相关文章
2060 篇高质量内容
企业AI落地难？JOTO如何用工程化智能体交付破解RAG幻觉、Agent失控与上线延迟三大顽疾
引言：当AI项目停在PPT上，企业真正需要的不是Demo，而是能上线、能审计、能迭代的智能体 Gartner 2024年《AI Engineering Maturity Survey》指出，73%的企业AI项目在POC之后再没往前走一步。其中，41%卡在RAG结果不可信——用户问“逾期90天能否协商分期”，系统却答“可...
腾讯把企业知识库开源了，我第一时间拆了它的架构
腾讯开源企业知识库 WeKnora，支持 PDF、Word、扫描件等十余种格式解析，内置 PaddleOCR-VL 实现扫描件 OCR；采用父子分块策略兼顾检索精度与上下文完整性；提供关键词+向量混合检索、rerank、Graph RAG 等多层检索能力；全栈插拔式设计，支持 29 家大模型、8 种向量库及主流云存储；v0.8.2 起内置 MCP Server，可作为标准化 AI 工具后端服务。
企业AI落地难？JOTO如何用工程化智能体交付破解RAG幻觉、Agent不可控与上线延迟三大顽疾
引言：当92%的企业AI项目卡在POC之后 麦肯锡2024年《AI Adoption Index》报告显示，全球78%的大型企业已启动至少3个AI项目，但只有8%真正把AI用进了核心业务流程。Gartner的数据更直白：企业搭建RAG系统时，平均遭遇4.2次明显“幻觉”；自研Agent平台从立项到上线，平均要花14.7...
企业AI知识库到底是不是伪需求，试了一大圈后我有了答案
作者通过一次失败的产品分析实践，揭示散乱、未治理的知识源导致AI输出不可靠、难溯源、易幻觉。测试腾讯乐享后发现，其知识治理能力可自动识别版本冲突、标定出处、构建知识关系图谱，并支撑Agent生成可验证、可审计的结论。文章对比通用大模型与协同办公平台AI，指出企业级知识库的核心价值在于将私域知识转化为长期可复用、可审计的资产。
企业AI落地难？JOTO如何用工程化智能体交付破解RAG幻觉、Agent不可控与上线延迟三大顽疾
引言：当92%的AI PoC止步于演示厅 Gartner 2024年《AI Adoption in Enterprise》报告显示，企业AI项目平均6.8个月后就停在了原地。73%的问题出在同一个地方：概念验证（PoC）跑得通，却没法真正上线、跑得稳、跑得久——不是模型不行，而是没人把Prompt实验当工程来管。华东一...
MFS：给 Agent 一个可搜索的上下文文件系统
Zilliz 开源的 MFS（Multi-source File-like Search）将代码仓库、文档、数据库、聊天记录等多源信息统一组织为类文件系统结构，提供 search/grep/ls/cat 等命令接口。它不把搜索结果当答案，而是返回 source + locator，支持 Agent 回溯原始证据。架构采用 thin client + stateful server 设计，强调权限隔离与生产就绪能力。
RAG知识库实战指南：企业AI落地中90%被低估的核心基础设施
引言：当大模型“知道一切”，却答错客户最基础的问题 某头部保险科技公司上线智能客服后，一位客户问：“重疾险等待期是否包含住院观察期？”系统回答得很肯定，还引用了《2021年健康险实施细则》第7条——可这份文件根本不存在。 事后查清楚了：它的知识只来自通用语料，没连内部核保规则、没读银保监发〔2023〕42号文，也没看过...
RAG知识库实战指南：企业AI落地中90%被低估的精准性引擎
引言：为什么你的大模型应用总在“看似聪明、实则失准”？ 某头部保险科技公司上线基于LLM的智能核保助手后，客服响应准确率只有68%。大量拒赔建议直接违反银保监发〔2023〕27号文等最新监管要求；某省级政务AI平台接入千问后，政策问答错误率高达41%。问题不在模型本身——而是知识没真正“长进”系统里。脱离RAG知识库的...
企业开始用 AI，老板先把自己的知识库搭起来
文章主张企业应用 AI 应从老板个人知识库建设起步，聚焦高频重复业务，将散落的沟通记录、操作流程与外部学习资料结构化沉淀为可检索、可更新、可执行的 SOP 和知识条目，并强调知识库需嵌入日常工作闭环，成为 AI 理解业务、辅助决策的真实依据。
RAG知识库实战指南：企业AI落地中90%被低估的精准问答基础设施
引言：为什么87%的企业AI项目卡在“知道但答不准”？ 某头部保险集团上线智能客服后，NLU准确率高达92%，客户投诉率却上升了14%。问题不在模型——而在于它总用通用语料“编答案”，而不是查保单条款、监管文件这些真正该用的知识。这不是技术不够，是知识没送到位。 Gartner 2024年《AI工程化成熟度报告》里一句...
