- 博客(1820)
- 收藏
- 关注
RSS订阅原创 AI Infra：从 ad‑hoc 到 just‑in‑time，是 Agent 发展的重要方向
○可规模化的企业落地○安全与合规○多 Agent 协作与动态编排。
2026-01-08 14:59:33
586
原创 震惊！2025年编程开发将被AI Agent彻底颠覆？大模型时代程序员必备生存指南，小白必看！
AI Agent 原生企业是指在核心业务流程、组织架构与技术体系中，原生嵌入并深度依赖 Agent 的企业形态，其内涵是围绕 AI 能力设计产品、流程与组织结构，外延则是形成数据驱动决策、自动化运营的新商业范式。支撑这类企业的五大核心支柱包括：作为能力基座的基础大模型、作为 “数字燃料” 的企业大数据、作为落地载体的 AI Agent 应用、作为协同机制的组织架构、作为协同引擎的流程设计，五大要素相互支撑，共同驱动企业智能进化。
2026-01-08 14:58:42
449
原创 数据揭秘｜2026年将是 AI Agent 的“执行元年”，你准备好了吗？
如果在 2023 年我们谈论的是 AI 的“生成能力”，那么 2026 年的主题词无疑是“执行力”。最新的市场数据显示，。这一激增的数字背后，并非企业在盲目追逐下一个技术热点，而是一场关乎工作执行方式的结构性变革正在企业内部悄然发生。不仅是预算的倾斜，更重要的是认知的升级：企业正在从单纯的“对话式 AI”转向“结果导向型 Agent”。这一转变标志着 AI 从不仅能“回答问题”，进化到了能真正“解决问题”的新阶段。
2026-01-08 14:57:36
469
原创 AI Agent 进化论：从“缸中脑”到“打工人”
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。当 AI 能以 $0.1 的成本完成你 3 小时的工作时，你的核心竞争力不再是“怎么做”（How），而是“做什么”（What）和“为什么做”（Why）。我们现在辛苦设计的 ReAct 提示词、LangChain 的复杂工作流、MetaGPT 的角色扮演，本质上都是人类强加给 AI 的“拐杖”。
2026-01-08 14:57:05
501
原创 [特殊字符]AI开发者的救命稻草！微软MVP独家揭秘：大模型长任务“断点续传“黑科技，5行代码解决超时难题！
本文针对大模型长任务执行超时痛点，提出基于微软Agent Framework的解决方案。通过开启后台模式并利用ContinuationToken机制，将长任务拆解为可恢复的短执行过程，配合状态持久化技术，实现任务中断后从中断点继续执行，解决了Web无状态服务与AI长时间运行的冲突，为开发者提供了简单可靠的大模型工程实现方案。
2026-01-08 14:56:22
553
原创 大模型开发新姿势：Agent转换工具完全指南，代码示例超详细，小白也能秒会！
本文介绍将AI Agent转换为可复用工具的两种方法：AsAIFunction()用于应用内嵌套调用，MCP Tool用于跨平台互操作。AsAIFunction性能高但限于.NET环境，MCP Tool支持跨平台但性能中等。文章详细展示实现步骤和企业级多Agent协作系统构建方法，帮助开发者打造可复用、可组合的Agent生态，提升开发效率。
2026-01-08 14:53:52
735
原创 真香警告：原来这才是真正的AI智能体，小白也能秒懂的编程开发指南
文章介绍了AI智能体的概念，强调其"感知→规划→行动→反馈"的闭环能力，区别于仅处理信息的大模型。智能体由感知、大模型核心、工具调用、行动规划、记忆和反馈模块组成，能自主完成目标不需人类步步干预。文章以财务场景为例展示了差旅智能体和政策解读智能体的应用，指出智能体将替代人工角色，体现AI替代人的趋势。
2026-01-08 14:52:27
392
原创 AI Agent时代来了！企业怎么改、怎么赚？一篇讲透
