- 博客(17)
- 收藏
- 关注
原创 Personal Agent 是什么?为什么大厂都抢着做?
Personal Agent 翻译过来就是「个人智能体」,你可以把它理解为一个专属于你的AI 私人助理。想象一下,你花钱雇了一个远程助理。它有自己的名字,记得你的喜好和习惯,还有一台属于自己的电脑。你平时有活儿就给它发条消息,它会用自己的电脑登录你授权的邮箱、日历和社交账号,把事情办完再回来跟你汇报。哪怕你下班睡觉了,它也还在电脑前帮你盯着。Personal Agent 就是这样一个 AI 助理。你不在的时候,我也会在自己的电脑上继续干活。我能连接你的应用,比如邮箱和日历,像你一样使用它们。
2026-10-16 11:14:36
238
原创 DeepSeek Harness已发布,如何评价这款产品?
模型适配器、工具集、沙箱权限、会话存储、Agent 主循环、前端 UI,全部都是插件。框架预置了四种运行模式,覆盖从开箱即用编码 Agent,到模型基准测试、插件开发调试不同场景,既可以直接 Web 界面跑任务,也支持终端 TUI、无头后台模式、SDK 程序化调用,适配个人开发者玩原型,也适合企业嵌入自研系统做自动化工作流。第一,版本还非常早期,官方已经明确提示后续会有破坏性变更,API、插件接口都可能大改,直接上生产环境风险很高,更适合做技术调研、原型验证、二次开发,而不是拿来直接跑线上业务。
2026-08-20 10:28:56
211
原创 GEO 新手指南:写得再像标准答案,AI 也可能不引用你
它关心的是:当 ChatGPT Search、Google AI Overviews、Microsoft Copilot、Perplexity 等系统回答问题时,你的内容能否被发现、检索、引用,并最终带来可信的品牌认知、访问或转化。GEO 用在这种场景:用户已经开始用 ChatGPT、Google AI、Copilot、Perplexity 做决策,而你希望自己的内容成为答案来源,不只是传统搜索结果里的一条链接。前面页面没被抓到、没进索引、没被检索到,后面的引用、答案、访问和转化都不会发生。
2026-08-20 08:56:30
162
原创 免费自媒体发布工具对比:如何选择你的效率助手
在内容为王的时代,无论是个人自媒体创作者、小型工作室,还是企业的市场部门,都面临着同样的挑战:需要在上保持活跃,以触达更广泛的受众。然而,手动在微信、微博、抖音、小红书、知乎等平台间来回切换,重复编辑、发布内容,不仅耗时费力,还极易出错,导致的效率低下,成为许多内容运营者的核心痛点。正是为了解决这些普遍困扰,应运而生。这类工具的核心价值在于将分散的运营工作集中化、流程化,从而显著提升工作效率。
2026-06-16 11:40:29
233
原创 智能体的核心技术:驱动 AI 的强大引擎
尽管在技术发展过程中,我们面临着诸多挑战,如伦理、偏见、安全性和隐私保护等问题,但通过不断的研究和探索,我们有理由相信,智能体将在未来发挥更加重要的作用,为我们的生活和工作带来更多便利与惊喜。语言模型是 NLP 的基石,从早期的 N-Gram 模型到如今的神经网络模型,如循环神经网络(RNN)、长短时记忆网络(LSTM)和变压器模型(如 BERT 和 GPT 系列),语言模型的不断进化使智能体能够深入洞察语言的深层结构和语义,从而实现更精准的语言理解和生成。智能体在智能交通管理中展现出卓越的能力。
2026-05-27 09:44:24
346
原创 哪款最适合你的内容创作?
考虑到大多数自媒体人对于时间的敏感度极高,因此操作界面是否直观友好成为评价的重要标准之一。支持更多的社交网络平台意味着更大的覆盖范围,这对想要扩大影响力的内容创作者来说至关重要。优秀的数据统计与分析功能可以帮助用户更好地理解受众偏好,从而调整内容策略。遇到问题时能否快速获得有效帮助也是衡量一个产品好坏的关键因素。在保证服务质量的前提下,成本效益更高的方案自然更受欢迎。
2026-03-31 09:37:51
244
原创 如何为AI智能体构建高效的上下文工程(Context Engineering)?
摘要:随着AI智能体从单次问答转向复杂长周期任务,上下文工程正取代提示工程成为核心技术。研究表明,大模型的注意力资源有限,过载会导致性能衰减,因此关键在于用最小最密的信息集精准引导模型行为。文章提出三大策略:压缩冗余信息、结构化笔记实现跨会话记忆、子智能体架构分工协作。未来AI应用的竞争焦点将从模型规模转向上下文管理能力,法律、金融等长周期领域将成为主战场。核心原则是"最好的提示是让模型不需要看太多提示",这要求开发者放弃信息过载思维,构建更智能的信息筛选系统。
2026-01-21 16:05:48
817
原创 Claude放的大招“Agent Skills”:如何让 Agent 具备真实世界能力?
