- 博客(48)
- 收藏
- 关注
RSS订阅原创 不是“会聊AI”就行：智能体应用搭建岗，到底在做什么？
大模型火了之后，一个新岗位正在悄悄成型——它不要求你从头训模型，却要把模型变成能干活的系统。智能体应用、Agent搭建、工作流编排、大模型落地、职场新岗位很多人以为，会用AI写文案、跑通一个聊天窗口，就算“懂智能体”了。其实差得远。真正在企业里把智能体用起来，核心不是会提问，而是会把任务拆开、把工具接上、把流程跑稳。
2026-11-09 11:26:52
50
原创 AI项目为什么总卡在“最后一公里”？企业真正缺的不是模型，是这种人
很多企业上 AI，第一步都挺顺：买模型、接接口、搭个知识库、做个智能客服 Demo，领导看了都说好。可没过多久，系统就安静了。没人问、没人用、答案不准、流程接不上。最后变成“汇报材料里的亮点，日常业务里的摆设”。问题出在哪？不是模型不行，而是落地链条断在最后一公里。演示环境里：真实业务里：所以“能聊天”不等于“能干活”。企业真正需要的，不是再找一个会调参数的技术员，而是有人把 AI 嵌进日常流程。FDE（Forward Deployed Engineer）字面意思是“前沿部署工程师”。通俗理解：他不是坐在后
2026-11-09 11:11:28
218
原创 企业里的“数据四剑客“：DSO、DSA、DCO、CDO 到底在管什么事？
很多人一听数据岗就晕：明明都跟"数据"有关，怎么又安全、又合规、又评估、又首席？
2026-11-09 09:22:40
214
原创 想理解AI工程落地，先做完这三个小项目就够了
1. 数据手感知道什么数据干净、什么数据会带偏模型。2. 系统手感知道哪一步该用规则，哪一步该用模型，哪一步该让人确认。3. 边界手感知道模型什么时候会崩、会编、会超时、会漏检。这些东西，看教程学不会，做一遍才会。
2026-11-06 11:12:57
317
原创 个人信息保护三个“P”总绕晕？PIPP、PIPA、PIPCA到底怎么区分
很多人刚接触数据合规，会被几个缩写搞晕：PIPP、PIPA、PIPCA，看起来像“三兄弟”，但实际干的活完全不一样。如果把企业的个人信息保护看成“盖房子、验房子、查房子”，就很好理解了。
2026-11-06 09:09:17
197
原创 首席数据官到底是什么？不是管报表的，是数字时代的“新C位“
在越来越多的企业和机构里，CDO（Chief Data Officer）已经被放到和数字战略直接相关的位置——管好数据、做好转型、建好团队，是这一岗位最核心的三件事。一张普通发票，在懂数据的人眼里，能看到"谁、什么时候、和谁、做了什么交易"——积累起来就是企业经营态势的画像。💡 CDO 不是IT岗的升级版，而是企业从"信息化"走向"智能化"必须补上的关键角色。如果你是职场人：未来几年，"数据素养"会和"会用Office"一样，变成基础能力。首席数据官不一定是一个头衔，更是一种"用数据做决策"的组织能力。
2026-11-05 11:47:48
48
原创 企业被罚，往往不是因为没买安全软件，而是缺一个“看得懂数据的人”
有个反直觉的事实：多数数据事故，不是黑客太强，而是内部没人看得清“数据怎么流动”。这也是最近“数据安全官”被频繁提起的原因。
2026-11-05 11:22:37
207
原创 别再误解“AI应用工程师”了：它不是一个头衔，而是一套把大模型用稳的能力
这两年，“人工智能应用工程师”这个词频繁出现在招聘页和技术社区里。但很多人对它有明显误读：以为是要从零训练大模型，以为要啃完高速线代，以为离普通开发者很远。其实在当下的工程实践里，这个方向更像一个“翻译层”——把业务需求翻译成模型能执行的逻辑，把模型输出收敛成系统能接受的结果。
2026-11-05 09:48:34
236
原创 个人信息不是存在服务器就安全，缺的其实是这一步
当APP收集定位、人脸、消费记录成为日常，真正决定数据是否安全的，不是“有没有加密”，而是有没有人系统性地看清楚：数据从哪里来、流向哪里、谁在用、出了事怎么拦。很多人以为，数据安全就是“加个密码、装个防火墙”。这些问题，不是靠单一技术能解决的，也不是出事之后再补漏洞。它需要一个更前置的动作——。
