RAG | 人人都是产品经理

AI,个人随笔

大模型面试/分析必备：从原理到面试题，一篇就够

大模型技术正重塑AI应用生态，但背后的Transformer架构、训练三阶段与RAG/Agent等核心概念仍令非技术从业者困惑。本文系统拆解LLM从预训练到RLHF的对齐逻辑，深入剖析检索增强与智能体两大应用范式，更提供数据构建方法论与高频面试题解析，助你跨越理论与实践的认知鸿沟。

赵小洛

AI Agent LLM RAG

AI,个人随笔

上下文管理才是Agent产品的核心壁垒

在大模型时代，上下文管理的精准度正成为AI产品的核心竞争力。从飞书AnyShare的生态整合到Mox的AI原生设计，不同路径背后折射出产品战略的根本差异。本文将深度剖析内容创作垂类赛道的机会与挑战，揭示如何在巨头环伺下用技术选型构建护城河。

鸣老师

AI原生 RAG 上下文管理

AI,个人随笔

下一代协作工具的第一用户居然不是人

下一代协作工具正在颠覆传统认知——AI正成为一等用户。这款AI原生协作工具彻底重构了文件组织逻辑，所有存储结构都为机器阅读优化，人类反而退居二线。本文将揭示这种设计范式如何解决飞书在AI协作上的短板，同时剖析其在多模态内容处理和RAG检索上的技术挑战。

鸣老师

Agent AI协作 RAG

如果你了解这 5 个 AI 术语，你就领先 90% 的人了

AI 领域的专业术语常常让人望而生畏，但理解 Token、上下文窗口、温度设置、幻觉和 RAG 这五个核心概念，就能掌握大语言模型的底层逻辑。本文深入浅出地拆解这些关键术语，揭示 ChatGPT、Claude 等产品背后的运行机制，助你在科技浪潮中抢占认知高地。

TCC翻译情报局

LLM RAG 产品分析

AI,个人随笔

做AI系统别为了技术概念把架构做重

在AI系统设计中，简单往往比复杂更有效。本文通过多模态文件处理和短视频脚本优化两个实战案例，揭示了过度设计的陷阱——从图片解析的RAG化到脚本生成的架构膨胀，作者用亲身经历告诉你：满足核心需求的轻量方案，往往比追求技术概念的复杂系统更实用。

鸣老师

AI系统设计 RAG 多模态处理

AI,个人随笔

我把卡帕西的LLM Wiki跑了一遍

LLM Wiki与RAG最大的区别：不是“问完就扔”，而是“问→答→答案变成新知识→下次问得更准”。Ingest一篇5000字文档消耗约500k tokens，Query一次约70k tokens。知识会积累、极简（没有向量库）、支持体检。适合个人和小团队，上限约100-200篇文章。

产品经理伯庸

LLM RAG 产品分析

产品经理

2026年，AI产品经理真正重要的能力模型是什么？

AI 产品经理的战场正从技术应用转向价值交付。本文深度拆解 2026 年 AI 产品经理必备的 7 大核心能力模型，从需求判断到评测体系，从上下文设计到 Agent 编排，揭示如何将业务问题、系统能力与模型效能转化为可落地的商业结果。不是每个会调模型的人都能成为合格的 AI 产品经理，真正的分水岭在于能否构建完整的价值交付闭环。

秋月的AI产品笔记

Agent AI产品经理 RAG

AI

从知识调用到判断延续：企业AI在RAG之后的结构缺口与路径辨析

当企业AI从RAG走向记忆层，一个深层矛盾浮出水面：系统能召回历史资料，却无法重现关键判断路径。本文通过设计团队的真实案例，揭示知识库与记忆层的本质差异，并犀利指出两条发展路径的致命陷阱——AI越强大，组织越可能沦为答案的奴隶；记忆越完整，团队越容易被经验牢笼禁锢。最终抛出一个行业尚未解答的尖锐问题：在打造精致记忆镜子的同时，谁该为组织打开通向未来的窗户？