- 博客(18)
- 收藏
- 关注
RSS订阅原创 AI时代团队知识体系如何建设? 腾讯经验分享
文章以腾讯安全中心团队的实践为主线，系统梳理了 AI 时代团队知识库建设的完整方法论。团队提出「人机共读」原则与三大范式转变：从人到流程、从知识到数据、从静态到进化。文章以四个问题锚定目标，随后展开六步建设路径，文末总结了建设建议和价值，适合需要建设知识体系提效的团队参考
2026-08-19 02:45:51
528
原创 美团分享Agent评测指南
本篇博客是一篇科普文章，由浅入深的介绍Agent评测。其中前两章系统介绍了评测是什么，以及如何建立评测体系；其中第二章是美团图灵Agent评测团队深入美团各业务团队BP总结出的实践经验，是我们在两年实践过程中逐步打磨出来的认知。第三章重点介绍了OpenClaw/Hermes这类长程Agent框架的出现对评测带来的变化。
2026-08-11 22:08:07
379
原创 模型越来越强，Harness该留下什么
1. 冗余指令在弱模型时代是中性浪费，在强模型时代会主动造成质量损失2. harness 撰写的核心是从「规定路径」转向「定义成功判据」3. 每条 harness 规则都是一个关于「模型做不到什么」的赌注，会随模型变强而过期。4. 团队自建 harness 的真正价值在 L2 与 L3，不在 L1。5. 验证能力而非任务重要性，才是自主度的真正上界。
2026-08-09 22:31:32
359
原创 淘宝直播助手Agent Harness实战
淘宝直播技术团队首先将 Harness 形式化为执行循环、工具注册、上下文管理、状态存储、生命周期钩子、评估接口六元组，并确立框架层兜底安全与状态、业务层专注 Skill 开发的分层架构。存储层面采用逻辑统一、物理分治：会话存 MySQL、记忆存 Hologres数仓（向量+全文+标量混合检索）、技能存 GitLab。实战部分覆盖上下文工程（分层压缩、Reducer 状态模式、大上下文卸载）、工具调用强约束与幂等设计、生命周期 Hook 注入、五层安全防御、异常降级、以 DAG 全局规划替代 ReAct
2026-08-09 01:13:13
322
原创 AI Coding面试到底在考什么?
AI Coding 面试核心是能否在短时间内闭环交付。需先确认需求，规避 AI 过度设计。先核心功能，再测试，最后优化加分项，全程主动和面试官同步思路。
2026-08-06 16:27:37
329
原创 腾讯开源Agent记忆系统拆解：TencentDB Agent Memory
记忆数据四层分层结构值得一看；检索方式很普通；记忆冲突本质也是靠大模型判断；兜底保护是为了不让外挂的记忆系统中断主对话链路
2026-08-05 02:57:14
307
原创 LangSmith LLM 网关：面向生产环境的Agent运行时管控方案
LangSmith LLM 网关作为智能体与大模型间统一治理中间层，可统一管控全部智能体，规避厂商锁定。支持多维度额度限流、跨服务商故障自动降级、敏感数据脱敏；仅修改 base_url 即可快速集成。后续还将新增 AI 安全护栏、提示词 CI/CD 发布等工程化能力
2026-07-31 21:34:38
334
原创 腾讯WorkBuddy团队怎么做Harness
本文阐述 Harness Engineering 具备驾驭、约束、整合三类能力，对比三家业界方案，介绍 WorkBuddy 五层控制系统与落地组件，并指出行业尚缺成熟的 Agent 业务逻辑验证方案。
2026-07-26 23:52:57
386
原创 Java Agent 生产怎么做？携程团队经验分享
现有 Java Agent 方案缺少生产级运行时能力，本文介绍基于 Spring AI 扩展的 Spring-Ai-Trip 框架，围绕四大设计原则，实现渐进式记忆压缩、大报文溢出保护、认知可观测、工具热插拔、并行工具调用等特性，解决分布式 Java 服务部署 Agent 的各类生产痛点。
2026-07-24 20:51:37
385
原创 微软如何落地企业级智能体 — Microsoft Core AI 产品负责人访谈
本文剖析企业智能体投产各类致命隐患，核心观点是智能体运行框架与大模型同等关键，拆解五层生产级运行框架。指出传统单次 RAG 存在缺陷，提出迭代式检索子智能体方案，配套独立身份、边界安全防护。强调需搭建持续在线 + 业务细则双维度评估体系，形成自优化闭环，并给出可复用落地经验与行业短期发展趋势预判。
2026-07-16 02:12:40
323
原创 如何裁剪上下文的同时不丢失关键历史信息
一种上下文裁剪流水线，核心亮点在于裁剪的同时保留关键历史不被删除，包含三个遍历：过期上下文消除、重复上下文消除和依赖恢复。该方法避免使用 LLM 或嵌入，仅依赖标准库组件，并保证可重复性。
2026-07-13 03:47:02
359
原创 RAG中被忽视的步骤：检索前做好问题改写
本文介绍了在 RAG 流水线中解析用户问题的六个被忽视的教训，主张在检索之前将问题结构化为类型化的关系数据，而非直接对原始字符串进行向量化。
2026-07-12 01:50:19
305
原创 反对主流RAG的六个观点: 向量检索并非必须
本文提出了一种改进传统RAG（检索增强生成）的新方法，核心观点包括：1）将检索视为"过滤"而非"搜索"，通过结构化数据表实现可复现的精准检索；2）区分"答案精确定位"和"背景上下文"的获取方式；3）采用关键词优先、向量兜底的两阶段检索策略；4）建立明确的"答案不存在"判断机制；5）针对企业文档特点，利用文本共现结构优化检索效果；6）发挥目录导航作用，通过小模型辅助判断相关章节。这些改进解决了传统方法在结果一致性、精确度、成本控制和幻觉问题等方面的不足，特别适用于企业文档问答场景。
2026-07-10 11:12:46
348
原创 跳出余弦相似度陷阱：RAG检索本质是筛选
传统RAG依赖向量相似度搜索，存在幻觉、不可复现等缺陷。Series RAG提出新范式：将文档解析为结构化数据表（行数据+目录表），通过类SQL布尔筛选而非全局相似度计算实现检索。其优势在于：1）无匹配时返回空结果，避免强制召回；2）规则透明可审计，结果稳定可复现；3）结合关键词筛选与语义层级关联，精准定位答案。实践表明，结构化筛选优于黑盒向量搜索，未来RAG优化应减少模型依赖，转向显性规则与多表关联逻辑。
2026-07-09 02:45:33
307
原创 为什么 Agent 时代都在做 CLI ？MCP死了吗？
当软件操作者从人扩展到 Agent，CLI 不再只是给工程师用的老工具，它可能成为 Agent 调用外部世界的高效入口。而MCP的标准化能力仍在特定场景发挥作用
2026-07-08 02:23:13
540
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