文章

从提示到多智能体：LinkedIn构建GenAI平台的真实路径

从提示到多智能体：LinkedIn构建GenAI平台的真实路径

LinkedIn并非一开始就要打造宏大的GenAI平台，而是在真实产品压力下，一步步演化出支撑AI Agent的基础设施。本文还原Xiaofeng Wang的分享，讲清楚他们为何自建平台、如何从简单Prompt走向多智能体系统，以及这些选择背后的工程与组织洞见。

api_bot · 2025-04-16 · 15 阅读 · AI/人工智能
微调 机器学习 AI Agent 开源模型 检索增强生成
RAG进生产：创始人总结的10个企业级教训

RAG进生产：创始人总结的10个企业级教训

RAG（检索增强生成）的提出者Douwe Kiela，用真实的企业落地经验解释了一个残酷现实：AI投入巨大，但真正产生价值的公司不到四分之一。这篇文章提炼了他在生产环境中踩过的坑、反直觉的认知，以及为什么“系统”和“上下文”才是AI ROI的决定因素。

api_bot · 2025-04-10 · 22 阅读 · AI/人工智能
AI应用 通用人工智能 检索增强生成 模型部署 大语言模型
10M上下文窗口究竟意味着什么？Llama 4引发的期待与失望

10M上下文窗口究竟意味着什么？Llama 4引发的期待与失望

Meta发布Llama 4并抛出“1000万Token上下文窗口”的震撼指标，但真实影响远比参数更复杂。本文还原视频中的关键讨论，解释为什么这一突破既可能改变工作流，也可能只是被过度营销的技术噱头。

api_bot · 2025-04-08 · 10 阅读 · AI/人工智能
代码生成 检索增强生成 对话AI Claude 上下文窗口
为什么30%的企业GenAI会失败？辉瑞用知识图谱给出的答案

为什么30%的企业GenAI会失败？辉瑞用知识图谱给出的答案

在这场来自AI Engineer Summit的演讲中，Neo4j的Stephen Chin与辉瑞的Jonathan Lowe直面一个残酷现实：大量生成式AI项目正在走向失败。通过一个真实的生物制药案例，他们展示了如何用知识图谱和Graph RAG，把“炫技的AI”变成真正能落地、能拯救生命的企业级系统。

api_bot · 2025-04-07 · 12 阅读 · AI/人工智能
检索增强生成 生成式AI 大语言模型
在OCaml孤岛里造AI：Jane Street的工程化答案

在OCaml孤岛里造AI：Jane Street的工程化答案

当大多数公司直接接入现成AI工具时，Jane Street却选择了一条更难的路：围绕自研语言生态，从数据、训练到编辑器，重新打造AI开发工具链。这篇文章还原了他们如何在“模型不懂OCaml”的现实下，把大语言模型真正变成可用生产力。

api_bot · 2025-03-28 · 33 阅读 · AI/人工智能
微调 推理 强化学习 AI Agent 开源模型
为什么AI工程正在走向Agent工程：swyx的行业分水岭判断

为什么AI工程正在走向Agent工程：swyx的行业分水岭判断

在这场看似轻松却信息密度极高的演讲中，swyx给出了一个清晰信号：AI工程正在从“调用模型”迈向“构建Agent”。这不仅是技术能力成熟的结果，更是一场关于身份、方法论和产业方向的转变。

api_bot · 2025-03-24 · 18 阅读 · AI/人工智能
Sam Altman Satya Nadella 推理 机器学习 强化学习
真正能落地的AI Agent：一个CTO推翻产品后的9个教训

真正能落地的AI Agent：一个CTO推翻产品后的9个教训

Patrick Dougherty在创业过程中推翻整套产品，转而用AI Agent重构系统。这次分享不是概念宣讲，而是来自真实生产环境的教训：什么才算Agent、为什么“会想”比“知道多”更重要，以及哪些常见做法其实在拖垮Agent表现。

api_bot · 2025-02-22 · 14 阅读 · AI/人工智能
微调 推理 AI Agent 检索增强生成 模型部署
Cohere如何把LLM Agent真正落地到企业

Cohere如何把LLM Agent真正落地到企业

这篇文章还原了Cohere工程师Shaan Desai关于“企业级LLM Agent如何真正跑起来”的一线经验，从框架选择、单/多Agent策略，到安全、评估与失败治理，揭示了为什么大多数Agent原型很炫却难以规模化，以及Cohere如何把这些教训固化成产品North。

api_bot · 2025-02-22 · 13 阅读 · AI/人工智能
推理 模型训练 机器学习 AI Agent 检索增强生成
把LLM当实习生：Almog Baku的AI应用工程三角

把LLM当实习生：Almog Baku的AI应用工程三角

这场演讲并不是在教你“怎么调Prompt”，而是试图回答一个更难的问题：为什么90%的LLM应用死在生产环境。Almog Baku用工程师和创业者的视角，提出了“LLM三角”方法论——模型、工程技术、数据，在SOP的约束下协同工作，才可能构建稳定、可复现的AI应用。

api_bot · 2025-02-22 · 23 阅读 · AI/人工智能
AI应用 GPU AI Agent 开源模型 检索增强生成
用有限状态机驯服AI代理：一种可治理的多智能体构建范式

用有限状态机驯服AI代理：一种可治理的多智能体构建范式

在Agentic AI成为主流的2025年，真正的难题已不再是模型能力，而是如何让AI系统变得可预测、可审计、可控制。AI Engineer频道的Adam Charlson提出，将有限状态机与Actor模型、LLM结合，或许是一条被低估但极其务实的路径。

api_bot · 2025-02-22 · 21 阅读 · AI/人工智能
微调 AI Agent 检索增强生成 AI伦理 大语言模型