本文是Redis成本优化系列文章的第2篇，这篇篇幅较少，但是是Redis内存优化的重要里程碑。一、2个实验写入1万条hash键值对：key为37字节、1000对field(f0..f99)-value(2字节)版本2.8.243.0.73.2.134.0.145.0.146.0.206.2.157.0.12容量MB995.83995.83776.72461.61461.61461.6146...(more)

做了一阵子的成本优化，一直想整理些文章发出来，由于比较懒且“怂”一直没弄，最近决定还是整理下，本文是该系列文章的第一篇。一、几个实验Redis实验版本(撰写文本的最新版本)：2.8.24、3.0.7、3.2.13、4.0.14、5.0.14、6.0.20、6.2.15、7.0.12，容量MB：去掉了Redis自身的容量。1....(more)

自LLM系列文章[《知识图谱驱动的大语言模型LlamaIndex》、《Text2Cypher：大语言模型驱动的图查询生成》、《GraphRAG:知识图谱结合LLM的检索增强》陆续和大家见面，以及《夜谈LLM》]主题直播同大家交流一番LLM和知识图谱、图数据库之后，在上周NebulaGraph的研发人员做客开源...(more)

本文为大家揭示NebulaGraph率先提出的GraphRAG方法，这种结合知识图谱、图数据库作为大模型结合私有知识系统的最新技术栈，是LLM+系列的第三篇，加上之前的图上下文学习、Text2Cypher这两篇文章，目前NebulaGraph+LLM相关的文章一共有3篇。##GraphRAG在第一篇关于上下文学习的博...(more)

本文根据最近学习心得整理而成，主要阐明如何去设计一个大模型的IT基础设施，文章内容会保持在框架性方法层面，尽量避免具体细节绑定而产生的面向范围狭窄问题。一．前期评估首先，在开始设计之前，你必须明确自己搭建私有化大模型的目的所在，并对可投入的时间和成本有明确估算，确保在...(more)

需求：根据当前客户的生产环境，模拟安装部署Redis的测试环境，方便后续的功能测试。1.准备工作Redis的版本和虚拟主机数量都按照客户的生产环境来准备：Redis版本：3.2.10准备3台虚拟机，具体环境信息为:系统版本主机名IP地址主机内存磁盘空间RHEL6.8test01192.168.1.1214G20GRHEL6....(more)

话接上文[《图技术在LLM下的应用：知识图谱驱动的大语言模型LlamaIndex》]同大家简单介绍过LLM和图、知识图谱相关的结合，现在我来和大家分享下最新的成果。毕竟，从GPT-3开始展现出超出预期的“理解能力“开始，我一直在做Graph+LLM技术组合、互补的研究、探索和分享，截止到现在...(more)

前些天在闪存峰会上做了报告演讲，不少朋友希望再聊一聊，因此整理了一下。生成式AI的热潮在短时间内席卷全球，以一种势不可挡的趋势迅速出圈，在某一时间段，似乎出现了“除了IT行业，人人都是AI专家”的盛况。这一轮如火如荼的全民AI热潮迸发至今，业已过半载，待最初的烟花绚烂散去，现...(more)

本文对国内外公司、科研机构等组织开源的LLM进行了全面的整理。LargeLanguageModel(LLM)即大规模语言模型，是一种基于深度学习的自然语言处理模型，它能够学习到自然语言的语法和语义，从而可以生成人类可读的文本。所谓"语言模型"，就是只用来处理语言文字（或者符号体系）的AI模型...(more)

本文整理自社区用户陈卓见在「夜谈LLM」主题分享上的演讲，主要包括以下内容：利用大模型构建知识图谱利用大模型操作结构化数据利用大模型使用工具利用大模型构建知识图谱上图是之前，我基于大语言模型构建知识图谱的成品图，主要是将金融相关的股票、人物、涨跌幅之类的基金信...(more)