- 博客(22)
- 收藏
- 关注
RSS订阅原创 AI智能体开发流程与产品设计
AI产品开发流程可划分为与传统产品共有的基础阶段及AI技术特有的核心阶段。其中，共性阶段涵盖需求分析、产品规划与项目管理，这些环节与传统软件开发流程具有一致性，主要聚焦于明确用户需求、制定产品路线图及协调资源推进开发进度。而大模型特有阶段则是区别于传统产品的关键链路，包括数据准备、模型开发及端侧部署数据准备阶段涉及数据采集、清洗与标注，为模型训练提供高质量输入；模型开发阶段包含算法设计、模型训练与参数调优，旨在构建满足性能指标的AI模型；端侧部署阶段。
2025-08-05 16:57:27
1091
原创 从2025世界人工智能大会看大模型趋势
结合2025世界人工智能大会（WAIC）的最新发布，AI大模型的发展呈现出*技术突破与场景落地双轮驱动*的特征。以下从技术演进、产品创新、产业趋势三个维度展开分析
2025-07-31 16:05:32
1171
原创 2025年7月：AI与大模型领域月报：技术突破、应用落地与用户影响
AI大模型领域月报：包含 12 个技术突破案例、8 大行业应用场景及用户影响深度分析。
2025-07-30 14:42:59
1520
原创 从语言关联到事件推演的跃迁之路-语义图谱、知识图谱与事理图谱：认知的三维拼图
摘要：语义图谱、知识图谱与事理图谱构成认知智能的核心框架，分别侧重语言关联、事实存储与事件推演。语义图谱解决词义消歧与语法支持，知识图谱擅长实体关联与智能问答，事理图谱则聚焦事件因果链分析。三者能力互补：知识图谱提供实体基础，事理图谱实现动态预测，语义图谱支撑自然语言交互。典型应用涵盖搜索引擎（语义）、金融风控（知识+事理）等场景。未来趋势指向多图谱融合，通过协同技术栈实现从静态知识到动态决策的闭环，在金融、军事等领域催生突破性应用。
2025-07-25 11:38:49
653
原创 某AI智能问答系统规划与设计
本文详细规划了一款智能问答系统的产品设计与技术实现方案。系统核心功能包括思维链推理、智能关联推荐、精准信息定位和跨领域知识融合，采用分层推理引擎、混合推荐策略和多通道混合检索等技术实现。产品架构分为数据层、中台层和应用层，支持多模态交互和思维链可视化。产品迭代分为MVP、成长和成熟三阶段，逐步扩展功能与数据范围。运营策略涵盖用户教育、数据驱动优化和商业化路径（企业版、API服务等）。同时识别并提出了针对技术、数据和运营风险的应对措施，旨在打造高效、可解释的跨领域智能问答平台。
2025-07-25 11:20:31
864
原创 设计智能问答系统的技术和工具
智能问答系统的核心技术涵盖自然语言处理、知识存储、大模型推理、检索增强生成等模块，需结合多领域工具链实现。关键包括：1）NLP工具（spaCy、ERNIE）处理分词、实体识别；2）知识图谱（Neo4j）与向量数据库（Milvus）存储结构化知识；3）大模型（LLaMA、GPT-4）进行推理生成；4）RAG框架（LangChain）结合检索与生成；5）推荐系统（LightFM）实现关联扩展。技术选型需平衡场景适配性、成本与扩展性，通过工具协同构建精准、可解释的问答系统。
2025-07-25 11:13:33
1088
原创 Langflow + DeepSeek 方案
这是一种结合了可视化工作流构建工具与高性能大语言模型（LLM）的解决方案，旨在简化 AI 应用的开发和部署流程，提升效率并降低技术门槛。以下是对该方案的详细解
2025-07-21 14:54:16
942
原创 智能体的问题挑战
智能体技术发展与应用挑战摘要（150字） 当前智能体技术面临三大核心挑战：技术底座方面，多模态感知融合效率不足、规划决策存在"幻觉"风险、多智能体协同竞争机制失衡；应用场景方面，存在行业覆盖不均衡、交互生态未成形、个性化需求响应不足及复合型人才短缺等问题；安全治理方面，数据隐私保护、伦理法律合规及社会就业冲击等风险凸显。技术层需突破动态环境适应性与决策可靠性，应用层亟待构建标准化生态体系，治理层要求完善伦理规范与安全框架。智能体技术需在能力提升、场景深耕与风险管控三重维度实现突破，方能推
2025-07-18 16:56:12
790
原创 【Deepseek】RAG 技术与模型架构的创新变革
DeepSeek 能够模拟开发者的代码输入和错误修复过程，通过与 API 交互，根据编程语言提供代码补全建议，并检测和修复潜在的代码错误。例如，用户可以通过 API 调用 DeepSeek 的深度补全功能，生成 Python 和 JavaScript 代码，实现相同的功能——计算数组中所有偶数的平方。例如，在代码生成任务中，DeepSeek 可以根据用户提供的自然语言描述生成完整代码，并结合上下文推断用户意图，从而提高代码的正确性和可运行性。Langflow界面。DeepSeek推理。
2025-07-18 16:13:12
942
原创 【服务映射的标准化流程】
本流程设计标准化（分层模型+公式）、自动化（动态发现+基线调优）、可验证（联动测试用例）三大特性，直击传统映射流程中标签孤岛、静态阈值僵化、故障定位迟缓三大痛点，为网络服务等级管理提供可落地的技术支撑。
