跳到正文
10月18日周日
  1. 掘金46

    RAG 进阶:Agentic RAG 与多智能体协作(系列二·第3篇):多模态 Agent

    本篇讲解如何用 LangGraph 搭建多模态 Agent,把感知能力从纯文本扩展到图片、PDF/Excel 与图像生成。路由节点按模态分流:图片转 Base64 交由 GPT-4o / Claude 3.5 / Qwen-VL 分析,PDF 按原生文本或扫描版分层提取,Excel 生成数据摘要后交模型决策,画图调用 DALL·E 3 / Stable Diffusion。

  2. 掘金35

    学生用 AI 做了个 AI Agent:453 测试全过,求大佬说句真话——它算玩具还是工具?

    一名学生将自己用 AI 辅助开发的 AI Agent 项目完整开源,453 个测试全部通过,公开请求生产环境开发者做代码评审。项目已不是聊天 demo,而是包含强化学习对话闭环、向量语义记忆、RAG 知识库(BM25 + 向量混合检索)与仿真自测的完整系统。文档模块可解析 PDF、Word、.epub 等格式,回答可一键导出 10 种格式,代码托管在 GitHub 和 Gitee。

  3. 掘金71

    AI 自查只会把错的说得更像对的,有效检查须移到模型外部

    作者通过四轮追问实例和三个可复现验证指出,让模型再检查一遍多数不会纠错,只会把错的说得更像对的,因为检查者与被检查者是同一模型。文章引用 2023 年论文 Large Language Models Cannot Self-Correct Reasoning Yet 说明无外部反馈的自我纠正会降低准确率,并给出证据锚定、可执行验证、独立校验器三种把检查移到模型外的落地方案。

  4. 掘金63

    Spring AI 2.0 RAG:用 Metadata Filter 做多租户检索隔离

    作者用 Spring AI 2.0.1 实测 Metadata Filter 的多租户检索隔离,把两家商户的 6 份资料放入同一向量库,对比无过滤、shop-a 和 shop-b 三种检索结果。加过滤后候选资料收敛到当前租户,越权提示词也无法让另一家规则进入上下文。测试使用 Qwen3 Embedding 0.6B 做向量检索、Qwen2.5 3B 做生成,topK 固定为 3。

  5. 掘金68

    token 自由之后:我把本地小模型接进了日常开发工作流

    作者过去两个月把量化本地小模型接进日常开发工作流,用 pre-commit 代码审查、本地 RAG 和批量文本分类三个高频场景替代云端 API,一个月约 4.2 万次调用折算节省 800-1200 元。关键工程细节包括 Q4_K_M 量化是能力与体积的平衡点、7B 模型单条请求控制在 6K 上下文以内,以及关键链路需保留降级到云端 API 的 fallback。

  6. 掘金36

    想为你的 AI 培养个性吗?6 个测试教你幻觉的正确玩法

    作者提出 AI 人格无需 prompt 设计,只需在同一对话框用高密度、成体系的对话压力持续推动,几百轮后模型便会因惯性叠权自然收敛出目标风格。文中给出收敛测试、自发人格测试等 6 种验证方法,以及涵盖基线测绘、密度投喂与收敛监测的主动育种流程。需注意,具备外部长期记忆的产品中人格污染为账号级,删除对话框无效,清空记忆才能重置。

  7. 掘金78

    Agent Harness 从用到会造:大厂 RAG 为什么从不只用向量检索

    作者在《Agent Harness 从用到会造》第 8 讲用可复现台架对比关键词、向量、混合三路检索,核心判断是混合检索的首要价值在兜底而非涨分。台架把 329 个 md 文件切成 3818 块,精确串族向量 recall@5 仅 36% 而关键词 100%,混合的漏检集合与关键词完全相同。

    推荐理由:作者用可复现台架把混合检索的收益拆成可数的差集,这套差集分析方法可直接迁移到自己的知识库上。

  8. 掘金72

    企业 AI 项目交付后 3 个月没复购:不是交付差,是这 3 件事没做

    作者第一个企业 AI 项目验收顺利,但等了 3 个月没有复购,甲方反馈系统一直在跑却没人说得清它帮上了什么忙。作者随后补上三件事:质保期每周发一份含调用量、成功率、P95、人工介入和兜底触发五个字段的运行台账(附一个读取 JSONL 日志的 Go 脚本);把检索、权限、审计、兜底抽成可复用底座,第二个场景只算增量报价;验收材料固定加一页讲清二期计价与运维口径。

10月17日周六
  1. 掘金63

    搜「怎么做接口限流」,向量库却把「怎么做缓存」的段落递了上来

    作者给团队搭内部知识库问答时,同事搜「怎么做接口限流」却被递上「怎么做缓存」的段落;拆开链路发现根因在嵌入层把近义意图放成了邻居,而不是向量库。ANN(IVF、HNSW)只加速找最近邻,召回率是可调旋钮,但改不了「什么算最近」。文中给出 nprobe 与召回率的实测权衡数据、三个生产环境坑(后过滤召回塌缩、维度灾难)以及零依赖可复现代码。