RAG知识库实战指南：企业AI落地中90%被低估的核心基础设施
引言：当大模型“知道一切”，却答错关键业务问题 某头部保险科技公司上线智能客服Agent后，客户投诉激增——37%的投诉直接源于一个错误答案：系统编造了“2024年北京车险续保免验车政策”的条款编号，而该政策根本不存在。这不是模型“不够聪明”，而是背后的知识没跟上。Gartner 2024年《AI工程化成熟度报告》里有...
企业AI落地难？JOTO如何用工程化智能体交付破解RAG幻觉、Agent不可控与上线延迟三大顽疾
引言：当92%的AI PoC止步于演示厅 Gartner 2024年《AI Adoption in Enterprise》报告指出，企业AI项目平均6.8个月后就停在原地。73%的问题不是模型跑不动，而是PoC根本没法变成真正上线的系统——缺的不是算法，是能把Prompt实验稳稳托到生产环境的工程能力。 华东一家头部券...
企业AI落地难？JOTO如何用工程化智能体交付破解RAG幻觉、Agent碎片化与POC到生产断层
引言：当92%的AI项目卡在POC之后 麦肯锡2024年《AI Forward》报告里有个刺眼的数字：87%的企业已启动至少一个生成式AI项目，但只有8%真正把它们用进了核心业务。问题不在模型不够聪明——而在于现实太硌人。比如，某金融公司用RAG做尽调，因为切片太粗，关键条款召回率不到63%；客服Agent要平均聊5....
RAG知识库实战指南：企业AI落地中90%被低估的精准性引擎
引言：为什么你的大模型应用总在“看似聪明、实则失准”？ 很多团队告诉我，他们上线的AI助手回答很流畅，但一问具体条款、流程或数据，就容易出错——比如把2023年的合规口径套到2024年新规上，或者把A产品的临床禁忌症张冠李戴到B产品上。这不是模型“不努力”，而是它根本没读过你公司的SOP、没看过上季度的审计报告、也不清...
RAG知识库实战指南：企业AI落地中90%被低估的精准性引擎
引言：为什么你的大模型应用总在“差不多”和“不靠谱”之间摇摆？ 某头部保险集团上线大模型客服后，首月客户投诉率反而涨了17%。问题不在模型“不会说”，而在于它查的知识——保单条款、最新监管要求、历史理赔案例——根本没对齐。另一家省级政务热线，市民问“灵活就业人员医保报销流程”，系统却搬出2021年早就废止的旧政策。这不...
企业级RAG落地之难：不在检索，而在整条信息链的可靠性工程
RAG原型易建，但生产级部署需攻克数据质量、分块架构、混合检索、安全前置、时效运维等系统性难题。文章以Ring多地区支持系统为例，指出可靠RAG本质是围绕信息流的端到端工程实践。
企业AI落地不再踩坑：从RAG到智能体交付的实战型AI解决方案全景指南
引言：为什么90%的AI项目卡在POC之后？ 麦肯锡2023年《AI Adoption Index》报告里有个扎心数字：全球只有23%的企业，把AI真正用进了核心业务流程。剩下77%——也就是差不多每四个项目里有三个——停在了概念验证（POC）这一步，再也没往前走。 我们不是缺模型，是缺一套能落地、能管住、能查清的AI...
给项目建Agent知识库，一套完整方法来了！
文章提出面向生产故障定位的Agent知识库建设方法论，强调以判断目标驱动资料整理：先定义问题结构（机制-偏离-证据），再沿业务流程梳理正常行为，区分领域知识、项目实现、接口契约等不同更新节奏的内容，并通过入口文档（专家底座）组织知识，确保Agent能基于可验证依据做出判断，而非依赖静态文档或经验猜测。
企业AI落地难？JOTO如何用工程化智能体交付破解RAG幻觉、Agent不可控与上线延迟三大顽疾
引言：当92%的AI PoC止步于演示厅 Gartner 2024年《AI Adoption in Enterprise》报告指出，企业AI项目平均6.8个月后就停在原地。73%的问题出在同一个地方：概念验证（PoC）做得很漂亮，却没法真正用起来——不是模型不行，而是从写Prompt到上线智能体之间，缺一条能走通的工程...
企业AI落地难？JOTO如何用工程化智能体交付破解RAG幻觉、Agent不可控与上线延迟三大顽疾
引言：当92%的AI PoC止步于演示厅 Gartner 2024年《AI Adoption in Enterprise》报告指出，企业AI项目平均6.8个月后就停在了原地。73%的问题出在同一个地方：PoC跑得通，但上不了线——不是模型不灵，是没人能把一个Prompt实验，变成能扛住真实流量、经得起审计、出了问题能定...