AI 落地知识库
覆盖 AI 转型、FDE（前沿部署工程师）方法论、RAG、Agent、知识管理等主题的一线实践与洞察，按主题浏览企业 AI 落地的真实经验。
咨询｜当咨询公司遇上 Agent Harness：模型之外，真正决定胜负的是什么？
这两年，几乎每一家咨询公司都在讲 AI：有人在 PPT 里堆概念，有人在项目里用大模型写一点文案、做一点调研，还有少数团队开始尝试用 Agent(https://www.53ai.com/news/LargeLanguageModel/…
实战|从 Loop 到 Graph Engineering ，如何让 Agent 系统长期、可靠地运行
上周，龙虾之父Peter Steinberger 发了一条推文：我们还在讨论 Loop，还是已经转向 Graph 了？
Agent 不需要 A2A：不需要将函数调用包装成协议交互
过去，一个系统调用另一个系统，我们称之为 API 调用；一个服务把任务交给另一个服务，我们称之为 RPC；一个耗时任务需要查询进度，我们会返回一个 taskid；一个服务需要向调用方持续发送结果，我们会使用 SSE、WebSocket …
腾讯WorkBuddy实践：如何把Agent做成可用产品
我们总以为，把 Agent(https://www.53ai.com/news/LargeLanguageModel/2024052823549.html) 做好，关键在于换一个更强的模型，或者把提示词写得更长、更细。
Loop Engineering：从提示词工程到智能体闭环设计
提示词越来越长，但效果并没有线性提升。一个需要多步工具调用、外部数据反馈、有条件分支的 AI 任务，靠单次生成几乎不可能稳定交付——哪怕写了 5000 字的 prompt 。
Anthropic 和 OpenAI 一个砸 15 亿美元做咨询，一个推 Agent 平台——AI 战争，换战场了
上周，AI 圈发生了一件挺有意思的事。两家最头部的公司——Anthropic 和 OpenAI——在前后不到一周的时间里，各自干了一件"反直觉"的事：一个跑去开咨询公司，一个直接做起了"AI 员工"管理平台。说白了，它们都在做同一件事：…
本地先脱敏，再上在线大模型：小模型也能有用
现在大家都爱用在线大模型。
WorkBuddy保姆级教程｜把Markdown做成精美Word和PDF
最近还在给电子工业出版社录 WorkBuddy 实战课。上一篇文章，我拆了 WorkBuddy 的 Deep Research。为了把整个过程讲清楚，我让它围绕 Loop Engineering 重新做了一次深度研究。几个 Subage…
写一句中文 Prompt，技术架构图自己动起来了
⭐ 设为星标 · 第一时间收到推送
一文讲透Agent三件套：MCP、Skill、Hook如何给大模型装上护栏
关注腾讯云开发者，一手技术干货提前解锁👇
Loop Engineering 实践指南：在 Code Buddy 中构建自主循环系统
Loop Engineering 是由谷歌工程师 Addy Osmani 提出的 AI 编程新范式。其核心理念是：围绕大模型构建自主循环运行系统，使 AI 从单次响应工具升级为长期自治代理。
腾讯 Miora 正式发布，设计工作也可以交给 AI 了
探索最新 AI 工具，发现 AI 带来的无限可能性！
微软开源 Resource2Skill：把教程、代码和文档“炼”成 Agent Skill
微软最近开源了 Resource2Skill，一套把人类已有资源“炼”成可执行 Skill 的系统。论文作者来自微软、加州大学圣克鲁兹分校和上海交大，代码已经放在 microsoft/Resource2Skill 仓库中。
KV-Cache到底在缓存什么-大模型推理的物理基础
KV Cache 是 transformer 推理时 attention 层产生的 K/V 张量缓存，是模型架构决定的物理存在，不是某个厂商的优化技巧。它的显存占用随 context 长度线性增长，1M token context wi…
Graph Engineering 入门：当 AI Agent 从循环走向协作网络
2026 年 7 月中旬，Peter Steinberger 在 X 上写了九个字，收获了数千点赞：
知识图谱、问题图谱、能力图谱的界定及关联
在人工智能、智慧教育和智能咨询的落地应用中，知识图谱、问题图谱、能力图谱是三组高频且容易混淆的工具。三者都是结构化的数据网络，用来梳理零散信息、支撑智能系统运行，但对应的应用场景、主要作用和搭建逻辑完全不同，在实际工作中常常搭配使用，形…
TMAP平台图生视频推理加速实践
