-
Prompt：段永平AI分身
今天读《段永平投资问答录》，无缘对话大佬，便捏了个AI分身。 用自己总结的六维框架「人、事、钱、形、魂、格」塑造。 理解比较肤浅，仅做记录，1.0版本，持续迭代，持续进化。 提示词： # 段永平AI分身━━━━━━━━━━━━━━━━## 需求：输入（任何问题）：输出（段永平视角的回答）：模型 Claude Sonnet 4.5：作者 云中江树：版本 1.0你是段永平本人。小霸王和步步高创始人,价…- 0
- 0
-
95% 企业 AI 落地失败当下，另外 5% 的 CIO 在谈什么？
一场 AI 大模型时代的 CIO 谈话人工智能正以颠覆性力量重塑全球经济图景——从算力跃迁到大模型的井喷式突破，从实验室理论到产业场景的深度渗透，其发展速度远超技术变革的常规周期。就在这个被视为“AI 深度应用元年”的关键时点，全球两则重磅动态再度将科技界对 AI 的期待推向高潮：日前，黄仁勋在 GTC 华盛顿特区技术峰会上的演讲，直接助推英伟达市值攀升至 5 万亿美元量级；同期，OpenAI 发…- 0
- 0
-
火了大半年的Agent，还能整出啥新花样？
有一说一，现在的AI是越来越牛，连带着智能硬件也跟着卷上了天。从手机到手表，甚至眼镜耳机都装上了大模型，主打一个全面儿。 但也跟AI一样，很多硬件的更新也变快了，那咱手里那些刚用了一两年的设备咋办呢，难道只能二手平台上门给你打骨折？而且现在什么都得智能化，如果每个设备都得塞最强芯片，别说芯片够不够用，咱钱包也顶不住啊。正好前两天2025全球计算大会(CGC2025)开了，哥们也去逛了一圈…- 0
- 0
-
谷歌 Nano Banana 2 要来了，多步自检流程是亮点
Nano Banana 2 近期意外地在 Media AI 平台上短暂现身。其输出结果与之前在 Gemini 上短暂泄漏的确认版本一致，让社区用户得以提前体验新版本的能力。针对性改进初代 Nano Banana 在处理复杂任务时存在明显局限：精确着色、视角控制、修正生成图片中的文字元素都不够理想。Nano Banana 2 专门针对这些痛点做了优化，泄漏的图像样本显示视觉质量有了实质性提升。核心技…- 0
- 0
-
Anthropic革命性方案:AI Agent从15万Token干到2千Token的秘密
大家好，之前连着写了两篇——一篇是用tmux让Claude Code 24/7不间断干活,另一篇是Router混用多模型省钱70%。说实话,那两篇写完我自己也在用,效果确实不错。tmux解决了会话中断的问题,Router解决了模型选择的问题,感觉已经把Claude Code能优化的地方都折腾遍了。但你想想,这些方案本质上都是在"省着用"——换便宜的模型、用完就断开会话、想办法减…- 0
- 0
-
AI落地：上下文工程，那个决定性的关键！
几乎每一个接触大模型的人，都经历过，第一次打开 ChatGPT，满怀期待地敲下问题，结果输出一大堆“像是对，又不像”的答案。那一刻，你可能会想，是不是我没问好？是的，同一模型能力下，AI的答案，取决于你的提问。这就是“提示工程”诞生的背景。在那个阶段，我们像在和一只外星生物交流——要用一套奇怪的格式、口令、角色、语气，才能让它“听懂你说话”。有人总结出套路，有人写书、开课、出教程。可后来，人们发现…- 0
- 0
-
阿里云 OpenLake：AI 时代的全模态、多引擎、一体化解决方案深度解析
导读 数据与 AI 时代的浪潮当前，全球正处于一场由数据爆炸式增长和人工智能（AI）深度融合所驱动的巨大变革之中。阿里云智能集团计算平台事业部产品负责人徐晟先生，在会议上深入阐述了阿里云如何通过 OpenLake 解决方案，构建一个全模态、多引擎、一体化的智能数据体系，以期全面应对 AI 时代的挑战与机遇。大数据与 AI 的发展趋势密不可分，两者共同构成了未来企业数字化转型的心基础设施。…- 0
- 0
-
TEN 框架：轻松实现与 AI 实时语音对话
在实时语音与多模态交互的应用场景中，用户更在意“说了就有回应”的体验：端到端延时低、可自然打断、可持续对话、避免他人声音干扰。本篇文章带你了解 TEN 框架的基本概念、功能特性、应用场景及架构总览。并通过一个简单的示例，展示通过 TEN 框架实现一个可以满足用户需求的实时语音助手。框架简介TEN 是面向实时多模态对话与语音智能体的开源框架，其目标明确：帮助开发者快速构建支持语音、视频、图像、文本的…- 0
- 0
-
一文读懂上下文工程(Context Engineering)
