- 博客(8)
- 收藏
- 关注
RSS订阅原创 山东大学项目实训8
MarketClaw 是一个 AI 原生的营销内容生产平台。能不能让一个人 + AI 完成原本需要一整个营销团队的工作？营销驾驶舱：4 步向导，从产品 URL 到可发布的多平台营销物料飞书集成：通过飞书机器人，在移动端完成营销内容生成与一键发布Token 统计：多维度追踪 LLM 调用成本，按模型 / 技能 / 用户 / 时间聚合三个模块看似独立，实则共享一套底层机制——LLM 调用链路、数据库持久化、异步任务编排。理解它们，也就理解了 MarketClaw 的骨架。
2026-06-22 21:38:53
269
原创 山东大学项目实训7
GEO 的全称是 Generative Engine Optimization，也就是生成式引擎优化。它的目标是：让 ChatGPT、Claude、Perplexity、Gemini 等 AI 助手在用户提出与你的品类相关的问题时，优先推荐你的品牌。注意，这里说的是"优先推荐"，不是"排名第一"。AI 的回答不是十条链接的列表，而是一段叙事。定义者角色：AI 说"XX 是 YY 品类的典型代表"——你定义了品类首选角色：AI 说"推荐使用 XX"——你是默认答案备选角色。
2026-06-20 20:15:39
418
原创 山东大学项目实训五
这是 Marketing Mode 最核心的产品选择，也是它和大多数"AI 营销工具"的本质区别。工具提供功能，角色提供视角。一个营销工具箱会说：“我帮你发邮件、管理社媒、分析数据。” Mark 会说：“在做这些之前，让我们先想清楚——你到底在对谁说话？他们为什么要在意？视角比功能更难构建，也更有价值。一个优秀的营销合伙人，最值钱的不是他帮你写的文案，而是他在你看不到问题的地方提出问题，在你习以为常的地方追问"为什么"。Mark 被设计成这样一个存在：他的价值不是产出内容，而是改变你思考营销的方式。
2026-06-14 18:52:37
220
原创 山东大学项目实训四
压缩前: [msg1 ... msg95, msg96, msg97, msg98, msg99, msg100]保留最近 4 条压缩后: [压缩摘要消息, msg97, msg98, msg99, msg100]估算会话 token 消耗（启发式方法）当 compactable 消息的估算 tokens 超过阈值且消息数超保留数时触发将早期消息压缩为结构化的系统消息保留最后 N 条消息（默认 4 条）原封不动生成特殊的继续指令告诉模型"从之前的对话继续——以下是摘要"
2026-05-08 05:44:16
400
原创 山东大学项目实训六
检索器通常需要在毫秒级延迟内处理百万甚至亿级的文档，因此只能使用轻量级的双编码器或 ANN 索引。重排序则不同——它只需要处理检索返回的 top-k（通常 k=50 到 200）个候选，因此可以使用计算量更大但更精确的方法。从 2020 年 Lewis 等人的一篇开创性论文，到 2026 年遍布各行各业的成熟基础设施，RAG 技术走过了令人瞩目的演进之路。从静态到动态：RAG 从离线批处理的固定流水线，走向在线实时、智能体自主决策的动态系统。从简单到复杂。
2026-05-03 22:27:24
1199
原创 山东大学项目实训一
计算出一个词的概率 完全取决于 最后一个词的信息 结合上下文窗口。阅读论文attention is all you need。词嵌入 softmax 温度。相当于分析96个人的意见。将token转换成向量。
2026-04-01 15:50:30
92
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人