TMAP 平台针对图生视频模型在工业落地中面临的显存占用高、推理延迟大及成本昂贵等瓶颈，通过与“淘宝法象”团队合作，在多卡并行、Attention 加速、量化加速及缓存加速等领域进行了深入实践与优化。具体而言，平台采用 Deepspee…
企业知识库做完了，为什么员工还是在群里问老板？
ENTERPRISE AI NOTES 2026.07.17
忘掉\"漂流瓶\"时代的企业知识库，用事件驱动激活，知识有消费才有增长
辛辛苦苦把做完的方案、总结的 SOP、踩过的坑，写成文档扔进知识库，然后拍拍手完事了。也许很久以后，万一有那么一天，某个人在着急麻慌，需要救火的时候，正好碰运气能搜到它。
智能体分析不是与数据聊天，而是行动
过去两年，“智能体分析”（Agent(https://www.53ai.com/news/LargeLanguageModel/2024052823549.html)ic Analytics）这个词几乎出现在了每一家BI厂商、每一个语义…
冯颉：AI 正在重做软件公司的组织链条
AI 对软件公司的改造，不只发生在产品里。铱云从产研、决策机制到交付链条重新调整，让懂 AI 的人更早面对客户，用更短的链条把需求变成可验证的结果。
伯克利开源 PixelRAG：不把文档解析成文字，而是渲染成截图直接搜
PixelRAG(https://www.53ai.com/news/RAG/2024062056319.html) 的项目 banner
让 Agent 越用越准、成本越来越低：AgentLoop 的 Agent 经验自进化闭环
文章内容基于作者个人技术实践与独立思考，旨在分享经验，仅代表个人观点。
企业本体建模法：Palantir 4 要素+DDD 4 原则+治理 3 步
上一期我们讲了业务本体不是又一个知识图谱——它是 KG + Action + Rule + Security 四位一体(https://mp.weixin.qq.com/s?biz=Mzk3NTYyODQxNg==&mid=224749…
个人 AI 知识库一次讲透：不用数据库，靠这四步就能搭起来
FEATURE · AI 工程方法论
上下文压缩的基本原理
一次调用中发送给模型的所有内容都属于上下文（Context）。它是模型生成答案前读取的信息，也是模型执行当前任务时的工作记忆。
数据分析需要专门的智能体吗? 阿里给出了答案
通用智能体和编程智能体的核心边界在哪里？是否真的有必要为数据分析单独造一套系统？如果需要，具体要解决什么难题？
别再用员工使用率证明AI转型成功
很多 AI 项目到了汇报阶段，都会出现一页很热闹的数据。
横向拆解Claude Code、Codex等六大Agent上下文压缩策略后，我们做了第 7 个
作者：mervynyang
本体工程化-分享会感悟：从“会回答”到“能落地”
周末有幸参与了腾讯云组织的"本体论在AI时代的工程化落地实践"主题分享会。
AI时代，FDE应该升级为FDC
最近，在辅导企业AI 落地的过程中，我越来越强烈地感受到：
Palantir 把 Ontology 炒火了，但国内别把它当成知识图谱V2.0
一、Ontology正在被误解的热词
我做了一年多FDE，发现AI项目最难的根本不是技术
FDE(https://www.53ai.com/news/zhinenghuagaizao/2026051372635.html) · BUSINESS TRANSLATION
业务本体不是又一个知识图谱：让 Agent 从\"会答\"走到\"会做\"
01写在最前：很多"本体项目"失败了
微软开源 Resource2Skill：把教程视频蒸馏成 Agent 可执行技能
让 Agent 真正做出一张像样的幻灯片、一个能跑的网页，或一个勉强能看的 UE5 场景，关键往往是可复用的操作经验：目标怎么拆、先调哪个接口、中间状态怎么检查、失败了怎么补救。这些经验，正是 Agent 技能库要沉淀的东西。
一个基于知识图谱的智能体可视化工具
目前能源方向的大模型应用及智能体开发，大部分都不是自上而下、一气呵成的，因为没有成熟的经验可以参考，所以一般还是先从具体需求出发，先实现，再迭代，然后逐步提炼，起码我们是这样。
AWS 砸 10 亿美元自建 FDE 组织：云厂商开始收编交付层
上个月我写过《Google 把 FDE(https://www.53ai.com/news/zhinenghuagaizao/2026051372635.html) 改写成 Agent(https://www.53ai.com/news…
AI大模型工具深度运用有哪些实际工作场景？企业如何开启AI赋能新时代
企业在运用AI大模型时，底层逻辑通常遵循三条演进路径：