很多人容易误解，觉得AI Agent和ChatGPT一样，只是“聊得更顺”。其实它的核心价值是“执行闭环”——从接任务到拆任务，再到完成、复盘，全流程不用人插手。就像有个酒店管理的案例：酒店用AI Agent负责客户入住、需求响应（比如送毛巾、调空调）、退房结算，人类员工只负责处理特殊需求，最后客户满意度涨了30%，人力成本降了20%。对企业来说，AI Agent不是“选择题”，而是“必答题”。现在看清方向、提前布局，才能在新的赛道里占得先机。
2026-01-08 14:50:11
169
原创 Android Studio 的 AI Agent 有什么特别？未来会有惊艳什么功能？
相信大家都在之前的 《Android Studio Otter 2 Feature 发布》已经了解过，为什么这是一个比较值得更新的 Android Studio 版本，与此同时，谷歌也和我们展示了未来（Canary）全新的 AI Agent 有什么特别之处。、**上下文 (Context)**和，而大多数人对于它们的理解，可能还比较片面。比如工具 ，
2026-01-08 14:49:25
218
原创 别再迷信 Python 了！Java + Spring + Milvus，这才是企业级 RAG 的终极形态！
在企业数字化转型的浪潮中，PDF、Word 等海量文档往往沉睡在各个业务系统中，形成“数据孤岛”，难以被智能系统高效利用。那么，如何构建一个真正的 AI 应用，让 AI 成为企业的“智能助手”？本项目提供一套基于 Spring 框架的完整解决方案，结合文档 ETL、向量检索与 RAG 问答技术，覆盖从数据导入到智能对话的全链路实践。与其他演示不同，本项目强调——包括 API 安全控制、指标可观测性等工程化特性。
2026-01-07 16:05:16
714
原创 不用 Cursor 也能搞？Milvus-MCP 惊艳登场，极简构建本地知识库，太香了！
摘要：本文介绍了一套基于Cherry Studio和Milvus的企业知识库快速搭建方案，通过整合AI交互界面与高性能向量数据库，解决企业信息管理痛点。教程详细演示了Milvus部署、Cherry Studio配置、MCP服务器连接等关键步骤，强调其低门槛特性，即使非技术人员也能在十分钟内完成部署。系统可有效解决员工知识获取、历史文档检索等问题，提升企业信息流转效率。
2026-01-07 16:04:31
511
原创 【AI炸场】Qwen3 Embedding+Reranker开源模型大杀器！一文教你实现跨语言智能搜索，代码全公开！
前言和。两款模型基于 Qwen3 基座训练，天然具备强大的多语言理解能力，，覆盖主流自然语言和编程语言。我简单看了下 Hugging Face 上的数据和评价，有几个点蛮值得分享这意味着，这两款模型不只是“在开源模型里还不错”，而是“全面追平甚至反超主流商用API”，在RAG 检索、跨语种搜索、代码查找等系统，尤其是中文语境中，。那么如何用它来搭建一个RAG系统，本文将给出深度教程。
2026-01-07 16:03:33
724
原创 AI开发新趋势：不用再纠结全文检索VS语义搜索，LangChain+Milvus全都要！附完整代码实现，小白也能秒变大神！
文章介绍了OpenAI与LangChain在大模型agent开发理念上的差异，详细讲解了如何通过LangChain与Milvus构建RAG系统，结合全文检索和语义搜索的优势。文章提供了从环境准备、文档预处理到问答系统实现的完整代码示例，并探讨了实际应用中可能遇到的问题及解决方案，如同义词处理、多语言支持和性能优化等，为开发者提供了构建企业级知识库问答系统的实用指南。
2026-01-07 16:01:50
656
原创 Milvus 构建RAG，该选 N8N 还是 Dify？别再纠结了，这场终极对决告诉你答案！
