Agent - 随笔分类 - 风生水起

摘要：智能体记忆系统设计 ——基于意图驱动与模块化治理的融合架构阅读全文

posted @ 2026-01-22 15:30 风生水起阅读(30) 评论(0) 推荐(0)

摘要：工作内容是「给AI出题」——但不是为了让它答对，而是为了让它答错，然后再手把手教会它，如何像年薪百万的「高级牛马」们一样做咨询。 https://mp.weixin.qq.com/s/faHHXuQiC7ro76UqMgPElQ 阅读全文

posted @ 2026-01-16 11:53 风生水起阅读(8) 评论(0) 推荐(0)

用户意图理解

摘要：简单的数据泛化，加上“规则+向量+大模型”三层决策架构，仍不是最优方案。假定向量匹配小于阈值，用大模型直接解析，在分类很多的情况效率会非常低。如果底层数据结构是知识图谱的话，可以提取用户问题中的实体，采用实体映射，可以是一个性价比更好的方案。问题规范化处理-->问题语义分析-->图谱推理查询-- 阅读全文

posted @ 2026-01-14 19:40 风生水起阅读(9) 评论(0) 推荐(0)

图谱与大模型应用随感

摘要：传统图谱三元组的最大问题是建设时没有目标，导致生成大量实体，一方面准确率不好保证，另一方面生成效率低，可用性差。例如“A 是程序员”，“A 是滴滴司机”，都是正确的但发生在不同时间；我关注的核心不是冲突，而是我为什么需要拆解这个三元组。如果我做的是排障，就像专家一样，只需要抽取和排障流程相关的内阅读全文

posted @ 2026-01-10 15:54 风生水起阅读(19) 评论(0) 推荐(0)

本体论的关键

摘要：“那么，为什么 Palantir 能如此卓越，与其它技术公司拉开如此大的差距？我认为一个根本性的战略区分，在于它对两个概念的界定：‘能力（Capability）’与 ‘专业技能（Competency）’。” “Capability 是向外能够展示的能力，关注的是最终想要实现的目的，是关心‘做什么’和阅读全文

posted @ 2025-12-18 09:59 风生水起阅读(79) 评论(0) 推荐(0)

智能体记忆

摘要：要解决的问题：哪些内容需要保存成长期记忆？什么时候保存？由谁来判断？未来如何召回？召回粒度是多少？如何修剪、更新、合并？ https://mp.weixin.qq.com/s/sdi3rgDRiRWhsmbDWc-w-g 阅读全文

posted @ 2025-12-04 11:39 风生水起阅读(29) 评论(0) 推荐(0)

Palantir Ontology 技术深度解析：化繁为简，连接数据与决策的数字孪生

摘要：Palantir Technologies，这家以《指环王》中“真知晶球”命名的大数据分析公司，其核心技术之一 Ontology（本体）正是其平台（如 Foundry 和 Gotham）实现强大数据整合与决策能力的关键。Ontology 不仅仅是一个数据库或数据模型，它更是一个动态的、可操作的“数阅读全文

posted @ 2025-10-29 20:27 风生水起阅读(1099) 评论(0) 推荐(1)

AI智能体元年：六大实战启示（麦肯锡）

摘要：成功部署AI智能体绝非易事。在AI智能体兴起一年后的今天，一个共识日益清晰：要想做好这件事，需要下真功夫、硬功夫。过去几个月，我们已探讨过生成式AI在价值创造和规模化方面的潜力。本文希望帮助致力于AI智能体部署的企业少走弯路、实现价值创造。智能体驱动的企业转型，有望带来前所未有的生产力跃升。部分企阅读全文

posted @ 2025-10-29 15:08 风生水起阅读(96) 评论(0) 推荐(0)

从Palantir本体论，看驱动智能（Data for AI）的下一代数据架构

摘要：Palantir通过将原始数据进行语义转化，为大模型的智能分析和决策打下了基础。语义转化分为4个层次：数据语义：进行数据治理，将数据结构化、标准化业务语义：定义实体之间的业务关系（Link）逻辑语义：将业务规则、计算逻辑（Logic）附加到实体和关系上决策语义：沉淀和积累决策模型与经验，支持阅读全文

posted @ 2025-10-27 09:52 风生水起阅读(450) 评论(0) 推荐(0)

Palantir实体工程实践

摘要：Naive RAG，是试图让AI在没有地图的情况下，靠嗅觉找到宝藏。 Complex Agent，是试图训练一个没有地图的AI，学会使用各种交通工具。而真正的出路，是Ontology RAG。它的核心，不是让AI更“能干”，而是让AI先“看懂世界”。 Ontology具体做了什么事情？我们结合航阅读全文

posted @ 2025-10-21 09:33 风生水起阅读(141) 评论(0) 推荐(0)