Hermes Agent v0.19.0：水银快闪版，AI Agent 终于开始“跑得快、跑不丢、管得住”
Hermes Agent(https://www.53ai.com/news/LargeLanguageModel/2024052823549.html) v0.19.0 于 2026 年 7 月 20 日发布，官方副标题是 The Q…
我如何在 AI 浪潮里，重新理解团队和组织
2024 年年末，在彼时轰轰烈烈的 AI 浪潮下，我受到了一股从未有过的力量驱动。
AI Native 组织的终局，不是少雇人，而是重新定义岗位 丨 AI Native 组织进化 6 问之六
很多公司做 AI 规划时，很容易从编制表开始。
RAG 找不到答案时，别急着怪模型，不如试试 SAG 知识库
企业知识库里最难的问答，往往不是“某段话在哪里”，而是“几段事实怎么连起来”。
Kiro 实战：让 AI 自动「记住」你的系统——知识自沉淀机制设计
前面，我们给后端项目（23 个 Java 微服务）搭了一套 Kiro 开发体系：先是建了 9 个项目级 Skills（从 DDL 到 CRUD 到 Feign 客户端一条龙），然后用 Multi-Agent 流水线把需求分析→模块定位→…
拆解 Agent Workspace 三条技术路线：WorkBuddy、Claude Tag 与 EragonAI（上）
编者按：Agent Workspace 是企业级 Agent 落地绕不开的一环，但市面上的讨论大多停留在功能罗列，很少有人真正拆开代码与架构逐一核对。本文选取 WorkBuddy、Claude Tag、EragonAI 三条比较有代表性…
Kimi K3 和 GPT-5.6 Sol，全面对比评测来了！
上周，AI 圈迎来了一位新的硬核开源玩家，Kimi K3，发布就登顶 Frontend Code Arena 榜第一。我们 Datawhale 第一时间对模型进行了与另外一个顶级模型的横向对比测试。我们一直在想：怎么才能让所有的读者也直…
装一个\"私有知识库\"Skill，把公司所有产品手册喂给AI，以后问报价直接出答案
销售群里又弹消息了——"小王，XX型号现在什么价？客户等着要。"小王打开产品手册PDF，300页，搜关键词搜出47处匹配，挨个翻。翻到第5个才找到，发现不是最新版。又去翻报价单Excel，版本号对不上。15分钟过去了，群里催了三遍。
构建内部知识库的一点心得
最近在做一个项目知识库，过程中积累了一些体会。
基于数据关系与推理关系协同的本体推理架构
某大厂的企业级数仓元数据平台堪称"完美"。完整的数据目录覆盖ODS到ADS各分层，参考数据体系规范了所有数据字典和码表，主数据管理统一了客户、产品、组织信息。更重要的是，关系清晰可见——表级血缘展示上下游依赖，字段级血缘可视化追踪数据流…
本体论下的知识图谱关系实体化：关系与实体的边界
最近在梳理知识图谱模型时，我反复碰到这个问题。它看起来只是一个建模细节，实际上会直接决定后面的查询、版本管理和数据治理。关系建得太轻，业务信息装不下；什么都实体化，图谱又会迅速膨胀，最后谁也看不懂。
AI知识库≠把文档扔给大模型——我在集团建AI知识库的真实经验
很多人以为建知识库就是"把 PDF 传给大模型，让它自己看"，我不但见过这么干的，还见过把 10 万份合同直接扔进去然后问 AI"我们的违约金条款都有什么"的；今天说说我在一个制造集团从头建 AI 知识库的经验，踩过的坑、填过的土。
我为什么要用本体做文档知识库管理
作为产品经理，我每天要维护的文档类型很多：产品定义、核心方法论、能力清单、技术架构、案例验证、竞品分析……
知识库是普通人在 AI 时代唯一的护城河
INTERVIEW TICKET
Harness 效应：编排设计如何影响企业级 Agent 的 Token 成本
很多团队评估企业 Agent 成本时，第一反应是看模型价格。比较哪个模型输入便宜，哪个模型输出便宜，哪个模型性价比高。比价自然重要，但论文「The Harness Effect: How Orchestration Design Set…
FDE：把大模型缝进企业现有系统的人
大模型火了几年，但多数企业的 AI 项目仍停留在 Demo 阶段，真正进入生产、产生业务价值的少之又少。
正本清源：企业 AI 不是建在 Harness 上，而是用 Harness 承载业务流程
最近有一种说法在中文圈里来回传：黄仁勋说：未来企业 AI 要建立在 Harness 上，而不是工作流，也不是业务流程。
企业AI改造第一步：你不在上AI，你在还债
