-
企业AI智能体的终局范式：把企业“喂进”大模型
题图：如果企业的商业智能由一个o3-pro的提示词生成“?²·ℙarad?g?智能平方范式研究：书写解构智能，范式提升认知基于LLM构建企业AI智能体，就是一个提供LLM脚手架的苦活，为LLM加上plan、tool use和记忆，再喂足够的企业知识。都是为了解决LLM context有限以及每次只能激活一条路径的问题。 将大语言模型的公域认知智能转化为企业的商业智能，需要结合业务并将企…- 7
- 0
-
为什么我更看好Palantir的AI价值落地？
1背景1.1 Palantir公司简介 Palantir成立于2003年，最早是一家专为2G市场提供大数据分析服务的公司，多年来一直被打着”定制化服务“的标签。从2008年开始通过数据集成和分析平台Foundry开始进入2B企业市场，随后陆续推出了应用部署平台Appolo、人工智能平台AIP等产品，逐渐形成了从大数据分析到数据和AI产品矩阵。 &n…- 7
- 0
-
如何设计一个垂直场景的入门级Multi-Agent System？
业界流行一个说法“2025 is the year of AI Agents”，2025上半年确实也看到了各种层出不穷的“Agent”。尽管Agent的标准定义目前业界并没有一个共识，比如流程为主的Workflow、SOP等是不是Agent，我个人认为真正的Agent起码要具备以下能力：自主规划：根据目标要求，能够自主规划达成目标的完整计划自主决策：可以基于规划和实时环…- 6
- 0
-
Why “Context is King(上下文为王)”？
Source: Glean 公众号后台有不少朋友对强调Context有一些疑义，核心争论点是：现在LLM的context window越来越大，把所有信息直接作为上下文让LLM自己去理解就可以了，为啥还要这么强调”Context is King”呢？ 这个问题的简单答案是： 简单一股脑地把所有信息给大模型，只会…- 5
- 0
-
企业搜索领头羊Glean到底牛在哪里？
1. Glean背景：从Enterprise Search到Work AI Platform Glean于2019年由前Google资深搜索工程师Arvind Jain（现任CEO）联合创立的公司，公司的核心使命是“Expand human potential to do extraordinary work”。 Arvind Jain本人在Go…- 9
- 0
-
知识图谱、大模型与幻觉：自然语言处理的视角
摘要大型语言模型（LLMs）已经彻底改变了基于自然语言处理（NLP）的应用，包括自动化文本生成、问答系统、聊天机器人等。然而，它们面临一个重大挑战：产生幻觉，即模型生成听起来合理但实际上错误的内容。这削弱了信任，并限制了LLMs在不同领域的适用性。另一方面，知识图谱（KGs）提供了结构化的互联事实集合，以实体（节点）及其关系（边）表示。在最近的研究中，KGs已被用于提供上下文，可以填补LLMs在理…- 5
- 0
-
多快好省，Qwen3混合部署模式引爆MCP
摘要MCP的关键两步：模型如何智能选择工具和工具执行与结果反馈机制。在选择工具时，模型是通过 prompt 来确定当前有哪些工具。我们通过将工具的具体使用描述以文本的形式传递给模型，供模型了解有哪些工具以及结合实时情况进行选择，这一步会消耗大量token，所以我们选择了本地部署的小尺寸的Qwen3-0.6b，不仅节约了token，还加速了工具选择。承接上一步，我们把 system prompt（指…- 13
- 0
-
中金 | 具身智能：AI下一站
中金研究回溯历史，具身智能已发展数十年，随着运控算法、神经网络、大模型技术不断推陈出新，产业快速迭代。2022年特斯拉发布了人形机器人Optimus，具身智能的市场关注度空前提升。本篇报告以人形机器人为典型代表，着重分析了其在本体、软件和硬件产业链的最新进展及远期展望。我们认为，人形机器人有望成为驱动社会和经济发展的新动能，其产业链将迎来广阔的成长空间。Abstract摘要人形机器人或是具身智能的…- 10
- 0
-
AI Agent 的工程化被低估了
