-
RAG落地实践：知识库三层架构和关键组件
在当前LLM（大型语言模型）的应用浪潮中，检索增强生成（RAG）已成为相对成熟且应用最广的落地模式之一。但无论是从最初的Naive RAG演进到Advanced RAG，还是最新的Agentic RAG，其核心都离不开一个关键底座：知识库管理系统。对于面向落地应用RAG的产品经理和工程化技术人员而言，如果只是停留在对LLM能力或RAG流程的表面理解，很难在真实复杂的业务场景中建立起高效、稳定的智能…- 0
- 0
-
拆解 Dify 节点：搭建 AI 应用，这些 “积木” 怎么用？
在AI应用搭建的世界里，dify就像一个神奇的“积木工坊”，一堆节点各有神通，能组合出千变万化的智能场景。今天咱们就来拆解这些节点，搞懂它们在啥场景派上用场，帮你轻松搭出专属AI应用！一、核心“大脑”与“知识库”节点（一）LLM：大模型“心脏”作用：对接GPT、豆包等大语言模型，让AI拥有文本生成、问答、逻辑推理的核心能力。场景举例：写营销文案时，让它生成抓人眼球的产品推广语；解答知识类提问，像“…- 0
- 0
-
从IDE到Terminal：适合后端宝宝体质的Claude Code工作流｜得物技术
目录一、背景二、工具选型 1.Claude Code CLI 2.快速切换模型三、开发环境 1.多屏协作 2.GUI/TUI衔接四、多Agent协作 1.主从架构 2.规范驱动开发(SDD)五、CC拓展 1.命令(co…- 0
- 0
-
Dify x 阿里云 Tablestore：向量检索与结构化数据统一存储方案
今天，dify 正式适配阿里云 Tablestore 向量索引能力，并依托阿里云计算巢提供一键部署体验。企业无需重构现有架构，就能获得更轻的运维负担、更灵活的按需计费，以及面向百亿级数据增长的扩展能力，让生产级 RAG 更容易落地。挑战：Dify 用户在构建生产级 RAG 时，常需额外部署和维护独立向量数据库，面临高昂内存成本、百亿级扩展困难、多系统数据同步复杂等难题，严重制约应用规模化落地。开源…- 0
- 0
-
Dify 又更新了，v1.7.1版本：从默认值设置、OpenAPI 模式增强到K8s纯迁移选项！
dify v1.7.1 版本发布了，新增功能包括为选择输入字段设默认值等；修复了 Langfuse 集成路径等错误；优化了工具提示组件等；还改进了工具列表页面等。此次更新优化了体验，为未来发展奠基。🚀 v1.7.1 新增功能选择输入的默认值：现在，您可以为选择输入字段设置默认值，在使用表单时能提供更流畅的用户体验。感谢 @antonko。（#21192）在条件筛选器中选择变量…- 0
- 0
-
同一个 Claude，为什么别人跑出 78%，你只有 42%？也许你需要Harness工程
事情是从一个让我困惑了很久的现象开始的。去年我做了几个 AI Agent 的项目，遇到一件很奇怪的事。我跑的是 Claude Opus，按理说是当时最强的模型之一。但任务完成率就是上不去，卡在 40% 多。然后我看到有人用同款模型，同类任务，跑出了将近 80%。我当时的第一反应是——他用了什么 prompt trick？还是偷偷微调过？后来才慢慢意识到，不是模型问题，也不是 promp…- 0
- 0
-
RAG检索增强是在给大模型“喂”数据？不，你是在为它构建一整套物流体系
“ RAG就像一套完善的物流管理体系，其核心困难点永远在我们看不到的地方。”在很多人看来，做检索增强生成的难点在于提升检索召回的效率和准确率，因，因此很多人把大量的时间花在优化检索方案上。但作者作为一个对RAG有深入了解的开发人员，恰恰认为RAG真正的难点并不在检索端，而在于知识库的管理。为什么会说RAG的难点在知识库的管理，而不是数据召回？知识库管理很多人都知道RAG是检索增强生成，从…- 0
- 0
-
破除偏见：阻碍生成式AI加速落地的认知桎梏
现状偏见与思维惰性，正悄然拖慢企业推进生成式AI的脚步。以下举措可帮助企业突破这些隐形阻力。哪怕出发点再正确，管理者也会常常在无意中陷入认知与组织层面的偏见，进而影响决策质量。本系列文章将系统梳理这些隐秘却顽固的心理机制，并提供切实可行的应对之策。本期聚焦：阻碍生成式AI加速落地的认知桎梏现实困境一家医疗企业曾制定明确计划，希望加快员工对生成式AI工具的使用。为此，公司投入大量时间与资源，推出覆盖…- 0
- 0
-
ChatGPT VS Claude ，Agent记忆用对话压缩还是RAG按需检索
在高质量 AI Agent 系统里，记忆模块的设计远比看起来复杂，它要解决三个关键问题：怎么存历史对话？什么时候检索？该检索哪些内容？这些问题直接决定了 Agent 的响应速度、资源占用和能力天花板。而我们常用的 ChatGPT、Claude 这类大模型，之所以能记住用户的长期偏好，越用越顺手，本质上是因为它们也算一种极简版 AI Agent。但在记忆模块的设计上，两者走了完全不同的路。最近，一位…- 0
- 0
-
OpenAI发布GPT-5.4金融套件：顶级数据库首次向普通用户开放
有一类数据库，普通人几乎从来不会知道它叫什么名字。穆迪（Moody's）——全球三大信用评级机构之一，它的数据决定一家公司能不能以合理利率借到钱。FactSet——全球顶尖的机构投资分析平台，全球几乎所有主流投行和基金都在用。道琼斯Factiva——覆盖200多个国家、超过3.3万个信息源的商业资讯数据库。这些平台有一个共同点：它们不对个人开放，只卖给机构，年授权费用从数十万到数百万元人…- 0
- 0
-
上下文不等于记忆：从单Agent到多Agent协作，记忆系统是关键
开篇在Agent的浪潮中，我们经历了一次又一次的认知迭代。最初是提示工程，我们学习如何更好地提问；随后是上下文工程，随着窗口从8k卷到1M，我们误以为塞进去就是记住了。但当Manus、Anthropic 等团队开始引入file system和agent skill等概念后，上下文工程的边界又变得日益模糊。😳最近看了AWS re:Invent 2025 中关于memory的一场技术演讲以及Mongo…- 0
- 0
-
在树莓派 Zero 上跑一只轻量级的 ZeroClaw 小龙虾
ZeroClaw 在树莓派 Zero 2 W 上表现出色——它是一个单一的 Rust 二进制文件，无需运行时，也没有动态依赖。启动速度更快，二进制文件大约只有 3.4 MB，内存占用极低。相比之下，OpenClaw 是一个 Node.js 应用，拥有大量 npm 模块和动态依赖，这让它在小…- 0
- 0
-
为什么Claude Code不用RAG？
引言最近看到有一些文章提出了“RAG已死”的观点。核心论据是 Claude Code 开发负责人 Boris Cherny 在一档播客节目[1]中，披露现在的 Claude Code已不再使用RAG，而改用 Agentic Search。他的主要观点如下：起初采用RAG路线，将整个代码库索引一遍，然后用 Voyage 这类检索器上，让模型用提示去查找信息，用的是标准模板。但到最后，团队放弃了结构化…- 0
- 0
-
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
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：×