-
打造企业专属知识大脑！用Dify构建RAG智能能问答系统，让知识检索像聊天一样简单
引言公司有成千上万份技术文档、培训资料，员工找个信息要翻半天？传统搜索只能找到文件名，找不到答案？今天教你用dify打造一个企业专属的"知识大脑"！基于RAG技术，让几万份文档瞬间变成智能助手，员工提问秒得答案，知识管理从此告别"大海捞针"！一、什么是RAG？为什么它这么强大？RAG技术解析RAG（Retrieval-Augmented Gene…- 0
- 0
-
谷歌推出的AI编程工具Antigravity，有五大杀手锏！
01核心能力：从“写代码”到“管项目”的飞跃想象一下：你只需用自然语言描述需求，比如‘做一个航班追踪应用，界面要简洁并支持实时更新’，Antigravity就能自动拆解任务——一个AI去写后端接口，一个AI去构建前端组件，另一个AI同步编写单元测试。Antigravity界面它们并行工作，互不干扰！这才是真正的‘经理视图’，让你从程序员升级为项目经理！更震撼的是，它赋予AI真实的操作权限！写好的代…- 0
- 0
-
对话MiniMax Agent团队：“没有Agent企业敢说自己有壁垒”
过去一年，AI 开始逐渐从 “ 对话 ” 向 “ 行动 ” 演进，技术走得很快，能够直接操作电脑，处理复杂任务的 “ 桌面智能体 ” 正成为新的技术前沿和竞争焦点。2026 年 1 月 13 日，Claude 发布了 Cowork，成为第一个普通人能用图形界面操控电脑文件的 Agent；一个多星期后，MiniMax 发布 Agent 2.0 版本，定位 “ AI 原生工作台 ”，不仅上线了桌面端，…- 0
- 0
-
检索增强生成（RAG）：其架构、演进与变革性影响的全面解析
引言人工智能的范式转移近年来，大语言模型（LLM）的发展标志着人工智能领域的一次重大飞跃。然而，这些模型在很大程度上是“闭卷”系统，其能力完全依赖于其庞大参数中存储的知识 (1)。这种架构带来了固有的挑战，最突出的是知识的静态性和不可靠性。为了克服这些障碍，人工智能领域正在经历一场深刻的范式转移：从“闭卷”考试转向“开卷”考试。这种转变的核心是让大语言模型能够访问和利用外部的、动态的信息源进行推理…- 0
- 0
-
Claude Code 浏览器自动化方案，怎么选？
昨天和几位创业的朋友吃饭，席间讨论了一个问题：“在Claude Code中，最好的浏览器自动化方案是什么？”在刚有MCP的时候，我写过一些浏览器自动化文章，那时，最好用的Playwright MCP和一些第三方的浏览器自动化工具，还不算稳定。（参考：所有的RPA可以去死了！Claude Code可以只靠口喷完成一切！）大半年过去了，现在最流行、稳定、专门针对Agent的浏览器自动化方案已经有了三个…- 0
- 0
-
检索增强生成（RAG）技术的架构、工作流与实际应用
1 引言 在当今动态的商业环境中，检索增强生成（Retrieval-Augmented Generation, RAG）代表着AI模型处理复杂任务的革命性转变。通过将实时数据检索能力与先进文本生成技术相结合，RAG能够提升决策效率、自动化业务流程，并生成高度精准且具备上下文感知能力的响应。这种集成化方案为寻求在客户服务、内容创作、市场情报等领域拓展业务的企业提供了强有力的解决方案。 2 RAG的工…- 0
- 0
-
让 AI Agent 安全“跑”在云端：基于函数计算打造 Agent 代码沙箱
引言：安全沙箱与 Serverless 的技术交汇Cloud Native随着大语言模型（LLM）从“对话框”走向“行动体（Agent）”，其能力边界正在迅速扩张。现代 AI Agent 不再是文字的搬运工，而是能够自主思考、调用工具、甚至编写并运行代码以解决复杂问题的智能助手。然而开发者始终面临一个根本性挑战：如何在保证执行效率的同时，实现资源强隔离与资源可控性？阿里云函数计算 FC …- 0
- 0
-
关于RAG和智能体的区别，从某方面来说智能体也是RAG的一种实现方式
“ 智能体和RAG技术有交集，但智能体功能更强，应用范围更广。”在大模型的应用场景中，RAG和智能体是其两个主要应用方向；在之前对RAG和智能体不够了解的时候，一直认为RAG技术和智能体技术完全是两个不同方向的应用场景。但随着对RAG和智能体认识的加深，现在发现RAG和智能体有一定的重合部分；记得之前在一篇文章中看到过，意思大概是基于大模型构建的应用，本质是一种数据增强技术，原因就在于大…- 0
- 0
-