近期热度较高的两篇文章【1，2】，不约而同的提到了 AI 发展至今，工程化对 AI 应用的作用被低估了。“比如更好的虚拟机、更长上下文、大量的 MCP、甚至智能合约……等等一系列工程问题都是巨大的需求。”“AI 的工程化工具很多，例如 LangGraph、LangChain，这些都是用于搭建的乐高积木，积木越丰富，组装成复杂结构的能力就越强。”但工程化一词是很泛化的技术用语，包含的内容极广。广义的…- 7
- 0
-
如何用泡面预算，喂饱一个手机AI
这是 18 岁大一学生郑宇皓，在假期完成的一次开发实践。全程没有租用 GPU 或云服务，仅靠本地环境搭建，就完成了 14B 大模型的合并、量化与部署工作。目前就读于广州科技职业技术大学的他，所学专业是计算机科学，课程内容主要围绕传统编程开发、软件工程和系统运维方向展开。尽管学校暂未面向大一学生开设与模型开发相关的课程，但这并没有影响他对人工智能领域的热情。最开始接触大…- 4
- 0
-
技术思辨｜AI Coding：经验壁垒正在失效，工具进化重塑编程
导读AI飞速发展，AI Coding对传统研发模式带来了很大的冲击，本文作者总结了所观察到的5个变化趋势，以及对AI时代开发人员所需掌握的核心技能的思考，欢迎大家共同交流。一、专业性的转移和升级生成式AI确实在降低某些技术操作的门槛，例如自动生成基础代码片段，或辅助完成以往需要专门技能才能处理的配置任务。但这并不意味着专业性的完全消亡，更准确地说，是专业性的转移和升级。过去，软件开发的专业性更多体…- 7
- 0
-
如何构建T型知识体系，平衡广博与专精？
真正强大的大脑，既能俯瞰世界，也能刺穿迷雾！真正厉害的人，都有这样的知识体系：既有横扫千军的广度，又有刺透本质的深度！所谓的广度，就是见多识广、触类旁通，学的东西越多，世界在我们眼里就越简单。所谓的深度，就是单点突破、一击必杀，我们专精到一个领域，才能掌握真正的绝活。理想的知识体系应该是“广博”与“专精”的有机结合，既有宽广的知识面，又有深入的专业度。“广博”与“专精”共同构筑出个人全面而深刻的T…- 6
- 0
-
做算法备案，对AI企业到底有什么好处？
2023年起，随着《生成式人工智能服务管理暂行办法》《互联网信息服务算法推荐管理规定》《互联网信息服务深度合成管理规定》《人工智能生成合成内容标识办法》等AI监管法规的施行，越来越多的AI企业开始接触“算法备案”这个产品合规运营的硬性要求。对很多AI企业、互联网平台和开发者来说，一个常见的疑问是： “我们真的有必要做算法备案吗？做完之后有什么好处？对业务有没有实际价值？” 今天，我想从平台要求、合…- 7
- 0
-
Dify实现GIS空间数据问数的一些思考
背景：当前大模型实现业务数据问答问数问图问表已经初具规模，基础技术难题在FunctionCall和MCP的加成下已经没有技术门槛，核心是还是业务场景落地，规划一个合理的符合业务需求的AI应用场景是关键之所在，在自然资源、规划之中，地理信息GIS是作为其中重要一环，我们目前碰到普遍问题主要有？1、我想直接AI问答数据库，查询某个项目是否三区三线合规？2、AI智能问数，很多…- 13
- 0
-
【提示词prompt实战教程】用Gemini 2.5 Pro搞定七大产品文档
昨天我们聊了AI如何解决产品经理的文档难题，今天就手把手教你怎么用Gemini 2.5 Pro实际操作。毕竟工具再好，不会用也是白搭为什么选择Gemini 2.5 Pro？记得我第一次用Gemini 2.5 Pro画业务流程图时，原本需要半天的工作，25分钟就搞定了。市面上AI工具多如牛毛，但Gemini 2.5 Pro有三个明显优势：• 上下文窗口达到百万tokens，能处理超长文档• 多模态能…- 49
- 0
-
Genspark AI 浏览器试用
今天下载试用了 Genspark AI Browser。对于购物网站～Genspark Browser 可以：即时发现更划算的商品自动对比产品性能深度分析用户评价对于视频网站～Genspark Browser 可以：一键总结视频内容自动提取字幕文本智能生成演示文稿通过 Super Agent 与视频内容互动提问? Autopilot 模式一键开启「自动驾驶」，AI 全程接管：自动浏览社交媒体和新闻…- 14
- 0
-
AI 智能体到底应该如何构建？分享 Github 上收获 4k stars 的 12 条原则