2025-06-27 15:42:16
812
原创 【主流SLA监控工具的实践】
本文提出了一套通用的网络服务等级监测工具方案，从功能规范、指标映射、告警联动和实施保障四个维度构建标准化框架。方案要求监测工具具备多层级指标采集、秒级粒度数据获取和动态基线计算能力，并提供分层指标映射模型和标准化的SLA计算公式。同时设计了分级告警机制与故障自愈流程，强调数据存储合规性和跨工具集成规范。通过Prometheus、Zabbix等主流工具的实践案例，验证了方案的可落地性、可审计性和弹性化特性，最终输出技术规范、应急手册等标准化文档。兼顾行业合规要求和业务灵活性，为构建有效的SLA监控体系提供指导
2025-06-27 15:35:39
1034
原创 如何开始在客户关系管理（CRM）中应用代理型人工智能(二)
如果企业选择与初创公司合作部署人工智能体，需要明确认识到：提供自主人工智能的初创公司与传统CRM供应商的运营理念存在本质差异。这些新兴供应商进入CRM领域时，往往不太注重对人工员工的支持，也不太可能充分利用现有软件资产（这可以理解，因为现有软件资产多来自传统CRM供应商）。
2025-05-08 16:22:29
814
原创 如何开始在客户关系管理（CRM）中应用代理型人工智能(一)
Gartner咨询公司认为，代理式AI将对CRM技术基础产生深远影响（关于现有CRM体验未来如何被AI代理取代的预测，请参阅注释3）。未来12个月内，我们还将看到大型CRM供应商现有客户中前20%的企业会采用某种程度的CRM代理式AI技术。CRM中的代理式人工智能通过搭载大型语言模型的推理引擎瞄准这些局限，将用户意图分解为规划与行动循环，并将任务分配给具备专业技能的小型AI代理。应用领导者应规划将自主式AI整合至面向员工和面向客户的流程中，既为员工提供更优质的服务工具，又直接为客户创造更卓越的体验。
2025-05-08 15:55:18
1240
原创 数据驱动转型如何整合全局：数据运营化
数据运营化（Operationalizing Data）——通过数据资产（Data Assets）提升企业绩效（Business Performance）——正成为核心竞争优势（Core Competitive Advantage）。
2025-04-08 15:10:23
371
原创 SaaS财务指标与盈利性分析
计算示例：若收入=12,000元，COGS=2,400元 → 毛利率=(12,000-2,400)/12,000×100%=80%。示例中LTV/CAC=3、CAC回收期10个月，符合SaaS行业优秀标准，但需关注客户留存率变动对LTV的影响。CAC优化：若行业CAC中位数为8,000元，当前9,600元有优化空间（如提升转化率）。健康阈值：若CAC=9,600元，则LTV/CAC=3（刚好达标）。季度预付改善现金流（1月收3,000元），但需区分账单与确认收入。个月（优秀企业＜12个月）。
2025-03-31 18:24:05
1288
1
原创 数据空间的商业模式
本文旨在构建跨利益相关方的共识框架。价值创造不仅关乎货币化，许多数据空间项目更以社会效益为首要目标。此外，任何有效的商业模式必须在复杂的价值网络中兼具协作性与多边性。
2025-03-27 17:08:28
1033
原创 混合云和云互操作性
企业领导层应努力创建一个基于团队的协作方法，以制定政策、目标和战略方向。数字基础设施在推动数字业务成功方面的作用只会随着时间的推移而增加。缺乏前瞻性战略的组织将面临落后的风险。
2025-02-28 17:59:27
1105
原创 数据基础设施的未来2
这些新兴的数字基础设施技术有潜力显著提升下一代工作负载的性能、安全性、规模和总体拥有成本。每个企业都需要自行决定如何最好地利用这些创新。那些未能将这些因素纳入未来战略的企业将迅速落后于竞争对手。
2025-02-27 10:35:37
890
原创 分析Baas对传统云服务商的影响
BaaS正在对传统云服务提供商产生重大影响，促使他们改进服务产品、提高法规遵从性和安全性、采用云原生架构、集成开放式银行和API解决方案、关注客户体验并进行全球扩张。这些变化正在重塑竞争格局，并迫使传统提供商进行创新和调整，以在不断发展的市场中保持相关性。
2025-02-27 10:02:14
688
原创 数据基础设施的未来1
数字基础设施为敏捷的数字业务提供了至关重要的基础支持，包括高性能、数据密集型的人工智能（AI）技术以及自动化的DevOps和数据科学工具链所支持的新兴工作负载和用例。他们还期望创造广泛的新的收入机会。为了成功利用AI，企业需要现代化许多现有的应用程序和数据环境，打破现有系统和存储平台之间的壁垒，提高基础设施的可持续性，并谨慎选择在云、数据中心和边缘位置部署不同工作负载的位置。在考虑构建AI-融合基础设施的潜在成本和复杂性的同时，许多组织还需要维持现有的关键任务系统和应用程序的运行，这让他们感到不堪重负。
2025-02-26 15:33:47
984
1
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