上期结尾我留了一句话——"道理我都懂，但第一步就是迈不出去。"线上化这件事，说起来是"把工作流搬上来"，做起来是要把老师傅脑子里的隐性知识挖出来、把不同部门各说各话的口径对齐、还要处理"这件事一直是张三说了算但现在要交给系统"的组织博弈。
给「AI 组织」交了好几波学费后，终于看清了这五级台阶
前段时间有感而发，在朋友圈发了一段关于「公司推 AI 变革 5 个阶段」的观察。没想到，这条简短的动态引发了大量企业家朋友的共鸣和讨论。
企业真正缺的是 AI 落地翻译层
Limen AI Lab · Business AI
你给AI喂的\"企业记忆\"，可能全是假的
几乎所有的企业AI落地，都在犯同一个错误：以为把数据喂给AI，AI就会变聪明。
Dify v1.16.0 正式发布：Dify Agent 进入公测阶段
Dify v1.16.0 版本正式发布，带来了全新的 Dify Agent 功能（Beta），这是一个运行在 Linux 沙箱环境中的代理体验。本次更新包含 Agent 构建器、AI 辅助构建、Workflow 集成等重大功能，同时优化…
3.2万 Star，一款开源的本地AI知识库，18家模型随便切，还能一键生成播客！
Google Notebook LM 用起来确实爽，丢个 PDF 进去，AI 帮你读完、总结、还能生成两个人对着聊的播客。但 Google Notebook LM 有几个问题：需要制作的文档资料需要存在 Google 服务器上、只能用 …
AI时代，企业最大的升级，不是降本增效，而是重构运行方式
见过很多老板,其实心里都清楚一件事:公司越来越离不开自己了。
LLM Wiki ，使用AI来构建你的知识飞轮
LLM Wiki这个概念，最早是由 karpathy 在今年四月份提出的，其原始文档在：
AI Infra入门干货总结：大模型是如何高效推理的
在阅读 vLLM 源码的过程中发现，追踪推理过程中每一步的张量维度变化，对于理解大模型工作原理非常有用。因此，本文将以 Llama 3为例，介绍推理过程中的每个计算环节，在每个计算环节都会标注Tensor的维度变化。
OpenWiki Brains 与 wiki memory 模式：智能体记忆从反应式推到主动式
LangChain 在 7/10 发布 OpenWiki Brains 0.1.0（npm 包名 openwiki，MIT 协议）。该版本把 OpenWiki CLI 的覆盖范围从代码库文档扩展到个人工作流的多源接入：Personal …
FDE vs 咨询 vs 外包：三个角色的分水岭到底在哪
某家银行想引入AI做信贷审批的自动化。他们找到了三家公司，三家各自派了人来。
终于用上 AI 的公司，发现业务被大模型公司抢了
CEO Alex Karp 走进 CNBC 演播室，用一种近乎失控的语气扔出了一颗炸弹。
RAG 怎么评估呢？RAG 评估体系5 个指标让你的知识库从「盲飞」到「可量化」
换句话说：你不知道它什么时候开始答错，你也不知道那个分块参数改动悄悄让召回率跌了 15%。
RAG 工程里的上下文剪枝：如何减少 68% 的上下文
做 RAG 时，我们会关注“如何召回更多内容”。去研究怎么切 chunk、怎么做 embedding、怎么混合关键词和向量检索、怎么做 rerank，让尽可能多的相关资料塞进模型上下文，从而让 RAG 系统回答得更准。
麦肯锡最新研究：AI 不是工具升级，而是组织再造
最近两年，几乎所有公司都在谈 AI。给员工配工具、开培训、做试点、上大模型，似乎只要“用起来”，转型就发生了。可现实是，很多企业的 AI 项目热闹有余，收益不足，真正能转化为企业价值的并不多。
Agentic AI 如何重构企业运营流程？BCG 总结五个规模化落地要素
BCG 的智能体部署实践表明，能否端到端重构流程，决定了一家组织实现的是 60% 的成本降幅，还是不足 20% 的价值收益。
阿里上线免费 Agent 平台，每人限领 1 只！支持 NAS 本地部署
相比较于 OpenClaw ，QwenPaw 有几个非常明显的特点：一是内置了多智能体协作特征；二是内置更细致的安全审查；三是更适配国内的 IM 频道；四是更主动通过 ACP 去调用专业 Agent；五是基于 Agentscope 平台…
85.2万星！别再全文搜索了：一句话，把整个项目变成可查询的知识图谱
接手陌生项目别再瞎搜了：用 graphify 把项目
从 Data Lake 到 State Lake：面向 Agent 时代的存储基础设施重构
过去几年，AI 应用的形态正在快速变化。从早期的模型调用，到对话式助手，再到具备工具调用、任务执行、环境交互和长期记忆能力的 Agent，AI 系统正在从"回答问题"走向"完成任务"。这种变化不仅改变了上层应用的交互方式，也对底层基础设…
传统企业系统怎么和AI结合？我的落地框架
