OpenAI Agents API教程：构建AI数据分析师
传统 BI 或手写 SQL 调查通常需要多次查询、追问和人工串联上下文，难以在一次会话中完成。Agents API 的价值在于把多轮调查保留在同一会话里，并允许模型调用应用侧工具，而数据库访问权限、可见上下文和可保存修正都由应用决定。该示例借鉴 OpenAI 内部数据代理思路：先基于真实 schema，再提供业务上下文，暴露…
本周精选
兼顾技术深度、实用性与完整度的优先阅读内容
OpenAI Agents API教程：构建AI数据分析师
传统 BI 或手写 SQL 调查通常需要多次查询、追问和人工串联上下文，难以在一次会话中完成。Agents API 的价值在于把多轮调查保留在同一会话里，并允许模型调用应用侧工具，而数据库访问权限、可见上下文和可保存修正都由应用决定。该示例借鉴 OpenAI 内部数据代理思路：先基于真实 schema，再提供业务上下文，暴露…
浏览器作为工具：使用Google Colab进行网页自动化与数据提取
LLM 本身不连接实时数据源，Google Search grounding 只能利用搜索索引，存在时效性与覆盖范围限制。当代理需要访问实时网页、JavaScript 渲染内容或私有内网时，必须把浏览器封装为可调用工具。该技术适用于实时问答、竞品监控、内网知识检索等场景，主要限制是依赖目标站点可抓取性、截图延迟与合规约束。 核心是…
Gemini混合RAG教程：结合文件搜索与Google搜索
在实际 AI 应用中，模型常需同时访问私有文档（如企业内部手册）和实时公共信息（如新闻、统计数据）。单一知识源无法满足复杂查询需求，而传统 RAG 仅处理私有数据，无法获取最新网络信息。Gemini API 提供文件搜索（托管 RAG）和 Google 搜索接地两种工具，分别解决私有与公共知识检索问题。混合 RAG 将两者结合…
最新教程
为你展示最近发布的高质量内容
浏览器作为工具：使用Google Colab进行网页自动化与数据提取
LLM 本身不连接实时数据源，Google Search grounding 只能利用搜索索引，存在时效性与覆盖范围限制。当代理需要访问实时网页、JavaScript 渲染内容或私有内网时，必须把浏览器封装为可调用工具。该技术适用于实时问答、竞品监控、内网知识检索等场景，主要限制是依赖目标站点可抓取性、截图延迟与合规约束。 核心是…
构建定时仓库审查器：自动化代码审查指南
代码审查是保障代码质量的关键环节，但人工审查耗时且难以频繁执行。仓库在两次审查之间可能引入新问题，而定时审查器能自动扫描并报告发现。本教程针对需要记住上次审查状态的重复性任务（如依赖审计、文档新鲜度检查），利用会话恢复避免重复全量审查，节省成本并提高效率。 核心原理是利用Claude Agent S…
使用Codex CLI在GitLab中自动化代码质量与安全修复
传统CI/CD流水线依赖基于规则的静态分析工具，如ESLint、SonarQube等，它们能有效捕获已知模式的问题，但缺乏对代码上下文和业务逻辑的理解，常产生大量误报或漏报，且难以提供可操作的修复建议。随着LLM的发展，利用其推理能力可以弥补这一不足：LLM能理解代码语义，识别跨函数、跨模块的复杂问题，并生成人类…
Gemini混合RAG教程：结合文件搜索与Google搜索
在实际 AI 应用中，模型常需同时访问私有文档（如企业内部手册）和实时公共信息（如新闻、统计数据）。单一知识源无法满足复杂查询需求，而传统 RAG 仅处理私有数据，无法获取最新网络信息。Gemini API 提供文件搜索（托管 RAG）和 Google 搜索接地两种工具，分别解决私有与公共知识检索问题。混合 RAG 将两者结合…
LiveAPI 绘图与地图绘制教程
Gemini 2 多模态实时 API 是 Google 推出的新一代模型接口，支持文本、音频、图像等多种模态的实时流式交互。传统 API 采用请求-响应模式，延迟较高，难以满足实时对话、语音助手等场景。Live API 基于 WebSocket 全双工通信，允许客户端与模型持续交换消息，实现低延迟、多轮、多模态的交互体验。本教程聚焦于工具调用…
CLIP与FAISS教程：构建多模态语义搜索
传统关键词搜索依赖文件名或元数据匹配，无法理解内容语义，导致检索结果不准确。多模态语义搜索通过将文本和图像映射到共享向量空间，实现基于内容的跨模态检索，解决数据异构和命名不规范问题。gemini-embedding-2模型支持文本和图像统一嵌入，适用于数字资产管理、推荐系统、跨模态文档检索等场景。主要限…