OpenAI CEO 奥特曼：我已经准备好让ChatGPT看到我的所有数字生活，但是幼儿园不需要AI
1月26日，OpenAI举办了一场面向开发者的Town Hall，CEO山姆·奥特曼用一个小时回答了十几个问题。没有发布新产品，但给出了不少硬信息：2027年底GPT 5.2级别智能降本100倍；OpenAI将"大幅放慢招聘增速"；GPT-5的写作能力"我们搞砸了"；如果今年AI出大问题，"生物可能是一个合理的赌注"。OpenAI在202…- 0
- 0
-
响应速度提升300%、检索准确率90%：RAG如何让企业知识“活”起来赚钱？
响应速度提升 300%：RAG 如何激活企业知识价值？2025 年 Q2，某头部新能源车企客服中心出现反常现象：人工接线量下降 47%，客户满意度却提升 22%。背后秘密在于 6 个月前上线的 RAG（检索增强生成）智能客服系统 —— 过去需人工翻查 5 份手册、耗时 15 分钟的售后问题，现在 AI 能直接调取最新维修手册和零部件库存数据，3 秒内给出解决方案。这不是个例。Gartner《202…- 0
- 0
-
一文搞懂 Skills 和 Cowork 背后的团队：Anthropic Labs
干的活不多，大概也就：Claude Code：6 个月做到 10 亿美元年化收入MCP：月下载 1 亿次，成了 AI 连接工具的事实标准Skills：让 Claude 学会工作流，已发布为开放标准Cowork：昨天刚发的桌面 Agent，直接操作你的电脑这是 Anthropic 内部一个叫 Labs 的团队。今天聊聊他们是谁，以及最新两个产品——Skills 和 Cowork—…- 0
- 0
-
关于在RAG检索增强中文档处理的解决方案——针对中小企业
“ RAG技术成本最低的方式就是把非结构化文档转换成markdown格式进行处理 。”在大模型应用领域中——RAG技术应该属于一项基础技术，不论做什么业务基本都离不开RAG的存在；但RAG技术属于典型的入门五分钟，想做好却需要花费大量时间和精力，以及成本。所以，今天我们就来讨论一下RAG技术在企业应用中的解决方案，既要考虑技术问题，也要考虑成本问题。怎么做好RAGRAG技术从整体上来说主…- 0
- 0
-
Agent Skills实战分享：AI编程最后一公里，别让代码死在localhost里
如何把 8 年云端经验装进你的 AI 开发工具，让AI从"实习生"变成"持证上岗的专家"。 本文将分享如何用 Agent Skill 解决 AI Coding 领域的痛点问题，也分享如何解决 AI 不调用 Skill 等实践技巧。最近我们在折腾 Agent Skills，想把腾讯云开发（CloudBase）这些年攒下的经验打包给 AI。实战下来发现，最折磨人…- 0
- 0
-
RAG与MenoBase长期记忆：让AI从“短期记忆”走向“深度认知”的进化之路
在人工智能技术快速迭代的今天，大语言模型（LLM）的能力边界不断被突破，但一个长期困扰行业的问题始终存在：当用户与AI对话时，模型往往“记不住过去”——上一轮提到的关键信息下一轮就遗忘，复杂任务需要反复重复背景，个性化交互更是难以实现。这种“短期记忆”的局限，让AI始终像一位“健忘的专家”，知识渊博却难以建立深度连接。为了解决这一问题，检索增强生成（RAG）与长期记忆系统（如MenoBase）的结…- 0
- 0
-
Skills刚火，就有零Skill的Agent来了…
Skills刚爆火，又有新的Agent范式来搅局了……根本不用Skills，也不需要上GitHub翻项目、找工具。直接把需求丢给Agent，它能一边干活，一边给自己造装备。是的，完全不需要人类伺候，也不用给AI师傅递板手、搬梯子。工作中遇到啥需要用的装备，Agent能自己直接「进化」出来。以Gemini 3 Pro为后端，在地狱级评测HLE（Humanity’s Last Exam）上一骑绝尘，仅…- 0
- 0
-
RAG 应用进阶指南：别再“一次性”加载了！教你构建可分离、可维护的动态 AI 知识库
还在用脚本一次性跑完 RAG 流程？太 Low 了！本教程带你将数据处理与 AI 应用彻底解耦。你将学会：1) 建立一个独立的“数据中心”，随时增删改查你的知识。2) 让 RAG 应用加载指定知识库。Github: https://github.com/langchain-ai/langchain嘿，各位 AI 架构师和探索者！你们是否成功用 LangChain 搭建了你的第一个 RAG 应用？很…- 0
- 0
-
学习 RAGFlow 知识库高级配置
