- 博客(364)
- 收藏
- 关注
RSS订阅原创 SLED：让AI回答更真实的简单解码技巧
SLED的本质是“用AI已有的知识，修正AI的输出偏差”——它没有依赖复杂的外部工具或昂贵的重新训练，而是通过挖掘模型内部的“知识一致性”，提供了一种“轻量级、通用化”的事实性优化方案。
2025-09-29 08:15:00
711
原创 大语言模型不知“今夕是何年”——解决方案在此
而MCP服务器与实时数据处理框架的结合，正为突破这一局限带来转机。它们让实时集成变得简单：MCP服务器允许你在不重写大语言模型逻辑的前提下更新数据源，Pathway、Flink等数据处理工具则能确保数据实时处理、动态扩展并精准交付。
2025-09-28 08:15:00
1194
原创 N8N全面解析：优势、短板与适用场景
看待N8N的关键，是跳出“零代码颠覆一切”的宣传陷阱——它的价值在于“平衡效率与成本”，帮助用户用更低的技术门槛实现自动化，而非替代工程师或复杂系统。在选择时，需先明确自身流程的“复杂度”“团队技术能力”“协作需求”，再判断N8N是否适配，避免为了“跟风”而陷入“工具适配业务”的被动局面。
2025-09-27 08:15:00
783
原创 思考与探索：借由gRPC重塑MCP：探索强类型协议下的工具调用新范式
gMCP的探索本质上是一次“用成熟技术解决新兴协议痛点”的尝试。它证明了gRPC的强类型、多语言、可观测性能力，能有效弥补MCP当前的设计缺陷；同时也说明，协议设计需在“标准性”与“易用性”间找到平衡。
2025-09-26 08:15:00
1454
原创 深入理解GenAI Works框架：整合MCP服务器、A2A、GenAI与工作流智能体
GenAI Works框架通过模块化设计、多协议支持与可视化界面，降低了企业级智能体系统的开发门槛，尤其适合需要整合多类型智能体（MCP、A2A、GenAI）的场景。但其架构复杂度较高，部分模块（如GenAISession的深层逻辑）仍需结合代码深入理解。
2025-09-25 08:15:00
997
原创 在Software 3.0时代重新构想商业智能：让数据对话，让洞察自然生长
归根结底，这不仅是技术的突破，更是对BI本质的回归——赋能人们提出更好的问题，做出更有信心的决策。在Software 3.0时代，商业智能不再是少数技术人员的“专属工具”，而是每个业务人员都能轻松使用的“对话伙伴”，让数据故事真正服务于业务增长。
2025-09-24 08:15:00
595
原创 OpenAI新论文引发热议：AI为何会产生幻觉？
值得期待的是，随着GPT-5等新一代模型在“幻觉控制”上的进步，AI的基础可靠性正在提升。但正如论文所暗示的：即便模型基线持续优化，“会设计容错系统的开发者”，仍将是未来AI落地的核心竞争力。毕竟，AI的终极目标不是“从不犯错”，而是“知道自己何时可能犯错”——而实现这一点，既需要模型的进步，更需要人类对“AI局限性”的清醒认知与系统设计。
2025-09-17 08:15:00
565
原创 AI 智能体框架揭秘：核心特性、应用场景与经验总结
AI 智能体框架正处于快速发展阶段，从多智能体协同到数据处理优化，从企业级部署到全托管服务，不同框架针对特定场景持续深耕，形成了互补共生的生态格局。
2025-09-16 08:15:00
1077
原创 vLLM 背后的架构：PagedAttention 如何提升内存利用率
对于企业而言，PagedAttention 不仅是一项技术优化，更是让 LLM 从“高成本实验”走向“大规模商用”的关键桥梁——无论是客服机器人、智能助手还是代码生成工具，都能通过 vLLM 实现更低成本、更高并发的部署，推动 AI 技术真正落地到各行各业。
2025-09-15 08:15:00
694
原创 什么是Plan-and-Solve提示法？一种让大模型更精准解决复杂问题的两阶段框架
未来，随着大模型向“通用推理引擎”进化，Plan-and-Solve这类贴合人类认知规律的提示方法，将成为构建“可靠、透明、可控”AI应用的核心技术之一。毕竟，解决复杂问题的关键，从来都不是“快速给出答案”，而是“先想清楚该走哪条路”。
2025-09-14 08:15:00
662
原创 为多智能体RAG助手集成MCP服务器：从搭建到交互的完整指南
多智能体RAG助手的功能已成功通过MCP协议开放给外部AI应用。无论是教育类APP、智能问答系统，还是其他AI产品，都可通过MCP客户端轻松调用助手的核心能力，实现功能复用与快速集成。若需扩展场景（如增加医疗领域助手、支持HTTP传输），可基于本文方案调整技术选型与参数配置。
