-
Claude 5 真的要来了？代号 Fennec 曝光，性能或超 Opus 4.5
最近这两天，社交媒体上关于 Claude Sonnet 5（代号 Fennec）的消息已经传得沸沸扬扬。如果这些爆料属实，我们可能在本周左右就会迎来这位新成员。这篇文章就带大家客观地盘点一下，这次“泄露”到底都有哪些猛料，以及如果它真的来了，对我们开发者意味着什么。代号 "Fennec" 与发布窗口这次传闻的核心源头，是一条疑似 Google Vertex …- 0
- 0
-
让AI更懂业务：LinkAI对知识库RAG技术的优化实践
RAG（Retrieval-Augmented Generation，检索增强生成）技术经过近两年的快速发展，已经从初期的概念验证阶段进入到了大规模企业级应用的关键时期。在这个过程中，单纯依靠简单的文档切分和基础的向量检索技术已经无法满足企业对于知识库问答质量和AI智能体输出效果的要求。伴随着长期的技术迭代和客户实践，相较于去年介绍的RAG基础优化方案，LinkAI平台对RAG技术和知识库能力的进…- 0
- 0
-
史上最强编程模型Claude 5泄露，最慌的是黄仁勋？
2月2日，X上一位的知名AI博主Pankaj Kumar (@pankajkumar_dev)，爆料了Anthropic的下一代旗舰模型Claude Sonnet 5。这个模型代号为“Fennec”，可能在明天或者后天就要正式发布了。事情的起因是Google Vertex AI的一条错误日志。有人在调用API时发现了一个奇怪的模型ID：claude-sonnet-5@20260203。这个模型的日…- 0
- 0
-
RAG生产环境实战指南：从Demo到百万用户的血泪教训
30万亿人民币的AI蛋糕，为什么你吃不到？你是某大企业的AI负责人，刚刚向CEO展示了一个酷炫的RAG demo。CEO眼睛一亮："太棒了！下个月我们就用AI替换掉一半的客服团队！"你的内心：😱这就是今天我们要聊的故事。一个关于RAG系统如何从"哇，好厉害！"的demo，变成支撑百万用户的生产级系统的血泪史。我们的主人公小王让我给大家介绍今天的主人公——小王…- 0
- 0
-
思考｜Skills 不是插件，而是“封装好的微型智能体”
引子：写在前面 在 AI 领域，总有一些新概念会突然蹿红。如果说前两年大家还在卷“谁的模型参数更大”，那么 这个词，在 成为了开发者和企业关注的绝对焦点。01：为什么Skills在2025年突然火了？ 02：Skills 到底是什么？在技术层面，官方将 Skills 描述为：当你调用一个Skill时，你调用的不仅仅是那个API接口，而…- 0
- 0
-
从召回一堆噪音到提升精准度：我的RAG从Embedding-Only到引入Rerank的实践和思考
写在前面： 这篇文章对于很多资深技术人来说，可能有点“小儿科”，但我还是想分享出来。因为它不仅记录了一次技术方案的演进，更重要的是，它是我自己当时最真实的认知成长过程。在项目开发里，我们常说一句话：版本1.0，永远只是个开始。任何一个从“能用”到“好用”的项目，都必然经历一个不断发现问题、解决问题、持续迭代的过程。今天这篇文章，不算是一篇纯粹的技术分享，我更想把它看作是一段刚接触RAG项…- 0
- 0
-
Clawdbot值得借鉴的Agent架构设计经验
Clawdbot（也称为Moltbot，最近又改名为OpenClaw）在Agent执行、工具使用、浏览器等方面的架构值得关注。深入了解Clawdbot的底层原理，有助于更好地理解其系统及能力，尤其是它擅长的地方，以及能力边界。本文从技术层面介绍Clawdbot的工作原理，探讨它如何处理记忆和执行任务。1Clawdbot的技术背景Clawdbot是一种智能个人助理，既可以在本地运行，也可以通过模型A…- 0
- 0
-
从“数据拼凑”到“精准断案”：深度剖析RAG系统中信息完整性的关键作用
最近在做智能缺陷查重的项目过程中，遇到一个有意思的问题，尽管采用了精心设计的Prompt和强大的LLM，模型在返回重复缺陷时，仍产生数据不一致的“拼凑”结果。通过层层递进的分析，发现问题的根源并非出在Prompt工程或模型本身，而在于RAG数据库中的“信息断层”。这里将问题分析与调试过程记录下来，与大家共享。一、背景：软件工程中“重复缺陷”的治理困境在专有云产品版本演进过程中，重复缺陷的识别与管理…- 0
- 0
-
X上点赞近万的Claude Agent SDK教程，到底讲了什么？
最近在X上刷到一条推文，点赞直接破万，浏览量接近320万。内容是使用 Claude Agent SDK搭建AI Agent的完整指南。发推的人是Nader Dabit，他在推文中表示：用Claude Agent SDK来构建自己的Agent，会是未来AI开发中最有用的技能之一。作为一名Claude Code的重度用户，看到这条推文我就坐不住了，我一直都有开发自己的Agent小产品的想法。Anthr…- 0
- 0
-
GitHub 61.2k星标, 爆火神器Claude Code生产力直接翻10倍
2026 年，Claude Code正席卷全球！在GitHub上狂揽61.2k星标, 毫不夸张地说，用好它至少能让你的生产力翻10 倍。它可不止是写代码的工具，更是能包办各种需求的通用 Agent。技术人能用它开发应用、建网站，非技术人员也能靠它几分钟搞定网站搭建；日常写文章、做数据分析是基础操作，就连订票、处理退货、管理财务、整理报销发票这类繁琐事，也能一句话让它搞定。这款神器还收获了大佬认可，…- 0
- 0
-
10分钟搞定！5步让Dify知识库准确率飙升90%，彻底告别AI胡说八道
摘要：朋友们，是不是经常被自己搭建的AI知识库气得血压飙升？用户问：“你们这个产品的保修期是多久？”AI答：“我们的产品质量卓越，享誉全球，终身为您提供优质服务。”（实际保修只有一年）用户问：“请总结一下2023年的财务报告第三季度数据。”AI答：“根据资料，2023年第三季度我们营收...（开始一本正经地编造数据）”疯了！真是疯了！这种“一本正经地胡说八道”，在RAG（检索增强生成）领域我们称之…- 0
- 0
-
综述导读 | Graph4LLM：图增强大语言模型的全景图
综述导读 | Graph4LLM：图增强大语言模型的全景图当序列建模遇见结构建模，图正成为突破大语言模型能力边界的“关键拼图”。引言大语言模型（LLMs）凭借Transformer架构和海量预训练数据，在自然语言理解、生成与推理任务中展现出强大能力，但受限于序列建模本质，其在结构化信息捕捉、事实可靠性验证等方面存在固有短板。而图（一种通过节点和边捕捉复杂依赖关系的非欧几里得结构）与图神经网络（GN…- 0
- 0
-
别再往AI的知识库塞奇怪的东西了，什么样的知识适合作为RAG知识库？
day16/100不要再往AI的知识库塞奇怪的东西了，什么样的知识适合作为RAG知识库？昨天的文章讨论了知识库构建过程中的一些误区，而其中最重要的一点就是知识库的信息选取。虽然说信息收集和数据清洗最终大多是由程序自动化完成的，但程序筛选的策略决定了最终的知识库到底是金矿还是垃圾场很多时候，搭载了知识库的智能题仍然胡言乱语，问题往往不在于RAG技术的本身，在于错误的粮草——知识库的内容选错了，哪些知…- 0
- 0
-
Claude被曝加入“永久记忆”功能，AI开始真正记住工作了
聊天机器人结束对话即“失忆”的局面，正在被一项新功能打破。近日，据多方消息爆料，Anthropic 公司正在为 Claude Cowork 进行重大更新，通过开发知识库（Knowledge Bases）的方式让其获得“永久记忆”。这标志着用户与 Claude 交互方式正在发生变革：从传统的聊天机器人单次对话保留上下文的模式，向多对话、多任务之间持续调用关键信息的模式转变。基于这项功能， AI 有可…- 0
- 0
-
RAG（检索增强）当主要的问题以及评估方法
RAG（检索增强生成）虽然极大地提升了大型模型（LLM）回答问题的准确性和时效性，但在实际落地过程中，它远非一个完美的解决方案。下面，我们将详细梳理当前 RAG 系统遇到的主要问题，以及业界为解决这些问题而探索出的先进解决实践和涌现出的优秀开源产品。一、 当前 RAG 系统面临的核心问题RAG 的问题可以归结为一句话：“垃圾进，垃圾出”（Garbage In, Garbage Out）。这个“垃圾…- 0
- 0
-
告别知识库"大海捞针"！Dify元数据过滤让RAG检索效率翻倍
引言你的dify知识库是不是经常让你感觉像在"大海捞针"？明明上传了几千份文档，但每次查询都要翻遍整个知识库才能找到想要的信息？用户问个简单问题，系统却返回一堆不相关的内容？别担心，这个痛点终于有解了！2025年3月18日，Dify发布了v1.1.0版本，引入了革命性的"元数据过滤"功能。这个功能就像给你的知识库装上了"智能导航系统&q…- 0
- 0
-
人人都在谈论ClawdBot，但你真的懂它的技术原理吗？
