AI,个人随笔 产品经理AI提效实践(一):以需求生产为例 AI正在重塑产品经理的工作流,但真正的提效关键在于数据梳理而非工具本身。本文提出“面向AI的数据结构化五步法”,从原子化拆解到知识图谱构建,教你如何将业务逻辑无损迁移给AI,让AI从信息搬运工升级为价值决策的助力。 一只飘过的产品狗 AI应用工作流优化效率工具
AI Context Graph:记忆的正确存储方式不是向量库,是图 Agent 的记忆架构常被简化为一个数据库图标,但真正决定其质量的是实体抽取的颗粒度、三层记忆的构建与治理能力。本文从实体抽取的分层流水线出发,详解短期、长期与推理记忆的协同设计,并给出企业 AI 问答的三大关键判断与落地建议,助你从存储思维转向治理思维。 是AD Agent企业AI实体抽取
AI,个人随笔 任务型模型、大模型、知识图谱:企业推荐系统如何分工? 上篇解决“为什么不能替代”,下篇解决“应该怎样协同”: 让每种技术只承担它真正擅长的职责。 上篇已经明确:任务型模型负责基于企业历史数据计算概率、排序和增量,LL... 是AD CRMLLM任务型模型
个人随笔 本体论下的知识图谱关系实体化:关系与实体的边界 知识图谱建模中,一条关系何时该升级为实体?本文以“王者荣耀大流量卡—销售渠道”为例,拆解关系与实体的边界判断。从属性承载到业务对象独立管理,六个问题帮你快速决策,避免图谱膨胀或信息丢失。 是AD 业务对象实体关系数据建模
个人随笔 图谱遍地,Ontology 稀缺:券商最昂贵的资产,不该只存在分析师脑海 分析师Leo用七八年攒出的行业判断框架,只存在他一个人脑子里。一条多晶硅出口新规,他忙到凌晨一点,换个人就可能漏读。本文从投研场景出发,拆解“本体”如何将隐性的行业逻辑抽象为系统可复用的骨架,让知识从个人经验沉淀为组织能力。 iYunar 知识图谱经验总结行业分析
分析评测 实测豆包Seed-Evolving,版本号已经束缚不住模型能力了 字节跳动最新推出的 Doubao-Seed-Evolving 模型彻底改变了AI模型迭代逻辑,取消版本号的设计让用户无需纠结选择。我们实测发现其1M上下文窗口在长线任务中表现惊艳,不仅与TRAE Work深度协同生成专业报告,更在《三国志》知识图谱构建中展现出强大的自检纠错能力。本文将深度解析这款‘终身成长型’模型如何重新定义AI生产力工具。 知危 AI应用Doubao-Seed-EvolvingTRAE Work
AI,个人随笔 企业级 RAG 的知识分层:实体、关系、属性与规则如何落库 企业知识库建设中,盲目堆砌文档往往导致系统低效。本文揭示知识分层存储的黄金法则:从主数据结构化存储到业务关系图谱构建,再到文档向量化处理,五层架构协同发力。通过电信套餐互斥规则等实战案例,详解如何让Neo4j处理确定性关系,Milvus负责语义检索,实现可治理、可追溯的企业级知识管理方案。 是AD AI应用RAG数据治理
业界动态 八年跨越AI两个时代:一个产品经理的五条核心判断 八年AI产品生涯,从知识图谱到Agent架构,见证AI从‘不够智能’到‘智能大爆发’的完整演进。本文不仅复盘了横跨四个阶段的技术迭代轨迹,更提炼出五条实战型判断:从商业价值的分成逻辑到Agent间的交互形态,每一条都踩过坑、推翻过、重建过。如果你是AI产品人,这篇认知沉淀或许能帮你少走弯路。 甜甜圈 Tina Agent架构AI产品NLP
AI 企业知识图谱的真相:MongoDB + Milvus + ES + NebulaGraph 混合架构实战 在企业知识图谱的构建中,图数据库只是拼图的一角。本文深度拆解真实项目架构,揭秘 MongoDB、Milvus、Elasticsearch、NebulaGraph 如何各司其职,形成「知识库+RAG+别名图谱」的混合系统。你将看到业务规则与语义检索的切割艺术,以及图谱落地的六个灵魂拷问。 是AD MilvusNebulaGraphRAG
AI,个人随笔 企业知识图谱治理五关:从切片到重复确认的完整实践 知识图谱的真正难点不在于技术实现,而在于企业知识的治理与落地。电信行业的多源异构数据、频繁变更的业务规则、复杂的同义词体系,让知识图谱面临节点爆炸、规则冲突、版本混乱等多重挑战。本文深度解析企业知识图谱治理的五大核心关卡——从切片准则、打标体系到别名确认、冲突处理和重复校验,揭示如何打造既灵活又可控的知识管理基础设施。 是AD AI应用企业治理数据治理
AI 定制化企业级知识图谱的6点经验 知识图谱项目的真正挑战,远不止于构建一张复杂的网络。当面对十几万篇分散的文档时,核心问题转向了知识如何有序进入系统、如何被结构化治理与复用。本文深度拆解运营商知识图谱实践中的六大关键环节,从准入判断到AI抽取边界,从规则挂接到证据链验证,揭示如何将杂乱知识转化为可调用的业务资产。 是AD AI治理MCPRAG
AI,个人随笔 企业知识图谱如何正确分类? 当企业知识图谱遭遇分类困境,往往不是分得不够细,而是维度本身出了问题。本文通过通信运营商知识体系的真实案例,揭示树状分类在多维交叉场景中的结构性缺陷,并提出用标签体系替代传统分类的解决方案。从底层逻辑到实操方法,带你破解知识建模中最常见的'越分越乱'困局。 是AD RAG企业AI分类体系