- 博客(78)
- 收藏
- 关注
RSS订阅
原创 模型之外的那套装置：用 AI harness 完成一个三端同步应用
AI harness 指模型之外、让模型能持续产出可交付软件的全部工程装置。本文把它称作"支架"。它由五层构成：输入层规定模型读什么，反馈层规定模型怎么知道自己错了，观测层把界面与设备状态变成可读事实，记忆层让跨会话不失真，边界层规定哪些动作不许模型自行作出。支架的价值在六天里可以直接计量。
2026-11-11 14:26:07
65
原创 无接口的采购软件能否被复刻：用 REA + LLM 对 Foxmail 做的一次端到端验证
企业采购的软件常不提供 API/CLI，数据与流程只能留在客户端里。本文记录一次验证：以 Foxmail 7.2.25.563 为样本，用 REA 做静态测绘、用本地 mock IMAP 观察其协议行为、由 LLM 按冻结契约生成 Electron 客户端。结论是可行但有限：收件端到端链路在单机环境跑通（29 项单元/集成、11 项冒烟断言全绿），生产数据零改动；发信、搜索、附件另存未覆盖，样本仅 1 个服务器、1 个客户端版本。
2026-10-28 11:42:28
320
原创 微软向 6 万人发出“离职邀请“：看清这三张名单，就读懂了 AI 时代谁被留下
把镜头拉远一点，这是微软年内的第三轮4 月：自愿退休计划，8,750 人符合条件，超 30% 接受；7 月：裁员约4,800 人（约占 2.1%），主要波及 Xbox 与商业销售；10 月：本次自愿离职方案，约 6 万人具备资格。推动这一系列动作的，是一道算得清清楚楚的减法：微软 2026 日历年资本支出预计达1,750 亿美元，2027 财年 Q1 的资本开支指引约500 亿美元。钱就这么多，砸向算力，就得从别处省出来。
2026-10-27 09:51:53
150
原创 决策模型与通用大模型的分工边界：一次 400 次请求的对照实验
决策模型在典型延迟、成本和确定性上有明确优势，在准确率上没有优势，在长尾上表现不稳定。它适合高频、要求可复现、需要概率阈值的结构化判断；不适合需要解释理由的场景，因为它不生成文本，出错时无法自证。
2026-10-23 10:30:19
301
原创 我是如何把下载的 PDF 做成 Presentation 视频：一个 DeepSeek Harness 插件的构建记录
一份三十页的行业报告，从网上下载，读了一晚上。第二天想把它讲给团队听，问题冒出来：录屏翻页太笨，照稿念又撑不起二十分钟。我要的是一段有画面、有讲述、有节奏的 presentation 视频，而输入只是一份 PDF。这篇按背景、痛点、方案、过程、结果五段来写，记录这个插件是怎么长出来的。
2026-10-23 10:11:13
165
原创 假设架构变成了一个skill，企业语义变成了一个ontology mcp服务，那么企业IT定制化应用软件的研发，还剩下的是什么。
假设架构变成了一个skill，企业语义变成了一个ontology mcp服务，那么企业IT定制化应用软件的研发，还剩下的是什么。
2026-10-17 15:14:24
59
原创 从零到可用：本机带本体知识库的构建之路——待解决的问题、过程与结果
这套知识库解决的不是「再做一个文档搜索」，而是把个人与组织的 Markdown 资产升级为可理解概念、可追溯原文、可被智能体消费的知识底座：权威源在上，派生索引在下，本体在中间，人在环中裁决。下一步，本体与实体关系还可以在检索权重、证据标注上进一步发挥作用——这扇门已经打开。这套知识库解决的不是「再做一个文档搜索」，而是把个人与组织的 Markdown 资产升级为可理解概念、可追溯原文、可被智能体消费的知识底座：权威源在上，派生索引在下，本体在中间，人在环中裁决。
2026-10-17 11:18:46
191
原创 火花会 Sparkwave 新能力：接入本机「带本体的知识库」——让头脑风暴同时听得懂自有语料与企业知识
外部知识库组合检索」给火花会装上了一根可以随时插拔的知识脐带：本机那套带本体、带图谱的语义知识库，不必迁移、不必导入，就能实时流入每一轮头脑风暴——而每一次发言用到了哪几条证据，管理后台都能一眼验证。接下来，本体与实体图谱在检索中的权重还可以进一步利用（如把实体关系路径透传到证据标注、支持外部检索的标签与类别过滤），这扇门已经打开。
2026-10-17 11:02:14
234
原创 我如何从0构建一个自用的多智能体多人类角色的头脑风暴工具
火花会 Sparkwave 第一版完整复盘：从"为什么做人机混合头脑风暴"到一次真实讨论的闭环。
2026-10-16 07:49:32
225
原创 本体语义层在企业IT体系内构建的思考
本体语义层不是对现有企业IT体系的重构，而是以边车模式叠加的一层语义增强能力，它将成为未来企业级大模型应用的标准基础设施。企业落地建议采用三阶段渐进路径：第一阶段选择单一场景用Protege+Ontop做POC验证，快速验证价值；第二阶段引入Neo4j作为存储底座，对接3-5个核心业务系统，覆盖重点场景；第三阶段推广至全企业，构建统一的企业本体语义中枢，支撑所有大模型Agent应用。本体语义层：企业大模型落地的语义基础设施。
