Function Calling与MCP协议:AI助手工具调用的进化之路

Function Calling与MCP协议:AI助手工具调用的进化之路 一、Function Calling 2.1 要解决的问题 传统聊天大模型只会说话,没有工具调用能力,这使得大模型: 无法感知环境:无法与外部数据源交互,如通过 API 查询网页、查看用户本地文件、访问远程数据库等等 无法改变环境:无法帮用户实际执行任务,如跑代码、发邮件、上传作业等 2.2 如何解决问题 后端 + LLM 传统方案 ...

2025-08-17 · 14 分钟 · 6860 字 · Aster

Word2Vec深度解析:让计算机理解词汇语义的黑魔法

Word2Vec深度解析:让计算机理解词汇语义的黑魔法 前段时间在研究一些老派的NLP模型,重新翻了翻Word2Vec的论文。虽然现在大家都在用BERT、GPT这些Transformer模型,但Word2Vec这个十年前的模型至今仍然在很多场景下发光发热。 ...

2025-08-17 · 9 分钟 · 4286 字 · Aster

jieba分词原理解析:一个老牌中文分词器的工程智慧

jieba分词原理解析:一个老牌中文分词器的工程智慧 最近在做中文NLP项目的时候,又用到了jieba这个老朋友。说起jieba,大概是每个做中文处理的程序员都绕不开的工具。简单一个jieba.cut()就能把中文文本切得明明白白,但你有没有好奇过,这背后到底是怎么实现的? ...

2025-08-17 · 11 分钟 · 5203 字 · Aster

为什么延迟双删在生产环境中很少使用?真实的缓存一致性策略

为什么延迟双删在生产环境中很少使用?真实的缓存一致性策略 提到缓存,一个绕不开的话题就是缓存与数据库的一致性。 在学习缓存理论时,我对“延迟双删”这个精巧的设计印象深刻。它通过“删除缓存 -> 更新数据库 -> 延迟再次删除缓存”这三步,似乎完美地解决了“脏数据”问题。 ...

2025-08-16 · 6 分钟 · 2750 字 · Aster

Do the right thing, wait to get fired

Do the right thing, wait to get fired New Google employees (we call “Nooglers”) often ask me what makes me effective at what I do. I tell them only half-jokingly that it’s very simple: I do the Right Thing for Google and the world, and then I sit back and wait to get fired. If I don’t get fired, I’ve done the Right Thing for everyone. If I do get fired, this is the wrong employer to work for in the first place. So, either way, I win. That is my career strategy. ...

2025-08-16 · 3 分钟 · 1499 字 · Aster