JOTO
Contact us
← AI 智库
模型与技术专题

大语言模型

整理大语言模型相关的技术判断、实施方法与企业级实践,重点关注可部署性、安全性和业务价值。

相关文章

7068 篇高质量内容
大语言模型
大语言模型
大语言模型

开发者转向 AI 应用工程,真正要迁移的是工程判断力

开发者不必转算法岗,真正需要的是将软件工程经验迁移到AI应用开发中,解决模型不确定性带来的工程挑战。 核心内容: 1. AI应用开发中的常见工程问题 2. 传统软件工程经验如何迁移 3. 开发者转向AI应用工程的核心能力

大语言模型
大语言模型
大语言模型

不改一行代码,看透 AI Agent 的每一次调用

如何在不改动代码的情况下,精准洞察AI Agent的每一次复杂调用?OBI方案在Linux内核层安装“监控摄像头”,自动追踪跨协议、跨服务商的完整链路。 核心内容: 1. AI Agent调用链路的复杂性及传统监控的局限 2. OBI方案无侵入式追踪的核心原理 3. 标准化监控(GenAI语义约定)面临的现实挑战

大语言模型
大语言模型
大语言模型

AI 不缺智商缺纪律:一场 Harness 工程化实践

AI编码的瓶颈已从模型智商转向工程纪律,本文分享一套可复用的Harness框架,帮你用工程化手段解决AI的“不守纪律”问题。 核心内容: 1. Harness框架的设计理念与三层结构解析 2. 针对AI编码三大痛点的具体工程解决方案 3. 实践中的关键踩坑教训与可迁移的工程化模式

大语言模型
大语言模型
大语言模型

天工 3.2 重磅升级:Skywork Tags 上线,给 Agent 一张工牌,邀其加入你的工作群聊

Skywork Tags将AI直接带入你的工作群聊,让它成为团队里常驻的同事,无缝参与日常讨论。 核心内容: 1. Skywork Tags如何将Agent融入现有工作环境,免去迁移上下文的繁琐 2. 共享AI助手带来的团队协作透明化、任务可接力与持续学习优势 3. 团队内部实践验证了这种“AI同事”模式的有效性与价值

大语言模型
大语言模型
大语言模型

Context Infra 会是 AI 领域的下一个热点

AI Infra 正从模型层转向Agent与Context层,这是AI从问答走向任务执行的关键跃迁。 核心内容: 1. 从LLM Infra到Agent Infra的演进逻辑 2. Agent Infra三大构成:LLM、Harness与Context 3. Context Infra作为新热点的核心价值与市场前景

大语言模型
大语言模型
大语言模型

一文了解|SkillScan 智能体技能安全扫描最佳实践

SkillScan为智能体技能生态提供全链路安全防护,从包体合规到代码实现,全面覆盖技能生命周期中的五大风险维度。 核心内容: 1. 技能安全面临的五大类核心风险全景 2. SkillScan全链路安全检测体系与能力详解 3. 业务接入、场景实践与开发者安全规范指南

大语言模型
大语言模型
大语言模型

港科大郭毅可谈Agentic AI时代的核心命题:人机共生,人不可能退场

AI 从回答问题走向真正执行,人机共生的责任分配成为核心议题。香港科大郭毅可院士深入解析 Agentic AI 的演进方向与破局关键。 核心内容: 1. 人机共生:可控自治与责任分配 2. Agentic AI 的四个演进方向 3. 给企业的建议:将 AI 变为制度化能力

大语言模型
大语言模型
大语言模型

Sonnet 5终于来了,然而Opus 4.8现在有点尴尬

Sonnet 5以更优成本实现接近顶级模型Opus 4.8的性能,AI助手竞争进入新阶段。 核心内容: 1. Sonnet 5性能与成本优势解析 2. 模型能力升级与安全特性增强 3. 行业竞争格局与用户策略影响

大语言模型
大语言模型
大语言模型

AI可观测性:Prompt、Tool Call、Trace、Token全链路追踪

AI系统为何时好时坏?从Prompt到Tool Call的全链路追踪,帮你精准定位问题,告别昂贵黑盒。 核心内容: 1. AI系统监控的四大核心维度:Prompt、Tool Call、Trace、Token 2. Prompt追踪的重要性与实现方法,实现问题精确定位 3. 传统监控与AI可观测性的本质区别,构建完整监控体系

大语言模型
大语言模型
大语言模型

AI Infra 全景图:Agent Framework、调度、编排、沙箱、记忆管理、Tracing 分层拆解

2026年,AI Agent遍地开花,但真正能投入生产的却寥寥无几。本文将为你揭示从底层资源到上层应用的9层架构全景与4个横切能力,助你构建坚如磐石的生产级AI Infra。 核心内容: 1. 剖析AI Agent项目难以投入生产的核心症结——Infra缺失 2. 逐层拆解从基础资源到可观测运营的9层纵向架构 3. 解读贯穿所有层的4大横切能力:安全、CI/CD、成本与开发者体验

