暂无搜索历史
这段日子,MCP 这三个字母飘得到处都是。大会在讲,教程在教,五分钟搭一个 Server 的视频一条接一条。
一个跑了 40 分钟的长任务 agent,最后交出来一份格式漂亮、结论全错的分析报告。复盘时翻日志,三件事是连在一起的:第 12 分钟工具调用抛了异常,被一句 ...
不是产品出身的人做评审、做系统设计,产品判断往往只剩三样东西:经验、参照、不断试。跟一位资深产品人深聊,四句大白话把这件事钉成了桩子:产品管的不是 UI,是真需...
昨天晚上,原来公司的一位小同事联系我,问了个这段时间很典型的问题:现在 vibe coding 这么盛,还需要去磕程序开发的细节吗,有没有什么好书推荐?
从实践落地到思考,之前也陆陆续续写了些 AI 应用的文章。一路写到官方文档怎么读、上线前怎么验收、安全与成本的红线怎么划、团队编制怎么跟着变。那些文章说到底讲的...
这个系列讲一个问题:AI 应用怎么才能真的跑进生产。前四篇讲的都是“系统”,这一篇换个对象,讲做系统的人。
这个系列讲一个问题:AI 应用怎么才能真的跑进生产。前三篇把一个系统从“能跑”推到“能验”,这一篇换个方向,讲它会怎么咬人。
第 1 篇是《8 种 AI 应用设计模式全景图:真正卡住你的,从来不是模型》,讲的是地图:四层架构、三条契约、8 种模式与三梯队。它提出了可替换性测试这个判据,...
理由很充分:网上谈 Skill 的、谈 Agent 的、谈 RAG 的,一抓一大把,不缺这一篇。我以为这些事是懂的人自然懂,没必要专门讲。
这两年很多传统制造业、工程领域的企业搞数智化建设,做出了一个很别扭的产物:把大模型、知识库、智能体塞进原来的门户里,变成"智能模块""AI 助手菜单"。页面是新...
别盯着某一个视频教程一个一个刷,去仔细研读官方文档。这是最快让你真正掌握一门技术的方式,没有之一。因为它是唯一一份不会为了讲得顺而替你省略边界的资料。
第一版,用当时最强的模型,Prompt 写了两千多字,demo 效果惊艳,全场鼓掌。第二版要接企业知识库,加了检索,效果开始飘,有时候准,有时候一本正经地胡说。...
上一篇《都在讲 RAG,没有一个人提它:你的 AI 应用,正站在一条看不见的地基上》聊的是地基——向量数据库。 这篇聊地基之上的东西。 结论提前摆在这儿...
上周公司组织了一场 AI 应用实践分享会,十几个团队轮番上台。做智能客服的讲了 prompt 调优,做知识库的讲了文档切分策略,做代码助手的讲了 rerank ...
一份写给传统制造企业二级部门的组织重构手册。有雷同,纯属巧合。但如果你所在的公司还在按"研发一个部门、产品一个部门、测试一个部门"搭架子,那不是巧合,那是你。
准确的说法是:互联网那套复杂度,是系统内部的逻辑复杂度,分支多、状态多、并发多。但它有个被很多人忽略的特点:它已经被代码固化过、被数字化过、被结构化清洗过一遍了...
知识蒸馏,是大模型时代把"聪明"从云端搬到口袋里的关键技术。它不像训练那样从零学起,而是让一个大模型当老师,把它的判断逻辑"熬"进一个小模型。小模型体积只有老师...
技术成熟的今天,微调的胜负手早已不在模型,而在数据——80% 在数据,20% 在技术。
先看现象。你在网上能搜到的"AI 画 CAD",基本逃不出这四类:第一类:文生图式的"平面图生成"。 输入一句"画一个三室两厅",出来一张看着像施工图的图片。问...
很多企业 AI 项目不是死于模型不行,而是死于「只有头、没有腰」。上面挂了个大模型 API,下面买了一堆卡,中间什么都没有——于是 Demo 很惊艳,上线遥遥无...
暂未填写学校和专业