-
GLM-5 发布：从“写代码”到“写工程”的范式跃迁
2026 年 2 月 11 日深夜，智谱 AI 正式发布新一代旗舰模型 GLM-5。这不是一次常规的版本迭代，而是一场针对 Agentic Engineering 范式的系统性重构。当行业还在讨论“如何让 AI 写出更好的代码”时，GLM-5 已经将目标锁定在“如何让 AI 完成真实的系统工程”。神秘面纱下的实力验证在 GLM-5 正式发布前，一个代号为 “Pony …- 0
- 0
-
应对知识管理挑战：RAG技术如何驱动企业智能化升级
在人工智能技术迅速发展的背景下，检索增强生成（Retrieval-Augmented Generation, RAG）作为一种融合信息检索与自然语言生成的关键技术，正逐步成为企业推进数字化转型的重要工具。近年来，基于 RAG 的解决方案市场需求显著增长，多个行业积极引入该技术以提升知识管理及应用效率。据多家权威机构报告，企业对于 RAG 相关技…- 0
- 0
-
模型能力、提示词、Skill、工作流、Vibe Coding——到底都是什么？
这半年，不管是自己学习 AI ，还是做项目，有五个词反复出现又经常让小白困惑：模型能力、提示词、Skill、工作流、Vibe Coding。它们各自是什么、什么关系、你现在该关心哪个——面向小白和非专业人士，分享一点个人的观点，仅供参考。🧠 模型能力大模型本身具备的底层能力——理解语言、生成文字、识别图片、逻辑推理。ChatGPT、Claude、DeepSeek、豆包，都属于这一层。它是一切的基础…- 0
- 0
-
RAG彻底爆了！一文掌握其效果优化的架构设计及核心要点
RAG技术全解析：让大模型告别"胡说八道"，构建企业级AI知识库的终极指南你是否遇到过这样的场景：向大模型询问公司最新的产品规格，它却给出了2021年的过时信息？或者让AI助手帮你查找内部文档，它却开始"一本正经地胡说八道"？根据Stanford的最新研究，即使是GPT-5这样的顶级大模型，在处理特定领域知识时的准确率也仅有47%。而当企业试图将AI应用于实…- 0
- 0
-
谷歌Chrome深夜爆更，Agent不用「装」人了！前端最后防线崩了？
今天，谷歌Chrome团队投下了一枚深水炸弹：WebMCP（Web模型上下文协议）正式登场。它可以让AI智能体跳过「人类用户界面」，直接与现有的网站和Web应用深度交互。在Chrome 146的早期预览版中，开启特定flag即可体验WebMCP这相当于给Agent加上了「超能力」，从此不用再「装得像个人一样」，去看网页、找按钮，或是点链接。仅通过一个API：navigator.modelConte…- 0
- 0
-
Meta如何给RAG做Context Engineering，让模型上下文增加16倍
最近一段时间，Context Engineering（上下文工程）的热度已无需多言，而 Meta 超级智能实验室发布的首篇论文，便聚焦于该领域的核心议题——模型上下文智能压缩，展开了深度研究。相信在开发 RAG与 Agent时，上下文太长导致输出效果崩掉，几乎做AI 应用人的家常便饭。其具体体现有二：长上下文导致了更高内存成本，模型的首 token 生成时间（TTFT）会随之呈二次方增加。冗余计算…- 0
- 0
-
WebMCP：谷歌刚给 Chrome 动了个手术，AI Agent 的玩法全废了
搞技术这些年，真正让我觉得「范式要变了」的时刻不多。WebMCP 算一个。先说结论Google 在 Chrome 146 里塞了个叫 WebMCP 的东西，目前还藏在 flag 后面，要手动开启。这玩意儿做的事情用一句话概括：让网站主动告诉 AI Agent「我能干啥」，而不是让 Agent 像个瞎子一样截屏猜。开发者 Alex Volkov 给了个精准的比喻——「UI 里的 API」…- 0
- 0
-
检索器江湖：那些让RAG神功大成的武林绝学
你是否曾有过这样的经历？在AI上输入一个问题，结果返回的内容让你怀疑自己是不是在火星上网？或者问AI一个问题，它给你的答案却南辕北辙？别担心，这不是你的问题，而是背后的"检索器"没有练好内功！在RAG（检索增强生成）这门武功中，检索器就像是掌门人的左膀右臂，它的好坏直接决定了最终的武功效果。今天，我们就来聊聊这个看似简单实则暗藏玄机的检索器江湖。为什么要学习检索器？想象一下，你…- 0
- 0
-
