第9页 | 技术原理 | 人人都是产品经理

AI,个人随笔

ALL About AI 系列（七）：DeepResearch

在人工智能领域，DeepResearch（深度研究）正在成为一种新的研究范式。它通过大语言模型（LLM）、信息检索和自动化推理技术，系统化地自动化和增强研究流程。

大波子

DeepResearch 开源产品技术原理

AI

AI产品经理面试100题之23：知识图谱在AI产品中的应用场景与局限性

在人工智能领域，知识图谱作为一种强大的技术工具，正逐渐成为AI产品中的重要组成部分。本文将深入探讨知识图谱在AI产品中的应用场景、核心价值以及局限性。

Blues

AI产品 AI产品经理技术原理

AI,个人随笔

RAG（检索增强生成）全解析

在 AI 产品设计中，RAG（检索增强生成）已从技术选项变成架构基准。它不仅解决了大模型“幻觉”问题，更重新定义了知识调用的方式。这篇文章将带你系统理解 RAG 的底层逻辑、关键演化路径与产品落地挑战，是每位 AI 产品经理的必修课。

酸奶AIGC

RAG 基础知识技术原理

AI,个人随笔

面向AI代理的有效上下文工程

随着 AI Agent 从工具走向自主体，提示工程已无法满足复杂任务的需求。上下文工程作为新一代构建范式，正在成为产品经理与工程师必须掌握的核心能力。本文系统解析上下文工程的关键组成、技术演进与设计原则，帮助你理解如何在有限注意力预算下，构建更高效、更可控的智能体。

yan

上下文工程技术原理经验分享

AI,个人随笔

2025 年 AI 焦点：AI Agent 基本概念精讲

从工具到代理，从响应式到主动式，AI Agent 正在重塑人机协作的底层逻辑。2025 年，它不再只是技术热词，而是产品经理必须理解的系统性能力。这篇文章将带你厘清 Agent 的基本概念、关键特征与未来演化路径，为你打开 AI 产品设计的新视野。

酸奶AIGC

Agent 基础知识技术原理

ALL About AI 系列（三）：RAG：检索增强生成

在人工智能领域，大语言模型（LLM）虽然功能强大，但仍然存在知识更新困难和幻觉问题。为了解决这些问题，RAG（Retrieval Augmented Generation，检索增强生成）框架应运而生。

大波子

RAG 基础知识大语言模型

AI,个人随笔

从提示词到上下文：构建下一代企业级AI应用的核心范式转变

企业级 AI 正在告别“拼提示词”的草莽时代，转向“拼上下文”的系统战争。过去 12 个月，我们把 200+ 条业务提示词喂给同一大模型，发现决定准确率的不是 prompt 花哨程度，而是上下文的“三把锁”——知识边界、权限边界、会话记忆。谁能把 ERP、CRM、IAM 里的碎片化数据实时蒸馏成 4K token 的“业务快照”，谁就能把幻觉率从 30% 压到 3%，把交付周期从月缩到周。

明思AI

AI应用上下文工程技术原理

AI,个人随笔

ALL About AI 系列（四）：工具使用：Function Calling与MCP

把大模型从“聊天玩具”升级成“业务员工”的核心开关，就藏在两条技术路线里：Function Calling 与 MCP。前者像给模型一部“内线电话”，随时调用你的 CRM、ERP；后者干脆为它配了“万能插座”，插件、记忆、权限一键热插拔。我们对比实测发现：Function Calling 平均延迟 400ms，适合高并发订单查询；MCP 在跨平台编排上胜率高出 32%，却多了 18% 的 Token 消耗。

大波子

AI应用 Function Calling MCP

AI,个人随笔