2026-11-04 10:40:19
52
原创 储能运维工程师每天到底在盯什么？不是巡检，是“读懂电池的语言”
外界看储能运维，容易理解成“看看设备、抄抄表”。真实工作远没有这么简单。一个储能电站运行时，每秒都在产生数据。
2026-11-04 10:07:28
299
原创 AI时代来了，企业缺的不再是“会用模型的人”，而是“守住底线的人”
很多人以为，人工智能走进业务之后，最关键的是模型够不够聪明、提示词写得够不够巧。但真正让一家公司踩坑的，往往不是“AI不够强”，而是——。从训练数据被污染，到生成内容被误用，从深度伪造到提示注入，AI带来的风险，正在从实验室走向前台。。
2026-11-04 09:20:30
456
原创 范围三、碳足迹、供应链穿透：ESG科普里最该搞懂的三个真实问题
很多人第一次听到ESG，会本能地把它理解成“企业做环保、做公益、发一本漂亮的社会责任报告”。但在一线行业研究里，ESG早就不是一本年度报告那么简单。它正在变成一种的方法：哪些能耗会影响成本，哪些供应链风险会传导到现金流，哪些治理漏洞会在三年后变成估值折价。这也是为什么近几年，ESG相关岗位的讨论从“写材料的人”转向了“懂数据、懂业务、懂财务连接的人”。
2026-11-03 11:56:02
281
原创 不懂 CISAW 没关系，先看懂信息安全里的“岗位协作图”
CISAW（Information Security Assurance Workforce，信息安全保障人员能力体系）就是一种围绕这条链条建立的分层能力框架。CIO、安全负责人、风控人员、开发人员、运维人员、咨询实施人员，其实都在信息安全保障的链条里。对个人来说，了解 CISAW 的方向划分，也有助于看清自己该补哪块能力：是补开发安全、运维安全，还是补风险治理。这也是“信息安全保障人员”这个概念的价值所在——它看的不是“你会不会黑客技术”，而是。但真实世界里，一家机构的信息安全，从来不是某一个人扛住的。
2026-11-03 10:22:35
204
原创 企业里的“隐形刹车”：CCO企业合规官，到底在守什么？
很多老板都有一个误区：公司有法务、有会计，还要什么合规官？其实，法务解决“这件事违不违法”，合规解决的是另一件事——。企业合规官，英文叫 Chief Compliance Officer，简称 CCO，可以理解为企业内部的“风险导航员”。他不直接替业务冲业绩，但会在关键路口提醒：前面有坑，别踩。
2026-11-03 09:24:01
310
原创 智能体时代，普通人的职场壁垒该怎么建
这两年“AI应用”这个词被讲得太玄了。有人以为要学编程，有人以为要背提示词，有人以为装几个智能体就算转型。放到真实办公现场看，真正有用的能力其实很朴素：把活拆开，把模型接进去，把结果拦一道。
2026-11-02 11:34:12
155
原创 智能体构建师到底是什么？不是“会写提示词”，而是给AI搭一套工作流程
很多人把“智能体构建”理解成“会写几句提示词”，其实差得远。真正能用的智能体，不是让大模型聊聊天，而是让它能。
2026-11-02 10:03:31
536
原创 AI看起来“很聪明”，其实是被这样一点点教出来的
人工智能训练师、AI怎么训练、数据标注、模型优化、大模型原理科普很多人以为AI天生会聊天、会识图、会写代码。真相是：每一个靠谱的AI背后，都有人在做一件笨功夫——把模糊的世界，整理成机器能读懂的教材。你有没有发现一个奇怪现象：同样问“明天要不要带伞”，有的AI答得很贴心，有的AI答非所问；同样一张X光片，有的模型几秒圈出可疑区域，有的模型连影子都认错。AI并不是“天生聪明”。它的能力，是被一点点“教”出来的。
2026-10-30 11:14:37
197
原创 别再只盯“哪个模型更强”了，2026年真正值钱的是把AI用稳
过去一年，大家讨论最多的是：哪个模型更聪明、哪次更新又碾压了对手。但放到真实业务里，问题往往不是“模型不够强”，而是——它答得漂亮，却不敢承担责任；它什么都会一点，却不一定懂你的数据；它能写方案，却没法直接执行你系统里的动作。所以，AI应用正在从“比参数、比榜单”，转向“比稳定、比可控、比成本”。