2025-09-13 08:15:00
856
原创 防范间接提示注入：在AI代理被劫持前筑牢安全防线
记住：AI代理的安全不是“技术难题”，而是“执行问题”。从一页纸策略开始，从本周的第一个小步骤开始，就能在风险扩散前，为AI代理筑牢防线。
2025-09-12 08:15:00
1001
原创 构建AI工作流与智能体的信任：持续评估与优化指南
本文通过电影推荐智能体的案例，展示了一套从“指标定义-数据生成-自动化评估-优化行动”的完整持续评估框架。这套框架的核心价值在于，它将AI应用的开发从“一次性测试”转变为“持续监控与优化”的闭环，让AI应用在长期运行中始终保持高质量、高可靠性。
2025-09-03 08:15:00
787
原创 借助 AgentCore Memory 为智能体应用添加记忆功能
为智能体应用添加记忆，本质是让模型获得“持续学习”与“个性化响应”的能力，而 AgentCore Memory 凭借其灵活的短长期记忆管理、策略配置与 AWS 生态集成优势，成为实现这一目标的高效工具。在实际开发中，需牢记“上下文并非越多越好”，通过合理的记忆策略与上下文工程，让智能体在“记住关键信息”的同时，避免“信息过载”。
2025-09-02 08:15:00
1641
原创 构建检索增强生成（RAG）：从基础版到多智能体系统的演进之路
RAG技术的下一个前沿，不在于开发更复杂的算法，而在于实现“知识与智能体的优雅协同”。这需要企业投入真实的领域 expertise，并坚持对知识库的持续精修。在这个新领域，真正的成功者不会是那些搭建出最复杂AI架构的人，而是那些能为AI构建“优雅、真实数字环境”的人。
2025-09-01 08:15:00
817
原创 借助 Kubernetes 与 vLLM 实现大规模大语言模型推理
实现大规模的高效大语言模型推理，不仅仅依赖于强大的硬件性能，更关键的是要有智能的基础设施支持。Kubernetes 凭借其卓越的编排能力，为大语言模型推理服务提供了稳定、灵活的运行环境；而 vLLM 则通过在内存管理、批处理等方面的创新，实现了高吞吐量、低延迟的推理服务。将两者相结合，企业能够部署出快速、可扩展且高效的生产级大语言模型应用。
2025-08-31 08:15:00
907
原创 从提示词创作者到AI架构师：提示词优化自动化指南
从“提示词创作者”到“AI架构师”，本质是从“手动优化单个提示词”到“搭建自动化优化系统”的跨越。前者依赖经验与直觉，后者则依靠逻辑与系统思维——通过设计“证人-评审团-首席律师”的闭环系统，我们不仅实现了提示词的高效优化，更为LLM的性能提升提供了可复制的框架。
2025-08-30 08:15:00
852
原创 基于智能体增强生成式检索（Agentic RAG）的流程知识提取技术研究
流程知识提取的终极目标，是为工业场景提供“可信赖、可解释”的结构化流程。Agentic RAG架构通过模块化智能体，实现了提取过程的透明化（如“步骤1来自RAG智能体，基于手册P12”）与灵活性（适配不同类型技术文档），但在高风险工业场景（如航空发动机维护）中，仍需“人机协同”——因LLM与智能体的决策存在非确定性，人类需作为最终审核者，确保流程的安全性与准确性。
2025-08-29 08:15:00
1022
原创 LlamaIndex新手指南（2025）：从0到生产环境，构建RAG应用的完整指南
通过从基础入门、开发环境搭建、数据处理加载、索引构建、查询生成到生产环境部署的完整流程，我们详细介绍了如何利用LlamaIndex构建从0到生产环境的RAG应用。实际应用中，开发者可根据具体业务需求和场景，灵活运用LlamaIndex功能工具，不断优化应用性能和用户体验，充分发挥RAG技术提升LLM应用能力的潜力。无论是企业内部知识管理、客户服务，还是智能问答系统、智能写作助手等领域，基于LlamaIndex的RAG应用都有广阔应用前景和发展空间。
2025-08-25 08:15:00
801
原创 深入探索高级RAG（检索增强生成）技术
RAG的世界在不断发展，新的技术和方法层出不穷。通过探索我们在本文中讨论的高级技术——从复杂的混合检索和重排序到利用专用向量数据库的力量——你可以构建比以往更准确、更高效、更强大的RAG系统。
2025-08-24 08:15:00
1459
原创 编程而非提示：DSPy 实战指南
