-
WorkBuddy大师课：从 0 到 1 速通 WorkBuddy, 一篇文章就够了
第 一 次打开WorkBuddy，有效的打开方式，是直接交给它一项真实工作： 读取一份Excel，整理成周会报告和汇报PPT； 根据产品资料，生成落地页文案、FAQ和一个可预览网页； 整理本周会议记录，提取负责人和截止时间； 从授权邮箱中查找资料，生成摘要并等待确认； 人在外面，通过手机让电脑整理指定文件。 这些任务有一个共同点： 它们不只需要AI回答问题，还需要读取材料、调用工具、处理文件、生成…- 0
- 0
-
你的AI新同事“大圆”来咯！
施老师在之前就听说企业微信新版本有内置智能助理，听说微信的助理叫“小微”，企微的叫“大圆”，可惜内测没有灰度到施老师，一直没有办法试用。比起其他第三方的智能助理，企业微信内置的大圆，至少有两个明显的优势：1.直接在企微唤起，最方便。2.在企微内部处理信息，最安全。但是它好用吗，施老师必须亲自试试。这天中午，我突然收到了企微智能助理内测的邀请推送，施老师马上参与！ 电脑端，侧边栏有了智能助理的显示，…- 0
- 0
-
豆包手机和AI手机GUI-Agent
豆包手机指字节跳动 × 中兴努比亚的 nubia M153（2025-12-01「工程样机」限量上市，3499 元，首批 3 万台 24h 售罄）。它不是一款普通手机，卖点是系统级 AI 智能体的「操作手机 / Phone Use」能力——动嘴让 AI 跨 App 自动比价、下单、发文件。 实现本质 =ROM 层开放的无障碍权限（读屏 + 模拟点击）+ 多模态 VLM 读屏理解（底层方向对标字节自…- 0
- 0
-
AI会说话了，为什么大厂还在补“本体论”这门课
目录 为什么 AI 又开始谈本体 本体论到底是什么意思 本体、知识图谱、RAG 的关系 企业 AI 为什么需要本体范式 现在有哪些厂商在走这条路 本体范式的主要特点 它主要解决什么问题 怎么看本体 + 大模型 + Agent 摘要：AI 从哲学里的“存在是什么”，到企业 AI 里的“客户、订单、设备、规则到底分别是什么”，本体范式重新流行，并不是因为它听起来高级，而是因为很多企业级 AI 问题，最…- 1
- 0
-
为什么很多公司的 AI 转型，会卡在中层？ 丨 AI Native 组织进化 6 问之五
很多 AI 项目，刚开始都很像一个好消息。 高层说，这个方向必须做。 业务说，终于可以把客户响应速度提上来。 一线说，这个工具确实能省很多时间。 IT 说，只要权限和数据边界说清楚，技术上可以支持。 于是大家决定先做一个小试点。 一开始，事情推进得很快。 一线团队拿 AI 做客户反馈分类，原来三个人一天整理完的东西，现在半小时就能看到初步结果。 业务负责人很兴奋，说这个可以推广。 高层也很兴奋，说…- 0
- 0
-
从 Coder 到 Designer ：电商团队数据研发的 Harness Engineering 实践
这是2026年的第 36 篇文章 （ 本文阅读时间：约 20 分钟 ） 01 项目背景 我们团队今年在 AI Data 方向共有两个命题，一个是「数据研发效率提升」，另一个是「数据价值交付」，在项目启动之初，我们面向集团内外都做了深刻的调研，公司内 AI Data 方向的建设主要是在单点提效 Agent、NL2SQL、ChatBI 数据分析这几个方向，而且大多都是在垂直领域取得了不错的效果，但是难…- 1
- 0
-
AI 转型进入深水区：组织 AI 化，不是搭几个智能体
最近我一直在想一个问题：组织 AI 化，到底是什么？ 这个词听起来很大，也很容易被讲虚。但如果不搞清楚其定义和目标，我们在落地时也容易走偏，最终不及预期。 过去一年，很多企业都经历了 AI 工具探索阶段：员工开始借助AI写文档、做分析、查资料；业务部门尝试搭建智能体；技术团队也做了一些流程自动化的AI工具。 这些探索当然有价值。 但当 AI 转型进入深水区，高层真正关心的问题开始变了。 不再只是：…- 1
- 0
-
anthropic 也做过 Chat BI？一起看看他们的数据工程咋做的吧~
A 社起名字真是一把好手，self service data analytics，说白了，这就是我们常说的Chat BI。 这篇文章讲了三件事：会遇到什么样的问题、如何解决、最终达到了什么样的效果。读下来，还是非常具有参考意义的。一起看看吧~ * * 本文大纲 ｜ 全文共 3930 字 •先聊聊背景：一个三年了还没解决的老问题 •第一个问题：数据基础层怎么建？ •首当其冲：建立权威数据集 •第二步…- 1