目前为止，我们已经学习了很多关于 RAGFlow 的知识库配置，包括分块方法，PDF 解析器，嵌入模型，RAPTOR 策略，提取知识图谱等，除此之外，还剩下一些高级配置，我们今天一起来看下：页面排名当我们从多个指定的知识库中检索知识时，可能希望某些知识库的知识优先被检索到。比如我们有两个知识库：知识库 A 用于 2024 年新闻，知识库 B 用于 2025 年新闻，但希望优先显示 2025 年的新…- 0
- 0
-
阿里Qwen3-Max-Thinking来了，加上TTS更强了，依然不开源
11 月写过一篇迄今为止最强的中文模型 Qwen3-Max，实测，略失望，当时觉得作为年度旗舰，Qwen3-Max 在复杂逻辑上并没有展现出碾压级的优势，甚至在某些 coding 场景下还不如 R1 惊艳。昨天深夜阿里发布了有思考能力的 Qwen3-Max-Thinking ，上了 Test-Time Scaling（推理时扩展）和 自适应工具调用，号称要在逻辑推理和 Agen…- 0
- 0
-
Agentic Workflow——RAGFlow 0.20.0 特性预览
从 Workflow 到 Agentic Workflow经历了较长时间的等待，RAGFlow 0.20.0 版本终于发布，这是一个里程碑式的版本，因为它代表 RAGFlow 在 RAG/Agent 的拼图终于完整。在一年前的此时，RAGFlow 推出了 Agent 特性，但在当时这只包含 Workflow ，并没有提供 Agentic Workflow 的编排能力，因此不是完整体的 Agent …- 0
- 0
-
Claude 史诗级进化：直接在对话框里回 Slack、画 Figma，工作流彻底变了
Claude Code 又宣布了一个改变游戏规则的功能——Interactive Tools（交互式工具）。简单来说，Claude 不再只是给你“吐”文字了，它把 Slack、Figma、Asana 这些软件的界面，直接“装”进了它的对话框里。这一更新意味着，AI 不再仅仅是一个“建议者”，它开始真正拥有一双可以操作软件的“手”。这次更新的核心，在于 “交互” 二字。以前 Cl…- 0
- 0
-
E²GraphRAG：图结构 RAG 的效率 “加速器”
“ E²GraphRAG 框架，直击图结构 RAG 方法效率瓶颈。其在索引阶段构建摘要树与实体图双结构，检索阶段采用自适应策略动态选择检索模式，实现索引速度较 GraphRAG 提升 10 倍，检索速度较 LightRAG 提升 100 倍的突破，为高效智能检索开辟新路径。” 大家好，我是肆〇柒。大型语言模型（LLM）在自然语言处理（NLP）任务中广泛应用，但存在幻觉问题和领域…- 0
- 0
-
从安装到运行：手把手教你用Clawdbot完成第一个智能任务
这两天Clawdbot可谓在AI圈里闹翻天了！它到底是什么？Clawdbot是由Peter Steinberger（PSPDFKit 创始人）及其团队开发的，它绝不仅仅是对大语言模型的简单封装，它代表了一种全新的计算范式：将分布式智能、本地硬件控制，以及全球主流通信协议（如 WhatsApp、Telegram、iMessage）深度融合，从而构建出一个能够7×24 小时持续运行、自主完成复杂任务的…- 0
- 0
-
RAG的五种分块策略
RAG 是将附加文档存储为嵌入向量，将传入的查询计算向量与这些向量进行匹配，并将最相似的信息与查询一起提供给LLM的过程。由于附加文档可能非常大，流程的步骤1还需要分块，将大文档分成较小/方便管理的文本块，RAG的分块策略主要有五种，分别是固定大小分块、语义分块、递归分块、基于文档结构的分块、基于LLM的分块。固定大小的分块固定大小的分块是最直观和直接的方法，根据预定数量的字符、单词或标记将文本分…- 0
- 0
-
刚刚，阿里旗舰模型Qwen3-Max-Thinking发布，编程能力“踢馆”Gemini与Claude
1 阿里突发最强旗舰模型，总参数过万亿 就在刚刚，Qwen3-Max-Thinking 正式版突然发布，总参数规模超过 1 万亿（1T），位于目前全球最大规模 AI 模型行列，预训练数据规模高达 36T Tokens，覆盖大量高质量语料。Qwen3-Max 是阿里通义团队迄今规模最大、能力最强的语言模型，该版本包括 Base、Instruct 和 Thinking 多种形式。在多项权威基…- 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：×