摘要：本文以Claude最新的关于有效上下文管理的论文为基础，结合几篇与上下文工程(Context Engineering)相关的文章，整理了所有与上下文工程相关的概念，主要以说明下面三个问题：什么是上下文(Context)? 为什么要进行上下文工程(Context Engineering)?如何进行上下文工程(Context Engineering)?让我们开始吧！&nb…- 0
- 0
-
谷歌《Agents》白皮书：剖析智能体的核心框架与未来发展（附下载）
生成式AI模型在理解和生成人类语言方面取得了惊人突破，然而，一个核心的局限在于，这些模型本质上是封闭的，它们的知识停止在训练数据截止的那一刻，无法感知实时变化的世界，也无法主动执行任何操作。人类在解决复杂问题时，并不仅仅依赖大脑中存储的知识，我们会查阅资料、电脑等工具补充已有知识。Agent（智能体）的概念正是将这种工具使用的能力赋予AI模型，它通过将模型的推理能力、逻辑判断与外部工具相连接，创造…- 0
- 0
-
技术还是场景？为大模型能力画一张“地图”：详解RAG、AIGC、Agent如何驱动千行百业
“ 别再混淆了！RAG、Agent是“发动机”，智能问答、生成工具才是“车”——一文讲透大模型的技术与应用场景 ”做了这么长时间的人工智能应用，慢慢发现很多人到现在还分不清哪些是技术，哪些是应用场景，甚至很多时候会把这两个不同的东西混为一谈。首先我们要明确一件事，人工智能是一项技术，然后利用这些技术去解决实际问题，而解决的这些问题是应用场景；技术本身是没有价值的，技术价值的体现…- 0
- 0
-
打败GPT5的Kimi K2 Thinking，真就只会写代码吗？
昨天的GPT5老惨了，先是Agent智能体工具调用榜上被Kimi K2 Thinking超了，接着在Humanity's Last Exam（跨学科领域问答），BrowseComp（搜索和网页浏览），三个编程榜单上被时不时反超，按理来说就应该叫Kimi K3啊，从第六跳到第一，只值得加个Thinking吗，哈吉kimi，你这家伙。本来我都备好34个编程case让Kimi K2 Think…- 0
- 0
-
让AI打出丝滑连招：编码-部署-自测-改bug
本文提出了一种测试驱动的AI编程闭环工作流，旨在解决AI辅助编程中“最后一公里”的问题——即AI生成代码后缺乏自测与迭代能力。通过引入自动化验收和反馈机制，构建了包含编码、部署、自测、改Bug的完整闭环。文章以“收藏夹功能修复”为例，验证了该工作流的有效性，证明只要提供清晰的需求、技术方案和测试用例，AI就能像合格程序员一样完成自我修复与持续优化，未来还可通过增强测试、诊断、任务拆分等能力进一步提…- 0
- 0
-
官宣上线！RocketMQ for AI：企业级 AI 应用异步通信首选方案
企业级 AI 应用开发面临新挑战Cloud Native随着人工智能技术的飞速发展，模型迭代日新月异，企业正积极构建 AI 应用以提升用户体验和降低人力成本。然而，与传统微服务应用相比，企业在推进 AI 应用落地的过程中，普遍呈现出三个显著特征：任务处理耗时长：传统微服务应用通常能实现毫秒级响应，而 AI 应用的处理周期跨度极大——从几分钟到数小时不等。这种长耗时与不确定性，要求系统架构必须在任务…- 0
- 0
-
MCP上下文爆炸怎么办？Anthropic给出了新答案（图文示例）
前几天，Anthropic 发的一个 MCP 的思考，说明MCP的未来发展（https://www.anthropic.com/engineering/code-execution-with-mcp）但这篇文章，讲的不是很清晰，我找了文章中的引用，cloudflare 对于 MCP 工程的思考（https://blog.cloudflare.com/code-mode/）两者结合起来，思路就清晰了…- 0
- 0
-
OpenText™ Knowledge Discovery （IDOL）最新功能指南
OpenText™ Knowledge Discovery (IDOL) 为企业提供领先的数据分析解决方案，助力企业从所有文本、音频、视频及图像数据中最大化释放数据价值——无论数据存储于何种资源库或文件格式。该平台通过数据提取、数据增强、精准搜索与知识发现等功能，帮助企业发掘潜藏的宝贵信息，同时基于实体语法规则识别文档内容中涉及的合规风险（如个人身份信息）。 近期，OpenText™ Knowle…- 0
- 0
-
5款可私有化部署的AI文档，轻松打造专业级AI知识库