2026-10-30 10:33:10
2
原创 多媒体应用设计师到底是什么？不是P图员，而是“内容产品架构师”
很多人以为多媒体应用设计师只是做海报、剪视频、调界面的“美工”。实际上，这是一个把文字、图像、声音、动画、交互整合到一起，最终产出可落地数字产品的复合岗位。打开手机里的内容应用、品牌宣传页、互动展陈、短视频广告，背后往往都有一类隐藏角色：多媒体应用设计师。它不像传统设计师只解决“好不好看”，也不像程序员只解决“能不能跑”。它的核心任务，是把多种媒介放在一起，让用户看得懂、愿意看、用得顺。
2026-10-30 09:01:07
99
原创 从“会聊AI”到“懂训练AI”：这4层能力，才是数字职业里的硬功夫
人工智能训练相关岗位正在从基础数据处理，走向“数据+场景+评测”的复合能力。本文拆开讲：一个能落地的人，到底要懂什么。AI训练能力模型、大模型评测、数据闭环、提示词工程、行业数据集这两年，“会用AI”已经不够看了。企业真正缺的，是能把AI塞进真实业务里、还能稳住效果的人。这类能力，通常分散在人工智能训练、模型评测、数据运营几个角色里。把它拆开看，其实是四层。
2026-10-29 11:11:35
135
原创 人工智能算法工程师，到底在“算”什么？很多人理解错了
不是写代码调接口，不是天天训练大模型。算法工程师的核心工作，是把现实问题翻译成可计算、可验证、可上线的模型。提到“人工智能算法工程师”，很多人的第一反应是：天天在训模型、写论文、搞前沿研究。真实情况要复杂得多。这个岗位的本质，是用数学和代码帮系统做“决策”。它不是一个“AI咒语师”，而更像一个的人。
2026-10-29 09:41:20
188
原创 AI写得了初稿，但替不了判断：ESG分析师的真实价值
很多人以为，ESG分析师的工作就是帮企业写一份漂亮的可持续发展报告。其实不是。环境（E）、社会（S）、治理（G）三个字母背后，是一套全新的商业判断语言。
2026-10-29 09:10:26
294
原创 从“查漏洞”到“管数据”：网络安全工程师的复合型能力升级指南
如果你是一名网络安全工程师，最近在项目中是否遇到过这样的尴尬：客户拉着你说，我们要上马大模型了，你们能不能帮我们做个AI安全评估？对于网络安全从业者来说，拥抱变化，主动学习数据要素与AI安全的新知识，才能在未来的职场竞争中立于不败之地。主导的系列人员能力评价（如数据安全评估师DSA、人工智能安全官AISO），因其紧贴《数据安全法》及AI监管要求，在业内获得了较高的认可度。目前行业存在一个巨大的矛盾：懂等保的人很多，但既懂网络安全又懂数据治理、AI安全的复合型人才极度稀缺。而数据安全评估，本质上是。
2026-10-28 11:21:45
148
原创 企业上AI项目，最难的不是选模型，是这3个被忽略的落地环节
很多团队把AI项目做得“演示很牛、用完就荒”。问题不在模型不够强，而在业务边界、评估机制和持续迭代没做扎实。企业AI落地、智能体项目踩坑、AI应用工程、RAG评估、业务场景拆解不是模型不行，是落地逻辑错了。
2026-10-28 10:43:12
115
原创 AIGC应用人才正在重新分层：未来值钱的不是“会用AI”，而是这3种能力
大模型普及之后，AI岗位正在从“写提示词”走向“搭工作流、懂业务、能交付”。这篇文章把AIGC应用人才分成三层，聊聊普通人真正该补的能力是什么。这两年，AIGC相关岗位的变化，比很多人想象中快。早期大家以为，只要会写提示词、会让AI画图写文案，就算“懂AI”。但放到2026年的企业招聘里，这个标准已经不够用了。越来越多公司要的，不是“工具使用者”，而是能把AI嵌进真实业务的人。
2026-10-28 09:18:33
618
原创 从兆欧表到 P-Q 曲线：一文读懂电气工程师的“硬核知识库“
在电气工程领域，基础知识的稳固是通往成功的关键阶梯。即便是资深的技术人员，面对一些基础概念时也可能存在认知盲点。本文整理了电气工程师日常工作中最常接触、却最容易被误读的几个核心技术点，供行业内读者温故知新，也供感兴趣的外行一窥门径。
2026-10-27 09:22:16
164
