AI在线 AI在线

系统

AI 正在让初级开发人员消失

——两年招人带人后的冷水与警钟你不会在技术大会上听到这一幕,更不会在 LinkedIn 的“AI 赋能人类创造力”帖里读到它。 可在招募与培养工程师十余年、近两年持续招聘与导师制实践之后,几乎笃定:传统意义上的“初级开发者”岗位,正被系统性地撤掉。 这并不意味着编程工作会在一夜之间蒸发。
9/15/2025 2:22:00 AM
dev

DeepDiver-V2来了,华为最新开源原生多智能体系统,“团战”深度研究效果惊人

让智能体组团搞深度研究,效果爆表! 华为最新发布DeepDiver-V2原生多智能体系统。 采用了“团队作战”模式:一个Planner负责任务分解,任务分发,进度审视和成果验收,多个专业Executor并行处理子任务,通过共享文件系统高效交换信息。
9/12/2025 9:01:00 AM

K8s中明明配置了HPA,但是没扩容

Kubernetes 的 Horizontal Pod Autoscaler(HPA)是一种根据观察到的 CPU 利用率或其他自定义指标自动扩展 Pod 副本数的控制器。 它在业务繁忙的时候可以有效的对 Pod 进行横线扩展,但是最近发现明明使用率已经超过了定义的目标值,但是为何没有扩容呢? 9906771bea31d64adb2a89a2f2b88207 MD5为了搞清楚原由,我们从源码层面来找找原因。
9/5/2025 1:22:00 AM

系统梳理 RAG 系统的 21 种分块策略

检索增强生成(RAG)是许多 AI 工程师又爱又恨的技术(包括我)。 没错,因为从理论上看,它简单极了:“从你的定制数据中检索正确的上下文,然后让大语言模型基于此生成回答”。 但在实践中,你不得不面对海量杂乱无章的数据 —— 这些数据以你见过的最混乱随机的格式存储,接着就是数日绞尽脑汁的试错:调整文本块(tweaking chunks)切换嵌入模型(switching embedding models)替换检索器(swapping out retrievers)微调排序器(fine-tuning rankers)重写提示词(rewriting prompts)而模型依然回复:“我找不到足够的信息来回答你的问题”。
9/3/2025 4:00:45 AM
Baihai IDP

构建检索增强生成(RAG):从基础版到多智能体系统的演进之路

在企业人工智能领域,检索增强生成(RAG)无疑是一个令人向往的目标。 只需让大型语言模型(LLM)接入企业私有数据,就能瞬间拥有一位精通业务的“天才专家”。 然而,残酷的现实是,众多RAG项目纷纷折戟沉沙。
9/1/2025 8:53:57 AM
大模型之路

AI 智能体:零基础入门完全指南

从 Siri 提醒你观看球赛,到 Alexa 调节家中灯光,再到客服机器人即时解答疑问,AI 智能体已悄然成为我们生活中的隐形助手。 这些能感知环境、自主决策并采取行动的数字工具,其实并非遥不可及的高科技。 本文将带你快速掌握 AI 智能体的核心知识,并用开源工具从零构建一个实用的智能体,无需专业背景,人人都能上手。
8/27/2025 3:22:00 AM
大模型之路

RAG 文档解析工具选型指南

对于 RAG 系统而言,从文档中提取信息是一个不可避免的情况。 最终系统输出的质量很大程度上取决于从源内容中提取信息的效果。 过去,我曾从不同角度探讨过文档解析问题[1]。
8/26/2025 3:32:33 PM
Baihai IDP

全网首发:安全性问题,使MCP成为AI应用的双刃剑,如何化险为夷呢?

人工智能正在重塑现代工作流程的核心架构,但这种强大能力也伴随着重大责任。 当大模型通过MCP与企业实时数据、执行工具进行交互时,安全性必须成为系统设计的基石。 MCP 可视为连接人工智能与组织敏感数据、API 和关键系统的桥梁——这座桥梁若存在任何漏洞,都可能导致数据泄露、业务中断甚至企业级灾难。
8/26/2025 9:30:52 AM
曹洪伟

多智能体系统不是银弹

一、背景介绍可以了解到多智能体系统,正是通过独特的架构设计,让 AI 突破单智能体的能力边界,实现更复杂的任务协作。 多智能体组成虚拟团队,模拟人类专业协作模式,以解决超越单智能体能力边界的复杂问题。 image.png在众多多智能体框架中,LangGraph 的多智能体架构设计极具代表性,堪称实践典范。
8/26/2025 9:14:26 AM
架构精进之路

RAG(检索增强)当前主要的问题以及评估方法

RAG(检索增强生成)虽然极大地提升了大型模型(LLM)回答问题的准确性和时效性,但在实际落地过程中,它远非一个完美的解决方案。 下面,我们将详细梳理当前 RAG 系统遇到的主要问题,以及业界为解决这些问题而探索出的先进解决实践和涌现出的优秀开源产品。 一、 当前 RAG 系统面临的核心问题RAG 的问题可以归结为一句话:“垃圾进,垃圾出”(Garbage In, Garbage Out)。
8/26/2025 1:45:00 AM
朱洁

苹果AI秘密武器曝光!代号「AKI」团队浮出水面,乔布斯遗愿Siri终要翻身?

