<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[QingyunAI的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/QingyunAI</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; QingyunAI]]></copyright><item><title><![CDATA[政企大模型落地难？]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/170701915</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/170701915</guid><author>QingyunAI</author><pubDate>Fri, 13 Nov 2026 10:21:24 +0800</pubDate><description><![CDATA[政企大模型立项火爆，但落地率不足18%。瓶颈不在模型能力，而在80%的工程与流程环节：系统接口缺失、数据非结构化、改造周期长。多数项目死于集成难、返工多。]]></description><category></category></item><item><title><![CDATA[移动架构第五次转身：用户往往只有模糊目标]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/170599694</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/170599694</guid><author>QingyunAI</author><pubDate>Thu, 12 Nov 2026 10:57:25 +0800</pubDate><description><![CDATA[移动架构每轮进化皆源于底层假设崩塌。从原生到AgentRuntime，核心转变是应对用户模糊意图——传统流程需手动拆解，而AgentRuntime通过分层运行时（输入层、AgentCore、NativeCapabilitySDK、后端服务）实现意图理解与任务编排。]]></description><category></category></item><item><title><![CDATA[AI Agent 系统怎么守住代码不失控？]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/170510997</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/170510997</guid><author>QingyunAI</author><pubDate>Wed, 11 Nov 2026 11:41:02 +0800</pubDate><description><![CDATA[失控的Agent系统因缺乏规范与验证机制，导致配置失效、调试困难。引入SDD（规范驱动开发）与TDD（测试驱动开发）协同：以Schema定义合法输入，确保配置即校验；通过测试锁定默认值与契约，实现“红色即警报”的守卫机制。AI系统需用工程纪律对抗复杂性，让Prompt也拥有可管理的类型与编译器。]]></description><category></category></item><item><title><![CDATA[AI Agent 从 Demo 到生产环境，中间隔着什么？]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/170430616</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/170430616</guid><author>QingyunAI</author><pubDate>Tue, 10 Nov 2026 12:39:50 +0800</pubDate><description><![CDATA[生产级Agent需跨越Demo与真实场景的鸿沟，核心在于构建五层架构：接入、应用、服务、数据、监控。关键设计包括状态外置实现无状态扩展、异步处理长任务、熔断降级保障稳定性、多级缓存降低成本。]]></description><category></category></item><item><title><![CDATA[人工智能模型运用证书考什么？]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/170128171</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/170128171</guid><author>QingyunAI</author><pubDate>Thu, 05 Nov 2026 10:35:33 +0800</pubDate><description><![CDATA[2024年上海试点推出人工智能模型运用专项职业能力证书，面向会使用大模型的从业者，不设等级，全国联网可查、终身有效。考核聚焦提示词撰写、大模型工具应用与智能体设计，实操导向，通过率高。报名经人社备案机构培训后参加考试，证书核发后12个月内可申领1000元补贴，适用于在职、灵活就业、失业及在沪应届生等群体。]]></description><category></category></item><item><title><![CDATA[人工智能数据标注证书考什么？]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/170049720</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/170049720</guid><author>QingyunAI</author><pubDate>Wed, 04 Nov 2026 17:30:55 +0800</pubDate><description><![CDATA[数据标注是机器学习的基石，本质是“喂”给模型高质量数据的过程。按类型分，涵盖图像、文本、语音、点云四大类，从基础框选到语义分割、关键点、偏好对齐等，技术门槛与认知要求不断提升。随着大模型发展，标注不再只是体力活，而是转向高阶的纠错、判断与领域理解，尤其偏好标注和对齐数据成为稀缺资源。尽管自动化趋势明显，但复杂任务仍需人类智慧，且对专业能力要求更高。]]></description><category></category></item><item><title><![CDATA[计算机程序设计员证书是什么？怎么考？]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/169942918</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/169942918</guid><author>QingyunAI</author><pubDate>Tue, 03 Nov 2026 14:43:48 +0800</pubDate><description><![CDATA[“计算机程序设计员”职业技能等级证书是人社部与工信部联合推行的技能人才评价体系，职业编码4-04-05-01，全国通用、终身有效。