相关新闻

placeholder

Tom Huang

1周前

Claude Code 迭代飞速啊 ⚡️ 已经支持连接 MCP 解决问题了，简直王炸组合

placeholder

ilovelife

2周前

学不完,根本学不完，我mcp还没学会呢，你们又都掉头去搞agent去了，让我咋搞，是继续还是掉头跟在你们屁股后面🤣

placeholder

𝙩𝙮≃𝙛{𝕩}^A𝕀²·ℙarad𝕚g𝕞

2周前

LLM出现的第一天起，就有很多人想把LLM这种公域的认知智能应用于企业场景。首先面临的是需要喂给LLM企业具体场景的知识作为上下文，输出为企业场景需要的业务文本、逻辑和智能，以及结合agent自动化工作流提高效率。 场景知识注入的挑战，表现为一个RAG问题，RAG从naive、advanced到modular，以及为了解决知识碎片化的GraphRAG，甚至近期更提出了agentic RAG，把知

placeholder

Rainier

2周前

我觉得还是壁垒。比如说，如果携程，Expedia，把他们的数据个服务通过MCP暴露出来，那么旅行的agent就会做的非常好，非常实用。 但是站在这些大的OTA角度看，是，你们agent火了。那他们OTA怎么办？他们要么被管道化，要么他们E2E都做了。 大家的条块分割还是很严重的。 连SWE 调用 sonnet 模型还不能解决，要让agent大杀四方还早了点。除非去做那些没有地头蛇的行业。

placeholder

熊布朗

2周前

—— [转发]RAG之父：部署RAG Agents的10个经验教训 昨天读了Douwe Kiela的一场演讲记录。两小时内，我推翻了过去3个月的AI项目方案。 每年有数千家企业部署RAG系统，但87%最终沦为摆设。为什么？ 技术没问题，方法错了。系统集成比模型重要，数据价值比算法关键，企业落地比概念验证难。 我是持续探索与AI协作方式，觉醒强大自己的周知。希望今天分享对你有启发。 1.

关联事件