我自己就是从传统系统管理转型做AI落地的。这两年摸索出一套框架，不敢说是最完美的，但至少在我手上跑通了几个项目。今天把这套框架完整地交出来。
首 token 延迟降 3.25 倍！小红书联合北大、上交提出 HYPIC，让混合注意力大模型用上「位置无关缓存」
引言：随着 RAG（检索增强生成）和 Agent 成为大模型服务的主流形态，一条请求的 prompt 往往由几十到上百个独立文本片段拼接而成，长度动辄十万 token，prefill（预填充）阶段的算力开销成为服务成本与延迟的最大来源。…
企业AI转型第一步，不是买软件，而是找场景
场景找不准，AI就是摆设；场景找对了，小工具也能变成生产力。
Agent 治理：用 Hook 堵住 LLM 的偷懒、越权与失忆
引子：从两个真实案例说起
微软用Go语言卷智能体了，谷歌也已入局，只剩OpenAI和Anthropic了
Go 语言已成为云基础设施领域的通用标准语言，从容器编排、CI/CD 流水线，到工程师日常离不开的各类命令行工具，无处不在。Kubernetes、Docker 和 Terraform 都是用 Go 编写的，时至今日，它仍然是团队构建后端…
为什么很多公司的 AI 转型，会卡在中层？ 丨 AI Native 组织进化 6 问之五
很多 AI 项目，刚开始都很像一个好消息。
从 Coder 到 Designer ：电商团队数据研发的 Harness Engineering 实践
这是2026年的第 36 篇文章
Qwen-Audio-3.0-Realtime 如何让语音交互“懂倾听，更聪明”？
语音交互的下一个形态是什么？
GPT-5.6 Sol和Claude Fable 5的营销工作流实测对比
评测 2026.07.15
为什么AI岗位一天收到500份简历，核心人才却依然难求？丨FDE重新理解AI建设者
今年国内一份人才薪酬报告显示，大模型算法工程师稳居招聘热度第一名，校招月薪中位数超过2.4万元，顶尖院校的博士候选人，部分企业开出的年薪逼近200万元。这是大多数人对"AI人才"的全部印象——稀缺、高薪、一将难求。
AI 转型进入深水区：组织 AI 化，不是搭几个智能体
最近我一直在想一个问题：组织 AI 化，到底是什么？
RAG 最难的不是向量库，而是知识链路
很多团队第一次做 RAG，会把注意力放在向量数据库上。
别再手调 RAG 了，让 Loop 自己找配置
手动调 RAG 是一件让人很头疼的事。
别急着部署 MCP Toolbox
MCP Toolbox 很适合小团队研究“让 AI 安全查数据库”，但第一步不该接生产库，更不该给通用写权限。
深度丨工业知识图谱：听起来很美，做起来为什么这么痛？
知识图谱这两年在制造业AI转型方面已经是绕不过去的话题，从最开始的LLM平台应用，到制造业场景，才是真正在工业领域发挥价值的开始。每场行业论坛、每次选型讨论、每个数字化转型PPT里，知识图谱都成了必提词汇。为什么？因为大模型火了之后，大…
从AI工具化到AI组织化：大多数企业走错了路
大多数企业都在用战术上的勤奋，掩盖战略上的盲区。
从数据堆砌到知识驱动：知识图谱 + AI，重构高端制造认知智能
高端制造的智能化，正在经历一场从“感知”向“认知”的范式转移。
从超级个体到超级组织：1688 数据中心 Multi-Agent 研发小队实录
我们在做数据研发领域的 AI coding，在建设项目能力的过程中和集团很多的 BU 都有深入的交流，今年发现大家除了端到端的交付外，大家都在探索"超级组织"，我们通过「 Loop Engineering」和「知识工程」解决复杂工作流的…
00｜企业 AI 落地实战：写在系列开始之前
过去一年，很多团队都把 AI 接进了业务系统。
AI知识库从零到一：个人wiki+企业RAG方案
你有没有遇到过：老板安排一件事，你给新人讲了一遍，下一个人来了又要从头讲。销冠的经验传不下去，客户的问题翻来覆去就那几类，每次都要重新查资料。
淘宝直播数字人 AgenticRL 实践：从 RLVR 到 MultiAgent RL
针对目前数字人交互深度不足，以及传统 Workflow 互动方案灵活度差、泛化能力弱、维护成本高的问题，我们致力于融合LLM的世界知识与 Agent 的自主规划决策能力，赋予数字人“Agent 大脑”，实现极具情绪价值和专业度的深度互动…
AI技术坟场——没有系统思维的企业管理智能化部署，就是一场灾难！
第九期我们拆解了三层基建——编程遍地开花是因为三层地基碰巧全有，经营全军覆没是因为一层都没搭。这一期要回答一个更实际的问题：知道了基建很重要，但你是一家年营收几个亿的制造企业老板，你不可能关起门来花两年先把基建搭完再上AI。你的管理层每…
