-
AI Agent为何难以落地
当我们谈论基于大型语言模型（LLM）的AI Agent时，总会感到一丝兴奋，仿佛一个全能的数字助手即将降临。但很快，这股兴奋就会被现实的骨感所取代。为什么这些看似强大的Agent，在实际任务中却显得如此笨拙，难以真正派上用场呢？我的看法是，我们可以把完成一项任务所需的能力，大致拆分成几个层面，就像剥洋葱一样：能力的层次知识层： 这是最基础的。比如你要做生物实验，得先懂生物学，对吧？这是宏…- 6
- 0
-
从 LangChain 到企业级应用：RAG 中 Fixed-Size Chunking 的最佳实践揭秘
众所周知，在构建 RAG（Retrieval-Augmented Generation，检索增强生成）系统的过程中，文档切块策略往往决定了模型检索质量的上限。切得好，信息命中更精准，生成回答更有上下文逻辑；切得差，模型则容易“答非所问”。 在众多策略中，Fixed-Size Chunking（固定切块）可谓最简单直接，却也是最常被忽…- 5
- 0
-
基于Memory Bank的Cursor长会话记忆内存库理论研究与实践
引言：Cursor编程中的记忆痛点在处理复杂任务时，通常需要我们和Cursor进行多轮对话，而随着对话轮次的增多，Cursor对于核心任务和工作重点的记忆丢失的越多，归根到底，是由于大模型缺乏长期记忆机制。为了解决这一问题， 本文调研了Memory Bank，一种针对特定情况的新型记忆机制，使模型能够唤起相关记忆，通过持续的记忆更新不断进化，理解并适应用户的个性。记忆存储方面，Memory Ban…- 16
- 0
-
通过源码对 RAGFlow 检索召回机制的分析
1. 引言RAGFlow 是一个基于深度文档理解的开源 RAG（检索增强生成）引擎。接上文：关于 RAGFlow 项目中 RAG 技术的实现分析。本文将基于对 RAGFlow 源代码的分析，详细解析 RAGFlow 在检索召回（Retrieval）环节的实现机制。2. RAGFlow 整体架构根据 GitHub 仓库首页的介绍，RAGFlow 是一个"基于深度文档理解的开源 …- 14
- 0
-
OpenAI的“第一性原理重构” | OpenAI首席产品官最新访谈
6月11日，OpenAI首席产品官Kevin Weil接受播客Azeem Azhar访谈，本次对话中，Kevin Weil就AI从“回答者”向“执行者”的范式转移、AI Agent的产品化路径与战略支点、新型产品研发范式，以及OpenAI独特的用户信任构建，系统性地阐述了其团队在产品层面的前沿思考与完整战略。Kevin Weil指出：“我们正在经历一个转变，ChatGPT正在从一个回答问题的工具，…- 8
- 0
-
告别 RAG 还太早？听听 Anthropic 怎么说
你有没有向你的RAG系统问过一个具体问题，却得到一个令人沮丧的模糊答案？你并不孤单。以下是一个巧妙的改进方法如何改变游戏规则。想象一下：你为公司的文档建立了一个流畅的RAG（Retrieval Augmented Generation）系统。你问它：“2023年第二季度的收入增长是多少？”它自信地回答：“收入比上一季度增长了3%。”很好，但是……哪家公司？哪个季度？你的系统只是给了你一块拼图，却没…- 7
- 0
-
简单说，AI搜索是普通人变强的超级外挂
今天想跟大家聊聊“AI搜索”。前几天老同学问我推荐单反摄影的光学书籍。说实话，我都快10年没碰过单反了，知识早忘光了。以前遇到这事只能尴尬，但现在有了AI搜索，几分钟就能查到靠谱答案，轻松应对。这让我再次感受到，很多人其实天天用AI，但对AI搜索的本质并不清楚。要么怀疑结果，要么全信AI。其实，掌握AI搜索的精髓，信息获取效率会有质的飞跃，真的是普通人的“外挂”！AI搜索 vs 传统搜索：效率差距…- 10
- 0
-
零基础解码Transformer与大模型核心原理
本文以通俗易懂的方式，为“大模型小白”解析Transformer的核心原理，包括其与大模型的关系、自注意力机制、多头注意力机制、位置编码、Encoder和Decoder的组成等内容，帮助读者全面理解这一支撑现代AI的语言模型基石。前言鉴于ChatGPT、DeepSeek等AI应用的兴起，大模型的风暴很快席卷了整个互联网行业，各个部门或多或少都在学习大模型的相关知识，在这些学习过程中，很容易就发现怎…- 7
- 0
-
