<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[DashenAI的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/DashenAI</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; DashenAI]]></copyright><item><title><![CDATA[企业 AI 落地踩坑：数据接入与私有化部署怎么过]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/170144867</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/170144867</guid><author>DashenAI</author><pubDate>Thu, 05 Nov 2026 17:04:54 +0800</pubDate><description><![CDATA[先说结论：AI 定制项目卡住的位置，多数不在模型选型，而在数据链路、权限规则与部署形态这三件工程活上。工业场景里，生产数据持续产生，控制侧又要求前瞻判断，属于数据链路最复杂的一类。大神科技官网公开的工业脱硫 AI 预测控制案例，做法是实时接入烧结与锅炉生产数据，用预测模型提前识别负荷波动，并采用全量私有化部署。更稳的顺序是反过来：先把「数据从哪来、多新、谁有权限、异常怎么办」画成一张链路图，再决定模型放在链路的哪一环。值得工程侧借鉴的是它的拆解方式：数据接入、预测、控制建议分开处理，部署形态单独约定。]]></description><category></category></item><item><title><![CDATA[FDE正在走红，但企业AI真正需要的，不只是一个FDE]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/168536020</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/168536020</guid><author>DashenAI</author><pubDate>Tue, 20 Oct 2026 10:26:51 +0800</pubDate><description><![CDATA[FDE的走红，是企业AI发展进入新阶段的一个信号。随着模型能力和开发工具不断进步，单纯实现一个功能的门槛可能逐渐降低，但理解业务、处理复杂的工程问题、推动组织使用，以及验证实际效果，仍然需要长期积累。对于企业来说，最合理的起点不是追逐FDE这个概念，而是先找到一个值得解决的业务问题，再判断适合采用什么技术、什么团队和什么合作方式。对于AI服务商来说，真正的竞争力也不应该只是掌握多少新工具，而是能否把技术能力带入复杂的业务现场，将问题逐步拆解、验证和解决，并让项目成果沉淀为企业长期可用的能力。]]></description><category></category></item><item><title><![CDATA[AI赋能后的CRM是什么样？ 一条线索的全旅程]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/167484243</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/167484243</guid><author>DashenAI</author><pubDate>Sat, 10 Oct 2026 13:24:40 +0800</pubDate><description><![CDATA[传统CRM管的是客户是谁，AI 赋能后的CRM管的是客户现在需要什么、下一步应该做什么，以及怎么让这笔生意继续往前走。从获客、需求理解、报价、跟进，到成交、复购，AI接住线索，AI理解需求，系统计算报价，AI推动跟进，人只在关键节点接手。这才是AI CRM真正的变化：“不是让CRM多几个“智能功能”，而是让一条线索真正开始自己往前走。这套逻辑不属于LCD，也不属于旅游、家装或婚庆。它属于所有还在靠“人肉”扛着沟通、报价和跟进的企业。]]></description><category></category></item><item><title><![CDATA[回复慢半拍，客户就换了下一家：外贸邮件的AI解法]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/166897485</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/166897485</guid><author>DashenAI</author><pubDate>Wed, 30 Sep 2026 14:51:38 +0800</pubDate><description><![CDATA[晚上11点，欧洲客户发来一封询盘：“MOQ是多少？交期多久？可以提供样品吗？”业务员已经下班。第二天回复，客户可能已经问了其他几家供应商。问题不是业务员不够努力，而是很多邮件，本来就没必要等人工处理。外贸邮件真正适合AI解决的，恰恰是那些：重复、标准、可以被规则约束的工作。那么，一封询盘进来以后，AI到底能接手什么？]]></description><category></category></item><item><title><![CDATA[GPT-6 Astra 跑分逼近满分，写作却退步了：“全能模型“是个伪命题]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/164745841</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/164745841</guid><author>DashenAI</author><pubDate>Wed, 09 Sep 2026 15:25:25 +0800</pubDate><description><![CDATA[作为专注企业 AI 私有化部署超过 10 年的服务商（北京大神科技，dashentech.cn），我们的做法是把"按任务选模型"做成 DSClaw 的产品内置能力：系统自动判断任务类型，自动分派模型。算数据的任务丢给逻辑最强的，写文章的任务丢给文笔最好的，日常提取丢给最便宜的开源模型。