-
Karpathy：我不是要造新词，是「上下文工程」对 Agent 来说太重要了
Andrej Karpathy 又带火了一个词——Context Engineering。 Shopify CEO Tobi Lütke 的一条推特引发了行业对此的广泛讨论，Andrej Karpathy 转发并表示强烈认同。 这不是一个新概念，只是业内共识的逐渐形成：决定 AI 应用效果的关键，已经不是你怎么问，而是你给 AI 喂了什么料。 提供完整且恰当的上下文往往比编写好的提示词更重要。 到…- 5
- 0
-
AI Agent的核心：Context Engineering（上下文工程）
Hi，大家好，我叫秋水，当前专注于 AI Agent（智能体）。 相信做过AI Agent开发的朋友都遇到过这些痛点： • 为什么我的智能体在执行长任务时会突然"失忆"，前面的重要信息都忘记了？ • 为什么给智能体提供了大量工具，它反而变得更加混乱，选择错误的工具？ • 为什么智能体的响应越来越慢，成本越来越高，但效果却在下降？ • 为什么智能体会产生幻觉，把错误信息当作事…- 16
- 0
-
向量相似度检索遇到天花板，是否我们走错了？
本文是 DocuPanda.io 的联合创始人 Uri Merhav 在 Medium 发布的一篇博客，主要介绍向量相似度检索的问题以及他们的解决方案。 “依赖预设的相似性判断是有根本缺陷的，注定无法真正奏效。我们应当追求更智能、更精准的方式。” 大约两年前，作为一名机器学习顾问，我参与了多个项目，尝试让 GPT 更加实用和具备专业知识。在其中一些尝试中，我让 GPT 扮演了不同的角色，例如客户支…- 4
- 0
-
AI Agent与AI Workflow：“对决”与“共生”，未来属于“混血儿”！
你真的分清AI Agent和AI Workflow了吗？——一场普遍的认知困境 在当下AI大模型席卷一切的浪潮中，**AI Agent（智能体）**和 AI Workflow（工作流） 无疑是两大焦点。它们像双生子，既密切关联又常被混淆，甚至在许多开发者和企业决策者眼中，这似乎是一场“鱼与熊掌不可兼得”的选择：是追求Agent的无界智能，还是坚守Workflow的严谨可控？ 这绝非一个简单的二选一…- 7
- 0
-
Dify中的sandbox服务
本文使用dify v1.5.0版本，主要介绍了Dify中的sandbox服务，包括本地sandbox源码运行，以及相关配置文件的介绍。一.sandbox服务该部分配置定义了 DifySandbox 服务，用于代码执行的安全沙箱环境。# The DifySandboxsandbox: image: langgenius/dify-sandbox:0.2.12 restart:…- 9
- 0
-
智能体：AI场景涌现与应用蝶变
时间像一把剪子，将我们这个技术飞速发展的时代剪成了一段段影像，并打了一个个标签——信息、数字、互联网、大数据、人工智能等等，似乎越来越接近数字文明的底色。而快步走来的数字文明，从不缺席时代发展的主线与历史运行的轨道。一、从传统软件到Agent智能体在人工智能大模型爆发之前，基于计算机系统设计开发的软件均由代码和数据构成，是一种我们输入指令“叫它干啥就干啥”的数字化应用工具，决定其服务能力的是执行的…- 8
- 0
-
迈富时零售AI创新解决方案：AI Agent+智能体中台重构零售消费增长新引擎
在刚刚落幕的“第11届中国消费品行业CIO大会暨中国第3届AI大模型应用大会”上，Marketingforce迈富时凭借企业级AI-Agentforce智能体中台赋能零售消费增长的创新实践，荣获「年度零售AI解决方案创新奖」。集团合伙人·CMO尹思源在大会上发表《零售消费‘智变’加速：AI Agent+智能体中台，重构企业增长新引擎》主题分享，深度解析 AI 技术如何从底层逻辑重塑企业营销销售与运…- 11
- 0
-
调研了300家企业，ICONIQ 发布《开发者手册：2025年AI现状报告》，揭秘企业AI落地的全景路线
自2022年年底ChatGPT 3.5发布以来，AI的发展貌似进入了一个快车道。如果说各种模型层出不穷的2024年是AI技术突破的一年，那2025年一定是AI应用落地的一年。大量的企业从要不要用AI的纠结，开始转变为了怎么才能更好的使用AI…半年过去了，企业的AI应用落地进展如何？AI到底是一场“泡沫”，还是通过AI确实搞到了钱？仅仅是工具的转换，还是工作方式的一场变革？…最近，知名的投资机构IC…- 7
