"LLM"相关的文章
AI
从“预测下一个字”到“预判下一秒”:世界模型如何重写 AI 产品法则?

从“预测下一个字”到“预判下一秒”:世界模型如何重写 AI 产品法则?

大语言模型(LLM)的强大能力正在改变AI产品生态,但它无法理解物理世界的尴尬同样明显。当AI助手难以规划一个简单的书房布局时,我们意识到LLM本质上是'文本概率游戏',缺乏对现实世界的理解和常识推理。这篇文章将揭示LLM的局限性,并探讨世界模型(World Model)如何为AI装上'轮子和引擎',从'概率鹦鹉'进化成'具身智能体',真正理解物理世界的运行规律。
AI
幻觉并不是错误:LLM 的概率宇宙,试图消灭幻觉才是AI商业落地的真问题

幻觉并不是错误:LLM 的概率宇宙,试图消灭幻觉才是AI商业落地的真问题

AI幻觉并非技术缺陷,而是生成式模型的核心特征。本文从概率、温度参数到向量空间的底层逻辑,揭示了为何企业不该追求完全消除AI幻觉,而应学会驾驭这种'硅基创造力'。你将获得重新定义AI项目目标、建立可控幻觉管道的方法论,理解为何商业场景中某些‘错误’比‘正确’更具价值。
AI,个人随笔
AI基础:LLM  RAG  Agents 是什么

AI基础:LLM RAG Agents 是什么

当AI智能硬件成为新风口,理解LLM、RAG和Agents三大核心技术变得至关重要。LLM如同读过全书的超级大脑,RAG让模型实时获取外部知识,而Agents则像全能项目经理协调复杂任务。本文用通俗比喻解析这三者的核心差异与应用场景,为硬件产品经理提供清晰的技术选型框架。
AI
聊聊“上下文工程(Context Engineering)”

聊聊“上下文工程(Context Engineering)”

当AI应用在面对复杂任务时频频出错,问题可能远不止是提示词的问题。上下文工程正成为AI时代的关键范式转移,它将AI从概率性工具转变为确定性系统组件。本文深度解析RAG、工具调用和提示词链三大核心技术,并提供构建可靠AI系统的四步实践框架,带你从‘手工作坊’迈向‘工业级AI架构’。
AI,个人随笔
告别昂贵的“思考”,DeepSeek Engram 如何用查字典的方式让模型更聪明?

告别昂贵的“思考”,DeepSeek Engram 如何用查字典的方式让模型更聪明?

AI大模型的记忆困境正在被DeepSeek的Engram技术打破。这项突破性研究不再让AI死记硬背,而是通过'条件记忆'机制实现知识快速检索,为产品带来更低的成本、更强的专业性和更流畅的长文本处理能力。本文将深入解析这项技术如何重构AI产品的底层逻辑与用户体验。
AI,个人随笔
AI PM 进阶笔记【5】:RAG总翻车?90%的坑都在“离线准备”和“重排序”

AI PM 进阶笔记【5】:RAG总翻车?90%的坑都在“离线准备”和“重排序”

RAG技术在企业AI落地中的痛点与解法,你真的了解吗?从加拿大航空的‘退款门’到纽约市政府的法律失误,这些真实案例揭示了RAG架构的致命陷阱。本文将深入拆解RAG与LLM的协同逻辑,从知识缺陷到行为缺陷的精准诊断,再到混合检索与语义分块的核心技术,带你避开那些让项目夭折的深坑。
AI
AI赋能政策服务:千亿赛道的智能平台投资机遇

AI赋能政策服务:千亿赛道的智能平台投资机遇

产业政策平台正迎来AI赋能的转折点。借助RAG与大模型技术,新一代智能平台不仅能破解企业获取政策信息低效、匹配不精准、申报繁琐三大痛点,更将重构政企互动模式——从被动查询转向主动服务,实现政策资源的精准滴灌。本文将深度解析如何打造覆盖政策全生命周期的智能平台,以及它如何成为企业获取政策红利的新基建。
AI
从“功能集成”到“智能内生”:AI Agent引领的产品革命与未来图景

从“功能集成”到“智能内生”:AI Agent引领的产品革命与未来图景

AI Agent正在以前所未有的速度重构产品形态与人机交互逻辑。从企业SaaS的三分之二集成率到78%用户将工作完全交付AI处理,这场代际跃迁正在颠覆我们对产品本质的认知。本文深度解析AI Agent的四核驱动模型与闭环机制,揭示其如何通过感知层、记忆层、推理与规划层、行动层实现从被动工具到智能伙伴的蜕变。