ginobefun
1个月前
#BestBlogs Agent Infra 图谱:哪些组件值得为 Agent 重做一遍? | 海外独角兽 深度分析 Agent Infra 四大核心赛道,探讨创业与云厂商机会。 摘要: 本文从投资视角出发,对新兴的 Agent Infra(Agent 基础设施)领域进行了全面的图谱分析,将其划分为 Environment、Context、Tools 和 Agent Security 四大核心赛道。 详细阐述了每个赛道的价值、关键技术(如 Sandbox、Browser Infra、RAG、MCP、Memory、Search、Payment、Backend Workflow)以及值得关注的初创公司。文章探讨了创业公司在 Agent Infra 领域的两大机会:在现有 Infra 中寻找 AI-native 需求,以及抓住 Agent 开发的新痛点。同时,附录总结了主要云厂商(AWS, Azure, GCP)在这些领域的布局,指出当前云厂商的产品多源自传统 Infra,Agent-native 产品相对缺乏。整体为技术从业者和投资者提供了 Agent Infra 领域的全景视图和潜在方向。 主要内容: 1. Agent Infra 是 Agent 落地的关键,涵盖开发到部署全生命周期。 -- Agent Infra 是 Agent 从概念走向实际应用不可或缺的支撑体系,提供 Agent 执行任务所需的计算环境、信息、工具和安全保障。 2. Environment 和 Context 是 Agent Infra 的核心赛道。 -- Environment 为 Agent 提供运行容器(Agent-native computer),Context 为 Agent 提供记忆和知识,是 Agent 有效规划和行动的基础。 3. Tools 层正快速扩展,搜索和金融工具尤为值得关注。 -- Agent 需调用各类工具完成任务,特别是搜索和支付,Agent 经济出现新商业模式,需要专属支付工具和交易网络。 4. Agent Security 机会需待 Agent 生态成熟后涌现。 -- Agent 安全需从静态权限转为动态意图分析,但 AI-native 安全 Infra 是需求驱动,尚处早期,老牌安全厂商主导。 5. 创业公司机会在于寻找 AI-native 需求和抓住新痛点。 -- 创业公司可在现有 Infra 中寻找 Agent 特有的高性能需求,或开发易用性高、降低开发门槛的新 Infra 产品。 文章链接:
Jesse Lau 遁一子
1个月前
今天的播客研究了一下目前我很关心的问题 Google的AI Mode大力推,我们中小网站咋应对,各位也可以讨论讨论 时间轴: 00:00:10 - 节目开始,预告本集主题:Google AI搜寻与中小企业应对 00:00:31 - 今日目标:搞懂AI搜寻 (AIO),流量影响与应对策略 00:00:53 - 深入探讨:Google AI概览 (AIO) 与AI模式是什么? 00:01:15 - AI摘要答案从何而来?Google从搜寻引擎变答案引擎? 00:01:37 - 核心挑战:AI概览用户看完摘要就满足,网站点击率下降? 00:02:02 - AI概览普及速度惊人,已推广至全球百余国 00:02:20 - AI概览在搜寻结果出现的频率分析 (13% vs 30%+) 00:02:55 - 中小企业面临的具体影响:自然搜寻可见性下降 00:03:16 - 传统自然搜寻排名被下推幅度 (可能高达140%) 00:03:33 - 流量冲击实例:部分公司流量降幅达6成,Gartner预测 00:03:47 - 零点击搜寻挑战:AI直接给答案,用户点击需求降低 00:04:05 - 付费广告点击率也可能受影响?S20公司研究的意外发现 00:04:33 - 挑战中的新机遇:AI概览引用的品牌曝光效益 00:05:08 - 机遇二:点进来的流量质量可能提升,转换率更高 00:05:56 - 机遇三:良好结构化数据 (Schema) 提升被引用机会 00:06:18 - 机遇四:本地化内容与AI概览整合广告的新推广位置 00:06:39 - 关键机遇:深度内容价值提升!82.5% AI引用来自深度页面 00:07:00 - 深度内容的民主化机会:中小企也能在高流量关键词曝光 00:07:26 - 中小企业的特定难处:资源有限,与大品牌竞争 00:07:50 - 广告预算压力增加,反而使SEO更重要 (提升广告品质分数) 00:08:09 - 内容品质要求更高:E-E-A-T (经验、专业、权威、可信)的重要性 00:08:40 - AI引用错误资讯风险与AI概览结果的高度波动性 (70%) 00:09:03 - 过去SEO做法需改变,「内容为王」标准已不同 00:09:23 - 新标准:内容展现第一手经验、真材实料、深入全面、独特性 00:10:01 - 从关键词思考转向「主题集群」 (Topic Clusters) 00:10:20 - 技术SEO关键:结构化数据 (Schema) 帮AI划重点 00:10:58 - nosnippet标签:主动退出AI摘要的双面刃 00:11:22 - 权威性建立:高质量外链、品牌讯号、跨平台NAP资讯、用户评论 00:12:21 - 本地商家SEO调整:Google Business Profile (GBP) 仍是基石 00:13:05 - 超本地化内容策略:深入社区街道,谈论本地话题 00:13:25 - 针对商业/导航意图查询优化,准备资讯类问题内容 00:13:51 - 中小企业核心应对策略:「双管齐下」 00:14:06 - 策略一:创作「抗AI概括」的内容 (独家数据、互动工具等) 00:14:52 - 策略二:创作「利于AI引用」的内容 (清晰回答、列表、多媒体) 00:15:34 - 提升AI引用几率:优化深度内容页面、「关于我们」页面 00:16:15 - 加入具体数据、专家引言、原创研究提升内容可信度 00:16:41 - 本地商家再强化:积极鼓励本地评论,创建地理页面 (GeoPages) 00:17:03 - 广告策略调整:应对口语化查询,监控CPC与流量质量 00:17:40 - 核心心法:持续监控与保持敏捷! 00:18:01 - 分析流量质量而非数量,随时测试新方法,保持弹性 00:18:13 - 利用Google回馈机制回报AI引用错误 00:18:35 - 总结:Google AI搜寻是双面刃,挑战与机遇并存 00:19:03 - 关键思维转变:追求策略性可见度与互动质量 00:19:13 - SEO基本功深化应用:E-E-A-T、内容深度独特性、结构化数据、品牌信任 00:19:40 - 最关键:开始行动!评估建议,设定优先级,逐步实施 00:20:02 - AI变革是持续演进的过程,培养持续学习与策略灵活性 00:20:27 - 留给听众的思考问题:AI预测需求、主动完成任务时,搜寻与网站将如何演变? 00:21:00 - 结尾与感谢
ginobefun
1个月前
#BestBlogs 一文带你 "看见" MCP 的过程,彻底理解 MCP 的概念 | 阿里云开发者 深度解析 AI 上下文协议(MCP),对比 RAG 与 Function Calling,并通过实践演示理解其工作流程。 摘要: 文章详细介绍了模型上下文协议(MCP),一个旨在标准化 AI 助手与外部系统连接的开放标准。作者首先回顾了 RAG 和 Function Calling 等相关概念,阐述了它们与 MCP 的联系和区别。接着,文章深入讲解了 MCP 的核心组件(主机、客户端、服务器)及客户端-服务器架构,并对比分析了 MCP 相较于传统 API 在动态适应性方面的优势。随后,文章通过 ModelScope 的 MCP 市场和 Cherry Studio 客户端,一步步演示了 MCP 的实际配置和调用过程,通过开发者模式让读者“看见”并理解模型选择工具并请求服务器的数据交互流程。最后,文章总结了 RAG、Function Calling 和 MCP 在借助外部工具增强大模型能力上的共同本质。 主要内容: 1. MCP 是连接 AI 助手与外部数据/工具的开放标准 -- 模型上下文协议(MCP)由 Anthropic 开源,旨在为 AI 模型访问内容、工具提供标准化的“USB-C”式接口,提升 AI 应用的互操作性。 2. MCP 采用客户端-服务器架构,组件包括主机、客户端、服务器 -- 主机提供 AI 交互环境,客户端运行于主机内与 MCP 服务器通信,服务器暴露工具、资源、提示等功能,实现结构化互动。 3. MCP 通过动态能力描述克服传统 API 硬编码问题 -- 客户端能查询服务器当前功能并动态适应,无需硬编码参数变更,提高了 AI 应用与外部系统集成的灵活性和稳定性。 4. RAG、Function Calling、MCP 本质都是增强大模型外部能力 -- 这几种技术殊途同归,都是为了让大模型能够获取外部信息或使用外部工具,以完成更复杂、更准确的任务。 5. 通过开发者工具可“看见”MCP 调用的实际过程 -- 文章通过工具演示,展示了 AI 应用选择 MCP 工具、发送请求、接收结果,并最终由大模型生成回复的完整流程,增强体感理解。 文章链接: