-
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
-
深入解析RAG多轮会话优化：从查询重写到高级策略
一、背景：为何多轮会话是RAG的"必修课"？检索增强生成（Retrieval-Augmented Generation, RAG）技术通过结合外部知识库，极大地提升了大型语言模型（LLM）回答问题的准确性和时效性。一个基础的RAG应用在处理单轮、独立的问答时表现优异。然而，真实世界的交互远不止于此。人类的交流充满了上下文依赖，是自然流畅的多轮对话。用户很自然地会将这种交流习惯带…- 0
- 0
-
Claude Code 进阶指南：Skills、Subagents 和 MCP，官方文档没写的实战经验<
一、这篇文章是写给谁的你用过 Claude Code，觉得还行，但总感觉没发挥出全部实力。前面的那篇「Claude Code 完全指南：一位资深工程师的实战心得」，讲的是基础用法和常见的坑。这篇是第二部分，直接进深水区：Skills（技能）、SubAgents（子代理）、MCP（模型上下文协议）。这三个功能官方文档都有。问题是文档只说是什么，不说怎么组合、哪些配置有用。Eyad 花了几周才搞明白，…- 0
- 0
-
基于LLM知识图谱构建高精度RAG
当前， RAG 已经成为业内公认的大模型知识库关键技术路线最佳落地范式之一。RAG 为生成式大模型与外部信息交互提供了良好的解决方案。RAG 通常包括两个阶段：检索上下文相关信息和使用检索到的知识指导生成过程，其基本流程可以分为知识文本准备、文本切分转换、向量数据存储、问题理解及检索、生成问题解答，如下图所示：RAG概念最早由Facebook提出，但受限于当时语言模型的能力，并未引发更多的关注。在…- 0
- 0
-
OpenAI o1架构师爆料：AI Scaling已到瓶颈，AGI需要会自学的模型
当整个硅谷都在狂热地讨论"堆更多数据、砸更多算力"的scaling法则时，一个曾亲手打造OpenAI o1、o3推理模型的核心人物站出来说：这条路走不通了。Jerry Tworek，这位刚刚离开OpenAI研究团队的前主管，在最新访谈中首次系统阐述了一个颠覆性观点——真正的AGI不是靠"喂更多数据"训练出来的，而是需要模型自己学会"从失败中持续学习…- 0
- 0
-
从图的视角看 RAG：GraphRAG 的工作方式与思考
📄 从图的视角看 RAG：GraphRAG 的工作方式与思考🐼 概要这篇文章是写给对检索增强生成 (Retrieval-Augmented Generation, RAG) 技术感兴趣，并希望了解一些新方法的初学者。我们可能都用过检索增强生成 (RAG)，它在文档里查找具体答案时很方便。但如果我们的问题更大一些，比如“这几百份报告里，主要的争议点是什么？”或者“这个项目的所有访谈记录合起来，反映了…- 0
- 0
-
我们这一生，都在努力传递上下文
大模型火了蛮久的上下文工程，是说让合适的信息，在合适的时候让大模型看到。我想，人类何尝不是这样呢？一、上下文是什么？上下文指的是背景、未被言明的共识、理解当前这条信息所需的全部环境。没有上下文，信息就是孤立的碎片，容易被误读。而我们的一生，正是在各个维度上构建和传递这种上下文。我们用日记记录，就是为明天的自己传递今天的上下文。而失忆，就是丢失了自我和他人的上下文。如果我失忆了，我还是我吗？对于熟悉…- 0
- 0
-
使用RAG构建高质量知识库（三）- 数据嵌入
书接上文，咱们继续来聊聊数据嵌入和向量化。我们知识库的数据经过清洗和分块后，就需要进行向量化，然后存储在向量数据库中。完整的RAG流程如下：向量长啥样密集向量一般会有64 ~ 1536个维度，维度越多，能表示的精度越高，但相应的存储和计算成本越高。# 原文“AI-Tech实验室”# 密集向量[ 0.11878310581111173, 0.9…- 0
- 0
-
Transformers V5正式发布！这次更新到底香不香？
最近AI圈有个事挺有意思——Hugging Face家的Transformers库，悄咪咪把V5正式版给放出来了。就是那个几乎每个搞AI开发的人都用过的库，从BERT到GPT，从Stable Diffusion到Llama，背后都少不了它。说实话，看到这个消息我第一反应是：这么快？V4感觉还没用热乎呢。但仔细一看更新日志，好家伙，改动还真不少。详细看：https://github.com/hugg…- 0
- 0
-
RAG实践技巧：将向量库降级为“语义路由器”，让答案更合理
做教学类工作的同学一定要警惕知识诅咒，因为知者不难、难者不会，比如最近在训练营中我就遇到了类似的问题：学员们真的会对一些概念搞不清楚，初学者对于：Langchain、向量化、RAG 他们是很难分清楚的，我们在做课程设计的时候一定要更加细致一些。所以，我们今天做一篇科普文章，对几个概念进行下简单说明，首先Langchain需要被单拎出来，因为他是一套Agent开发框架，非要去对比也应该是C…- 0
- 0
-
反击 OpenAI！谷歌史诗级更新：Gemini in Chrome 正式上线，免费用
Gemini + Chrome，你期待吗？终于，它来了！这个谷歌刚刚发布的新功能叫 Gemini in Chrome。Chrome 浏览器右边加了个 AI 侧边栏，不管你在看什么网页，点一下右上角的 Gemini 图标，或者按 Ctrl+G，侧边栏就出来了。总结页面、对比标签页、直接提问，都行。重点是，基础功能免费。Gemini in Chrome，本质上就是把 Chrome …- 0
- 0
-
别只顾着卷检索了！真正决定RAG上限的，是这四个“后处理”工程
引言在上一篇文章中告别“搜不到、搜不准”：用这套查询优化，让你的RAG检索召回率飙升，我们探讨了多种提升RAG系统检索阶段性能的策略，包括索引优化、查询转换、混合搜索及QA对生成。这些方法旨在从源头提高信息检索的召回率与准确性。获得了初步的检索结果后，本篇文章将聚焦于后续的关键环节，即如何将这些信息转化为高质量、可靠的最终答案。内容将围绕以下几个核心主题展开：结果精炼: 对初步检索到的文…- 0
- 0
-
群体智能到来：浅谈Kimi K2.5之Agent Swarm
0/ 前言: Scaling Out, Not Up!以上是一天前Kimi在AMA活动上，杨植麟就Scaling Law撞墙这个话题的分享：- 传统 Scaling 受限于高质量语料枯竭，而 Agent Swarm 通过并行增加执行任务的智能体数量开辟新维度，即不再只追求模型更大，而是让智能体作为集群协作。- 这本质上是Test-time Compute 的新形态：面对复杂任务，系统动态…- 0
- 0
-
RAG 入门指南：LlamaIndex、GraphRAG、 RAGFlow 学习建议与技术选型
本文主要介绍了当前构建基于大语言模型的应用时最主流的 RAG 的核心思想、基本工作流程，RAG 与 LlamaIndex、GraphRAG、 RAGFlow 之间的关系与区别以及RAG学习建议与技术选型。1. RAG 检索增强生成(Retrieval-Augmented Generation)首先， RAG 不是一个工具，而是一种技术范式或架构思想。1.1.…- 0
- 0
-
Skill 不是 Prompt——从意向性到工程注入的范式转移
在 2026 年元旦演讲中，阳志平老师从巴门尼德讲到赛尔，从哲学中的“意向性”讲到当下的大模型工程实践，试图回答一个根本问题：AI 大模型是否具备意向性？演讲本身是完整的：哲学脉络清楚，技术事实准确。但受限于演讲时长，在哲学与工程之间，有一条关键的解释链路被跳过了，工程手段究竟是如何“承载”并“实现”意向性的？因此，在演讲后，讨论区里出现了两个典型困惑：• AI 会不会学会假装，然后背叛…- 0
- 0
-
Spring AI 高级 RAG 优化指南：文档预处理提升检索精度与召回率
在 AI 问答系统中，你是否遇到过这些尴尬场景？用户问 “那个功能咋用”，系统因 query 模糊召回率不足 40%；多轮对话到第 15 轮，上下文 token 直接超限；不同数据源返回的文档重复率超 60%，生成答案满是冗余信息；检索不到结果时，系统要么报错要么 “一本正经地胡说八道”……传统 “单点 RAG”（仅靠一次向量召回）在这些场景中早已力不从心。而Spring AI 框架通…- 0
- 0
-
自带 Nano 改图，一键总结 N 个网页！Chrome 这次更新，让所有 AI 插件都下岗了（附国内开启方法）
讲真，作为每天和浏览器打交道超过 10 小时的“重度冲浪选手”，Chrome 几乎就是我的第二个办公桌。自打 AI 爆火之后，为了提效，我这浏览器右上角就没清净过。我装了五花八门的插件：有的专门用来总结长文章，有的用来跟网页对话……但懂得都懂，没有一个真的特别好使。直到昨天，Google 亲手扔下了一个“核弹级更新”，我瞬间觉得：那些折腾了半天的 AI 插件，终于可以通通删掉了！（具体的开启教学我…- 0
- 0
-
一文了解Ragflow知识库优化检索的方法
摘要：在我们使用的开源的AI Agent开发工具中，ragflow因为它的知识库相对比较专业，也受到很多开发者的喜欢，目前在github上的星级有62.2K的星。是一个非常受欢迎的开源项目。成为众多开发者和企业处理海量数据、实现高效知识检索与应用的得力助手。但是由于构建知识库的设置不当也会让检索准确性下降很多，本文基于当前的开源情况，深入探讨的优化知识库检索的几个关键参数设置的问题。提升检索召回率…- 0
- 0
-
你的 Moltbot 很可能正在裸奔：安全宝典清单
写这篇的原因前两天帮朋友看他的 Moltbot 配置，打开一看，网关直接绑在 0.0.0.0，没有任何 token。我问他知不知道这意味着什么，他说"应该只有我自己能连吧"。不是的。这意味着任何人只要扫到你的 IP 和端口，就能给你的 bot 发消息，然后你的 bot 就会照做——跑命令、读文件、开浏览器，什么都行。后来我又刷到有人做公网扫描，一下子扫出 …- 0
- 0
-
再看表格RAG 怎么做？及大模型问数开源项目SQLBot实现解析
今天是2025年8月13日，星期三，北京，晴我们继续看RAG方向，这次集中在问数这个场景。讲几个方案，一个是Demo级大模型问数开源项目SQLBot实现解析，看看实现细节。另一个是再看TableRAG的几个思路，看看真多文档中的表格，怎么做RAG，连同之前讲过的，温故而知新。多总结，多归纳，多从底层实现分析，会有收获。一、Demo级大模型问数开源项目SQLBot实现解析大模型问数开源工作，chat…- 0
- 0
-
Context Is All You Need：快手后端AI Coding的实践与思考
导读过去数月，快手内部围绕真实需求场景，探索 Java 后端 AI Coding 落地方案。经探索，快手主站团队将真实需求的 AI 代码采纳率逐步提升至60%~90%，沉淀出面向后端的 “码图” 框架，初步摸索出人与 AI 协同的 AI Native 研发范式。本文将结合真实案例，深入分析 Java 后端 AI Coding 的难点及解决方案。一、从一个真实案例说起在实际项目开发中，我们曾碰到这样…- 0
- 0
-
大模型增强检索优化之——用智能体去重构你的RAG系统
“ 不论是RAG，还是智能体都仅仅只是一门技术；而不同的业务场景需要选择合适的技术实现。”最近这段时间一直在做一个RAG检索增强的系统，但由于前期对需求了解不足，导致目前系统开发遇到一些问题，那就是目前使用纯粹的RAG技术很难解决业务需求问题。目前的需求是在一个大的业务场景下有三个子场景，但这个三个场景的入口只有一个对话框，因此需要根据用户的意图来进行识别，然后判断属于哪个子场景。因此，…- 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：×