原创 一套ERP跑十年，谁来证明它没“带病运行”？
系统没报错，权限没回收，日志没告警——制度写了“最小权限”，但系统里根本没落实。因为系统不再是记账工具，而是直接承载业务——采购、合同、供应链、客户信息、生产调度全在里头。传统审计看报表，新一代审计要看。这时候靠的不是再买一套安全软件，而是有人能顺着审计视角，把“设计意图”和“运行状态”对上号。小结：信息系统审计不是挑刺，而是帮企业把“看不见的风险”变成“可管理的动作”。很多人以为，企业里的系统上线了、能跑、不出错，就算没问题。有意思的是，这套能力不是纯技术，也不是纯财务。这就是“信息系统审计”在做的事。
2026-10-27 09:21:02
95
原创 从画原理图到调变频器：一位电气工程师的普通工作日长什么样
现场临时并一根跨线、挪一个端子，如果不进图纸和物料清单，三个月后下一位维护的人会骂街。这也是为什么资深同行普遍建议：机械转自动化、仪表转驱动的同时，最先要补齐的不是品牌软件操作，而是。看 SCADA 导出的事件顺序记录，分清楚哪些是真实保护动作、哪些是通信瞬断造成的假告警。真到项目现场会发现，一天里真正画图的时间可能不到三分之一，剩下全在和各种物理世界的不确定性打交道。连续跑两周，再没跳。这行没有一劳永逸的手册，每一次送电前多看一眼，省掉的往往是半夜两点去现场的路程。EEC工信教考中心，电气工程。
2026-10-26 11:48:18
370
原创 凌晨三点，电池簇温差告警响了我手机，进舱前先看这 30 秒
行业里比较通行的工程判据是：首年衰减不超 5%～7%，十年累计衰减控制在 30% 以内（即 SOH 约 70%）属于正常老化区间；90% 是冷板贴合压力不均，架体倾斜方向的低侧先遭殃，先抄水平仪去测那一侧。② 进液末端型——多个簇同时飘高，且热点全扎在离液冷入口最远的 PACK。说实话，干储能运维这几年，这种电话我已经不慌了。真正让人走弯路的，从来不是告警本身，是。上周三凌晨两点四十，我被告警钉钉炸醒——某园区 5MWh 液冷舱，3 号簇温差越限。最后一句真心话：储能运维的价值，不在会换零件，在。
2026-10-26 10:46:55
135
原创 从工地到光储现场：传统工程人转新能源项目管理，先补哪四门课
土建、机电、造价出身的朋友问我最多的一句话：“我干过房建市政，转风光储项目管理是不是换个行业重来？同一个地块，一季度还在做接入论证，二季度进施工，四季度并网关账；房建月度节点够用，光储项目要把关键路径切到“设备到货—就位—交接试验—调度命名—联调—送电”每一天，因为融资计息和建设期利息是按天滚的。：光伏方阵、箱变、汇流箱、并网柜的电气主接线，和建筑配电干线图不是一个读法；转岗不必从零学电，先把“全周期节点 + 涉网验收清单 + 经济测算三张表”这三件套跑通，就已经比大多数跨界进场的人稳。
2026-10-26 10:10:12
305
原创 上线智能助手总答非所问？这个岗位在帮业务接住AI
不少团队把大模型接进工作流之后，都会遇到一类尴尬：演示时条理清晰，一放到真实业务里就乱编、漏步骤、答偏场景。很多人以为是模型不够强，其实卡在中间那一环——招聘侧的岗位描述里，高频词是 RAG 知识库、工具调用、工作流编排、效果评估，而不是参数量和预训练。这个岗位不负责从零研究新算法，而是把现成模型、开源工具和行业系统缝合成能稳定跑的服务。💬 你们部门现在那个AI功能，最常翻车的瞬间是哪一句？搭知识库、接向量检索、串工作流。建测试集、盯幻觉、记异常样本。管时延、并发、成本和日志回溯。
2026-10-23 11:15:15
166
原创 30天练熟AIGC与智能体落地，一份不踩坑的动手地图
下面这条路线按“每天能跑出一个结果”设计，适合已经有基础编程手感、想把碎片化使用升成工程能力的读者。。练四样东西：变量占位、否定约束、Few-shot 样例、强制输出结构（JSON）。目标：同一道题连续跑 10 次，字段缺失率低于 5%。。用一份真实部门文档做实验：对比“一刀切切片”和“按章节父子切片”的召回差异；记三个数——Hit@5、忠实度、引用命中率。别跳过测试，那是检验瞎答率的开关。。给智能体接两个只读工具：查表、搜记录。重点补三项工程件：超时分支、参数非法回退、调用日志。
