-
从“暴力烧Token”到“系统工程”：OpenAI与华为的两条 AI 编程路径
1 AI 编程工具的两种演进路径：算力暴力与工程确定性 2026 年，AI 编程工具的市场演进分化为两条截然不同的路径：模型中心派：其核心逻辑是“模型即一切”。通过推高上下文窗口（Context Window），试图将超大规模的完整工程载入 Prompt，Gemini 1.5/2.0 Pro 支持高达 2M Token，这种超长上下文允许开发者将整个代码仓库作为 Prompt 的一部分进…- 0
- 0
-
图索引性能提升 400%：详解 VSAG 向量检索框架
VSAG 是蚂蚁集团开源的图索引向量检索框架。本文源自 VSAG 团队在 VLDB'25 发表的《VSAG: An Optimized Search Framework for Graph-based Approximate Nearest Neighbor Search》，介绍 VSAG 框架如何通过缓存优化、自动调参和距离计算加速，在保证高召回率前提下将检索性能提升最高 …- 0
- 0
-
我们做了比你更懂 Java 的 AI-Agent — Arthas Agent
Arthas 是 alibaba/arthas 开源的 Java 诊断工具。它能在不重启应用的前提下，动态查看线程/CPU、反编译类、追踪方法耗时、观察入参返回值、执行 OGNL、查看类加载器、线上取证定位问题——几乎是 Java 线上排障的“瑞士军刀”。地址：https://github.com/alibaba/arthas但现实也很直白：Arthas 很强，门槛也很高。你得知道该用哪个命令（t…- 0
- 0
-
告别关键词高亮，语义高亮才是解决搜索 / Agent噪音的标准答案
今天聊一聊怎么在RAG、Agent场景中实现语义高亮（Semantic Highlight）。在AI落地的过程中，我们不管是用电商搜东西、用RAG查文档，还是靠AI Agent做信息挖掘，大家做检索最核心的需求其实就一个：快速找到有用的信息。而高亮功能，就是帮我们快速定位信息的关键。但传统基于关键词匹配的传统高亮，无法根据语义信息做内容定位，市面上已有的Semantic Highlight方案，又…- 0
- 0
-
RLC Pro：AI 时代的企业级 Linux
CIQ推出RLC Pro企业级Linux，为AI时代提供合规、长期支持和工程修复的打包订阅服务，旨在简化企业部署，提升效率和安全。译自：RLC Pro is an enterprise Linux for the AI era[1]作者：Steven J. Vaughan-Nichols构建了流行 Rocky Linux[2] 发行版的公司 CIQ[3]，…- 0
- 0
-
让RAG像人类一样“扫视全文”：上下文检索技术详解
尽管大语言模型本身的能力在快速演进，但它依然无法凭空获取训练数据之外最新或专有知识。检索增强生成（RAG, Retrieval-Augmented Generation）正是为解决这一问题而生：在回答问题前，先从知识库中检索相关资料，再让模型参考这些资料生成答案。换言之，RAG让大模型从“闭卷考试”变成了“开卷考试”。但“开卷”也不一定更容易。如果检索到的资料不完整、不准确，能力再强的大模型也无法…- 0
- 0
-
我搭了一套国产的小龙虾方案，成本可控，还能 24小时自动干活
前几天我们发了一篇10w+，是国外大神的 OpenClaw 使用方案，后台收到好多小伙伴的留言：太烧Token了，国内用不了Claude。我们就想着能不能搭一套国产的入门方案，成本可控，还能 24 小时自动干活？试了一圈，真让我们搞出来了。用的是 nanobot（轻量级框架）+ Seed 2.0（国产大模型）+ Claude Code（终端 AI 工具）这个组合，搭了一套自动化编程系统。VLM 视…- 0
- 0
-
Uber 如何利用 OpenSearch 实现十亿级向量搜索
介绍在 Uber，我们的系统每天处理海量数据，涵盖从拼车到外卖的各个环节。我们传统上使用基于关键词的 Apache Lucene ^™^搜索。然而，我们需要超越简单的关键词匹配，转向语义搜索，才能理解搜索背后的含义。 为了实现这一目标，我们采用了 Amazon® ^OpenSearch^作为向量搜索引擎。其可扩展性、性能和灵活性是我们做出这一决定的关键因素。这篇博文将探讨我们…- 0
- 0
-
粮厂研究员Will | 小米miclaw发布：谈谈为什么豆包手机没有撑过72小时？