本文介绍了如何使用N8N和Milvus搭建RAG（检索增强生成）系统。RAG系统通过实时检索信息来增强大模型的知识库。文章对比了N8N（通用工作流工具）和Dify（专注AI开发平台）的差异，选择N8N+Milvus组合便于深入理解RAG原理。 教程详细展示了部署步骤：1）通过Ollama配置嵌入模型；2）安装Milvus向量数据库并创建Collection；3）部署N8N工作流平台。整个流程分为文本向量化和对话检索两个阶段，强调从零搭建的学习价值，同时指出专业平台如Dify能更快部署。该方案适合希望深入掌握
2026-01-07 16:00:28
277
原创 【程序员装X指南】一行代码搞定图片意境搜索，多模态大模型让小白也能玩转AI！
本文详细介绍如何使用多模态embedding模型Chinese-CLIP和向量数据库Milvus实现"以文搜图"功能。通过将文本和图片映射到同一向量空间，实现语义级匹配。文章提供了从环境准备到数据插入、索引创建的完整代码教程，实现了古诗词意境配图等应用场景，展示了多模态技术在处理非结构化数据中的强大能力。
2026-01-07 15:59:39
533
原创 美国地产交易被AI大模型颠覆，RAG+混合搜索效率提升40%，程序员都在学！
美国地产交易服务商Rexera利用大模型和向量数据库技术（Zilliz Cloud）优化交易流程。通过RAG架构和混合搜索功能，高效处理上千页房地产文档，节省客户时间并降低成本。其AI agent架构包括文档提取与嵌入、agent编排、上下文检索、多模型验证和流式更新等环节，实现了地产交易的智能化处理，为传统行业提供了AI应用的典范。
2026-01-07 15:59:00
770
原创 90%的程序员都在错误选择Embedding模型！6步评估框架+代码实战，让你避开所有坑，小白也能秒变向量专家！
文章提供Embedding模型选型六步评估框架：明确业务需求、评估数据特性、调研可用模型、评估候选模型、部署规划、端到端测试。详细介绍了文本、图像、音频、多模态数据的模型选择方法，并通过实际案例展示性能评估技巧。强调选择最契合业务需求的模型而非单纯追求高分，建议定期复盘以适应技术迭代。
2026-01-07 15:58:30
636
原创 RAG应用卡成PPT？别再冤枉大模型了！Embedding API才是幕后黑手，附最新实测数据
文章通过实测对比国内外主流Embedding API时延表现，发现网络环境是关键因素，地域差异可能导致时延增加3-4倍甚至近百倍。选择Embedding服务不能只看效果指标，需综合考虑时延、网络环境和服务限制。建议进行本地化测试，合理调整batch size，缓存高频查询，必要时考虑本地推理。Milvus的TextEmbedding Function可简化集成与测试流程。
2026-01-07 15:57:56
466
原创 Demo 骗了所有人？一做就会，一用就废！多模态 RAG 跨不过去的这道坎，看透了！
前言近年来，GPT-4V、Gemini Pro Vision 等多模态大模型快速兴起，将图像、文本、音频等多种数据类型统一理解的能力，拓展到了搜索问答、辅助诊疗、法律检索等更复杂的任务场景中。相比传统大语言模型（LLMs），多模态大模型具备更强的上下文理解能力，适配更丰富的输入方式，具备更广泛的落地潜力。。尤其是在处理图文混合输入时，模型可能产生与事实不符、逻辑混乱的输出。为了解决这一问题，RAG（检索增强生成）成为业内主流方案——通过外部向量数据库提供的高相关内容，帮助模型“补课”，降低幻觉概率。
2026-01-07 15:57:22
344
原创 震惊！14B小模型吊打72B大模型，MiA-RAG让AI从“盲人摸象“到“全局视野“
MiA-RAG技术通过构建文档的"心理图景"(Mindscape)，赋予AI系统全局语义理解能力，解决了传统RAG"盲人摸象"的问题。该技术采用层次化摘要方法构建全局语义表示，使检索器和生成器都能基于上下文工作。实验表明，14B的MiA-RAG性能超越了72B的基线模型，实现了"小模型+全局感知>大模型单打独斗"的效果，代表了RAG从被动检索到主动理解的范式转变。
2026-01-06 17:10:09
