暂无搜索历史
每周五下午,你都要写一份运营周报。数据散落在各个平台后台——淘宝的、拼多多的、抖音的——你需要在多个页面之间来回切换,手动整理数据,再套用模板写报告。
机器人要完成“拿起杯子”这个动作,至少需要理解杯子在哪里、桌子有多高、机械臂当前姿态、杯子是否装着热水,以及动作完成后环境会发生什么变化。
MCP 正在让模型连接工具和数据源变得标准化。对企业来说,这意味着 Agent 可以更快接入工单、监控、数据库、云平台、飞书、企业微信和内部系统。
2026 年 7 月 16 日,月之暗面发布 Kimi K3——全球首个参数量突破 3 万亿的开源模型。消息选在 WAIC 2026 前夜公布,新华社随...
传统 ITSM 会创建工单、分派任务、发起审批,再由运维人员开通权限。AI Agent 进入企业以后,它可以识别员工身份、查询部门和项目、关联数据库配置项、匹配...
核心判断:ObjectStore trait 用三个异步方法(put/get/exists)屏蔽底层存储差异,四种后端无缝切换。多租户隔离通过 account...
Git commit 每次都要重新读文件、算 SHA-1、写 blob——这对 AI 记忆系统是灾难。一个账号可能有上万个记忆片段,但每次 commit 通常...
AI Agent 的记忆系统面临一个根本张力:上下文窗口再大,也装不下一个持续运行数月的多会话项目的全部历史。增量写入 vs 全量检索,版本回溯 vs 存储...
企业 AI 落地真正缺的,往往不是更聪明的模型,而是一套能让模型理解企业世界的对象、关系、规则和动作。
企业 AI 落地最尴尬的地方,不是模型不会回答,而是它回答完以后,调不动任何系统。
但对一个刚开始公开建设的开源 ITSM 项目来说,它是一个很小、很真实、也值得认真对待的信号。
流程决定 AI 拿到什么上下文、能调用什么工具、由谁确认、如何审计、结果算到谁头上。
SEO 争的是搜索结果页的位置,GEO 争的是 AI 是否能正确理解、引用、推荐和描述一个品牌。
开源 ITSM 插件系统能不能做好,不取决于插件市场 UI 好不好看,而取决于 Manifest 契约设计得够不够清晰。
开源 ITSM 的挑战,不只是补功能,而是把部署、权限、流程、审计、数据质量、升级边界这些“看不见的工程”做扎实。
上一篇我写了 ServiceNow 的 Spoke 机制。Spoke 真正值得学习的地方,不是它连接了多少系统,而是它把外部系统能力做成了可安装、可复用、可组合...
中文:训练时,每份参数在显存里实际要存多份东西。论文 Section 3.1 给出了具体公式:fp16 参数 + fp16 梯度 + Adam 优化器状态(fp...
训练大模型,显存是第一个拦路虎。一个 1000 亿参数(100B)的模型,单是模型参数就要 400GB(每个参数 4 字节),还没算梯度、优化器状态、中间激活值...
本文拆解三篇关键开源项目,还原智谱 AI 的真实技术路线与能力边界。 GLM-5.2 于 2026 年 6 月正式发布,官方定位「与 Claude Opus ...
GPT-4.5 和 Claude Sonnet 在代码补全任务上已经接近人类程序员水平。然而,当对话式 LLM Coding Agent(如 Claude Co...
暂未填写公司和职称
暂未填写学校和专业