小米今天发布了一个叫 Xiaomi miclaw 的产品，同时开启邀请制封测。没有发布会，没有大规模宣传，但消息传出后，小米股价盘中一度上涨逾6%。Xiaomi miclaw 的定位是移动端 Agent，它是一个深度嵌入小米手机操作系统底层的 AI 助手。不同于以往那种只能回答问题的对话框：它能真正帮你把事情做完。理解你的意图之后，它会调用手机里的各种系统能力，自主完成从发短信、管日历、控制家里的…- 0
- 0
-
别让大模型在“垃圾堆”里找金子：深度解析 RAG 的上下文压缩技术
在 RAG（检索增强生成）的工程实践中，我们常常陷入一种“囤积癖”式的误区：为了防止漏掉关键信息，我们恨不得把检索到的 Top 20 文档，连同文件名、页码甚至页眉页脚，一股脑塞进大模型（LLM）的 Prompt 里。毕竟，现在的 GPT-4 Turbo 和 Claude 3 都支持 128k 甚至 200k 的上下文，不用白不用，对吧？但这恰恰是导致 RAG 系统“慢”、“贵”、“笨”的元凶。如…- 0
- 0
-
ChatGPT 5.4 与 OpenClaw 驱动下的 SaaS 市场重构与未来演进
2026年被视为软件工业的分水岭。随着 OpenAI 发布 ChatGPT 5.4以及开源框架 OpenClaw的爆发式普及，全球SaaS市场正在经历一场从“工具属性”向“智能体属性”的结构性转变 。当前的 SaaS 市场正处于动荡期，传统的以席位计费（Seat-based pricing）为核心的商业模式面临崩塌，而以结果导向（Outcome-based）和消费（使用）驱动（Consumptio…- 0
- 0
-
终于，NotebookLM 和 Gemini 合体了。这是什么神之更新？
昨天看到 NotebookLM 的社交账号更新了，NotebookLM 和 Gemini 🤝意思是：现在用户可以直接将笔记本（NotebookLM 里的）上传到 GeminiApp 中。这非常适合：— 整合多个笔记本— 根据笔记本生成图像或者做应用程序— 在现有笔记本的基础上，使用在线深度研究等功能— 还有更多我试了一下，其实 App 还不支持呢，只有 Pro 会员在 Gemini Web 版本里…- 0
- 0
-
GPT-5.4、Claude、Gemini三方混战：AI Agent native能力终极PK
导读 OpenAI憋了一年大招，GPT-5.4直接对标Claude Computer Use，Gemini Project Mariner还在追赶。三家都在喊"Agent native"，但真用起来哪家最靠谱？我们整理了官方数据 + 开发者实测反馈，给你一个清晰的选型指南。出品社区｜DataFun01三强背景：先发者守擂，后发者翻盘厂商先发/后发核心策略当前处境Ant…- 0
- 0
-
Cohere 推出 Rerank 4，将上下文窗口从 8K 扩展至 32K，以交叉编码器架构强化长文档语义理解与跨段落关联捕捉
Cohere 推出的 Rerank 4，核心是将上下文窗口从 8K 扩展至 32K（四倍提升），以交叉编码器架构强化长文档语义理解与跨段落关联捕捉，通过 Fast/Pro 双版本适配不同企业场景，显著提升检索精度并降低 LLM 调用成本。技术突破：上下文窗口扩展与架构优化32K上下文窗口Rerank 4的上下文窗口从Rerank 3.5的8K扩展至32K，扩大四倍。这一突破使其能够处理更长的文档（…- 0
- 0
-
如果微信全面 AI 化了，会有什么后果？
最近，OpenClaw 的爆火很耐人寻味。OpenClaw 这波爆火，表面上看，是一个 AI Agent 项目突然出圈；但真正打动人的，远不只是“又一个新工具火了”。OpenClaw 最让人兴奋的，还不只是能力变强，不仅仅是一个能接入工具、能调度流程、能替人执行任务的代理人。而是这个“小龙虾”是自己养大的，是可控的，是听自己话的，是站在用户这一边的数字代理。这和过去超级 APP 的逻辑几乎相反。过…- 0
- 0
-
4.1K Star！GitHub 上挖到一个救星级别的 RAG 数据流水线项目！
很多人一开始做 RAG，注意力全在模型上。真正做过项目后才发现 —— 最折磨人的根本不是模型，而是数据处理。一般 RAG 项目里最容易失控的部分：• PDF、Markdown、网页、代码混在一起• 源文件一改，全量重跑 embedding• 跑一次向量化就是钱• 数据清洗、切片、入库脚本散落一地，没人敢动最终结果往往是：“RAG 能跑，但谁都不敢维护。”最近，我在 GitHu…- 0
- 0
-