2026-10-23 11:03:01
67
原创 把工作文档丢给智能助手前，先做这三步检查
这套“先标再问”的流程，比最新模型版本更影响日常安全水位。对想深耕这一块的人，按数据分类、访问控制、模型部署基线三条线慢慢补，比一次性囤一堆课程更经得起变化。发现刚才贴错了表，光在对话框里补一句“忽略上面那份”并不能保证前面的块被真正遗忘。稳妥做法是终止该次会话，回到脱敏流程重新发起。很多团队遇到的不是黑客攻坚，而是“无意间把客户清单随问题一起送出”。EEC 工信教考中心，网络与信息安全工程师。云端助手，内容不含ID与金额。还有一个常被忽略的点——私有实力 + 字段掩码。离线模型，关闭网络插件。
2026-10-22 10:58:27
152
原创 手电筒 App 为什么要读你的位置？一个被程序员全家当“安全规程“用的习惯
你回想一下，真正需要"始终在后台知道你在哪"的应用，两只手数得过来：导航退到后台还得报转弯、运动记录要描轨迹、家人位置共享。剩下的——手电筒、计算器、修图、备忘录——起因是我侄女有阵子老被精准推母婴广告——她从没搜过，但装的第一个记账 App 默认开着"始终允许定位"。区别只是家里的"资源"换成了相册、麦克风、行踪，而企业的"资源"换成了代码库和工资明细。有意思的是，这套思路平移到企业里就叫零信任，平移到家里就是上面这三条。很多人以为隐私设置是折腾，其实它是普通人能上手的最轻量"架构练习"。
2026-10-22 09:56:05
184
原创 续保谈判前，甲方应该让服务商亮哪几张表
无论乙方团队叫服务台、运营组还是技术保障部，只要参照信息技术服务标准（ITSS）的运维框架做事，下面这四张表都应该拿得出、对得上。事件月报告诉你“忙不忙”，问题趋势图才告诉你“学没学会”。真正有用的栏目是：已确认根因数、已关闭问题数、转入知识库条目数。甲方在评审团队时，比头衔更有说服力的信号其实是：他们有没有固定的事件分级阈值、有没有变更回退演练记录、知识库是不是按月审。没这张，后面全是口水账。配置管理数据库（CMDB）不必一步到位，但至少要有服务器、应用、账号三类配置项的版本时间和变更关联单。
2026-10-21 11:46:23
323
原创 从合同审查到业务 BP：数据合规岗正在悄悄变形
于是，一批在职者选择了模块化补强——比如沿着 CCRC-DCO 定义的五个能力域做专项研读，缺哪块补哪块。这些文件能被研发直接导入数据目录工具，而不是锁在内网文档区。五年前，一家年营收几十亿的公司里，“隐私”相关的事通常挂在法务部下面，一个人兼着看；以前隐私评审在上线前夜才介入，现在做用户增长实验、搭推荐中台、接外部数据 feed，立项会的第一栏就是“数据处理场景”。对普通从业者来说，这条线的价值在于：它把法律条文、系统工程和组织流程拧成了一个可迁移的能力包，无论今后公司架构怎么调，这套地图都不太会过期。
2026-10-21 10:50:34
438
原创 比外部黑客更难防的，是那个有权限的自己人（3 个脱敏复盘）
三个案子串起来，你会发现共同点根本不是「黑客多厉害」，而是同一组老毛病——未授权访问、弱口令、日志没留、端口裸奔。DSMM 在「数据处理安全」这一章里的说法很实在：任何有数据权限的人，都是潜在的泄露向量；某家给物流做系统托管的科技公司，把 Elasticsearch 的 9200 端口直接朝公网敞开。里面跑的不只是运单号，还混着一批联系人字段。另一家做文件共享的企业，为了让业务部门跨地打印，把 FTP 设成了匿名可读。我挑了三个公开复盘里几乎每年都重演的场景，把它们地名、厂商名全隐掉，只看技术根因。
2026-10-20 09:11:19
150
原创 接手一个“烂摊子”数据中台后，我才看懂什么叫数据血缘
去年帮一家连锁经营组织梳理会员域，刚打开资产目录我就笑了——同一个会员，会员表年龄 19，订单款表里是 NULL，客服明细里赫然写着 32。老板看一眼周报就把它关了：“这数我不能信。这就是教科书里说的。
2026-10-19 10:45:14
189
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