来源： 张高兴的大模型开发实战：（七）基于 Dify + Ollama 搭建私有化知识问答助手 - 张高兴 - 博客园 目录 为什么选择 Dify + Ollama Ollama 本地部署 Dify 本地容器化部署 模型接入与知识库 RAG 构建 准备 Embedding 模型 在 Dify 中添加 Ollama 模型供应商 构建知识库 检索测试 构建智能体应用 创建应用 编排界面概览 查询预处理

来源： 【零基础入门】Open-AutoGLM 完全指南：Mac 本地部署 AI 手机助理（原理+部署+优化）附上修改后代码-CSDN博客 代码路径： https://github.com/weidadedawei/Open-AutoGLM 目录 1. 什么是 Open-AutoGLM？ 2. 核心原理解析 3. 环境准备（超详细） 4. 模型下载与部署 5. 实战操作指南 6. 性能优化详解 7

来源： 手机 + Agent，这是要掀桌子！ 大家好，我是技术UP主小傅哥。 这 + agent，那 + agent，都是赋能，辅助提效。但手机 + agent，要掀桌子呀，这是要改变现有手机和APP厂商入口的格局。就像你开了个超市，别在你家开了个【超市入口】！ 智能体时代，谁也阻挡不住！ 先是有豆包手机，之后GLM推出 AutoGLM-Phone-9B 模型，可以通知命令、API、语音等方式，以

来源： 【零基础入门】Open-AutoGLM 完全指南：Mac 本地部署 AI 手机助理（原理+部署+优化）附上修改后代码-CSDN博客 代码路径： https://github.com/weidadedawei/Open-AutoGLM 目录 1. 什么是 Open-AutoGLM？ 2. 核心原理解析 3. 环境准备（超详细） 4. 模型下载与部署 5. 实战操作指南 6. 性能优化详解 7

来源： AI Agent在CRM与ERP系统中的集成方法及应用实证-云社区-华为云 AI Agent 工作流集成：与业务系统协作的实现方式 随着大型语言模型（LLM）与多模态模型的发展，AI Agent 不再只是独立的对话机器人，而成为可感知、可行动、可编排的智能执行体。将其有效地集成入企业级业务系统，是推动智能化办公、自动化处理和个性化服务的关键。 本文将系统性地探讨 AI Agent 如何与现

来源： Dify、n8n、Coze、Fastgpt和Ragflow对比分析，如何选择？ | AI工具集 以下文章来源于袋鼠帝AI客栈，作者袋鼠帝 原文链接：Dify、n8n、Coze、Fastgpt、Ragflow到底该怎么选？超详细指南～ 一直以来，我们分享了不少关于工作流平台、LLM应用平台的文章。 主要包含：Dify、Coze、n8n、Fastgpt、Ragflow。 但是几乎每一篇文章的评

来源： 如何把ASP.NET Core WebApi打造成Mcp Server - yi念之间 - 博客园 前言# MCP (Model Context Protocol)即模型上下文协议目前不要太火爆了，关于它是什么相信大家已经很熟悉了。目前主流的AI开发框架和AI工具都支持集成MCP，这也正是它的意义所在。毕竟作为一个标准的协议，当然是更多的生态接入进来才会有意义。使用MCP我们可以把Tool

来源： Spring AI与DeepSeek实战四：系统API调用 - zlt2000 - 博客园 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

来源： Spring AI与DeepSeek实战三：打造企业知识库 - zlt2000 - 博客园 一、概述 企业应用集成大语言模型（LLM）落地的两大痛点： 知识局限性：LLM依赖静态训练数据，无法覆盖实时更新或垂直领域的知识； 幻觉：当LLM遇到训练数据外的提问时，可能生成看似合理但错误的内容。 用最低的成本解决以上问题，需要使用 RAG 技术，它是一种结合信息检索技术与 LLM 的框架，通过

来源： MCP开发应用，使用python部署sse模式 - 肖祥 - 博客园 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，双方通过约定的标准输入和标准输出（