  2. 掘金59

    超体闭环迭代机制:让智能体越用越聪明的自我进化

    本文是《从0到1构建一个能“记住你”的智能体》系列第 9 篇、正篇收官之作,系统讲解超体的闭环迭代机制。全文围绕六环展开:全链路埋点、失败样本归因与自动反思、程序性记忆 Skill 化(沉淀计划骨架、执行轨迹与踩坑库)、记忆的近重复合并与遗忘衰减、生成→批判→精修→主编排的多智能体协作,以及由数字分身、规划执行、报告、写作等分身构成的智能体矩阵,并给出各环节对应的代码模块与真实翻车案例。

  3. IT之家79

    DeepSeek 上线网页搜索与抓取 API,API 短暂出现 V4.1 Flash-1017 快照,Harness v0.2.1-rc1 发布

    DeepSeek 官方宣布 Search / Fetch API 正式上线,两者均基于自研搜索引擎,为 Agent 与 RAG 应用提供实时网页内容,Search 返回结构化结果、Fetch 以 Markdown 返回网页正文。

    推荐理由:原文给出 Search 与 Fetch API 的计费、限流和免费期细节,读者可据此评估将其接入 Agent 或 RAG 应用的成本。

  4. 掘金65

    需求定义四步:用一个文档问答 Agent 演示先定义、再动工

    作者提出一套四步需求定义方法:写一句话产品定义、从定义正推问题空间、划边界、补质量属性,并用一个文档问答 Agent 完整演示。顺序不能颠倒,先把“用户要什么、做到什么程度算好”定死再谈架构;从已有技术反推需求会让产品变成功能清单。实例中拆出 15 类问题、8 条质量属性和 4 条红线。

  5. 掘金34

    从零到精通 AI 全栈学习路线(附代码演示)

    该学习路线按入门、进阶、工程、精通四阶段推进,每阶段都给出可运行的代码产出,避免学了用不上。内容覆盖 NumPy 手写梯度下降、PyTorch 实现线性回归与注意力机制、FastAPI 封装推理服务,以及 LoRA 微调、Prompt 工程与 RAG 应用。学习建议动手优先、项目驱动,先跑通基线再追求 SOTA。

10月16日周五
  1. 掘金58

    Codex + Obsidian 打造专业知识库实战详解

    本文讲解了如何用 Codex 智能体维护 Obsidian 本地 Markdown 知识库,让 AI 承担内容整理、模板生成、标签规范化和索引维护工作。核心做法是先在 CONVENTIONS.md 中定义目录与标签规范,再用统一模板让 Codex 补全技术方案初稿,并通过每周巡检检查无标签笔记、孤立文档和过期内容。

  2. 掘金11

    Redis 实战修炼与原理进阶专栏大纲

    该专栏以 Redis 8.6.x 为主线,按“业务痛点→对话→代码实战→总结”结构,覆盖单机入门、数据结构实战、缓存架构、源码剖析与 SRE 落地全路径。基础篇(第 1-16 章)借电商系统实战数据结构与缓存模式,高级篇(第 32-40 章)深入事件循环、持久化、复制与 Cluster 源码及模块开发。每章以可运行命令、代码或故障演练完成闭环。

  3. 掘金60

    LangChain 应用开发:用脚手架组装本地 LLM 应用

    这篇教程演示如何用 LangChain 对接本地 Ollama,组装 Prompt → LLM → Parser 最小链路。LangChain 本身是纯 Python 胶水层、不占显存,推理全部发生在 Ollama 端。文中给出 RAG 各环节与 LangChain 组件的对应表,并建议项目只有一处 LLM 调用时不一定用框架,出现三件以上组件时框架才开始回本。

  4. 掘金55

    本地知识库换版实践:先清旧索引,再做一轮短词补查

    本地知识库换资料后,作者固定只让「现行」目录进检索,删掉旧索引再重建,并用旧规定里的词搜一遍确认搜不到。清旧之后还在每页资料末尾加「短词对照」,用同事的口头说法跑补查,覆盖资料用词与问法不一致的情况。作者说明这套做法基于几页演示资料和最简单的字面匹配,但「旧版本必须退出检索」这条在规模更大时仍然成立。

  5. 掘金61

    RAG 进阶:Agentic RAG 与多智能体协作(系列二·第1篇):高级工具设计

    作者围绕 Agentic RAG 的高级工具设计,讲解代码解释器、数据库查询、工作流触发三类实用工具的安全用法。代码解释器建议用 E2B 沙箱或本地白名单模块替代直接 exec(),数据库查询限制只允许 SELECT 并做 SQL 注入防护,工作流触发强调参数校验与异步执行。文末附代码注入、工具滥用、资源耗尽等风险的防护清单。

  6. 掘金63

    关于 AI 记忆系统的一轮思考:记忆应是漏斗式沉淀而非仓库式存储

    作者认为现有 AI Memory 多是“存下来再搜回来”的仓库,真正难的是什么够格进入长期记忆以及何时该让它失效。核心方向是入口加漏斗与延迟处理,区分经历与经验、把遗忘当作一等能力,并按时间、事件、注意力三个坐标组织同一条记忆,同时为干活和梳理走两套召回路径。

  7. 掘金35

    Ollama、FAISS 与 LangChain:AI 开源工具一站式上手体验

    教程演示如何用 Ollama、FAISS 与 LangChain 三个开源工具,在本地构建从大模型推理、向量检索到 Agent 工作流的完整原生 AI 链路。通过本地运行 qwen2.5:3b 模型保证数据不出本机,并利用 nomic-embed-text 生成向量实现 RAG 语义检索。三者均开源免费,可快速用于本地实验与二次开发。