编者按：AI 智能体到底应该如何构建？是追求复杂的端到端解决方案，还是回归软件工程的本质思维？我们今天为大家带来的文章，作者的观点是：智能体本质上就是软件，应该用严谨的软件工程原则来构建，而非盲目追求“黑箱式”的复杂框架。文章从智能体的发展历程出发，深入剖析了从有向图到 DAG 编排工具，再到今天 AI 智能体的技术演进脉络。随后，作者系统性地提出了构建可靠 LLM 应用的12个核心原则。这篇文章…- 5
- 0
-
如何用大模型自动生成PPT？AutoPresent及SlideCoder方案
今天是2025年6月12日，星期四，北京，晴我们来看文档智能进展，上次是paper2poster，这次是用来做ppt。从工程上来说，可以使用python-pptx库来创建幻灯片。通过这种方法，可以控制幻灯片的每一个细节，包括文本内容、图像、视觉布局、颜色等。但可以进一步自动化，例如很直观的做法，就是直接做大模型微调，核心在于搞一批SFT数据集，但是，简单微调，并不能捕捉细节信息，这也说明PPT生成…- 23
- 0
-
AI的百亿套壳：做船不做柱子
今年AI应用的投资明显活跃了很多，而套壳这个词，正在从贬义词，成为中性词，甚至褒义词。主要是市场出现了百亿美金的套壳案例。什么样的壳有价值？如果把模型能力看成水位线，有的壳是柱子，模型能力涨上来后，柱子就没了。有的壳是船，模型能力提升后，水涨船高。所以，做船不做柱子。两个月前，我有个内部分享，这里写一部分出来，讨论下套壳的事。我们回顾下过去两年多 AI 应用发生过什么，这是 A16Z 发布的AI …- 5
- 0
-
颠覆！强化学习不再是微调专利，微软直接将其用于基模训练
❝一句话概括，强化学习不做微调这道“餐后甜点”了，RPT 直接把它变成预训练的“主食”，拿语料原文当答案，对了奖，错了罚，让模型从基础上就“长脑子”。第一阶段：识别核心概念想象一下，目前绝大多数LLM就像一个疯狂“刷题”的学生，它的学习方式（预训练）就是不断地做“填空题”——给定上文，预测下一个词（Next-Token Prediction）。这种方法很有效，能让模型记住海量知识和语言模式，但它可…- 3
- 0
-
深度研究：O3视角下的智能体平台评估
AI智能体平台评估报告：O3视角下的第一梯队与第二梯队分析执行摘要当前，人工智能领域正经历着由大型语言模型（LLM）驱动的智能体（AI Agent）的快速发展，这些智能体能够自主地感知环境、进行推理、采取行动并持续学习，从而实现复杂任务的自动化和目标驱动的成果交付。这种能力超越了传统的静态任务自动化，预示着企业运营模式的深刻变革。本报告对AI智能体平台市场进行了深入分析，重点关注了用户指定的“第一…- 12
- 0
-
dify应用：另类的关键词检索
背景在使用ragflow的时候，分片的时候，有个比较好用的功能，就是自动关键词提取功能。我们在检索的时候，可以通过调整语义和关键词的权重来检索知识。从而实现关键词+语义的互补。而在dify的rag中，是没有关键词的。在dify1.2.0的时候，dify新增了一个元数据的功能，我们可以给文档设置元数据，从而在检索的时候，通过元数据作为关键词，可以过滤一部分内容。但是该功能是文档级别的，并…- 4
- 0
-
华为AI原生应用架构解析
近年来，AI 大模型技术取得了突破性进展，其强大的语言理解、生成能力以及广泛的应用场景适应性，彻底改变了人们对 AI 的认知。大模型能够处理海量数据，学习复杂的模式和知识，为各种应用提供了强大的智能支持，开启了从传统 AI 向生成式 AI 的新时代。随着大模型技术的成熟，AI 原生应用应运而生。与传统应用不同，AI 原生应用将 AI 技术作为核心驱动力，从设计之初就深度融合 AI 能力，以实现更高…- 5
- 0
-
为什么 99% 的 AI 初创公司将在 2026 年消亡？你的产品只是一个 API 包装器吗？
大纲：1 提出问题 2 案例阐述 3 案例背后的深刻见解4 操作指南资料来源：99% of AI Startups Will Be Dead by 2026 — Here’s Whyskooloflife.medium.com/99-of-ai-startups-will-be-dead-by-2026-heres-why-bfc974edd968正文：当前，我们正身处于一场波…- 5
- 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：×