- 0
-
爆改RAG检索力：三大Query变形术，助你玩转AI知识检索！
❝你以为RAG（Retrieval-Augmented Generation）就是“检索+生成”那么简单？那你可太低估AI界的“内卷”了！今天，咱们就来聊聊如何用三大Query变形术，把RAG的检索力拉满，助你在AI知识海洋里捞到最肥的鱼！ 一、RAG的“灵魂拷问”：你真的会提问吗？ 在AI时代，信息检索的效率和质量，80%取决于你“怎么问”。RAG系统的本质，就是“你问得好，我答得妙”。但现实往…- 7
- 0
-
爆改RAG！HyDE：让你的AI检索像“脑补”一样聪明
你有没有遇到过这样的尴尬：你问AI一个问题，结果它只会机械地在文档里“翻字典”，找出来的答案不是太浅就是不沾边？别急，今天我要给大家安利一个让RAG（Retrieval-Augmented Generation）焕然一新的神器——HyDE（Hypothetical Document Embedding），让你的AI检索像“脑补”一样聪明！一、RAG的“短板”：你问一句，它懵三分传统的RAG系统，流…- 6
- 0
-
破局AI内卷：揭秘驱动10倍效能的AI工作流三大核心技术支柱
从"AI工具使用者"到"AI系统指挥官" 你是否也陷入了"AI工具囤积症"？ 打开浏览器收藏夹，ChatGPT、Claude、文心一言、通义千问……一排AI工具整整齐齐。再看看工作进度，周报还是手动在写，数据分析依然Excel拉到深夜，客户邮件仍在一封封复制粘贴。最讽刺的是，用AI写个周报，光调教Prompt就花了半小时，最后还不如自…- 7
- 0
-
深度揭秘：下一代AI生产力，颠覆你的工作与认知？99%的人还没看懂！
你是否还在纠结AI Agent和AI Workflow，到底谁才是未来？ 这是一个普遍的迷思，也是我近期在无数技术交流群里听到最多的疑问。有人说，AI Agent才是智能的终极形态，它拥有自主决策和记忆，将取代一切固化流程；另一些人则坚持，AI Workflow以其精确、可控的优势，仍将是企业级应用的主流。 真相可能与你想象的完全不同。 如果你还在二选一的泥潭里打转，那你的AI认知，很可能已经…- 5
- 0
-
企业级Agent是AI创业唯一的大机会
之前我锐评了AI创业的各个方向，把当前热门的AI方向都质疑了一圈，现在我再多得罪一个，就是ToC的Agent不管出不出海是不是全球市场都没有什么大机会。点对点的批判意义不大，也很得罪人，我先完整论述一下我的逻辑，在这个框架下稍微延伸一点对ToC的质疑，足够委婉、含蓄，只叫醒想醒的人，不得罪装睡的人。我们讲过去的全球SaaS或者说未来的Agent，他们的价值来源到底是什么。没有价值是肯定没有创业机会…- 5
- 0
-
需求分析专家系统提示词
在和甲方交流的时候，经常遇到他的需求自己说不清楚的情况，我们希望通过不完整的文字解构出背后真正的需求，而且通常我们没有机会和对方连续对话，那么从一段文字进行初步分析，提取出可能的需求框架，再进行针对性追问会更高效。 提示词本体 你是一位专业的需求分析专家，擅长从不完整、模糊的描述中提取和推断真实需求。## 你的核心能力：1. 文本解析：识别关键词、情感倾向、隐含意图2. 需求推理：基于经验推断可能…- 4
- 0
-
AI Agent时代的AI Workflow，重构未来工作流设计准则！
你是否还在为那些僵化、复杂的传统自动化流程焦头烂额？预设好的SOP（标准操作流程）在面对突发状况和非结构化数据时，是不是总让你陷入“人工干预”的泥潭？AI Agent时代的到来，正彻底颠覆这一现状！它不再仅仅是你的“工具”，而是具备“大脑”的智能体，能够自主规划、动态调整，甚至由AI来规划整体SOP，重构你对自动化的一切认知。 本文将深入揭秘AI Agentic工作流的本质，剖析其与传统自动化…- 20
- 0
-
RAGFlow vs FastGPT，做RAG系统谁更牛逼