Claude Code 推出 /loop 无限循环，一台电脑即可化身无数小龙虾
Claude Code 刚刚发布了 v2.1.71，带来了一个看似不起眼但杀伤力极大的新功能：/loop。一句话解释：让 Claude 自己在后台循环执行任务，你该干嘛干嘛。比如你部署了一个服务，想每 5 分钟检查一下是否成功：/loop 5m 检查部署是否完成，如果失败了告诉我原因就这么一行。Claude 会自动创建一个定时任务，每 5 分钟跑一次你的指令，直到你关掉它。/l…- 0
- 0
-
PageIndex：一种基于推理的 RAG 框架
最近在调研RAG的各种技术，关注到了PageIndex，觉得其思路颇有借鉴意义，故整理下PageIndex相关知识要点。1、PageIndex是什么PageIndex 是一种不依赖向量的、基于推理（reasoning-based）的信息检索框架，用于从长篇、复杂文档中进行知识检索，其设计理念是模拟人类专家阅读和定位信息的方式，通过将文档结构化为树，并让大模型在该结构上进行推理导航，从而实现可解释、…- 1
- 0
-
你花真金白银买的第三方API，有一半都是假的
如果你是一名AI开发者、科研人员，或者平时就喜欢鼓捣大模型的极客，那你大概率干过这件事：花钱去买第三方的中转 API。毕竟，现如今想要用上原汁原味的 GPT、Gemini或者 Claude，门槛实在太高了。网络节点要绝对干净，必须绑定海外实体信用卡，时不时还要面临大规模封号的风险。为了省事，也为了图个便宜，我们往往会求助于市面上各种免配置网络、支持国内支付的第三方 API 代理服务。但是，在使用这…- 0
- 0
-
深度解析丨智能体架构，利用文件系统重塑上下文工程
智能体架构：利用文件系统重塑上下文工程在现代 AI 系统设计的宏伟蓝图中，深度智能体的一个核心特征在于它们能够驾驭一套文件系统工具。通过这些工具，深度智能体得以在文件系统中执行读取、写入、编辑、列出目录以及搜索文件等操作。这不仅仅是功能的堆叠，更是智能体认知架构的一次重要升级。为了理解文件系统的价值，我们必须先审视当下的智能体在哪些环节容易遭遇瓶颈。它们失败通常归结为两个核心原因：模型本身的推理能…- 0
- 0
-
Xiaomi miclaw，小米移动端 Agent 开启小范围封测
Xiaomi miclaw 是我们探索 Agent 的一小步，它是基于小米 MiMo 大模型构建的 AI 交互测试产品，今天开始小范围封闭测试。Xiaomi miclaw 聚焦验证大模型在小米“人车家全生态”系统中的执行能力，探索模型从“对话能力”向“系统级执行能力”的落地路径。它的能力来自四个层次：系统底层能力、个人上下文理解、生态互联、自进化。它能让手机成为 AI 的工具，在理解你的意图和给予…- 0
- 0
-
RAG 答非所问？可能是你少了这一步：深度解析 Rerank 与 Cross-Encoder 的“降维打击”
在 RAG（检索增强生成）的调优过程中，很多应用者会遇到一个瓶颈：你换了最好的向量数据库，用了最贵的 Embedding 模型，切分策略也调了无数遍。但当用户问：“秦始皇死在哪一年？”你的 RAG 依然自信地把“秦始皇生于哪一年”的文档喂给了大模型。为什么？因为在向量的世界里，“生”和“死”长得太像了。这时候，你需要引入 RAG 架构中的“特种部队” —— Rerank（重排序）。而它背…- 0
- 0
-
刚刚！小米手机可以养小龙虾🦞了
AIPress.com.cn报道3月6日消息，小米宣布启动 Xiaomi miclaw 的小范围封闭测试。这是一款基于小米 MiMo 大模型 构建的移动端 AI Agent 测试产品，主要用于探索大模型在手机系统中的执行能力，以及其在“小米人车家生态”中的应用方式。根据小米公布的信息，miclaw的核心目标是推动AI从传统对话助手向“系统级执行能力”发展。产品以系统应用形式运行，可以在用…- 0
- 0
-
从 RAG 到 Context：2025 年 RAG 技术年终总结
过去的2025年，对于检索增强生成（RAG）技术而言，是经历深刻反思、激烈辩论与实质性演进的一年。尽管围绕其“临时性”与“被替代性”的疑云一直笼罩，但纵观全年发展轨迹，RAG 并未如部分激进观点所预言的那样黯然退场，反而在企业级 AI 落地的深水区中，愈发彰显出其作为数据基础设施的不可替代性。回顾全年，RAG 的发展态势可谓错综复杂：一方面，其实际应用效果面临诸多质疑，部分源于 RAG 系统自身“…- 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：×