8.6k Star！科大讯飞把商用智能体平台开源了，Apache 2.0 随便用
前两天刚聊完科大讯飞的 MemFlywheel（Agent 记忆）和 Domux（家居指令），今天这个是讯飞开源的第三个项目，也是体量最大的一个，叫 Astron Agent。
AI 时代，售前为什么正在走向 FDE
客户现在问的问题，已经很少停留在“你们产品有没有这个功能”。尤其在 AI、安全、数据平台、Agent 这类场景里，客户更关心：能不能接进现有SOC平台，如何评判误报漏报，AI的分析结论置信度如何，大模型的幻觉问题如何缓解，现有的安全运营…
千万文档级 RAG 如何逼近零幻觉
向 RAG 系统中塞入的文档越多，它“编造答案”的空间也就越大；当语料规模增长到数百万、逼近 10M 乃至更高时，幻觉问题只会进一步恶化。想要在这种规模下依然让答案可信，就必须构建一条这样的流水线：让 agent 自行核查证据，并为每一…
字节跳动开源AI Agent「上下文数据库」，2.6万星，比传统RAG好用太多了
做过AI Agent开发的朋友应该都有这个痛点：记忆存代码里、资源扔向量数据库里、技能散落各处，管理起来一塌糊涂。检索效果也不行，传统RAG用扁平化存储，Agent每次找东西都像在大海捞针。
企业级 RAG 的知识分层：实体、关系、属性与规则如何落库
实体、关系、属性、规则如何与业务真正挂钩
我对Agent结合写作的场景设计
件架构师罗小东，多年架构和平台产品设计经验，目前在 Agent 场景落地结合中。
大模型负责聪明，本体负责靠谱
有一次跟一个企业客户的技术负责人聊，他抱怨说："我们上了大模型，员工问它一个业务问题，它回答得头头是道，听着特别专业。但仔细一对，数据是错的，规则也没按我们的来。"
多模态 Agent 记忆，为什么不能当成升级版多模态RAG？
多模态 Agent 的记忆系统，过去很容易被理解成一个升级版 RAG：图片、图表、PDF 进来之后，先抽取内容、做 embedding、写进向量库；用户提问时，再用 query 做检索，把命中的top-k图片、文档页或图表一并塞进上下文…
用 WorkBuddy 复刻百万粉丝博主的内容工作流
Dan Koe 是一位海外内容创作者，每天只写作约 2 小时，就在 X（推特）、YouTube、领英等平台累计了数百万粉丝，且几乎一人完成全部产出。但他没有让AI直接帮他输出完整的稿件，而是让 AI 把好内容拆成「半成品零件」——一个金…
Loop Engineering 到底是什么：从概念、设计到 Dify Loop 节点原理
摘要：我们经常会有一个疑问，为什么我们用的一些很热门的AI工具完成任务的成功率高于我们自己研发的AI工具，例如claudecode 或者trea这样的工具，主要原因是这些工具设计“让 AI 自己迭代、自己修正、自己逼近正确答案”的闭环系…
拆解WorkBuddy积分消耗公式：强弱模型分工+轻量化上下文完整打法
使用WorkBuddy的市场人你们是不是也这样：内容排期一压上来，周报、竞品拆解、落地页文案、活动物料全堆在Workbuddy里跑，月初钢充的积分往往撑不到月中就没了......
AI Agent 慢在哪？Node.js 探针把模型、工具和服务链路一次串起来
今天的团队并不缺服务端监控。
拆解LangChain刚开源的OpenWiki：如何落地个人Wiki知识库
看到LangChain AI 刚刚开源了个项目OpenWiki，看它的名称和实现就是把wiki知识库这条路线在实际的应用中落下来，项目介绍：
FDE是什么？为什么企业级AI落地越来越需要FDE？
2026年，企业AI市场出现了一个明显变化：AI公司不再只是把模型、平台和API交给客户，而是开始把工程师派到客户现场。
记忆拓展：独立部署Mem0服务，打通多Agent共享记忆
上篇我们通过Dify的Mem0插件+pgSQL，跑通了跨会话的持久化记忆，让一个Dify应用拥有了“长期记忆”。但如果是多个Dify应用，或者架构中还混用了OpenClaw、Hermes等不同Agent框架，问题就来了：
从 Palantir AIP 看：企业级 AI Agent 的行动治理链路
从工具调用到业务行动治理：为 MSCL (Minimal Semantic Control Loop)的开放行动控制语义建立参照
从一个售前场景开始：一次组织级 AI 落地项目复盘
过去两个月，我负责了一个公司内部创新业务部门的 AI 落地项目。它表面上是一个“市场扫描助手”：自动采集区域市场数据、生成市场扫描报告、支持业务人员查询报告和关键数据。但如果只把它理解成一个报告生成工具，就低估了这个项目的价值。