2026-10-13 11:03:42
60
原创 本体增强LLM标准化解决方案
本方案针对企业落地大语言模型（LLM）过程中普遍面临的幻觉严重、输出不符合业务逻辑、存量数据定义不清难以复用、新语料注入存在安全窗口期等核心痛点，提出基于 Protégé 本体建模的本体增强 RAG（Ontology RAG）标准化落地方案。
2026-09-30 17:13:13
234
原创 本体实施指南
从判定该不该做，到把类型与关系建出来、校验与管版本、把数据映射上来、让业务用户与智能体在受控边界内读写，再到落地选型与交付验收。版本v1核实截止2026-09-28章节8 + 附录引用条目72插图6目录。
2026-09-28 18:49:57
236
原创 初步结构性拆解FDE服务能力体系
目录第 1 章 FDE 知识结构（大模型交付版）1.1 岗位与适用范围1.1.1 岗位定义1.1.2 商业逻辑与前提1.2 知识结构（五大域 + 一条基线）1.2.1 域 1｜客户与场景洞察（翻译层）1.2.2 域 2｜大模型应用工程（技术内核）1.2.3 域 3｜部署与基础设施（落地层）1.2.4 域 4｜交付方法（过程层）1.2.5 域 5｜软技能与协作（枢纽层）1.2.6 基线｜工程基本功1.3 呈现建议第 2 章 交付资源的组织形态与商业模式2.1 三条结论先说2.2 两类资源为什么必须不同对待2.
2026-09-24 20:03:15
109
原创 Smart AIO · 企业应用 Agent 接入中台
企业 Agent 时代的，助力存量应用。本仓库为 Smart AIO 的实现，包含中台主程序（）、目标系统仿真（）以及从概念到交付的完整文档链（doc/
2026-09-02 12:53:11
214
原创 一次性做对：Harness 围栏 + DS V4 Pro / Qwen 3.8 Max 协同的企业 AI 中台实践纪实
这是一份写给同行的实践纪实，不是方法论文章，也不写营销软文。维度数字中台代码6 个 monorepo 包（shared / db / connectors / skill-engine / worker / gateway），约 50+ 个 TS 源文件目标系统MPS Mock System（4 账号 / 10 物料 / 5 申请 / 2 订单 / 2 付款单），约 30 个文件测试用例66 条用例全部通过（展开为 106 + 36 + 27 =169 测试断言全绿文档资产。
2026-09-01 12:01:02
218
原创 DeepSeek Harness · 框架研究学习与实践指南 -- 以猫狗图片识别为例 （进阶：增加了token权限，spwarm批量处理图片，自定义服务的理解和应用）
从一句话需求，到一套能跑、可验证、可复盘的 Cordis 插件系统 —— 用"搭建一个真实系统"的方式，彻底理解 dsh 框架「一切皆插件」的架构思想。
2026-08-28 07:50:09
630
原创 DeepSeek Harness · 猫狗识别框架研究学习与实践指南
从一句话需求，到一套能跑、可验证、可复盘的 Cordis 插件系统 —— 用"搭建一个真实系统"的方式，彻底理解 dsh 框架「一切皆插件」的架构思想。
2026-08-27 11:51:20
703
原创 从一本 600 页 PDF 到一套 PPT+视频课件包：我是怎么把“信息系统项目管理案例分析“做成培训课件包的
从一本 600 页的 PDF，到一个能在 Learning Hub 上被自然语言搜到的"PPT + 视频 + 文字稿"课件包，整套工作流跑下来大约用了一天半。其中真正由 Agent 主导的"翻 PDF"“出 PPT 初稿”“配视频脚本”"配演讲视频"加起来占了大约 4 小时；剩下的 8 小时是人做的事——做样板 PPT、审 bullet、改脚本、填元数据。这才是 AI 在企业培训资产化里最现实的角色：它不会替你思考"这门课该怎么讲"，但它会把你思考完之后那段最重复、最累的体力活全部接走。
2026-07-13 11:39:26
764
原创 毕马威《2026全球技术报告》披露：AI 落地的三步法与 FDE 双轮驱动
AI 落地最难的部分，从来不是模型本身。难的是场景定义——能不能把"我们要用 AI"拆成一张张场景定义卡片；难的是流程再造——能不能根据风险等级为每个节点设计最合适的人机协同模式，而不是一刀切的"全自动"或"全人工"；难的是知识治理——能不能给每一段知识配上权责矩阵，让智能体调用的信息是可追溯的；难的是组织演进——能不能说服 53% 缺乏人才的企业，在买工具之前先把"人人都是 AI 人才"的文化建起来。63% 的企业表示修复技术负债的成本正在严重阻碍新项目推进。
2026-07-12 23:01:22
521
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