Anthropic推出的Agent Skills将AI能力模块化,通过"渐进式披露"机制让Claude按需加载知识技能,解决了上下文窗口的Token浪费问题。这项技术将提示词工程升级为可组合的技能包,使通用AI能快速掌握专业领域知识。然而,这种"技能商店"模式也带来供应链安全风险,恶意技能可能植入漏洞或窃取数据。
2026-01-19 16:18:37
1084
原创 Think Tool:让 Agent 学会“停下来想一想“
摘要:本文介绍了一种提升Claude AI复杂问题解决能力的新工具——"think"工具。该工具通过在执行任务时创建专属思考空间,显著提升了Claude在工具使用、策略遵循和多步骤问题处理方面的表现。研究表明,"think"工具在复杂领域(如航空客户服务)配合优化提示使用时效果最佳,能提高54%的任务成功率;而在简单领域(如零售)单独使用也有明显提升。文章还提供了实施建议,包括在系统提示中加入详细说明、提供领域示例等,并指出了最适合使用该工具的场景。这种简单易行的工具
2026-01-18 20:17:35
896
原创 如何为智能体编写高效工具?
本文探讨了如何为AI智能体设计和优化工具以提升性能。文章提出通过构建原型、开展评估并与智能体协作的迭代流程来改进工具。核心原则包括:1)选择适合智能体的工具而非简单包装API;2)使用命名空间区分工具;3)返回高价值上下文信息;4)优化token使用效率;5)对工具描述进行提示工程优化。研究表明,这些方法能显著提升智能体表现,如Claude Sonnet 3.5在SWE-bench评估中错误率大幅降低。随着AI发展,这种评估驱动的工具优化方法将确保工具与智能体能力同步提升。
2026-01-18 18:08:30
706
原创 构建高效的智能体-AI智能体开发学习2
文章摘要:跨行业实践表明,成功的LLM智能体开发更依赖简单可组合的模式而非复杂框架。文章区分了工作流(预定义路径)和智能体(动态决策)两种系统类型,建议仅在必要时增加复杂度。重点介绍了增强型LLM、提示词链式调用、路由、并行化等核心构建模式,强调智能体适用于开放式任务但需谨慎部署。附录部分展示了客户支持和编程两个典型应用场景,并详细阐述了工具提示工程设计的最佳实践,包括格式选择、文档优化和防错设计。核心原则是保持简洁性、透明度和接口设计的严谨性。
2026-01-17 12:32:04
973
原创 Claude 开发者平台高级工具使用介绍-Claude 智能体开发学习1
摘要:Claude推出三项Beta功能优化AI工具使用:1) Tool Search Tool动态搜索工具,避免初始加载消耗85%上下文token;2) Programmatic Tool Calling通过代码编排工具调用,减少中间结果污染,降低37% token消耗;3) Tool Use Examples提供调用示例,将复杂参数准确率从72%提升至90%。这些功能协同解决工具使用的规模、效率和精确性问题,特别适用于处理大型数据集、多步骤工作流和复杂API调用场景。
2026-01-16 11:12:00
761
原创 什么是提示词工程(Prompt Engineering)
提示被分词后,"基础 LLM"(或称基础模型)的主要功能就是预测序列中的下一个 token。由于 LLM 在海量文本数据集上训练,对 token 之间的统计关系有很好的把握,因此能较有信心地做出预测。,不同模型(或同一模型的不同版本)对同一提示的分词方式可能不同。由于 LLM 是基于 token(而非原始文本)训练的,提示的分词方式会直接影响生成回复的质量。指令微调 LLM 是在基础模型的基础上,通过示例或输入/输出对(如多轮“消息”)进行微调,这些对中包含明确的指令,AI 的回复会尝试遵循这些指令。
2025-10-13 09:54:34
552
原创 LLM模型选择技巧
嵌入使机器更容易理解词语或句子之间的关系,并可作为其他模型(如分类模型或聚类模型)的输入,这些模型在处理数值数据时表现更好。嵌入模型常用于迁移学习,即先为数据丰富的代理任务训练模型,然后将模型权重(嵌入)用于其他下游任务。代码生成模型,如CodeParrot,通常在大型代码库(如GitHub)上训练,可生成新代码或修复现有代码中的错误。模型是服务的核心组件,通常是基础模型,如LLM。审核者就像仅编码器模型,他们查看已写课程和答案,理解它们之间的关系和上下文,但不擅长生成内容。仅编码器模型的例子有BERT。
2025-10-13 09:28:30
336
原创 前几周Deepseek还是神一般的存在,为啥热度消散这么快?
你看看deepseek发布出来,相信很多大模型公司都坐不住了,Google,微软,包括国内的百度,阿里都有所行动,就连造车的雷布斯也挖取了天才AI少女,所以人人都有机会的。最后说点实在的:我觉的从deepseek开源以后,会有更多的企业和开发者争相去深入探讨它的原理和学习,也会有很多企业来部署和作用起来,接下来会是一场AI人才的抢夺战!所以,真正重要的从来不是社交媒体上的音量分贝,而是看深夜两点钟的commit log里,有多少开发者在用这个工具解决真实问题。
2025-07-01 10:49:50
771
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
RSS订阅