- 0
-
为什么AI岗位一天收到500份简历，核心人才却依然难求？丨FDE重新理解AI建设者
一边是顶尖人才被疯抢，一边是投一个岗位就被简历淹没，这背后是“交付能力”的鸿沟。 核心内容： AI招聘市场的两极分化现象与“交付问题” 技术能力与建设能力的本质区别 建设能力为何难以被规模化复制 今年国内一份人才薪酬报告显示，大模型算法工程师稳居招聘热度第一名，校招月薪中位数超过2.4万元，顶尖院校的博士候选人，部分企业开出的年薪逼近200万元。这是大多数人对"AI人才"的全部…- 1
- 0
-
Qwen-Audio-3.0-Realtime：能聊天，还能办事！
又快又聪明，能聊天更能办事！阿里发布实时语音模型Qwen-Audio-3.0-Realtime，在毫秒级响应下实现深度推理与智能工具调用。 核心内容： 模型在智商、工具调用、共情与交互流畅度四大主线同步升级 “压时延不掉智商”的技术突破与基准测试表现 无需明确指令即可自行调用并记忆工具结果的智能Agent能力 今天，我们正式发布实时语音交互对话模型Qwen-Audio-3.0-Realtime——…- 1
- 0
-
GPT-5.6 Sol和Claude Fable 5的营销工作流实测对比
实测对比GPT-5.6 Sol与Claude Fable 5在B2B营销任务中的表现，揭秘谁才是工作流中的效率之王。 核心内容： 模型定价与基准测试数据的深度解析 内容创作场景下的长文写作与标题拟定能力对比 针对不同营销工作流场景的选型建议 评测 2026.07.15 ⚠️本文测试结果仅针对特定工作场景，不具有完全的普适性，仅供参考。如条件允许，自己根据实际场景进行交叉验证。 多类B2B营销任务实…- 1
- 0
-
FDE最好的位置，不在客户那里
FDE 的最佳位置是靠近产品迭代而非客户，这一定位重塑了 AI 时代的高效交付逻辑。 核心内容： FDE 从销售、客户成功到产研的三次组织定位演变 产品化交付与定制化服务的本质区别 3Chat 如何通过定位调整实现高速业务增长 FDE 的最优归宿不是距客户最近的地方，而是距产品迭代最近的地方。FDE 不能靠堆人，得靠产品化。 图由 AI 生成 文 | 崔强 2025年2月，陶滨江（3Chat.ai…- 1
- 0
-
从 Vector Retrieval 到 Knowledge Graph：Google OKF 的企业 AI 上下文架构解析
Google Open Knowledge Format (OKF)为企业AI带来革命性转变，从模糊的向量检索转向确定性的知识图谱导航。 核心内容： 传统RAG方法在应对复杂企业数据时的核心痛点 Google OKF如何通过结构化知识图谱范式解决这些问题 OKF Bundle的构成、优势及对未来AI应用的影响 Google 的 Open Knowledge Format (OKF) 如何取代向量数…- 1
- 0
-
Minis：真正的随身 Agent
你们应该经常看到我提到Minis这个手机端的 Agent，今天写一下关于它的详细介绍。 * * 用过电脑端各种 Agent 的用户，应该对 Agent 很清楚，它需要你给予一定的权限才能做更多的事情，手机端也是一样，但是手机端天生有限制。所以大部分人往往是通过手机的通信工具来调用其他电脑或者云端的 Agent 来做事情。 但 Minis 不是。它自己就是一个完整的 Agent 客户端，当然你不能指…- 1
- 0
-
别急着部署 MCP Toolbox
部署MCP Toolbox前，先看清它的适用场景与安全边界，避免在权限管理不完善时接入敏感数据。 核心内容： MCP Toolbox的核心功能与两种使用路线 项目适合与不适合的团队场景分析 实际验证的安全检查与关键限制 先说结论MCP Toolbox 很适合小团队研究“让 AI 安全查数据库”，但第一步不该接生产库，更不该给通用写权限。适合有测试库、只读账号、工程同学陪跑，想让 AI 辅助查 sc…- 0
- 0
-
AI越强，企业为什么越卷？
AI能否真正提升企业竞争力？还是仅仅加剧内耗？ 核心内容： AI应用的两条路径：创造新价值vs加速内卷 企业内卷的两种典型形式分析 员工经验“蒸馏”困境与利益分配难题 很多老板都在说，AI 提高了自己企业的竞争力。但现实是，我们看到不少企业在内卷、在用AI“优化”和“释放”所谓的过剩劳动力，所以问题的关键不在于看他们如何说而在于看他们怎么做 我们实地看一下AI，到底提高了什么竞争力？是帮助企业做出…- 1
