人工智能

多年来，我们一直被灌输“微服务是未来”。 “把所有东西拆分成小型独立服务，”他们说，“让团队独立扩展，部署更快，行动更敏捷。” 但最近出现了奇怪的现象。那些已经迁移到微服务的团队，现在正重新回归单体架

最近帮几个老板面了不少AI Agent方向的候选人，发现一个有趣的现象：很多同学“第一印象”很好——简历光鲜、谈吐得体，一旦进入技术深挖环节，瞬间“原形毕露”。要么回答浮于表面，要么对实际工程落地毫无

最近两年，AI 智能体已经成为科技行业最热门的概念之一。从 ChatGPT 这样的对话助手，到各类自动化办公软件，再到新兴的多智能体协作平台，几乎每家公司都在谈论 Agent —— 这种新的 AI 形

早在90年代中后期，当Altavista(远景公司)称霸互联网的时候，搜索引擎优化（俗称SEO）就已经诞生了。那时候谷歌还没出现，大家都绞尽脑汁想让自己的网站在某些关键词的搜索结果里排到最前面。通过S

重磅消息！OpenAI刚刚在YouTube直播中宣布GPT-5正式发布！Sam Altman透露，GPT-5将从今天（2025年8月7日）起逐步向ChatGPT用户开放（包括免费用户，具体上线时间待定

2025年8月5日，OpenAI 正式推出 GPT-OSS-120B 和 GPT-OSS-20B 两个开源大模型，采用 Apache 2.0 许可协议，并公开了模型参数。这意味着开发人员、研究人员和企

现在很多人对AI行业有个误解：他们都觉得AI项目成功的关键在于技术有多牛。但其实，最困难也最重要的环节，是把AI真正用起来、让整个系统顺畅运转。 真正能带来商业价值的AI项目，技术只是其中一环。我们并

如果你想建一个网站，但完全不懂 HTML、CSS 和 JavaScript，只有一个想法和一个浏览器，你会怎么办？用 AI 工具？确实是个不错的选择。 但现在市面上的 AI 工具太多了，它们都宣称能轻

Anthropic公司最近公布了Claude 4模型的系统提示文本。 这些长达数千字的内容展示了如何通过设置提示词来引导大模型的每一次回答。 仔细阅读这些文本，可以直接获取优化大模型系统的方法。 以下

很多公司都有一个危险的错觉：他们觉得只要用了人工智能，就能解决企业经营的根本问题。但实际上，这些企业的问题可能是商业模式过时、管理层决策错误或企业文化僵化。人工智能不仅解决不了这些根本缺陷，反而会让问

过去半年，我一直想写篇"泼冷水"的AI应用现状观察，但总感觉缺少几份真实的一线实践反馈。 转机出现在上周，我先后与几位科技公司的CTO深聊，当谈到各自企业的AI应用进展时，有些直言不讳的反馈实在过于真

距离上次更新"AI智能体系列"已经过去一周了，我决定给这个系列做个完美收尾。当然要重点说说MCP。 在搭建AI智能系统时，最关键的就三大块：大脑（大模型）、工具（各种功能模块）和知识库（数据资料）。但

这是关于AI智能体系列文章的第四篇。虽然我们通常通过提示词工程来提升大语言模型的任务表现，但这种方法存在一个核心缺陷：它依赖模型一次性准确执行任务的能力。本文将讨论另一种通过反馈循环来改进大语言模型系

这是关于AI智能体系列文章的第三篇。在前一篇文章中，我展示了大模型（LLMs）如何使用工具与现实世界系统互动，无需具体指令就能解决问题。虽然这种灵活性很强大，但它可能以控制力和可靠性为代价。在这里，我

欢迎回到AI智能体系列文章。在上一篇文章中，我们探讨了智能体系统的三大核心要素：大语言模型(LLM)、工具调用能力和推理决策机制。今天我们将深入解析这一架构中最基础的实现形态——LLM+工具的简易组合

刚刚结束全国教育系统紧张的高利害阶段的攻坚工作，我特别欣喜地正式将多个AI智能体部署至生产环境，并且取得了超出预期的成效。这段时间我们成功研发了几个实用的AI智能体应用： Text2SQL——实现了从

大模型时代主要采用三种核心协议方案：MCP（模型协作协议）、Function Calling（函数调用）和A2A（代理间通信协议）。这些协议在设计理念和应用场景上各有侧重： MCP专注于多模型间的协同

MCP生态资源平台深度评测 当前MCP(Model Context Protocol)生态蓬勃发展，各类资源平台层出不穷。作为专注AI和程序开发的从业者，我全面评测了12个主流MCP资源平台，从工具完

各位AI开发者们，说起大语言模型的应用开发，想必都遇到过这个经典难题： 👉 既要让模型能调用搜索、计算器、API等各种工具，又要保持它的智能性、适应性和可控性，该怎么设计架构？ 目前行业主流的解决方案

最近在公司做了很多AI工具分享，发现每次都要重复解释同样的内容。干脆把这些经验写成系列文章吧！不需要教科书式的长篇大论，只分享实践中马上能用的干货。 为什么需要MCP？先看这个例子 假设我要AI完成这