DSPy 即声明式自改进 Python（Declarative Self-improving Python），能帮助开发者构建模块化人工智能应用。其核心理念是将大语言模型任务视为编程问题，而非手动提示过程。借助标准构建模块，开发者可创建从简单分类器到检索增强生成（RAG）系统，甚至智能代理等各类人工智能应用。
2025-08-23 08:15:00
836
原创 掌握 LLM 温度参数：从原理到实践的全方位指南
在LLM驱动的智能时代，温度参数就像一把精准的“创造力开关”，而理解并善用这把开关的人，将能更好地释放人工智能的潜力，让技术真正服务于多样化的需求场景。通过本文的指南，希望你已掌握调节这把开关的技巧，在LLM的世界中，既收获可靠的结果，也拥抱创意的惊喜。
2025-08-22 08:15:00
1066
原创 保障AI代理免受提示注入攻击的设计模式
提示注入不仅仅是大语言模型的一个漏洞，更是一个有待被利用的设计缺陷。通过运用上述六种设计模式，我们能够从设计层面保障LLM代理的安全，同时又不会削弱它们的实用性。在未来的LLM代理开发中，将安全设计理念贯穿始终，不断优化和完善防御模式，才能让LLM代理在为我们提供便捷服务的同时，有效抵御各种潜在的安全威胁，推动大语言模型技术在安全可靠的环境中持续发展。
2025-08-21 08:15:00
555
原创 构建企业级AI助手：LLM应用规模化实践指南
构建企业级AI助手不仅仅是接入一个强大的LLM，还需要深思熟虑的架构设计、安全的集成、可扩展的工作流以及持续的改进。通过专注于上下文感知、检索增强生成、强大的工具支持和运维最佳实践，企业可以打造真正赋能团队的AI助手，带来实实在在的业务影响，而非仅仅是噱头。如果企业已准备好超越原型阶段，构建适合自身需求的AI解决方案，与专业的AI软件开发团队合作可以加速这一进程，并确保持久的成功。企业级AI助手的构建是一个持续演进的过程，随着技术的不断发展和企业需求的变化，需要不断优化和完善，才能真正成为企业发展的有力支撑
2025-08-20 08:15:00
625
原创 从幻觉到信任：LLM响应评估的实践与价值
原始的评估分数虽有价值，但真正的收益来自于对这些结果的分析和呈现，以此推动决策制定。Evaluation.Reporting类库能够生成完整的HTML报告，总结所有场景、指标，并突出显示不同运行之间的变化。这份报告不仅包含分数统计，还会展示每个指标的详细理由、失败案例分析和趋势图表，使技术团队和业务相关方都能快速理解质量状况。
2025-08-19 08:15:00
648
原创 RAG 实用指南：开发者必备的 25 种文本分块技巧
分块是 RAG 系统的隐形基础设施，它不耀眼却至关重要。通过本文的 25 种策略，让你的分块从"随意切割"升级为"智能拆分"，让 LLM 在精准上下文的加持下，输出真正可靠的答案。
2025-08-18 08:15:00
746
原创 生成式AI狂热：我们是否正在将一切复杂化？
我并不是建议我们要遏制创新。生成式AI可能会彻底改变一些工作流程（客户支持、日常调度等），但我确实担心盲目信仰的问题。我们需要问自己：与现有方法相比，这真的能更好地解决问题吗，还是仅仅是“为了AI而AI”？在交易和加密货币领域，答案尚无定论。已经出现了一些概念验证，但就我所见，还没有任何一个能颠覆市场，或者在实盘交易中明显击败经验丰富的人类交易员。
2025-08-17 08:15:00
1046
原创 GPT-5与GPT-4o全面对比：性能、场景与实际价值解析
通过多维度对比可以清晰地看到，GPT-5在核心性能指标上全面超越GPT-4o，尤其在编码开发、推理数学、多模态处理、事实准确性等专业领域实现了显著提升。其更高的任务通过率、更优的资源效率和更大的上下文窗口，使其在企业级应用和专业工作场景中展现出更高的实用价值。
2025-08-16 08:15:00
1234
原创 GPT-5 深度解析：统一架构、全能升级与 AI 可靠性的全新里程碑
GPT-5的发布不仅是一次技术迭代，更代表着AI系统向更智能、更可靠、更实用方向发展的重要里程碑。其模块化统一架构展现了效率与能力的精妙平衡，全面提升的核心能力拓展了AI的应用边界，显著改善的事实性与安全性增强了用户信任，而灵活的产品部署策略则确保了技术价值的广泛实现。
2025-08-15 08:15:00
734
原创 OpenAI开源大模型GPT-OSS全面评测：技术突破与行业变革
GPT-OSS的发布标志着AI行业的关键转折，其技术创新与开源策略将产生深远影响。预计未来几周将出现大量社区微调模型、基准测试和应用集成，推动开源AI生态繁荣。