使用Codex CLI与Agents SDK构建一致的工作流
在AI工程实践中，开发者常面临智能体行为不可控、上下文管理混乱、多智能体协作困难等问题。Codex CLI作为OpenAI的编码代理，可通过MCP（Model Context Protocol）服务器暴露为工具，与Agents SDK无缝集成。这种架构允许开发者利用Codex的代码生成能力，同时通过Agents SDK的编排、交接和追踪功能，实现复杂工作流的自动化与…
Google ADK教程：快速构建AI智能体
随着大语言模型能力的增强，构建复杂AI代理（Agent）的需求日益增长。然而，直接调用模型API往往难以管理多步交互、状态持久化和工具调用。Google ADK（Agent Development Kit）应运而生，它提供了一套标准化的组件（Agent、Tool、Session、Runner）来简化代理开发，使开发者能够专注于业务逻辑而非底层编排。本教程通过一个…
混合搜索法律笔记本：Google Colab 教程
在法律 AI 应用中，如 RAG 聊天机器人，检索质量直接决定回答的准确性与事实性。传统关键词搜索（如 BM25）无法理解语义，而纯向量搜索可能忽略精确匹配。混合搜索结合两者优势，可显著提升检索效果。Gemini 嵌入模型支持 Matryoshka 表示，允许截断向量以降低存储与计算成本，同时保持较高精度。Qdrant 作为高性能…
电影推荐系统教程：使用Python和协同过滤构建Movie_Recommendation.ipynb
传统推荐系统依赖协同过滤或基于内容的标签匹配，难以理解语义。Gemini API提供强大的文本嵌入能力，可将电影元数据转换为高维向量，捕捉深层语义。Qdrant作为高性能向量搜索引擎，支持亿级向量的相似性检索。两者结合，可实现基于自然语言查询的智能推荐，适用于个性化内容推荐、语义搜索等场景。但需注意AP…
Gemini视频分析教程：使用Gemini 2.0理解视频
传统视频分析依赖人工或复杂的计算机视觉流水线，难以处理长视频和复杂语义。Gemini 作为原生多模态模型，具备长上下文窗口，能直接理解视频中的视觉、音频和文本信息，简化了视频分析流程。适用于内容审核、用户研究、教育、媒体检索等场景。主要限制包括视频大小和处理时间，以及 API 调用成本。 Gemini 模…
Gemini Live API教程：构建实时语音AI应用
传统 API 采用请求-响应模式，延迟高且无法支持实时交互。Live API 基于 WebSocket 提供低延迟双向流式通信，适用于语音助手、实时翻译、交互式教学等场景。其核心优势在于支持音频、视频帧和文本的多模态输入，并实时输出音频，实现自然的人机对话。主要限制包括：需要稳定的网络连接，且当前处于预览阶段，功…
LearnLM 入门指南：使用 Gemini API 构建个性化学习助手
传统教育软件缺乏个性化，难以适应不同学习者的认知负荷和动机。LearnLM 是 Google 推出的实验性任务特定模型，经过训练以符合学习科学原则，旨在激发主动学习、管理认知负荷、适应学习者、激发好奇心并深化元认知。通过系统指令，开发者可以灵活定制 AI 导师的行为，无需微调模型。该技术适用于在线辅导、智…
Enum.ipynb：Python枚举类型详解与实战指南
在大语言模型（LLM）应用中，模型输出往往是非结构化的自由文本，这给下游程序解析和业务逻辑集成带来巨大挑战。例如，当需要模型从预定义类别中选择答案时，自由文本可能产生拼写变体、同义词或无关内容，导致程序崩溃或数据不一致。枚举（Enum）提供了一种强约束机制，将模型输出限制在预定义的值集合…
Gemini代码执行教程：用Python完成计算与数据分析
大语言模型在数学计算、数据分析和精确字符串处理上容易出错，纯文本推理无法保证结果正确。代码执行让模型把推理转化为可运行的 Python 代码，由沙箱执行后把真实结果回传，从而获得可验证、可迭代的输出。它适用于数值计算、数据可视化、算法模拟等场景，但受限于沙箱环境、文件类型偏好（.csv/.txt）、模…
没有找到匹配的教程，请尝试其他关键词或分类。
系列学习路线
从零散阅读升级为循序渐进的系统学习
Agent0 篇教程
AI Agent 开发路线
从函数调用、工具设计到多智能体编排和生产评估。
RAG0 篇教程
RAG 应用实战路线
掌握文档解析、向量检索、重排序和效果评估。
MM0 篇教程
多模态应用路线
覆盖图像理解、内容生成、语音和实时交互应用。
AI 教程会员
把时间花在真正值得学习的内容上
解锁完整教程、代码解析、主题学习路线与持续更新的官方技术资料。
查看会员权益先浏览，再决定是否加入