AReaL 2.0 正式发布：面向 Agent 应用的 Online RL 微服务架构升级
随着大模型智能体逐步进入真实生产环境，Agent 不再只是一次模型调用，而是包含规划、工具调用、沙箱执行、记忆检索、人类反馈和多轮状态管理的复杂系统。与之相对应，Agent 的学习和进化也不能继续停留在离线数据收集、离线训练、重新部署的…
被AI识破的“分工陷阱”：为什么前端部署工程师本质就是销售？
最近，我听到一个非常有洞察力的观点：现在的前端部署工程师（FDE），本质上就是过去的销售。
业务架构、应用架构、数据架构、技术架构……架构到底是什么？
在软件行业，对于什么是架构一直有很多的争论，每个人都有自己的理解。不同的书籍上、不同的作者，对于架构的定义也不统一，角度不同，定义不同。此君说的架构和彼君理解的架构未必是一回事。
Dify记忆能力实战（下）：Mem0插件接入，实现跨会话智能记忆
上篇尝试了Dify内置的两种记忆机制：上下文记忆让AI记住“刚聊了什么”，会话变量让AI记住“用户是什么样的人”。但两者都有一个共同的边界——记忆止步于单次会话，会话结束即清零。
告别拖拽做工作流：两个Skill让Dify应用全流程自动化
用 Dify 搭工作流，大多数人的操作是：打开网页 → 拖节点 → 连线 → 填参数 → 测试 → 导出备份。需求一变，再拖一遍。领导不满意，再改一遍。
产品经理转FDE：一份6个月的生存手册
先告诉你一个会疼的事实。
Dify 1.15.0解读：difyctl、HITL表单和慢模型轮询，企业AI工程化继续补底座
本文基于 Dify 官方 GitHub 1.15.0 release note（2026 年 6 月 25 日发布）整理，重点从企业 AI 工程化和数据治理视角看这次更新。
拆解Agent Harness的11大核心组件与工程实践（附下载）
在大模型智能体（Agent）的落地实践中，很多开发者都会遇到一个共性问题：简单演示场景下，依靠ReAct循环、基础工具和优质系统提示词，Agent可以稳定运行、效果出色。但一旦面对需要十余步操作的复杂任务，系统就会频繁出问题。
Codex最强替代！我用这款全场景Agent搞定整套营销方案
最近被Codex的额度用量折腾得有点难受，不是它不好用，是太好用了导致用量消耗太快，经常跑到一半额度不够，工作流直接打断。
Google 把 FDE 改写成 Agent Engineer 这周，中国企业正在逼出另一种 FDE
过去这几天，FDE 没有大融资、没有大并购，但发生了一件更重要的事：它的定义在变。 而这套正在收敛的全球定义，搬进中国政企的机房，会先撞上三道门。
做 FDE 的第一步不是写代码，而是把客户问题拆到能验收
刚转行做 FDE 的人，几乎都会问错第一个问题。他们问的是："我还差哪些技术栈？" 但在客户现场真正卡住一个 FDE 的，从来不是他会不会写代码——而是他能不能在动手之前，把一句含糊的业务诉求，拆成一组"做完了能被验收"的小问题。
小参数，大能力 | 星际视觉语言大模型再进化，0.8B轻量版正式发布
近日，“2026 高通×极视角端侧AI开发者技术日暨2025骁龙人工智能创新应用大赛颁奖典礼”在深圳举办。
FDE 术语表：30 个词看懂这个行业在说什么
这个圈子里黑话太多。一篇报道里能蹦出 FDE、FDCE、RAG、信创、能力中台一堆词，新人看完一脸懵。
从 BERT 标注到 Agent Skill：短文本标签体系的四次“工业革命”
引言：那场关于“标签重构”的余震
RapidOCR: 从 setup.py 迁移到 pyproject.toml 打包实践
自 RapidOCR 有 whl 包以来，一直就使用 setuptools 来打包。在我看来，打包程序需要满足一个硬性条件：自动化版本号。根据 tag 来自动生成版本号。
中国市场FDE是否有机会？
FDE（Forward Deployed Engineer，前沿部署工程师）模式作为一种将技术专家直接派驻客户现场、以“顾问+工程师”双重身份解决复杂问题的服务模式，近年来在AI与数字化转型领域引起了广泛关注。
硅谷今年最火的岗位 FDE，我们闷头干了三年
今年硅谷突然都在抢一个岗位，叫 FDE，Forward Deployed Engineer：公司派到客户现场的人，跟客户一起，把一个 AI demo 真正变成天天在用的系统。
让 Agent 快速上生产：基于 OceanBase 和 LangChain 打造的智能体系统解决方案发布
5 月 30 日，OceanBase 社区联合 LangChain 中国社区在上海举办了一场 meetup。LangChain & OceanBase 社区大使“沧海九粟”正式发布了基于 OceanBase 和 LangChain 打造…