大语言模型
大语言模型
大语言模型

Claude Science发布:60+科学数据库一个对话搞定

Claude Science为科学家整合了60多个数据库和工具,大幅提升研究效率,让科研人员回归科学本身。 核心内容: 1. 科学家面临的工具切换与数据碎片化挑战 2. Claude Science如何整合资源并生成可审计的研究产物 3. 平台的核心功能、可用性与未来发展

大语言模型
大语言模型
大语言模型

AI 的向量空间里藏着心理学,这是一场嵌入模型的情绪对决

这项研究首次探索了AI向量空间中的情绪结构,揭示文本嵌入技术如何隐含心理学模型,为情绪计算开辟新基准。 核心内容: 1. 文本嵌入技术从词向量到指令增强模型的演进与情绪理解能力 2. 研究团队验证不同编码器在情绪任务上的表现差异及心理学理论基础 3. 情绪模型(如Ekman分类与Russell环形模型)在AI计算中的应用与意义

大语言模型
大语言模型
大语言模型

Claude Sonnet 5 来了:Opus 级智能,Sonnet 级价格

Claude Sonnet 5 以 Opus 级智能实现突破,却维持 Sonnet 级价格,为开发者带来前所未有的成本效益。 核心内容: 1. Sonnet 5 在Agentic能力上的关键提升与安全评估 2. 对比前代及Opus模型的性能与成本优势分析 3. 模型的具体定价策略与获取方式

大语言模型
大语言模型
大语言模型

Context 即 Agent:下一场 AI 产品战争,是上下文之争

Agent 能力的上限取决于上下文(Context),而非模型本身。谁掌握了用户上下文,谁就掌握了未来。 核心内容: 1. 模型、Harness与Context三者交织进化,交替成为瓶颈 2. Context是决定Agent能力边界的关键事实,无法被模型吞噬 3. 管理好Context,Agent的能力将自然涌现

大语言模型
大语言模型
大语言模型

解析Agent Loop(智能体循环)的三层分级体系

Agent Loop(智能体循环)是AI自主完成复杂任务的核心机制,本文为你逐层拆解其三层分级体系。 核心内容: 1. 智能体循环的基础定义与核心工作原理 2. 从工具调用到记忆读写,再到工程体系的三层分级解析 3. 智能体循环在各类复杂任务中的实际应用与必要性

大语言模型
大语言模型
大语言模型

Cursor、OpenClaw 同时出手,“口袋编程”时代来了:程序员只用“动嘴”!

口袋编程时代来临!程序员只需动动嘴,就能在手机上随时发起和管理AI编程任务。 核心内容: 1. Cursor与OpenClaw推出移动应用,实现AI编程的移动化 2. 移动应用支持远程创建、交互与监控AI编程智能体 3. 打通桌面工作流,通过语音或指令实现高效开发

大语言模型
大语言模型
大语言模型

从文本到多模态:大模型非结构化数据加工与质量控制实践

深入解析大模型数据处理的工业级实践,从原始网页到多模态数据的全链路加工方案。 核心内容: 1. 文本数据从原始网页到训练语料的六步加工流程 2. 多模态数据(VQA、Interleave、音频)的处理方法 3. 构建数据工程基建与Agentic数据生产管线

大语言模型
大语言模型
大语言模型

从Anthropic的B端战略,给迷茫中的扣子一些建议

Claude正通过CI&T等合作伙伴,深入金融、零售等行业,成为企业AI基础设施。 核心内容: 1. Anthropic的“多边合作”B端战略与OpenAI的差异 2. 从API到行业定制解决方案的清晰商业化路径 3. 营收高度依赖企业客户,形成压倒性优势

大语言模型
大语言模型
大语言模型

Claude最新:创始人实操手册:打造 AI 原生初创公司(中文版)

AI 正在彻底改变创业规则,从未写过代码的创始人也能发布生产级应用,2026年创业将更公平、更高效。 核心内容: 1. AI如何重塑创业生命周期的新范式 2. 创始人在AI原生初创公司中的角色转变 3. 从创意到规模化各阶段的核心策略与工具

大语言模型
大语言模型
大语言模型

本体+AI驱动的AI智能体工厂-从设计到实现

探索AI智能体工厂的完整实现路径:从需求到智能体,实现五阶段自动化转化。 核心内容: 1. 平台以本体模型为核心,打通需求到智能体的完整链路 2. 两个子应用协同工作,实现“文档化、模型化、代码化、技能化、Agent化” 3. 底层以LLM为推理引擎,解决传统软件交付的三大痛点