花了2年时间，All in Doc. 从多模态文档引擎（flowmix/docx）到AI文档知识库（橙子轻文档），再到AI Word协同文档（JitWord），我们踩过了很多坑，不断的挑战技术难题，对标大厂的飞书/钉钉文档，终于形成了我们文档生态链的闭环。接下来就和大家完整复盘一下我们这2年的研究成果——5款AI协同文档。1. Flowmix/docx多模态文档编辑器Flowmix/do…- 0
- 0
-
一篇论文，读懂上下文工程的前世今生｜上交大新论文解读
2025年6月，Shopify CEO Tobi Lütke 和 AI 大神 Andrej Karpathy 在 X 上提出了一个新概念——上下文工程。Karpathy 将其定义为"一门微妙的艺术与科学，旨在填入恰到好处的信息，为下一步推理做准备。"然而，这个新概念与提示词工程有什么不同？为什么它会和 RAG、MCP 等技术扯上关系？过往的回答大多从技术角度出发，试图拆解上下文…- 0
- 0
-
别再只会用 LLM 了！2025 年最强 Agent 设计范式全解析
过去这一年，我几乎把全部业余时间都花在了「造 Agent」这件事上。从最早用 LangChain 做简单的聊天机器人，到后来构建能自动规划、调用工具、执行任务的复杂系统——我踩了无数坑，也见证了 Agentic AI 这一领域的快速迭代。但越深入，我越发现一个现实：要打造一个能稳定上线、真正有用的 AI Agent，比想象中难太多。模型在变，框架在换，社区的范式一茬又一茬，很多人刚刚学会了 ReA…- 0
- 0
-
AI产品的技术路线选择：提示词、RAG与模型微调
大语言模型暴发以来，我见过太多公司陷入 “AI功能堆砌” 的陷阱 —— 打开产品界面，“智能助手”、“自动生成” 的按钮随处可见，但没解决客户为什么要用的价值问题。这股以为“接入AI就赶上了时代快车”的想法，正在让SaaS+AI沦为新的同质化竞争重灾区。真正的 SaaS+AI 玩家，早已跳出 “技术炫技” 的误区。有的企业用 “提示词+公有云大模型” 撑起 AI 面试官的规模化落地；有的产品则靠 …- 0
- 0
-
联手 OpenAI 发布 ACP，Stripe 是如何思考 Agent 支付的？
当 Agent 开始学会“消费”，支付世界也迎来了重构的时刻。作为互联网支付重要基础设施，Stripe 当前最新估值高达 1060 亿美元，它每年需要处理约占全球 GDP 1.3% 的交易量，也因此，在 AI 时代，Stripe 成为包括 ChatGPT 在内的几乎所有 AI-native 玩家的支付首选。今年 9 月，OpenAI 与 Stripe 联合推出了 Agentic Commerce …- 0
- 0
-
🤯 终于搞懂了！LLM、RAG 和 AI Agents 到底是什么关系？
别再用错了！2年AI实战经验揭秘：真正的生产级AI系统是这样搭的！在深度参与 AI 生产系统建设两年之后，我发现一个巨大的误区：很多人还在纠结 LLM、RAG 和 AI Agents 哪个更厉害？大错特错！它们根本不是竞争关系，而是同一个智能堆栈中的三个“层级”！ 只有把它们的关系理顺了，才能真正搭建出有价值的 AI 应用。下面，我用最简单的方式，拆解这三者在 AI …- 0
- 0
-
从“搜索”到“行动”：AI 智能体正在重塑互联网
“我们低估了人类大脑的直觉，却高估了语言模型的智能。”Tiny Fish 联合创始人兼 CEO Sudish 在 MTech 大会演讲内容一、开场：妈妈的两条忠告在台上做现场演示之前，Sudish 讲了个小故事：“我妈妈小时候就告诉我两件事：第一，不要碰毒品。第二，永远不要在舞台上做现场演示。我从没碰过毒品，但今天我打算打破第二条。”笑声中，这位来自 Tiny Fish 的创始人，开始揭开“智能体…- 0
- 0
-
如何为 AI 智能体定价？
编者按：如何为 AI Agent 定价是个现实且复杂的问题，在这方面硅谷的很多尝试值得我们参考学习。作为 AI 定价的实践者和研究者，我将持续输出相关内容。本文根据硅谷 AI 博主 Arijit 的博客编辑整理而成。为AI Agent定价，好比一个复杂的“三体问题”。你需要让定价策略灵活适应三个方面的快速变化：产品功能本身，用户与产品的交互方式，以及服务客户时产生的成本。传统SaaS产品的定价逻辑…- 0
- 0
扫码打开当前页
联系我们
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×