数据智能老司机

写在前面 最近一年看了不少 AI 项目，从拿了顶级 VC 的明星公司到 GitHub 上一个人维护的小项目都聊过。看得越多，越觉得有个事必须说清楚—— 2026 年做创业公司，比 2020 年难太多了

做了十年数据架构和 AI 系统，我对 metadata（元数据）这件事的理解，最近两年发生了一次根本性的颠覆。 过去三十年，行业里所有人都在用同一个心智模型理解 metadata：它是 data 的副

很多人现在还在把 Agent 工程理解成“提示词写好一点”“工具接多一点”“模型换强一点”。但真做过生产系统的人都知道，决定一个 agent 能不能长期稳定干活的，往往不是模型本身，而是模型外面那一整

如果你最近在做 RAG、多模态检索、推荐、AIGC 训练数据，应该多少都踩过同一类坑。 原始 PDF、图片、音频、视频扔在对象存储里；结构化元数据放在数仓；embedding 又放进向量库；OCR、切

说实话，语义层这个词前几年并不算性感。很多人一听就会把它和 BI、指标口径、老板看板绑在一起，觉得这是个老话题。可如果你最近认真看过主流数据平台的产品路线，就会发现它已经彻底变味了。Looker 把对

开篇：一次让我彻底改变思路的失败 去年年底，我们团队做了一个客服 Agent 项目。需求很清晰：接入工单系统、知识库和用户画像，帮一线客服做工单分流、问题诊断和解决方案推荐。 我们的第一版实现方案非常

开篇：一个凌晨三点的故事 我先讲一个真实发生过的场景。 某天凌晨三点，我被告警叫醒。不是因为服务挂了，也不是因为模型超时。告警的内容是：线上一个 Agent 系统的「客户情绪判断准确率」在过去 6 小

开篇：为什么 LLM RL 的 proximal objective 一直在"打补丁"？ PPO 是 2017 年的算法。到今天，它仍然是 LLM 对齐和 reasoning 训练中使用最广泛的 RL

开篇：671B 参数，37B 激活——复杂性去哪了？ DeepSeek-V3 有 671B 总参数，每个 token 只激活 37B。Mixtral 8x7B 有 47B 参数，每个 token 激活