314
原创 【程序员必看】RAG技术天花板被打破！AutoRefine让大模型学会“思考式检索“，代码开源，小白也能上手！
AutoRefine由中国科大等机构提出，创新性引入"边检索边精炼"的推理范式，解决RAG技术中的噪音干扰和训练指导不足问题。该方法通过双奖励机制(结果奖励和检索特定奖励)训练模型，使其学会过滤噪音信息，在复杂QA任务中准确率比最强基线提升6.9%，同时将上下文长度压缩3-6倍，降低推理成本。相关代码已开源，为RAG技术从"检索驱动"向"信息利用驱动"提供了新路径。
2026-01-06 17:09:01
839
原创 DecEx-RAG：过程监督+智能剪枝，让大模型检索推理快6倍
DecEx-RAG 最值得肯定的地方在于把推理过程结构化了。决策和执行的分离、分层剪枝的引入，把搜索复杂度从指数级压到近乎线性，对效率和扩展性都是实质性的改进。不过也有一些可以改进的地方，比如当前系统依赖硬编码的启发式规则：“超过半数 rollout 投票停止就停”、“内部答案超过固定阈值就跳过检索”。这类规则在噪音或不确定性较大时容易出问题，可能会遇到过于激进提前终止或者过于保守浪费计算的情况。一个可能的改进方向是学习信息价值（VOI）函数，根据不确定性或预期收益动态决定是否继续检索而不是靠写死的阈值。
2026-01-06 17:08:22
509
原创 20260106_165519_大模型中的MCP、RAG、Agent定义及关系
MCP、RAG、Agent 是 LLM 应用架构的三大核心组件。1、MCP（Model Control Plane，模型控制平面）定义：管理 LLM 全生命周期的 “调度中枢”，负责模型选型、部署、负载均衡、版本控制、权限管理等。核心价值：解决 “多模型协同、资源高效利用、稳定调用” 问题，避免重复部署和资源浪费。定义：通过 “检索外部知识库 + LLM 生成” 的组合，让模型基于最新 / 特定领域知识输出结果，而非仅依赖预训练参数。
2026-01-06 17:07:22
575
原创 LeCun预言成真？这有一份通往AGI的硬核路线图：从BERT到Genie，在掩码范式的视角下一步步构建真正的世界模型
行业内目前的共识往往是破碎的。有人认为它是一个视频生成器*（如Sora），有人认为它是一个交互环境（如Genie）*。但这篇论文认为，真正的世界模型*（True World Model）*不能是一个单体的黑盒，它需要是一个由。
2026-01-06 17:03:54
801
原创 零标注！强化学习RAG让大模型在工业故障诊断中HitRate飙升93%，比老师傅还准！小白也能上手的工业AI黑科技
工业现场最怕“低频故障”：一年才出两三回，回回都是新症状。用 ChatGPT 直接问？它只会给你“通用答案”。用传统 RAG？先请老师傅把 10 年维修记录“标注”一遍，成本直接劝退。中南大学+哈工大团队最新发表在《Advanced Engineering Informatics》的研究，把“强化学习”塞进 RAG：不标数据、不调 LLM，只靠一个“游走”智能体，在维修日志里自己找答案。实测结果：HitRate@8 从 0.50 飙到 0.93，训练时间还省 40%。
2026-01-06 17:00:08
517
原创 程序员破防了！OpenSearch黑科技让AI检索速度提升10倍，5分钟上手告别5秒延迟！
OpenSearch推出Seismic算法，解决十亿级神经稀疏检索的性能瓶颈。该算法通过双重索引、聚类优化和动态剪枝策略，将查询延迟从125ms降至11.77ms，提升10倍以上，同时保持90%召回率。开发者可在OpenSearch 3.3中5分钟部署，实现毫秒级响应的RAG应用，彻底告别"快但不准，准但不快"的两难困境。
2026-01-06 16:58:54
331
原创 AI不再“一本正经胡说八道“！LLM+RAG融合技术实战指南，让大模型回答有据可查，小白也能轻松上手
