AI
刷新
Spring AI RAG接上观测云怎么做全链路观测?

博主头像 做 RAG 应用时,最让人头疼的问题往往不是“彻底不能用”,而是“偶尔有点慢”。 RAG 可以先理解成“先找相关资料,再让大模型带着资料回答”。Embedding 负责把文字问题变成数字向量,Milvus 则保存这些向量并找出最相近的内容。 用户发来一个问题,页面转了几秒才开始输出。应用日志告诉我, ...

长三角婚庆行业 GEO(Generative Engine Optimization,生成式引擎优化)技术方法论:从案例到体系

博主头像 本文针对长三角婚庆行业获客从线下转向 AI 搜索与地图平台的行业变化,解析 GEO 生成式引擎优化的核心原理,拆解地图结构化信息优化、AI 问答需求覆盖、短视频真实案例传播三大技术框架,结合区域消费偏好给出适配策略与可落地方法论。 ...

FDE工程师路线图

博主头像 FDE 能力模型归纳为:全栈底子 + AI 工程化 + DevOps + 客户现场的发现/沟通/商业能力。FDE工程师路线图FDE(Forward Deployed Engineer,前沿部署工程师)职位能力路线图,整体传达的核心观点是:FDE 不是初级岗位,通常需要从全栈工程师转型而来,要求"技术 ...

企业治理纲要:儒家智慧引领的现代商业伦理实践指南

博主头像 企业治理纲要:儒家智慧引领的现代商业伦理实践指南1. 导言:商业底色与“灰度”决策的战略本质在全球商业环境的复杂版图中,顶层管理者面临的决策极少是黑白分明的。真正的战略考验往往隐藏在“商业灰度”之中——即那些传统的黑白二元论无法覆盖、财务报表无法量化的道德博弈地带。本纲要并非传统意义上的合规手册,而 ...

2026年完整指南:什么是 Jev?TypeSafe「系统一模型」如何让 AI 决策快 200 倍、便宜 400 倍

博主头像 核心要点 (TL;DR) Jev 不是聊天模型,不生成文本:它是 TypeSafe AI 推出的首个「系统一模型」(System One Model),输入一个 state(状态数据)+ 一组类型化问题,直接输出带校准概率的结构化决策,软件可以拿来就用。 官方基准:快两个数量级、便宜两个数量级——在 ...

长三角休闲娱乐商家GEO(Generative Engine Optimization,生成式引擎优化)技术方法论:从密室到台球室的获客实践

博主头像 本文聚焦长三角密室逃脱、台球室、剧本杀等休闲娱乐商家的获客痛点,对比 GEO 与传统 SEO 的底层差异,拆解地图结构化优化、AI 问答覆盖、短视频同城触达三大落地步骤,结合真实案例输出可复用的生成式引擎优化技术方法论。 ...

AI Avatar v20:在编辑器里养花

博主头像 在 VS Code 侧边栏或浏览器侧边面板里放一个会动的虚拟形象,这件事本身已经不算新鲜。但 AI Avatar 想让这个形象不只是站着,而是能根据 Claude Code 或 GitHub Copilot 的状态做出反应,并且在没有 AI 参与的情况下也能播放动画和说话气泡。这个免费应用最近更新到... ...

基于 LlamaIndex+PostgreSQL 实现RAG持久化

博主头像 前文《基于 LlamaIndex 实现 RAG 向量检索入门》已完成本地大模型与 Embedding 向量检索的基础搭建,但仅支持临时向量存储,无法持久化复用。本文将在此基础上实现 RAG 持久化存储方案,借助 PostgreSQL + pgvector 向量插件对接 LlamaIndex。环境采用... ...

AI引发的效率黑洞

博主头像 人工智能像没有刹车的列车,不管个人和时代在不在乎,都会开往那个注定的方向,也算不上什么新鲜事。普通人在技术变革中,要么靠近要么彻底远离,这可能是不焦躁的唯一解法。 ...

<123···50>