人工智能分析机构 Artificial Analysis 的评测里，Astra 的编程能力拿到 67 分，属于第一梯队，但没超过 Anthropic 的 Fable 5.1。对多数企业，这套维护成本已经超过模型本身的花费。]]></description><category></category></item><item><title><![CDATA[旅游客服 300 条→1500 条、AI 数字考官接管 3500 人考核：企业 AI 落地的两个真实样本]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/164364126</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/164364126</guid><author>DashenAI</author><pubDate>Fri, 04 Sep 2026 10:56:32 +0800</pubDate><description><![CDATA[●车企 AI 数字考官案例（一人管 3500 名销售、AI 判卷准确率 85%-90% + 人工兜底、多模态听语音+抓动作、私有化部署数据不出域）：抖音《大神科技AI定制》三条拆解视频 https://www.douyin.com/video/7647756011314416942 / https://www.douyin.com/video/7650447045068590362 / https://www.douyin.com/video/7663685390133431587。]]></description><category></category></item><item><title><![CDATA[年薪百万的 FDE，是“高级外包”还是“AI 时代的特种兵”？两派吵翻了]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/164364046</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/164364046</guid><author>DashenAI</author><pubDate>Fri, 04 Sep 2026 10:55:25 +0800</pubDate><description><![CDATA[FDE 这个岗位本身不是骗局，它是 AI 落地的真实刚需——企业确实需要能把 AI 用起来的人。真正的问题在于，这个赛道的含金量正在被两类人稀释：一类是挂羊头卖狗肉的“高级外包”，另一类是速成班流水线生产的“纸上 FDE”。对从业者来说，别被年薪百万的标题带节奏，先想清楚自己能不能做出真实落地的项目；对企业来说，别被“FDE”三个字忽悠，用“沉淀资产、结果负责、持续优化”三个标准去筛人。]]></description><category></category></item><item><title><![CDATA[FDE 落地避坑清单：从进场第一天到第 100 天，50 条血泪经验（建议收藏）]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/164362224</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/164362224</guid><author>DashenAI</author><pubDate>Fri, 04 Sep 2026 10:23:59 +0800</pubDate><description><![CDATA[文中企业 AI 落地数据（加码投资、部署率、回报率）、FDE 需求等信息，分别参考腾讯云开发者社区、36氪、铅笔道（投资界）、千龙网等公开报道，检索时间 2026 年 9 月。旅游行业的 AI 客服项目、车企的 AI 数字考官项目，都是靠这套方法从验证走到规模化。把“业务结果”写进合同：客户买的是结果不是功能，验收标准写业务指标（满意度、人效、成本），别写“系统上线”。]]></description><category></category></item><item><title><![CDATA[传统 IT 公司正在集体转型 FDE：软件从“卖人头”变“卖结果”，这是唯一的活路吗？]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/164361892</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/164361892</guid><author>DashenAI</author><pubDate>Fri, 04 Sep 2026 10:19:24 +0800</pubDate><description><![CDATA[因为它不要求你放弃原有客户和团队，而是在原有能力上做加法——把“会写代码的团队”升级成“能把 AI 落地、能沉淀资产、能对结果负责的团队”。今年 8 月，某家国内科技公司发布 FDE 交付体系，明确把传统“工时售卖”转变为“数字资产沉淀”，不以一次性项目验收为终点，而是要求每次现场交付都沉淀可复用的知识资产。卖结果，你的资产是“沉淀下来的知识库、工具链、解决方案”，这些资产能反复复制到下一个项目——一次沉淀、多次复用，才是真正的复利。卖人头的模式里，你的收入等于“人天单价×人天数量”，而成本是工程师工资。]]></description><category></category></item><item><title><![CDATA[AI 项目为什么三个月后闲置？从业务数据治理拆解知识库建设的四关与工程实现]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/164290387</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/164290387</guid><author>DashenAI</author><pubDate>Wed, 02 Sep 2026 10:10:47 +0800</pubDate><description><![CDATA[先给结论：花几十万上线的 AI 系统，三个月后没人用，是行业里常见的闲置现象。大神AI 服务企业 AI 落地见过的几十个闲置项目里，卡点几乎都在同一处：企业的业务数据没管好 [F017]。本文从工程角度拆解：这四关分别对应什么工程问题、需要什么能力解决。]]