采购DeepSeek API成本对比与本地部署
背景 小软件公司需研发AI大语言模块相关应用，涵盖智能搜索、客服、预测分析、供应链优化、合规管理等场景，涉及自然语言处理（NLP）、图像识别、机器学习等技术。需在 本地部署大模型服务器 或 采购DeepSeek API服务 之间选择最优方案。根据业务需求优先级，推荐 混合部署策略：本地部署服务器适用场景：高数据敏感性：合同审核、合规管理、用户行为分析（需处理隐…- 23
- 0
-
ClackyAI：用云端 Agent 开启 Coding 下一站
在过去的一段时间里，各种 AI 编程工具扎堆上线，很多人都在问一个问题：现在的 AI 真的能帮我写完一个项目了吗？如果把这些工具拉出来横向对比，会发现它们大致分成两类：一类是基于本地环境构建的 AI IDE，比如 Cursor、Windsurf；另一类则是诞生在云端的新型 AI IDE，其中有些代码开放程度低，比如秒哒、Lovable；有些代码开放程度高，比如 Devin。从我们自己的使用体验看，…- 7
- 0
-
OpenAI o3-pro发布，也许当前的RAG过时了…
前两天，OpenAI 发布 o3-pro，号称最强推理 AI 模型上线，推理能力再创新高。对于推理最强这个信息，很多人都是无所谓的状态，但随后的信息就很嗨了：伴随o3-pro的推出，OpenAI还做出了一个令人意外的决定，o3的价格下调80%，降至与GPT-4o相当的水平。具体来说：调整前：输入token每百万10美元，输出token每百万40美元；调整后：输入token每百万约2美元，输出tok…- 8
- 0
-
基于Dify构建客服智能体全流程实战，揭秘提升RAG效果关键
前言dify是一款开源的大语言模型应用开发平台，旨在降低AI应用的开发门槛，帮助开发者和企业快速构建、部署及管理生成式AI应用。Dify的知识库功能将RAG管线上的各环节可视化，提供了一套简单易用的用户界面来方便应用构建者管理个人或者团队的知识库，并能够快速集成至 AI 应用中。为了达到最好的RAG检索效果，需要选择正确的分段设置。本文介绍如下内容：• RAG介绍• 提升Dify RA…- 10
- 0
-
大模型+智能体赋能：打造新一代智能告警处置体系
编者按：随着大模型技术迅猛发展，传统告警处置流程正迎来革命性变革。本文深入探讨如何将大模型技术与传统告警处置流程有机结合，打造智能化、自动化程度更高的新一代告警处置体系。无论您是IT运维管理者还是技术实践者，这份流程设计都将为您提供宝贵的实践参考。说明：文中所有截屏内容均为实际操作和真实实践所得，确保每一步均可复现。在运维领域，告警处置始终是保障系统稳定性的关键环节。传统告警处置主要依赖规则匹配和…- 5
- 0
-
Function Calling(函数调用)：解锁大语言模型的潜力
函数调用（function calling）是一种机制，允许大语言模型（LLM）通过调用外部函数或 API 执行特定的、预定义的任务。可以将其视为一种功能，让 LLM 将它无法独立完成的工作“委托”出去。例如，假设您向 LLM 发送以下提示：“特斯拉当前的股价是多少？”没有函数调用的基本 LLM 可能会根据其训练数据中的模式“幻觉”出一个答案，例如“可能在 200 美元左右”。经过 RLHF 优化…- 5
- 0
-
决定AI产品成功的隐藏指标：CAIR
为什么一些 AI 产品的采用率呈爆炸式增长，而另一些则难以获得关注？在构建 AI 产品并观察了整个行业的数百次发布后，我们注意到一种模式，它与模型准确性或技术复杂性几乎没有关系。差异归结为我们所说的 “CAIR”——对 AI 结果的信心指数。这个心理因素实际上是可以测量、预测和优化的。这不仅仅是另一个虚荣指标。它是决定您的 AI 产品是成功还是失败的隐藏变量，无论您的底层技术多么令人印象…- 7
- 0
-
“AI教父”辛顿最新专访：没有什么人类的能力是AI不能复制的
被誉为“AI教父”的杰弗里·辛顿于近日接受了调查记者盖昂·埃斯皮纳的远程专访。他称，AI正在以前所未有的速度演化：变得更聪明、更少犯错，甚至具备了情感和意识。他警告，AI不仅可能具备喜怒哀乐等情绪，还已经学会了欺骗。辛顿大胆预测，AI完全失控的概率在10%到20%之间，人类未来可能被AI所掌控。辛顿因在机器学习和神经网络领域的开创性贡献，于2024年荣获诺贝尔物理学奖。他曾在谷歌担任AI研究负责人…- 6