证书可用于技能补贴、积分落户、职称贯通及企业投标资质，尤其适合异地就业者、企业员工及职业院校学生，是通往技能人才通道的重要凭证。]]></description><category></category></item><item><title><![CDATA[人工智能训练师是什么职业？]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/169843644</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/169843644</guid><author>QingyunAI</author><pubDate>Mon, 02 Nov 2026 15:55:53 +0800</pubDate><description><![CDATA[人工智能训练师是涵盖数据处理、模型优化与应用设计的复合型岗位，非简单“数据标注员”。国家职业技能标准设五级至一级共五个等级。备考应系统学习政策法规与实操技能，警惕虚假宣传，以官方渠道为准。]]></description><category></category></item><item><title><![CDATA[2026 上海市新区职业技能竞赛「计算机程序设计员」报名中 ]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/169547084</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/169547084</guid><author>QingyunAI</author><pubDate>Fri, 30 Oct 2026 11:32:33 +0800</pubDate><description><![CDATA[2026年浦东新区程序设计员职业技能竞赛一年一届，获证后可申领市级补贴2600元+区补1440元，合计4040元，且三级证书可积60分用于积分落户。]]></description><category></category></item><item><title><![CDATA[主流大模型API横向对比：GPT-4o、Claude、Qwen、DeepSeek]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/169455552</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/169455552</guid><author>QingyunAI</author><pubDate>Thu, 29 Oct 2026 14:20:50 +0800</pubDate><description><![CDATA[模型选型决定应用效果、成本与合规性。2026年主流模型中，GPT-4o与Claude适合海外场景，中文强、性价比高且合规的Qwen与DeepSeek更适配国内企业。需结合通用能力、上下文长度、价格、多模态支持及数据安全综合评估。]]></description><category></category></item><item><title><![CDATA[Multi-Agent多智能体编排实战：从ReAct到角色协作]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/169351791</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/169351791</guid><author>QingyunAI</author><pubDate>Wed, 28 Oct 2026 12:02:07 +0800</pubDate><description><![CDATA[多Agent系统通过分工协作解决单Agent在复杂任务中的上下文爆炸、角色混乱与错误累积问题。主流架构包括Manager-Worker、Pipeline、Debate与Hierarchical模式，适用于不同场景。实战中可用LangGraph与AutoGen实现高效编排与对话。设计需遵循职责单一、结构化通信、终止条件、可观测性与成本控制五大原则。选择时应基于任务复杂度与协作需求，避免为“高级”而滥用。本质是“分而治之”，核心在于先练好单个Agent，再谈协同。]]></description><category></category></item><item><title><![CDATA[思维链（Chain-of-Thought）深度解析]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/169240918</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/169240918</guid><author>QingyunAI</author><pubDate>Tue, 27 Oct 2026 09:42:43 +0800</pubDate><description><![CDATA[思维链（Chain-of-Thought, CoT）通过引导大模型分步推理，提升复杂任务准确率。其核心是将隐式推理显式化，使模型“说人话”逐步思考，显著提高数学、逻辑与代码生成等多步任务表现。]]></description><category></category></item><item><title><![CDATA[AI应用效果评测实战：RAGAS评测框架与评测集构建方法]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/169144736</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/169144736</guid><author>QingyunAI</author><pubDate>Mon, 26 Oct 2026 10:22:05 +0800</pubDate><description><![CDATA[AI应用必须评测，否则如开盲盒：上线后用户不满、问题难定位、效果无依据。评测将“感觉”转为量化指标，实现精准归因与持续优化。核心体系包括离线评测（准）与线上监控（稳），关键在构建覆盖真实场景、难度与类型的评测集等。]]></description><category></category></item><item><title><![CDATA[金融行业“8号文“全解读：AI在金融领域应用的监管红线与合规要点]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/168851177</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/168851177</guid><author>QingyunAI</author><pubDate>Fri, 23 Oct 2026 09:47:50 +0800</pubDate><description><![CDATA[2026年6月18日，国家金融监督管理总局发布《关于银行业保险业人工智能安全开发应用的指导意见》。这是金融业首份以人工智能安全开发应用为主题的专项监管总纲，从八大方面提出32项意见。本文逐条拆解，帮你快速理解监管要求与落地要点。