- 0
-
深度丨工业知识图谱：听起来很美，做起来为什么这么痛？
工业知识图谱看似完美，落地却困难重重，本文直击痛点并给出解决方案。 核心内容： 知识图谱在工业领域的概念误区与落地挑战 本体建模的共识难题与组织协调困境 从概念到实践，知识图谱项目的后续推进路径 知识图谱 这两年在制造业AI转型方面已经是绕不过去的话题，从最开始的LLM平台应用，到制造业场景，才是真正在工业领域发挥价值的开始。每场行业论坛、每次选型讨论、每个数字化转型PPT里，知识图谱都成了必提词…- 1
- 0
-
从数据堆砌到知识驱动：知识图谱 + AI，重构高端制造认知智能
高端制造的智能化，正在经历一场 从“感知”向“认知”的范式转移。 不少制造企业曾误入智能化歧途：重金部署自动化设备、全域采集生产数据、迭代训练复杂深度学习模型，看似数字化底座完备，最终却陷入尴尬困境：研发依旧靠“撞大运”试错、生产质量依旧靠“老师傅经验兜底”、设备售后排故依旧离不开资深专家。 行业智能化改造普遍“投入大、增收小”的核心症结，在于 技术路径没选对。 被广泛推广的统计型AI、深度学习等…- 1
- 0
-
AI与职业这三年：震荡、规律与职业群像
伍晖 创新与人才独立研究者、腾讯研究院AI特约研究鹅 2023年春天，一份来自OpenAI的研究论文让“暴露度”这个词进入公众视野。论文用大语言模型的能力去匹配美国劳工部近千个职业的任务描述，得出一份风险排序：数学家、报税员、量化分析师、作家、网页设计师排在前面，编程与写作技能的暴露度接近100%。此后三年，每隔几个月就有新的报告、新的预警、新的案例出现。有人在社交媒体展示自己用AI三小时完成过去…- 1
- 0
-
小红书企业级 AI 个人助理——从 0 到全员覆盖
分享：AICon 上海 2026 · 主题《小红书企业级 AI 个人助理 ——从 0 到全员覆盖》 年初 OpenClaw 爆火时，很多团队都注意到了它。真正的问题不是“要不要做”，而是怎么做才快得起来、稳得下去。 小红书的这条时间线是这样的： 2月11日：做出决策，3 人小组用 3 天推出内测版本 3月9日：一周完成架构升级加固，开放 2000 公测名额 3月17日：两周完成规模化提拉，全员覆盖…- 1
- 0
-
从AI工具化到AI组织化：大多数企业走错了路
* * 大多数企业都在用战术上的勤奋，掩盖战略上的盲区。 2026年，几乎每家企业都在喊"AI赋能"。开通AI工具企业版、举办AI培训大赛、给员工布置"每周用AI写两份报告"的KPI——然后称之为"数字化转型"。 这不是在做AI。这是在用AI给旧组织打补丁。 真正的问题不是"员工会不会用AI工具"，而是「企业的组织方式…- 1
- 0
-
从超级个体到超级组织：1688 数据中心 Multi-Agent 研发小队实录
阿里妹导读 文章内容基于作者个人技术实践与独立思考，旨在分享经验，仅代表个人观点。 一、前言 我们在做数据研发领域的 AI coding，在建设项目能力的过程中和集团很多的 BU 都有深入的交流，今年发现大家除了端到端的交付外，大家都在探索"超级组织"，我们 通过「Loop Engineering」和「知识工程」解决复杂工作流的稳定性与自动化问题，搭建了“数研超级组织”的雏形～…- 1
- 0
-
盘点一人公司 OPC 必备的 10 个Skill
最近一人公司OPC 很火，我也看到了很多超级个体，开始把自己的一些能力，给封装成Skill或者MCP。 这个趋势越来越明显了，包括我自己也把做视频的流程封装成了一套 Skill。 时间效率直接翻了 10 倍。 很多人问我一人公司怎么做？ 这让我想起了一个我十分喜欢的作者Sahil Lavingia。 2015 年，Sahil Lavingia裁掉了公司四分之三的员工，只剩下 5 个人。 到 201…- 1
- 0
-
让Agent读懂组织：AI Native转型的Context Platform设计
前面讨论AI Native组织落地时AI Native落地：Agent Context Platform与AgentWorks，我们已经明确了一个判断： 个人AI工具不会自动变成组织能力。 这篇文章只讨论其中一层基础设施： Agent Context Platform，后文简称ACP 重点放在落地问题：不同来源的组织事实，如何被自动提取、存储、索引和查询，最终变成Agent可以稳定消费的上下文。 …- 1
- 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：×