2025-08-14 08:15:00
1044
原创 AI 智能体的三大支柱：上下文、认知与行动
AI智能体的时代已然来临。构建优秀智能体的关键，在于把握上下文、认知与行动的平衡与协同。以这三大支柱为框架，我们正在创造不仅能理解世界，更能主动改善世界的AI系统——它们将成为人类能力的延伸，在各行各业释放前所未有的价值，推动社会向更高效、更智能的未来迈进。
2025-08-13 08:15:00
718
原创 使用 FastAPI + FastMCP 进行 MCP 引导的实用指南
Model Context Protocol（MCP，模型上下文协议）作为一种标准化的交互框架，为服务器与客户端之间的动态信息获取提供了可靠解决方案。
2025-08-12 08:15:00
758
原创 LLM 记忆系统深度解析：从上下文窗口到多层架构的突破与演进
对于最复杂的应用程序，结合短期和长期记忆的架构至关重要。这是一种分层记忆形式，其中上下文窗口作为工作记忆，容纳即时对话和最关键的检索信息；向量数据库（RAG）作为长期记忆，提供庞大、可搜索且持久的知识存储；还有一个系统组件负责协调流程，决定哪些信息需要主动保存在工作记忆中，哪些可以被分页到长期记忆中，只在需要时才检索。
2025-08-11 08:15:00
818
原创 打破认知：高温度参数如何提升 LLM 结构化输出质量？
研究发现，在复杂结构化输出场景中，适当提高温度参数反而能提升输出的完整性和实用性。这一现象的本质是：LLM的结构化能力不仅依赖于确定性的概率选择，还需要一定的探索性来克服复杂任务中的局部最优陷阱。
2025-08-10 08:15:00
3496
原创 优化小型语言模型的函数调用能力：数据质量、数量与实用策略
优化小型语言模型函数调用能力的实用策略可以归纳为三个核心方向：精准的数据筛选、科学的样本设计和持续的性能迭代，通过这一系列措施实现模型效率与准确率的最佳平衡。
2025-08-09 08:15:00
3400
原创 上下文工程（Context Engineering）—— 全面概述
本质上，上下文工程承认大型语言模型的效能不仅取决于其固有能力，更深受输入信息的质量、相关性和结构的影响。它是一个动态迭代的过程，超越静态提示，整合了管理信息流、记忆和工具利用的复杂技术。
2025-08-08 08:15:00
1347
原创 借助上下文工程优化任何AI代理框架
打造达到人类水平的代理，不能仅仅依赖臃肿的提示词和追逐模型升级。代理智能不仅仅关乎推理能力，更在于通过精心设计的上下文流程实现结构化认知。告别杂乱无章的提示词和临时拼凑的链，我们正迈入一个新的时代，在这个时代里，代理通过精心设计的认知架构进行推理、适应和进化。如果想要打造真正能够协作、解释、验证和扩展的代理，就必须重视上下文工程，而不只是简单地对其进行提示。上下文工程将成为未来AI代理技术发展的核心驱动力，引领着人工智能代理向更智能、更可靠、更高效的方向迈进。
2025-08-07 08:15:00
1088
原创 LLM 语境压缩中的整合、总结与提炼：差异、应用与实践策略
整合、总结与提炼作为 LLM 语境压缩的三大核心策略，各自在信息保留、压缩效率和认知需求上呈现出鲜明特点。在实际应用中，没有放之四海而皆准的最优策略，只有根据具体场景灵活选择和组合的合理方案。精确理解这三种策略的本质差异，掌握其适用条件和实施要点，对于设计高效的 LLM 语境管理系统至关重要。
2025-08-06 09:52:55
840
原创 7 款会“思考”再作答的 RAG 智能代理：重新定义 AI 交互逻辑
RAG 技术的演进史，本质上是 AI 从“信息检索者”向“决策辅助者”的进化史。这 7 种智能代理的共同特点，是突破了“输入-输出”的简单逻辑，引入了人类解决问题的核心要素——规划、推理、验证、记忆。
2025-08-05 08:15:00
688
原创 从单一大型语言模型到智能体人工智能：生成式人工智能演进的解读
我们回顾了批处理大型语言模型应用如何通过固定或链式提示流程处理数据管道；聊天应用如何随着记忆、检索（RAG）和工具调用的发展变得更具上下文感知和交互性；以及这些发展如何自然地引领了智能体人工智能的兴起——在这一阶段，大型语言模型能够推理、规划、调用工具，并与其他智能体协作完成任务。
2025-08-04 08:15:00
994
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