Github上文本切分相关的优秀项目

摘要：Github上有几个不错的文本切分相关的优秀项目，涵盖了不同技术方向和应用场景： AntSK-FileChunk 特点：基于语义理解的智能文本切片工具，支持PDF、Word、纯文本等多种格式，通过语义分析和向量计算确保切片的语义完整性和连贯性。 GitHub地址：https://github.com 阅读全文

posted @ 2025-10-17 05:54 风生水起阅读(117) 评论(0) 推荐(0)

Palantir本体论以及对智能体建设的价值与意义

摘要：赋能智能体：Palantir Foundry本体工程如何构建企业级AI的“可编程数字孪生” 摘要：随着大语言模型（LLM）驱动的智能体（AI Agent）成为企业数字化的核心驱动力，传统的数据基础设施面临“可行动性”和“可信赖度”的挑战。Palantir Foundry的本体论（Ontology）阅读全文

posted @ 2025-10-15 19:31 风生水起阅读(1766) 评论(0) 推荐(0)

Palantir 的“本体工程”的核心思路、技术架构与实践示例

摘要：引言：为什么“本体工程”在当下越来越被强调？在 AI+业务落地的浪潮中，很多团队一开始聚焦于模型（LLM、对话模型、检索模型等）、Prompt 设计、上下文检索（RAG）等技术维度。但在真实的企业环境里，落地 AI 的难点往往在于：多源异构数据如何统一语义、对齐一致的业务视图不同系统／流程／模阅读全文

posted @ 2025-10-15 19:18 风生水起阅读(6289) 评论(0) 推荐(0)

数据策略与模型算法

摘要：数据工程师：更多关心「基建」的问题，比如，数据链路如何构建、如何做技术选型、效率稳定性如何保障等等。算法工程师：更多关心「模型」的问题，比如，具体某个算法是什么原理，如何调参等等。数据分析师：运用工具解决「端到端」的问题，包括「问题抽象」、「业务洞见」、「讲故事」以及经济学、心理学的一些方法论和阅读全文

posted @ 2025-09-11 16:45 风生水起阅读(73) 评论(0) 推荐(0)

上下文工程

摘要：https://mp.weixin.qq.com/s/hsalUdlx0KMtQh8U2gvnnw 阅读全文

posted @ 2025-09-04 09:19 风生水起阅读(39) 评论(0) 推荐(0)

如何将代码文本切成多个部分，方便大模型理解和RAG应用

摘要：当然。将代码文本有效地切分成多个部分（Chunking）对于 RAG（检索增强生成）和大模型理解至关重要，因为它直接影响到检索的准确性和模型处理信息的质量。代码不同于自然语言，它有**严谨的结构**（语法、依赖关系、块状作用域）和**多种抽象层级**（项目、模块、类、函数、单行代码）。因此，不能简单阅读全文

posted @ 2025-09-01 19:34 风生水起阅读(94) 评论(0) 推荐(0)

AI-Ready Data信息梳理

摘要：阅读全文

posted @ 2025-08-12 14:02 风生水起阅读(36) 评论(0) 推荐(0)

大模型在线学习

摘要：Memory是外脑，外脑中的内容可以定期训练内化到大模型阅读全文

posted @ 2025-08-01 14:22 风生水起阅读(28) 评论(0) 推荐(0)

OpenAI企业文化

摘要：OpenAI非常由下而上，尤其是在研究领域。我刚来的时候，开始询问下个季度的路线图。我得到的答案是：“这东西不存在”（虽然现在有了）。好的想法可以来自任何地方，而且事先往往并不清楚哪些想法会最有成效。进展不是来自一个宏伟的“总体规划”，而是迭代式的，随着新研究成果的出现而逐步揭示。得益于这种由下而上阅读全文

posted @ 2025-07-18 15:24 风生水起阅读(32) 评论(0) 推荐(0)

Agent相关思考

摘要：Agent：搭建任务结构，能精确地引导模型做事在有明确的 context 和清晰的任务范围时，Agent 已经能处理很复杂的任务了，可一旦任务变得模糊、需要探索环境或迭代开发，Agent 就开始吃力人类是可以做到在工作中学习的，如果能让模型在真实世界中学习，而不是人类需要花几十亿收集每个具体任务的数阅读全文

posted @ 2025-06-30 10:43 风生水起阅读(78) 评论(0) 推荐(0)

随笔分类 - Agent