- 0
-
大模型是“死记硬背”还是“融会贯通”？新论文用“比特”丈量GPT记忆容量极限！
我们惊叹于ChatGPT等大语言模型（LLM）的强大能力，但一个幽灵般的问题始终挥之不去：这些模型究竟是在真正地理解和推理（泛化），还是仅仅像一个巨大的硬盘，把海量的训练数据“死记硬背”（记忆）了下来，变成了一只“随机鹦鹉”？模型到底能“记住”多少东西？它的“记忆容量”有上限吗？来自Meta FAIR、Google DeepMind、康奈尔大学等机构的研究者，在论文《How much do lan…- 9
- 0
-
星巴克与微软合作，在35个门店用Azure OpenAI 提升咖啡师效率
CNBC消息，星巴克本月将在35个门店推出，由微软Azure OpenAI平台打造的生成式AI助手Green Dot Assist，以帮助咖啡师提升工作效率和门店服务体验。这也是实现星巴克CEO Brian Niccol计划将每单的服务时间缩短至四分钟以内，快速而准确地回答咖啡师问题的重要手段之一。据悉，借助配备Green Dot Assist的柜台平板电脑，咖啡师无需翻阅手册或访问星巴克内部网络…- 12
- 0
-
Spring AI结构化输出
Spring AI结构化输出Java作为面向对象语言，如果Spring AI调用模型可以直接响应对象，对于依赖可靠输入值的下游应用程序非常重要，Spring AI提供了可以直接响应entity的配置。本节我们将实现Spring AI 结构化输出entity、List、Map对象。原理• 在LLM调用之前，转换器会在提示中添加格式说明，为模型生成所需输出结构提供明确的指导。这…- 11
- 0
-
Aloudata Agent 36 问，深度解惑！
感谢各位数据从业者对 Aloudata Agent 首秀直播的深度参与！我们针对直播的 85 个提问中进行了精选浓缩后认真回复了 36 问，涵盖核心功能解读、应用实践及技术细节答疑。希望对您有所帮助。Q1明细语义层包含哪些关键信息？逻辑模型（DWD 层明细事实表与维表的关联关系）、指标元数据信息（包括指标名称、计算口径、管理属性等相关信息）、维度元数据信息（维度、维度值等相关信息）和指标血缘关系。…- 9
- 0
-
“ChatOPS” 通过聊天运维k8s
本文用于描述和记录如何通过配置MCP来实现运维k8s的内容。MCP是什么？在人工智能（AI）迅猛发展的今天，如何让 AI 更高效地与各种应用程序和数据源协同工作，成为了一个关键问题。多数的LLM现在仅仅是“说话”，但无法“行动”。那如何让大模型不仅仅是说话而是能真的去行动呢？模型上下文协议（Model Context Protocol，简称 MCP）应运而生，旨在为这一挑战提供解决方案。MCP 是…- 10
- 0
-
AI平台社交深度测评：和AI成为挚友的可能性
AI平台社交深度测评：和AI成为挚友的可能性最早关注我这个公众号的姐妹，可能知道到现在已经有5年了。在这个过程中，这个账号一直是纯粹分享+不商业化+不蹭热点，所以，随着我的成长和毕业，现在这个公众号完全是缘更。且众多的熟人关系让我的自由表达变得有些困难。毕业了以后，表达欲确实变得干涸了，失去了以前那么丰富的情感。（其实并没有，只是我有意限制了表达的范围和频率。）上一次发的读书笔记里，我一个学长跟我…- 8
- 0
-
BM25搜索优化之 Block-WeakAnd算法
"喂！搞搜索的！""你的BM25还在龟速爬行吗？""这篇Block-WeakAnd算法就是你的火眼金睛！""比俺老孙的七十二变还灵！""把搜索优化得比我的筋斗云还快！""效率高得能让玉皇大帝都点赞！""那些说'BM25过时'的..."&qu…- 10
- 0
-
别让智能体变“智障体”！4步打造真正懂业务的AI助手（附实操指南）
在人工智能技术日益成熟的今天，智能体已成为企业数字化转型和业务创新的重要驱动力。然而，要让智能体真正“懂业务”、“会思考”，并在复杂的场景中稳定输出高质量结果，仅仅依赖开箱即用的大模型还远远不够。本文将从知识库构建、提示词工程、模型微调与深度融合四个层面，系统剖析提升智能体业务能力的落地方法，帮助您构建更专业、更高效、更具竞争力的智能化服务。一、 打磨知识库：打下坚实信息基石完整化内容结构段落完整…- 10
- 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：×