当 AI 助手成为日常工作流的一部分，你有没有想过：那些流畅的对话、精准的代码执行、无缝的浏览器操作背后，究竟藏着怎样的技术魔法？OpenClawd（原名 Moltbot/ClawdBot）作为一款可本地部署的个人 AI 助手，不仅在功能和体验上表现出色，其底层架构设计更值得每一位 AI 工程师深入研究。本文将从技术架构的表层切入，深入剖析其设计理念与核心机制，带你真正理解这个系统「擅长什么」以及…- 0
- 0
-
OpenAI 内部 Data Agent 最佳实践
Data Agent 核心目标就是给 AI 提供 Self-learning 环境仅仅有元数据还不够，要拿到更源头的信息（这个过程中权限逻辑至关重要），Code 是整个过程的通用语言实时的，真实的，有机的 Context 直接决定 Agent 效果翻译，整理，微调 by 付子豪（SioFU，AI PM）数据是系统学习、产品迭代和公司决策的底层动力，但真正把“数据”转化…- 0
- 0
-
RAG成败，始于分块：从“无脑”切分到“智能”切割，一份给工程师的Chunking实战指南
导语你是否也遇到过这样的情况：RAG系统里的LLM明明很强大，Prompt也精心调校过，但最终的问答效果就是不尽如人意？答案时常上下文不全，甚至出现事实性错误。 我们排查了检索算法，优化了Embedding模型，却往往忽略了数据进入向量库之前的最关键一步：文档分块。 不恰当的分块，就像是给模型提供了一堆被打乱顺序、信息残缺的“坏数据”。模型能力再强，也无法从支离破碎的知识中推理…- 0
- 0
-
刚刚，谷歌版「世界模型」震撼公测！网友实测炸翻天：游戏末日来了？
中国开源力量，再一次倒逼硅谷！就在昨天，蚂蚁灵波宣布上线世界模型LingBot-World，一发布即成SOTA。外国网友纷纷惊叹之际，谷歌似乎也感受到了威胁。就在当天凌晨，谷歌正式宣布：Genie 3开启公测！这可真是太震撼了，要知道，去年8月谷歌预告了Genie 3之后，一直没有什么后续动作。被中国AI力量这么一逼，谷歌版「黑客帝国」终于来了。只要一句话，人人都能实时创造互动宇宙了。更厉害的是，…- 0
- 0
-
一图看懂传统 RAG 与 Agentic RAG 的实战差异
在大型语言模型（LLM）日益普及的今天，检索增强生成（Retrieval-Augmented Generation，RAG）已成为提升 LLM 知识准确性和时效性的关键技术。它通过将 LLM 与外部知识库相结合，有效解决了 LLM 知识滞后和“幻觉”等问题。然而，RAG 技术本身也在不断演进。从最初的传统 RAG 结构，到如今备受关注的 Agentic RAG（智能体式 RAG…- 0
- 0
-
不好意思，我要给Clawdbot泼一盆冷水
声明：本文完全由人类撰写，不含任何AI，本文没有任何广，个人观点仅供参考。周一早上醒来，我就被铺天盖地的Clawdbot刷屏了。这盛况，丝毫不亚于一年前Manus发布的时候。可以看到，几乎所有人都在说它好，泼冷水的占比不到1/10。好，那就让我来做这1/10中的一员吧。其实关注过最近几年AI产品发布的同学都会有一个感觉：发布会上，总是吹的很牛逼，但是实际体验下来，并没有很显然的WOW Moment…- 0
- 0
-
优化 GraphRAG：LightRAG的三大改进
🛠️ 优化 GraphRAG：LightRAG 的三大改进🐼 概要这篇文章是写给已经了解 GraphRAG 基本概念，并希望探讨其在实际应用中如何进行优化的朋友。我们知道 GraphRAG 擅长处理全局性问题，但它的效率、成本和数据更新的灵活性也常常受到关注。本文将从 GraphRAG 的几个核心痛点出发，介绍一种在索引、检索和更新三个方面进行改进的思路，看看如何让它变得更轻量、更快速、也更适应动…- 0
- 0
-
Arber碎碎念之2026版
2025全年都有种强烈的感觉：从整个社会、到DATASTORY，到我自身都在发生一些深刻的变化。宏观视角上，存量经济大盘让大家冷静的同时，AI热潮汹涌也在催生创新，大家对长期主义和对创新的价值共识在形成，很多事情本该回归常识，好事情；微观视角下，AI Agentic时代人和人的差异越来越大，无论主动还是被动，人人都会面临从员工向老板或创始人的模式转变，想清楚要做什么并且承担责任比具体做重要的多。就…- 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：×