]]></description><category></category></item><item><title><![CDATA[RAG进阶实战：混合检索+重排序，把知识库准确率提升到90%+]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/168752769</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/168752769</guid><author>QingyunAI</author><pubDate>Thu, 22 Oct 2026 11:09:09 +0800</pubDate><description><![CDATA[基础RAG因纯向量检索存在关键词不匹配、语义漂移与TopK不准三大痛点，导致召回不准。通过混合检索（向量+BM25）融合RRF算法广撒网召回，再用Cross-Encoder Reranker精排，显著提升相关性。实测显示，该方案使答案准确率提升22%，结合评测驱动调优与工程优化，实现高效精准的问答系统。核心方法：广召回→精排序→严生成。]]></description><category></category></item><item><title><![CDATA[大模型幻觉问题深度解析：成因与七大缓解方案]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/168649776</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/168649776</guid><author>QingyunAI</author><pubDate>Wed, 21 Oct 2026 13:24:26 +0800</pubDate><description><![CDATA[大模型幻觉指生成看似合理却事实错误的输出，严重威胁金融、医疗、法律等场景安全。其根源在于模型仅预测“下一个词”，依赖统计而非真实知识，且训练偏好流畅性而非准确性。幻觉可分为内在、外在与数据泄漏三类，识别信号包括过度精确数字、虚构引用等。缓解方案按优先级排序：首选RAG检索增强，结合Prompt约束、思维链校验、参数调优、模型微调、事实核查流水线及置信度兜底机制。上线前需完成幻觉排查清单与量化评测（如RAGAS Faithfulness指标），确保幻觉率低于业务阈值。核心理念：幻觉不可根除，但可通过工程化手段]]></description><category></category></item><item><title><![CDATA[Function Calling详解：让大模型调用工具的底层原理与实战]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/168551245</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/168551245</guid><author>QingyunAI</author><pubDate>Tue, 20 Oct 2026 14:47:00 +0800</pubDate><description><![CDATA[FunctionCalling是大模型调用外部工具的关键能力，通过生成结构化指令（如JSON）而非直接回答，实现“说”与“做”的分离。模型仅表达调用意图，真实执行由程序控制，确保安全可控。其核心在于清晰的工具描述、严格的参数校验与结果回传机制。该技术支撑Agent、Workflow等高级应用，是AI从对话走向实际操作的基础，掌握它即掌握智能体的核心基础设施。]]></description><category></category></item><item><title><![CDATA[Dify实战指南：低代码搭建企业级AI应用]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/168429392</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/168429392</guid><author>QingyunAI</author><pubDate>Mon, 19 Oct 2026 10:23:42 +0800</pubDate><description><![CDATA[Dify是一款开源的LLM应用开发平台，被誉为“AI应用的操作系统”。它通过可视化编排、开箱即用的知识库与Agent功能，大幅降低AI应用开发门槛。支持私有化部署，兼容国产模型，1-2天即可完成企业知识库问答、Agent及工作流搭建。相比传统开发，显著提升效率，适合快速落地业务场景。]]></description><category></category></item><item><title><![CDATA[LangChain核心组件详解：从Chain到Agent的进阶之路]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/168137277</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/168137277</guid><author>QingyunAI</author><pubDate>Fri, 16 Oct 2026 15:20:45 +0800</pubDate><description><![CDATA[LangChain是构建大模型应用的开源框架，通过标准化、模块化与生态化，将“调API”升级为“搭应用”。其五大核心组件——ModelI/O（统一接口）、Retrieval（RAG链路）、Memory（对话记忆）、Tools（工具调用）及Chain/Agent（流程组装），实现高效开发。支持Prompt模板、输出解析、向量检索、记忆管理与自主决策，结合LCEL表达式与LangGraph，提升可扩展性。建议学习0.2+版本，遵循循序渐进路径，避开版本混乱、记忆丢失、死循环等常见坑，快速掌握大模型应用开发核心能]]></description><category></category></item><item><title><![CDATA[向量数据库选型实战：Chroma、Milvus、PGVector、Qdrant横向对比]]></title><link>https://blog.youkuaiyun.com/QingyunAI/article/details/168121479</link><guid>https://blog.youkuaiyun.com/QingyunAI/article/details/168121479</guid><author>QingyunAI</author><pubDate>Fri, 16 Oct 2026 11:09:22 +0800</pubDate><description><![CDATA[向量数据库用于高效存储与检索文本嵌入向量，支撑RAG系统。主流四款：Chroma适合原型开发，易上手；Milvus性能强，适用于大规模生产；PGVector复用PostgreSQL，适合已有数据库团队；Qdrant以Rust实现，兼顾性能与现代API，适合中等规模生产。选型应结合数据量、团队技术栈与运维能力，优先从Chroma起步，按需迁移。]]></description><category></category></item></channel></rss>