LLM与RAG融合应用通过"检索-增强-生成"三步工作流，让AI在生成内容前先从外部知识库检索精准信息，消除幻觉并提高输出准确性。该技术无需重新训练模型即可实时更新知识，适配垂直领域，降低专业门槛，且生成内容可溯源便于合规校验，为开发者提供了一种高效可靠的AI应用方案。
2026-01-06 16:56:12
256
原创 JD面挂了：简历写了 AI 假项目，被问 RAG 语义丢失 答不上来！背这三板斧，他当场叫好！
① 文档处理“重切割、轻结构”，源头丢失语义；② 检索策略“单一化、无优化”，无法支撑工业级场景；③ 长文档处理“缺分层、少关联”，上下文完整性不足。针对这三大短板，以下“三板斧”解决方案可实现全链路语义保障。尼恩提示： 要拿到 高薪offer， 或者 要进大厂，必须来点高大上、体系化、深度化的答案， 整点技术狠活儿。只要按照上面的 尼恩团队梳理的 方案去作答， 你的答案不是 100分，而是 120分。面试官一定是 心满意足， 五体投地。
2026-01-06 16:55:06
836
原创 【技术干货】大模型分割性能提升神器！RankSEG：三行代码，让你的模型效果惊艳全场
RankSEG是香港中文大学提出的语义分割算法框架，无需重新训练模型，仅需在推理阶段增加三行代码即可显著提升Dice或IoU等分割指标。该算法通过替换传统的threshold/argmax方法，利用排序性质获得最优分割预测，并提供了高效近似算法RankSEG-RMA，在保持性能的同时大幅提升计算效率。项目已开源，提供了易用的Python工具包，可轻松集成到现有分割流程中。
2026-01-05 17:58:19
989
原创 震惊！北大DragMesh让3D模型“秒变活物“，算力暴降90%，小白也能玩转AI物理交互新纪元！
DragMesh是北大团队推出的轻量级3D交互框架，通过"语义-几何解耦"范式与双四元数VAE技术，实现静态3D模型实时物理交互。相比传统方法，算力消耗仅为SOTA模型的1/10，运动轴预测误差降低10倍，无需标注即可让任意Mesh实现符合物理规律的实时交互，为元宇宙、机器人仿真等场景提供技术基础。
2026-01-05 17:57:43
847
原创 谷歌TPU杀疯了！2026年产能430万颗，AI芯片格局大变，程序员该关注了
谷歌计划2026年将TPU产能从约300万颗提升至430万颗，主要得益于Meta释放CoWoS产能和台积电扩产。谷歌此举旨在降低成本并挑战英伟达在AI芯片市场的霸主地位，但仍面临封装产能短缺等挑战。TPU产能扩张预示着AI巨头们正联手重塑算力格局，减少对单一供应商依赖。
2026-01-05 17:57:00
771
原创 科研人福音！一键生成PPT和科研绘图，北大开源Paper2Any，全流程可编辑
你是否经历过这样的至暗时刻： 明明实验数据已经跑通，核心逻辑也已梳理完毕，却在面对空白的 PPT 页面时陷入停滞；明明脑海里有清晰的系统架构，却要在 Visio 或 Illustrator 里跟一根歪歪扭扭的线条较劲半小时；好不容易用 AI 生成了一张精美的流程图，却发现上面的文字是乱码，或者为了改一个配色不得不重新生成几十次……在内容生产的过程中，“写” 往往只占了一半，而将文字转化为结构图、流程图，再整理成演示用的 PPT，这个过程繁琐、耗时，且极度考验设计感。
2026-01-05 17:56:27
628
原创 【干货】AI不再“装睡“！光帆科技发布全感穿戴设备，大模型+多设备协同实现主动智能
光帆科技发布Lightwear AI全感穿戴设备，包含全球首款具备视觉感知能力的主动式AI耳机、智能手表和充电盒，形成"始终在场"的AI助理系统。这套设备通过视觉感知和多设备协同，实现从被动响应到主动服务的转变，开创了新的AI交互范式。文章探讨了主动式AI的技术实现路径、面临的挑战以及未来发展方向，指出分布式AI系统可能是下一代智能硬件的核心方向。
2026-01-05 17:55:54
613
原创 AI炸场！视觉Token压缩技术让大模型“过目不忘“！Gemini-3-Pro封神之作，VTC或成长文本处理终局？