2026 做 Agent 的正确姿势：单 Agent 起步，Skills 沉淀方法论，MCP 负责连接
今天是 2026 年 2 月 11 日。过去一段时间，我集中读完了 Anthropic 关于 Claude Agents 的四篇博客。读完之后最大的感受不是"又出了几个新名词"，而是——他们在做一件很多厂商不愿意明说的事：把 Agent 从"能聊天的能力展示"往"可稳定交付的工程系统"上推。这四篇文章发布时间横跨 2025 年…- 0
- 0
-
Dify + Oracle + MCP：轻松构建 RAG 与 MCP Agent 智能应用
在 AI 应用开发领域，检索增强生成（RAG）已成为构建智能问答、文档分析等场景的核心技术。通过 RAG，AI 应用能够结合现有知识库，在生成回答时引入外部信息，从而为用户提供更准确、更智能的响应。同时，通过组合 AI Agent + DB MCP Server，从而实现通过 AI 与数据库的交互操作也是数据库系统接入 AI 应用的一个常见场景。本文将通过一个实践案例，展示如何使用 Oracle …- 0
- 0
-
别再存轨迹了：SkillRL 让 Agent 把经验炼成技能，还会自我进化
别再存轨迹了：SkillRL 让 Agent 把经验炼成技能，还会自我进化Takeaways论文提出 SkillRL：把交互轨迹“蒸馏”为可检索、可复用的技能（SkillBank），再在强化学习过程中按验证失败递归扩展技能库，实现“策略—技能库”协同进化。相比存原始轨迹的记忆方法，技能抽象带来约 10–20× 的上下文压缩，同时提升决策可用性，缓解“冗余/噪声”与“信息密度”的矛盾。在 ALFWo…- 0
- 0
-
做好 RAG 落地最后环节 —— 评估 RAG 应用
一、为什么RAG应用需要评估随着大模型技术的发展，我们已经具备了开发完整 RAG（Retrieval-Augmented Generation，检索增强生成）应用的技术能力。借助 LlamaIndex、LangChain 等成熟框架，可以在较短时间内实现从原型到应用的快速构建。然而，真正将 RAG 应用推向生产环境，远不只是“搭建起来”那么简单，仍有许多问题值得提前思考与应对。1. 大模型输出的不…- 0
- 0
-
Claude Code 源码揭秘：为什么它能无感切换 AWS、Google、Azure
你可能没注意过，Claude Code 不只能连 Anthropic 官方 API。把 AWS_REGION 和 AWS_ACCESS_KEY_ID 配好，它就自动切换到 AWS Bedrock。把 ANTHROPIC_VERTEX_PROJECT_ID 配好，它就走 Google Vertex AI。甚至从 2.0.45 版本开始，还支…- 0
- 0
-
企业级RAG系统实战心得：来自10多个项目的深度总结
在Reddit的AI_Agents版本刷到一个帖子，讲的RAG系统在企业中的落地，觉得写的不错，翻译共享给大家，英文原文直接让DeepSeek翻译后有些生硬，手动润色了一下。配图：Google Nano Banana【原贴】Building RAG systems at enterprise scale (20K+ docs): lessons from 10+ enterprise implem…- 0
- 0
-
全新DeepSeek发布！上下文扩展至1M
DeepSeek 新模型来了根据 DeepSeek 官方App和网页端信息，DeepSeek已经发布了全新模型🌟 全新 DeepSeek 的特点完全免费：无论是网页版还是App，都不收取任何费用，可以尽情使用！强大的能力：• 📚 超长上下文：1M token的上下文长度，可以一次性处理《三体》三部曲这样体量的书籍• 📎 文件处理：支持上传图片、PDF、Word、Ex…- 0
- 0
-
您应该为您的 RAG 系统使用哪种分块技术？
在人工智能领域迅猛发展的今天，检索增强生成（RAG）系统已成为构建可靠且上下文感知应用的基石，这些应用由大型语言模型（LLM）驱动。RAG 系统通过检索外部知识库（如向量数据库）中的相关信息，来弥合 LLM 与外部知识之间的差距，从而提升模型的响应质量。然而，在实现高效 RAG 系统时，一个最关键却常常被忽略的步骤是“分块”（chunking）——即将大型文档分解成更小、更易消化的片段的过程。为什…- 0
- 0
-
刚刚，DeepSeek悄悄测试新模型：百万token上下文、知识库更新，V4要来了？