1985 年夏,乔布斯在瑞典南部Lund大学活动期间,于Svaneholm Castle的晚宴上发言。 他当时正处于离开苹果前夕,这次演讲是对「下一代计算媒介」的公开思考。 乔布斯提到一种所谓的「智能AI」,那时候离ChatGPT的诞生足足还有38年。
8/25/2025 9:02:00 AM

AI Agent系统的安全能力及可信治理的“三道防线”

在AI技术加速演进与广泛落地的当下,Agent系统作为具备自主感知、推理与执行能力的智能体,正日益成为企业智能化转型的核心驱动。 然而,随之而来的系统复杂性、任务自治性以及跨域协同能力,也引发了前所未有的安全挑战与治理难题。 为了构建一个既高效运行又可控可信的Agent系统,亟需在架构层面引入系统性的安全防护与治理机制。
8/8/2025 2:10:00 AM

停止提示词优化,开始系统设计:五种切实有效的智能体AI模式

当我刚开始使用大语言模型(LLMs)时,曾天真地以为关键在于写出完美的提示词。 只要给足上下文,模型就能立竿见影地解决问题,对吧? 事实并非如此。
8/4/2025 1:55:00 AM
大模型之路

LLM记忆终极指南:从上下文窗口到高级智能体记忆系统

当你向聊天机器人报上姓名,片刻后它却再次询问"你叫什么"时,这种数字失忆现象暴露出人工智能的关键短板:大型语言模型(LLMs)本质上是无状态的。 它们像金鱼一样"记不住"过去的对话,每次交互都被视为全新事件。 ChatGPT等应用展现的记忆能力,实则是通过在每轮对话中强行插入历史记录制造的 illusion(假象)。
7/29/2025 12:00:00 AM
大模型之路

Demis Hassabis最新采访:宇宙的本质是信息,一切都将被AI学习,2030年可实现AGI

谷歌DeepMind掌门人Demis Hassabis再度做客Lex Fridman播客,贡献了一场长达两个多小时、信息量爆炸的深度对话在这场对话中,Hassabis不仅给出了AGI实现的惊人时间表,更首次系统性地阐述了他关于宇宙、现实与AI的大一统哲学思想。 他将AlphaFold、视频模型Veo、电子游戏、P vs NP问题,乃至生命的起源和意识,全部串联到了一个宏大的框架之下全程两个多小时,3万多字,强烈建议去看原视频:搜索Demis Hassabis: Future of AI, Simulating Reality, Physics and Video Games以下是我觉得比较有意的的点,分享给大家宇宙的本质是信息,因此万物皆可被AI高效学习信息第一性: Hassabis明确提出,信息是比能量和物质更根本的宇宙单位。
7/28/2025 9:06:04 AM

AI破解宠物心声,读懂你的猫狗?全球首个AI与动物感知中心揭秘

养过宠物的人,会忍不住思考这些动物是如何思考的。 一个名为Traini的app,则号称能够基于大模型PetGPT,读懂宠物的叫声和面部表情,帮助主人理解宠物的情绪和需求。 descript近日,伦敦政治经济学院(LSE)将于9月30日启动Jeremy Coller动物感知中心将会给出回答。
7/25/2025 3:24:47 PM
新智元

为什么日本代码‘稳如狗’?走访丰田等多家日本团队:写代码像做寿司,每天进步1%「侘寂」美学让系统跑几十年,网友:任天堂都30年了

编译 | 云昭这周一,小编偶然看到了一篇角度很奇特的、有关日本代码风格的文章。 虽说现在 Vibe Coding 盛行,很多老铁们都不那么关注代码本身了,但若要真的让 AI 工具编写含金量组足够的代码,反而对于开发者的“代码审美”提出了更高的要求。 这篇文章的作者是一位老鸟后端工程师 Sohail Saifi,也在用各种 AI Coding 工具。
7/25/2025 10:51:38 AM
云昭

采用LangGraph集成多个MCP服务器的应用

现代人工智能应用程序通常需要对不同的语言模型和专门的服务器进行复杂的编排,每个服务器在更大的工作流中处理特定的任务。 然而,这种分布式方法引入了一个关键的挑战: 保持上下文的连续性。 当会话或任务在不同的模型或服务器之间转换时,上下文信息很容易丢失。
7/24/2025 8:13:36 AM
曹洪伟