RAGFlow和FastGPT都是当前非常活跃且功能强大的开源 RAG（Retrieval-Augmented Generation）框架，旨在帮助企业或个人更高效地构建基于私有知识库的智能问答、文档分析等应用。RAGFlow核心定位RAGFlow 的核心目标是打造一个面向复杂、专业文档（特别是结构化/半结构化文档）的高性能、高精度、企业级 RAG 引擎。它特别强调深度文档理解能力，能够精准地解析…- 16
- 0
-
将Dify对接到NextChat中的具体操作和原理
NextChat是一个流行的 ChatGPT 网页应用，除了小程序端外，基本上其它的平台都支持，并且对于Markdown、LaTex、mermaid、代码等有着很好的渲染能力。因为dify接口不是OpenAI兼容的，所以可通过插件方式来实现Dify应用的 OpenAI 兼容模式。OpenAI Compatible Dify App扩展可将 Dify 应用 API 转换为 OpenAI 兼容的 AP…- 6
- 0
-
MCP对AI Agent意味什么？深度解剖MCP的本质与未来影响力
AI Agent的“失落”：有脑无手之困 想象一下，一个拥有爱因斯坦般智慧的超级大脑，却被束缚在实验室里，无法触碰、无法行动、无法与真实世界交互。这正是过去AI Agent面临的普遍困境：它们拥有强大的语言理解和推理能力（“大脑”），能够生成惊艳的文本、进行复杂的问题分析，但一旦涉及与外部工具互动、获取实时数据或执行具体任务，它们就仿佛“有脑无手”，难以真正落地。 这种“行动力”的缺失，成为了…- 5
- 0
-
用cherry studio+mcp访问本地数据库
MCP的功能实在是太强大了，目前很多工具也支持mcp，通过mcp，我们可以用自然语言去调用API、去访问数据库。 今天大瑜就分享用最简单工具来访问本地数据库sqlite。 步骤一：软件安装与配置 这里推荐的软件是cherry studio，国产工具，配置好就可以直接和AI大模型对话。 安装方式也很简单，直接下载即可。官方地址： https://www.cherry-ai.com/ 傻瓜式安装即…- 21
- 0
-
爆改RAG！层次化索引让你的AI检索“又快又准”
❝你还在用传统RAG（Retrieval-Augmented Generation）检索PDF？那你可真是“用爱发电”！今天，咱们来聊聊如何用层次化索引（Hierarchical Indices）让RAG系统脱胎换骨，检索效率和准确率双双起飞！ 一、RAG的“前世今生”：你以为的检索，其实很粗暴 RAG，顾名思义，就是“检索增强生成”。它的基本套路是：把文档切成一块块小“肉丁”，用户提问时，先检索…- 7
- 0
-
让你的 AI Agent 拥有“永不遗忘”的超能力：LangGraph 与 PostgreSQL 实现长期记忆的深度实践
🚀 引言：AI Agent 的“失忆症”与长期记忆的迫切性 在当今 AI 飞速发展的时代，LLM (大型语言模型) 驱动的 AI Agent 正在成为自动化复杂任务、提升生产力的核心力量。从智能客服、招聘助理到自动化代码生成，Agent 的应用场景日益广泛。然而，许多开发者在构建 Agent 时，都会遇到一个核心痛点：Agent 的“金鱼记忆”问题。 标准的 LLM 调用是无状态的。每次交互，它都…- 40
- 0
-
AI狂潮下：大公司如何破解”创新者窘境”？
撰 文 | 伍晖 《中欧商业评论》特约作者，创新与人才独立研究者 公司越大，越容易陷入“创新者窘境”在AI技术带来的颠覆性浪潮中，传统大公司正面临前所未有的两难抉择：既要维持现有业务的运营效率，又要捕捉分散多变的新机遇。集中化创新模式——如小米造车、华为芯片研发采用的"压强原则"——在目标明确、资源密集的领域依然有效。但当战场转向AI应用层时，这种模式的局限性开始显…- 5
- 0
-
喂给AI的第一口饭：文本预处理
文本预处理 在自然语言处理中，如何处理文本数据是首先要考虑的问题。一般的文本数据预处理步骤通常包括： 将文本作为字符串加载到内存中。 将字符串拆分为词元（如单词和字符）。 建立一个词表，将拆分的词元映射到数字索引。 将文本转换为数字索引序列，方便模型操作。 一、读取文本数据 以H.G.Well编写的《time machine》科幻小说作为文本输入数据。 该小说大概有30000多个单词。 将数据集读…- 4
- 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：×