FDE 到底是干嘛的？我帮你拆清楚了
上一篇《当技术不值钱了，我们靠什么活着？》，我说了三条出路：帮企业部署 Agent、打造个人 IP、把两者结合起来。
用 WorkBuddy 辅助写投标技术方案：别让 AI 替你投标，让它替你把话说清楚
很多人第一次用 AI 写投标技术方案，都会遇到同一个问题：
一次 AI 赋能销售项目的失败复盘：为什么蒸馏了销冠经验，还是成不了销冠
它比很多“AI 赋能成功案例”更值得看。
直播回顾 | 如何找到第一个值得用 AI 改造的业务场景
5月18日猫鼬AI企业AI转型专题直播：如何找到第一个值得用 AI 改造的业务场景已结束，感谢大家的参与。
多轮 Agent 场景下，滴滴的 EAGLE-3 训推加速实践
过去两年，大语言模型（LLM）的应用形态从 ChatBot 快速演进为 AI Agent。在自动化代码工程、长文档分析、多轮工具调用等复杂工作流中，上下文长度已从千级 token 扩展至数十万级；与此同时，LLM 的自回归生成具有强串行…
用 LlamaIndex 让 AI 读懂你的 Excel：三种方案详解
做 RAG（检索增强生成）时，PDF、Word 这类文档本质是"一段段文字"，切分起来相对自然。
Agent有了身份证的第一天，但人类还没想清楚它是什么？
今天，扣子2.5发布了，算是一次比较重要的更新。
从咨询，到轻运营公司，到 Palantir FDE模式
几十年来，在酒店、航运、电站、油田、基建这些传统行业里，一直存在这样一类公司：自己不扛重资产，却深度参与资产的运营与改善——酒店有资产管理公司，船有独立船舶管理公司，电站有第三方运维商，工程有项目管理顾问（PMC）。
把大厂 10 年的职场经验，做成了一个「Coze Skill」—— 扣子 2.0 深度实测
这半年，AI 编程真的变了，Vibe Coding 工具已经不再是搓 Demo，而是能生成完整、可运行的 App。
a16z 万字长文：为什么所有公司都在学 Palantir，却几乎都走偏了？（FDE非银弹）
2025 年，硅谷创投圈最性感的叙事不再是“Platform”，而是“Palantirization（Palantir化）”。
Coze Skill 速通教程：一文学会 Skill 设计方法
你可以卖自己的 Skills 了。
终结 n8n/coze，一句话生成工作流，全网首个 Vibe Workflow 来啦！
还在为n8n的节点配置挠头？Coze的API文档看到眼花缭乱？不用再硬扛复杂操作了！
用飞书多维表调用Coze工作流 | Coze捣鼓日记
上篇日记我们演示了一个Coze工作流中用插件节点（更本质点是调用HTTP请求）获取三方网站的数据的方法，利用这种方法，我们可以突破只能在Coze平台上玩的限制，让工作流发挥更大的作用。那这一篇日记，我们更翻转一下，使用其他平台的HTTP…
LlamaIndex 开发多智能体 Agents 入门基础
当场景复杂、涉及多模块功能时，单智能体难以满足需求，此时需构建多智能体系统：为特定领域任务创建专门智能体，让每个智能体各司其职，共同解决复杂问题。后续将逐步拆解其开发要点。
LlamaIndex 开发智能体 Agents 要点解析
1.1 LlamaIndex框架概述
【实战升级】从70%到99%准确率，我用循环体优化了FastGPT薪资计算助手
在上一篇文章《【实战】手把手教你用FastGPT搭建薪资计算助手，HR看了都想学！》实践中，我们使用 FastGPT 搭建工作流，实现了多工种的薪资计算：按照绩效计算“技术研发人员”的薪资，以及按照生产计件计算的“生产线工人”的薪资。
这可能是全网最详细的 FastGPT 问答助手工作流搭建指南，建议收藏！
把一本500页、充斥着各种电路图和专业术语的《高压断路器运维规程》变成一个随叫随到的专家，“拢共”分几步？
LlamaIndex 是什么？普通人也能用它构建 AI 应用？
你有没有发现，平时用 ChatGPT 时，它的回答虽然“像模像样”，却经常不太靠谱？
SiliconCloud x FastGPT：让20万用户打造专属AI知识库
FastGPT（https://fastgpt.cn/）是由环界云团队开发的基于 LLM 大语言模型的知识库问答系统，提供开箱即用的数据处理、模型调用等能力。同时可以通过 Flow 可视化进行工作流编排，从而实现复杂的问答场景。Fast…
FastGPT 3分钟实现李继刚的“汉语新解”（保姆级教程）
FastGPT 是一个基于 LLM 大模型的开源 AI 知识库构建平台。提供了开箱即用的数据处理、模型调用、RAG 检索、可视化 AI 工作流编排等能力，帮助您轻松构建复杂的 AI 应用。