeddings( model=nomic-embed-text:... <a href="http://www.devacg.com/?post=1782">阅读全文&gt;&gt;</a>]]></description>
	<pubDate>Mon, 11 May 2026 08:56:21 +0000</pubDate>
	<author>追风剑情</author>
	<guid>http://www.devacg.com/?post=1782</guid>

</item>
<item>
	<title>LangGraph 单位换算智能体示例</title>
	<link>http://www.devacg.com/?post=1781</link>
	<description><![CDATA[安装依赖 pip install -U langgraph langchain  import os os.environ[LANGGRAPH_ALLOWED_OBJECTS] = core import warnings warnings.filterwarnings(ignore, message=The default value of `allowed_objects` will change) import re from typing import TypedDict, Option... <a href="http://www.devacg.com/?post=1781">阅读全文&gt;&gt;</a>]]></description>
	<pubDate>Thu, 07 May 2026 05:05:53 +0000</pubDate>
	<author>追风剑情</author>
	<guid>http://www.devacg.com/?post=1781</guid>

</item>
<item>
	<title>Python RAG 数据标注和对齐</title>
	<link>http://www.devacg.com/?post=1780</link>
	<description><![CDATA[本例中演示了数据标注及生成答案与标准答案之间的对齐(相似)程度计算。 安装本示例中用到的依赖： pip install numpy jieba scikit-learn langchain-ollama langchain-chroma chromadb  RAG 数据标注和对齐完整示例（使用 Ollama nomic-embed-text + deepseek-r1:7b） 功能：数据标注、向量检索、答案生成、多维度对齐评估（jieba+TF-IDF + 语义相似度）  impor... <a href="http://www.devacg.com/?post=1780">阅读全文&gt;&gt;</a>]]></description>
	<pubDate>Tue, 28 Apr 2026 09:42:47 +0000</pubDate>
	<author>追风剑情</author>
	<guid>http://www.devacg.com/?post=1780</guid>

</item>
<item>
	<title>Python RAG 噪声注入</title>
	<link>http://www.devacg.com/?post=1779</link>
	<description><![CDATA[&emsp;&emsp;噪声注入是 RAG 系统中的一种鲁棒性增强策略。它通过在检索到的上下文或用户查询中人为添加各种干扰信息，来训练或测试模型在真实混乱环境下的表现。 核心目的是让模型学会： 过滤无关信息 识别并忽略虚假内容 从杂乱文本中提取关键信息 容错处理拼写错误 示例 import random import re import jieba ... <a href="http://www.devacg.com/?post=1779">阅读全文&gt;&gt;</a>]]></description>
	<pubDate>Tue, 28 Apr 2026 07:57:16 +0000</pubDate>
	<author>追风剑情</author>
	<guid>http://www.devacg.com/?post=1779</guid>

</item>
<item>
	<title>Python 文本数据增强</title>
	<link>http://www.devacg.com/?post=1778</link>
	<description><![CDATA[文本数据增强(Text Data Augmentation)指通过对原始文本进行有策略的变换（如同义词替换、随机删除、回译等），生成更多样化的训练样本，目的是： 扩充有限的训练数据集； 提高模型的泛化能力； 缓解过拟合。 一、安装依赖包 jieba是一个中文分词库 pip install jieba  示例 <a href="http://www.devacg.com/?post=1778">阅读全文&gt;&gt;</a>]]></description>
	<pubDate>Fri, 24 Apr 2026 07:58:30 +0000</pubDate>
	<author>追风剑情</author>
	<guid>http://www.devacg.com/?post=1778</guid>

</item>
<item>
	<title>Python RAG 入门</title>
	<link>http://www.devacg.com/?post=1777</link>
	<description><![CDATA[一、安装Ollama # 根据自己电脑性能安装deepseek模型 ollama pull deepseek-r1:7b # 安装嵌入模型(用于文本转向量) ollama pull nomic-embed-text <a href="http://www.devacg.com/?post=1777">阅读全文&gt;&gt;</a>]]></description>
	<pubDate>Thu, 23 Apr 2026 09:00:51 +0000</pubDate>
	<author>追风剑情</author>
	<guid>http://www.devacg.com/?post=1777</guid>

</item></channel>
</rss>