文章介绍了DeepSeek-OCR的视觉文本压缩(VTC)技术，通过将文本编码为视觉Token实现10倍压缩率，降低长文本处理成本。中科院推出VTCBench基准测试，评估模型在视觉空间中的认知极限。测试显示模型存在"空间注意力偏见"，但对文档开头和结尾理解能力强，Gemini-3-Pro表现惊艳，证明VTC是实现大规模长文本处理的可行路径。
2026-01-05 17:55:17
864
原创 大模型+编程开发=王炸组合！7个核心概念让你秒变AI开发高手
这篇文章全面介绍大语言模型(LLM)的基础概念、工作原理、核心技术及AI智能体实现。从Token处理、Embedding表示、LoRA微调到MoE混合专家模型和MCP协议，文章系统梳理了LLM开发的关键技术栈，并通过LangChain框架展示了实际应用方法，为开发者提供了从理论到实践的完整指南。
2026-01-05 17:54:42
696
原创 【硬核干货】震惊！中国团队推出MinT平台，CPU也能训练万亿参数模型，成本仅1/10，AI下半场入场券来了！
中国Mind Lab团队推出MinT后训练平台，用普通CPU即可高效训练万亿参数模型，成本优化十倍，一天完成一轮训练。该平台比国外竞品更早实现1T LoRA-RL，是业界首个在万亿参数模型上高效强化学习的成果。MinT兼容Tinker API，支持多种前沿开源模型，已被多家高校和企业应用，让中小型团队摆脱算力限制，实现AI下半场弯道超车。
2026-01-05 17:51:16
1083
原创 大模型也能减肥成功！FastDriveVLA让自动驾驶AI效率暴涨7.5倍，代码已开源
小鹏汽车与北大合作研发FastDriveVLA，创新性地提出基于前景重建的视觉token剪枝方法，构建nuScenes-FG数据集，开发即插即用的ReconPruner剪枝器。实验表明，该方法可将视觉token减少75%，同时使FLOPs降低7.5倍，推理延迟大幅减少，在自动驾驶场景中取得SOTA性能，为自动驾驶大模型的高效部署提供了新范式。
2026-01-05 17:50:43
604
原创 30亿Token大神揭秘：AI编程革命，小白也能秒变开发高手！氛围编程时代已来！
Ben Tossell通过消耗30亿Token与AI合作开发，证明AI时代编程已从语法掌握转向系统驾驭能力。他通过CLI界面与AI协作完成多个项目，强调"氛围编程"是新的编程范式，鼓励提出直抵本质的问题。编程不再是程序员的专属，而是一场人人可参与的即时策略游戏，创意可快速实践，反馈循环达到光速。AI时代，通向代码世界的通行证是探索欲望而非专业背景。
2026-01-05 17:49:22
676
原创 爆肝万字干货！大模型强化学习全解析：从PPO到GRPO，小白也能掌握
本文系统介绍了强化学习与监督学习的差异，详细解析了RL的核心要素和三大主流方法，并聚焦大模型RL的特殊性。重点阐述了RLHF和DPO两大主流对齐方法，以及最新的GRPO和GSPO等优化算法。通过数学推导和实例说明，帮助读者理解从传统RL到大模型RL的演进过程，为开发者提供了完整的理论框架和实践指导。
2026-01-04 22:09:26
827
原创 硬核干货！医疗AI大模型开发实战：协和医院如何用大模型重构医教研管服？附UltraUnion超声诊断模型代码解析
武汉协和医院通过"医教研管服"五大业务域，系统推进AI技术与医疗场景深度融合，构建了覆盖全院的智能应用集群。医院采用"自建+租赁+共建"混合模式构建算力体系，研发了全球首个突破100种超声诊断的视觉语言大模型"UltraUnion"，并在教学、科研、管理、服务等多场景实现AI应用。专家建议在开源基础模型上微调，推进算力标准化、多模态融合和数据集建设，推动医疗AI从技术工具向生产要素转变。
2026-01-04 22:08:02
939
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