AI RAG 落地踩坑实录:采纳率从 38% 到 72%,中间全是弯路 从38%到72%的采纳率跃升,一个能源行业合同审核AI产品的实战复盘揭示了RAG技术的真实挑战。当标准方案遭遇法务的犀利评价,产品团队如何通过切片策略重构、企业规章补充和提示词革命,最终让AI输出从‘学术摘要’蜕变为‘专业意见’?本文深度拆解了那些教科书不会告诉你的关键突破点。 Zoey AI应用b端产品Few-shot
AI 人工评测 MiMo 五款模型:面向 RAG 选型的能力边界摸底 在RAG系统的选型过程中,自动化benchmark难以揭示模型面对检索片段时能否克制「自由发挥」的冲动。通过对MiMo系列五款模型的25条case盲测,本文揭示了各模型在事实准确性、指令遵循等RAG核心维度的真实表现,以及三类典型失分案例背后的风险点,为技术选型提供关键参考。 阐述你的梦 AI应用MiMoRAG
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 AgentLLMRAG
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 AgentAI协作RAG
个人随笔 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 LLMRAG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 LLMRAG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 AgentAI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? wmm676622 RAG企业AI决策路径
AI,个人随笔 门店运维AI分不清小米华为:我用RAG给AI配了个“图书管理员” 智能客服上线只是万里长征第一步,当大模型遇到真实运维场景,机械回复和错误指引让AI秒变「人工智障」。本文揭秘如何通过语义切片、混合检索和动态权重三大实战策略,将RAG系统从翻车现场改造成精准应答的「老师傅」,最终实现90%的投诉下降。 嘻嘻李 AI优化RAG大模型
AI,个人随笔 RAG召回准确率从75到90 我做对了这三件事 当AI客服频繁答非所问时,问题往往不在大模型本身,而是RAG召回机制的短板。本文揭秘如何通过分层索引、混合检索和差异化策略三重优化,将召回准确率从75%提升至90%,并分享从Embedding模型选择到文档分块的血泪教训,为AI产品落地提供实战解决方案。 鸣老师 AI客服RAG业务逻辑