摘要： 互联网从业必备技能-bash编程入门到精通教程 https://lqfarmer.blog.csdn.net/article/details/123958233 解决raw.githubusercontent.com无法访问的问题 https://blog.csdn.net/weixin_44293 阅读全文

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

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

摘要： 设置 Firefox 在点击书签后在新标签页打开，可以通过修改浏览器的高级配置参数来实现。下面我给你详细说明操作方法。修改配置参数主要通过修改 about:config 中的两个参数来控制书签打开方式：参数名称 默认值 功能描述browser.tabs.loadBookmarksInTabs fal 阅读全文

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

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

摘要： 在我们过去一系列关于Palantir Ontology的文章中，我们已经深入剖析了其作为企业“数字孪生”的核心本质。我们反复强调，它的革命性之处在于，其设计理念彻底从传统的“以数据为中心”转向了“以决策为中心”。我们已经知道，它通过将构成决策的三大支柱：数据（信息基础）、逻辑（推理过程）和行动（执行 阅读全文

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

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

摘要： 如何衡量数据质量，如何衡量工作质量，如何让平台高效运转，以及如何了解frontier model所需要的数据类型和格式 你们现在天天搞Prompt工程，其实是在教AI‘怎么说’。而Palantir从始至终搞的本体工程，是在教AI‘怎么想’！ 没教会它思考，你说得再花哨，它也只是在猜，在演。 将样本级 阅读全文

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