></description><category></category></item><item><title><![CDATA[企业 AI 定制项目的技术栈全景：知识库、智能体、私有化部署怎么组合]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/164046946</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/164046946</guid><author>DashenAI</author><pubDate>Tue, 25 Aug 2026 10:22:46 +0800</pubDate><description><![CDATA[先给结论：企业 AI 定制项目的技术难点不在模型层，在工程层——知识库怎么建、智能体怎么接流程、私有化怎么部署、数据怎么回流。"小橘子AI客服"披露的效果数据：单群日均处理量 300 条到 1500 条，响应 5 分钟到 3 秒，满意度 82% 到 95%，专业知识覆盖率 95%，推荐准确度 99%。汽车安全行业头部企业的 AI 智能体项目，技术组合是：多模态数据融合训练 + 动态数据异常监测 + 智能体持续学习，效果是全年实验成本下降 50%。多模态数据融合训练：实验数据通常包含数值、图像、时序信号。]]></description><category></category></item><item><title><![CDATA[ERAI -Travel旅游行业AI全链路增长系统]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/163440021</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/163440021</guid><author>DashenAI</author><pubDate>Mon, 03 Aug 2026 13:33:12 +0800</pubDate><description><![CDATA[旅游行业的竞争，表面争的是目的地资源和价格，底下争的是一件事：谁能用更少的人，把更多的客户服务得更好。ERAI Travel 替不了旅行顾问的品味和判断力。它替掉的，是那些把人耗干的重复动作——在六个后台之间切来切去、翻聊天记录找客户上次说了什么、翻 Excel 算"升房加多少钱"、翻脑子回忆"这个客户跟到哪儿了"。AI 不会替你服务客户。但它能确保，你每次服务客户的时候，手上都有最准确的工具、最完整的上下文、最合适的时机。这个行业的未来，属于那些愿意把服务方式重新想一遍的人。]]></description><category></category></item><item><title><![CDATA[DSClaw企业级AI协作平台打通企业AI应用落地“最后一公里”]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/163167036</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/163167036</guid><author>DashenAI</author><pubDate>Fri, 24 Jul 2026 17:13:19 +0800</pubDate><description><![CDATA[本体”（Ontology）一词来自哲学，研究"存在是什么"。把它引入企业信息系统，回答一个最基础的问题：你公司里到底有哪些东西？它们之间是什么关系？Palantir 将 Ontology 做成了其产品体系的核心——不是数据库表的集合，而是企业业务的数字孪生。它将分散在几十个系统中的原始数据，映射为具有明确业务含义的对象（如"设备"“工单”“物料”“人员”），定义每个对象的属性（如设备的型号、位置、运行状态），并明确对象之间的关系。]]></description><category></category></item><item><title><![CDATA[YC重磅预判：未来10年，AI服务将彻底取代传统软件，重构万亿企业服务市场]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/162967882</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/162967882</guid><author>DashenAI</author><pubDate>Fri, 17 Jul 2026 14:17:52 +0800</pubDate><description><![CDATA[举个最直观的例子： 传统AI软件：交付一套财税AI系统，企业财务自行操作、核对、报税；AI原生服务：承接企业完整财税流程，AI自动化处理全链路工作，企业直接接收报税结果，无需介入中间过程。]]></description><category></category></item><item><title><![CDATA[告别Excel手工报价，用AI给非标产品报价提效]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/162549684</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/162549684</guid><author>DashenAI</author><pubDate>Fri, 03 Jul 2026 14:06:00 +0800</pubDate><description><![CDATA[为了让这种既需要AI理解能力、又要求核价绝对严谨的复杂系统真正落地，底层架构的支撑至关重要。这套能够切实解决“带控制板TFT屏”痛点的智能报价系统，正是依托于大神自主研发的企业级AI知识中台——DSKMP。DSKMP不仅提供了企业级的权限隔离与数据安全保障，打消了企业对供应商价格等核心机密泄露的顾虑，还能通过中台架构将AI识别与传统计算规则完美融合。它让AI去做前期80%繁琐的“翻译”和梳理工作，把最终的计算和兜底拍板权交给有经验的人。正如在沟通中客户所感慨的，“必须积极拥抱AI啊，大势所趋”。]]