春节假期还没到，DeepSeek 就先把礼物拆了一半。2 月 11 日，多位用户发现 DeepSeek 的 App 端和网页端已经悄然开始灰度测试一项重大升级：上下文窗口长度从此前 V3.1 版本的 128K token 直接拉到了 1M（百万）token。DeepTech 验证后确认，无论 App 还是网页端，模型自述的上下文长度均为“1M”。与此同时，知识截止日期也从此前的版本更新到了 202…- 0
- 0
-
关于多模态应用的几个疑问，以及多模态应该怎么应用于RAG？
“ 多模态与RAG的结合是一个应用的实践过程，其实际操作远比理论要复杂得多。”这段时间一直在搞RAG和Agent，然后使用的基本上都是基于文本处理的推理模型，基本上没用过多模态模型；而最近突然有个想法，那就是把多模态应用于当前的RAG系统。虽然说之前对多模态有些基础认识，但并没有在真实的业务系统中实践过；然后网络上关于多模态应用的内容又很少，因此等真正尝试去做的时候才发现，多模态应用好像…- 0
- 0
-
DeepSeek V4 悄咪咪上线了？1M 上下文简直爽翻！
DeepSeek更新了，还是那个熟悉的味道，极致低调，直接上线，一句话都没有对外宣布，当然又可能明天或过两天在官号上宣布一下。但这些都不重要，期待多久了，他终于还是来了。废话不多说，赶紧直接上手体验。这波更新到底是不是真的？怎么才能用上？🛠️ 第一步：怎么“强制”唤醒它？很多人打开网页版发现还是老样子，别急，这里有个玄学但有效的方法（亲测 100% 成功）：1. 手机端：赶紧…- 0
- 0
-
MiniMax RAG 技术：从推理、记忆到多模态的演进与优化
导读 在智能体与大模型应用不断深入的背景下，检索增强生成（RAG）技术正经历从“检索＋生成”向“检索＋推理＋记忆＋多模态”一体化的跃迁。本文首先剖析 RAG 系统在推理链构建和 Agent Layer 中引入知识图谱、MCTS 及强化学习的优化路径，继而探讨记忆层在动态检索、注意力过滤与多智能体协作中的实现方式；最后聚焦多模态场景下的张量化检索与延迟交互模型（COL），并针对存储膨胀、重…- 0
- 0
-
2026 企业级AI（Agentic AI for Enterprise)，是新大陆
本期要点速览我们正处在一个很奇怪的阶段：AI 能力在飞速增长，但真正把 AI 放进工作和组织里的人，远没有想象中多。你必须持续奔跑，才能保持在原地；AI 抬高了平均值，也同时拉大了人与人之间的差距。未来的分化，可能不再是二八或一九，而是 0.1 和 99.9，差距体现在你是否还“相关”。即便是巨头，也没有真正的安全感，基础技术和上层应用正在同时被重构。真正的壁垒不复杂：一是速度，二是能否真正进入现…- 0
- 0
-
告别新手级RAG！一文掌握专业级后检索优化流水线
众所周知，检索是检索增强生成 (RAG) 系统的核心。它直接决定哪些文档片段给到大语言模型（LLM）来生成最终答案。不过，并不是所有的检索结果都是理想的。比如，在返回的前K个文档结果中，并不是最相关的。还有返回的结果过于冗长或已经过时，也会影响最终答案的质量。在前面我们通过两篇文章学习了两种预检索优化策略：查询路由（Query Routing）和查询构建（Query Construction）。它…- 0
- 0
-
深度求索突然出手！1M上下文碾压GPT-4？国内AI迎来全新突破
深度求索重磅更新！DeepSeek新模型全面解析，1M上下文惊艳亮相近日，AI界迎来一则重磅消息：DeepSeek正式推出新模型！无论是APP用户还是网页端用户，都能体验到这次令人惊喜的升级。从官方推送的更新提示来看，这可能是V4 Preview或V4 lite版本，预示着DeepSeek技术实力的又一次飞跃。当用户打开DeepSeek APP时，会收到“发现新版本，是否立即更新”的提示。更新至1…- 0
- 0
-
切块、清洗、烹饪：RAG知识库构建的三步曲
嘿，各位AI技术爱好者们，你是不是经常遇到这样的情况：辛辛苦苦训练的AI助手，面对专业问题时却"一问三不知"或者"胡言乱语"？明明你已经喂了它一堆PDF和Word文档，为啥它就是不会用？就像你去米其林餐厅，厨师拿着一堆未处理的食材直接上桌一样荒谬！没错，RAG系统也需要一个"厨房"，而文档处理与知识库构建，就是这个厨房里最重要的"…- 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：×