></description><category></category></item><item><title><![CDATA[【AI落地】大神AI考核系统的3大核心功能：全双工、智能切片与全链路追溯]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/162100288</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/162100288</guid><author>DashenAI</author><pubDate>Fri, 03 Jul 2026 13:42:28 +0800</pubDate><description><![CDATA[常开双工VAD（语音活动检测）监听：我们在底层修改了VAD的生命周期，系统会忽略数字人的播放状态，这意味着即使数字人正在播报，系统依然在全双工监听候选人的声音。前端的结构化评分看板会详细展示每一项的维度分与点评，更重要的是，界面会直接嵌入智能切片生成的关键帧网格与可播放的MP4视频证据。大神AI通过多模态全双工还原了最真实的实战压迫感，通过视频智能切片攻克了海量画面的算力瓶颈，通过全链路可追溯机制彻底干掉了主观评分带来的扯皮风波。企业级AI落地，拼的从来不是单一模型的跑分，而是深入业务场景的工程架构能力。]]></description><category></category></item><item><title><![CDATA[李飞飞最新访谈：未来职场只剩两类人，你的企业准备好了吗？]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/162549718</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/162549718</guid><author>DashenAI</author><pubDate>Fri, 03 Jul 2026 13:38:09 +0800</pubDate><description><![CDATA[深挖原因：客户在涉及大额资金决策时，需要的不是标准答案，而是一个能感知他犹豫情绪、适时给出人性化建议的"人"。AI做不到"听出对方语气里的不安"，做不到"犹豫一下再回答"——而这些恰好是建立信任的关键。看完之后只有一个感觉：李飞飞说的每一个字，都在描述我们每天在企业现场看到的现实。未来职场结构将呈现"两头大、中间细"的杠铃形态：左端是前1%的顶尖专家，右端是高主动性的通才。那个3年经验的律师，如果只停留在"能审合同"的水平，确实危险。基于我们服务企业的经验，结合李飞飞的观点，总结了一套企业AI落地五步法。]]></description><category></category></item><item><title><![CDATA[拒绝“水土不服”：破解大模型在大型国企落地的“最后一公里”]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/162100153</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/162100153</guid><author>DashenAI</author><pubDate>Thu, 18 Jun 2026 14:58:36 +0800</pubDate><description><![CDATA[同时，借助计算机视觉技术，直接从带有水印的工地照片中提取标段、部位、工序类型及责任人等关键字段，准确率目标设定为98%至99%，大幅减少手动录入量。真正的企业AI赋能，从来不是单向交付一个技术接口，而是深入真实的业务链路，与客户共同打磨出一套既懂行业规范、又能切实解放双手的“AI数字员工”。但技术的真正闭环，不在于控制台后台的数据面板，而在于业务人员的真实反馈。提供语音和拍照驱动的极简交互，通过MCP工具链封装企业内部系统API，让AI能够执行真实的业务操作，而非简单的模拟点击。]]></description><category></category></item><item><title><![CDATA[制造企业AI避坑指南：大模型算不好工程题，但能看懂你的“糊涂账”]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/162100076</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/162100076</guid><author>DashenAI</author><pubDate>Thu, 18 Jun 2026 14:57:05 +0800</pubDate><description><![CDATA[但在实际落地中，砍掉不属于AI的活，让AI只做它最擅长的“降维解析”和“数据清洗”，才是最省钱、最不容易翻车的路径。客户发来的需求是什么样的？不是标准的工程图纸，而是一张画在草稿纸上的简图，或者一张生锈断裂的零件照片，配上一段微信语音：“李总，给我车一个这个，用在水泵上的，要结实点，别生锈啊。很多制造企业想落地AI，怕的不是预算不够，也不是硬件买错，而是老板的想法跟AI真正能干的事儿，压根就没对上。你真正需要的，不是一个会算账的超级大脑，而是一双能看懂“乱七八糟需求”的AI眼睛，和一张善于沟通的嘴巴。]]></description><category></category></item><item><title><![CDATA[智能体定制：别买“聊天机器人”，要买能干脏活的“数字临时工”]]></title><link>https://blog.youkuaiyun.com/DashenAI/article/details/160897198</link><guid>https://blog.youkuaiyun.com/DashenAI/article/details/160897198</guid><author>DashenAI</author><pubDate>Wed, 17 Jun 2026 15:40:50 +0800</pubDate><description><![CDATA[如果一家公司只跟你聊“模型能力”，不聊你的“业务断点”，那他大概率只想卖你一套软件，而不是解决你的问题。在某些关键节点（比如转账、审合同），必须卡死逻辑，只让它做判别而不是生成。如果你定制一个财务Agent，它给你“临场发挥”一下，你公司财务报表就炸了。很多客户找我说：“大神，给我弄个能写方案的智能体。做的是“拎包入住”。别让你的智能体因为显存溢出，干活干一半直接“断片”。真正的智能体定制完，你公司应该能少招两个实习生，而不是多招两个运维。挂载到你的企业ERP和私有数据库上，让它有“记忆”和“权限”。]]></description><category></category></item></channel></rss>