2026年10月8日
摘要: AI Agent入门运行流程将 AI Agent 从接收用户提问到最终返回结果的整个过程,拆解为了 20 个具体步骤,展示了用户、智能体(Agent)、Agent Skills(技能)、大模型(LLM)、MCP(模型上下文协议)和工具这六个核心角色之间的协作机制。整个流程可以流畅地划分为以下五个阶段 阅读全文
posted @ 2026-10-08 21:21 PetterLiu 阅读(2) 评论(0) 推荐(0)
  2026年9月25日
摘要: 信息系统规划案例优鲜美佳(包含 300+ 连锁门店、90%加盟模式、乐檬 ERP、钉钉 G5 智能体平台及大华摄像头巡检场景等)调研访谈记录的深度梳理,构建以下系统化、落地性强的信息系统规划(IS Planning)方案: 优鲜美佳信息系统规划1. 规划目的规划内容概述本规划旨在为优鲜美佳制定未来 阅读全文
posted @ 2026-09-25 09:59 PetterLiu 阅读(16) 评论(0) 推荐(0)
  2026年9月24日
摘要: 豆包工作试用小记Part2 之前文章豆包工作应用试用小记Part1,今天我们继续豆包工作伙伴 豆包工作伙伴是面向企业办公的 AI 智能体(Agent),相当于 24 小时在线的 AI 同事。可预设人设、专业能力,支持官方内置、自定义创建,也能组建多人 AI 小队分工协作;可加入团队群聊,读取授权内文 阅读全文
posted @ 2026-09-24 16:39 PetterLiu 阅读(30) 评论(1) 推荐(0)
  2026年9月22日
摘要: 豆包工作应用试用小记Part1 飞书 AI 是飞书 SaaS 平台内置的 AI 能力集合;豆包工作 AI 是独立的 Agent 生产力产品,深度嵌入飞书,能力更强、可自主执行复杂长流程任务。两者同属字节,账号、权限打通,但定位、能力边界完全不同。飞书 AI飞书办公套件原生内置 AI 插件 / 能力集 阅读全文
posted @ 2026-09-22 16:46 PetterLiu 阅读(42) 评论(2) 推荐(0)
  2026年9月21日
摘要: 医院上 AI:从分诊和用药解读开始,别一上来就想做诊断一、先泼一盆冷水:Demo 做得快,不代表能上线现在用现成接口搭一个“看起来挺聪明”的医疗问答 Demo,几天就够了。但这恰恰是最容易让人产生误判的地方。Demo 证明的是可能性——模型能听懂人话、能说出像样的医学句子。而生产环境要的是确定性—— 阅读全文
posted @ 2026-09-21 09:51 PetterLiu 阅读(20) 评论(0) 推荐(0)
  2026年9月20日
摘要: FDE 能力模型归纳为:全栈底子 + AI 工程化 + DevOps + 客户现场的发现/沟通/商业能力。FDE工程师路线图FDE(Forward Deployed Engineer,前沿部署工程师)职位能力路线图,整体传达的核心观点是:FDE 不是初级岗位,通常需要从全栈工程师转型而来,要求"技术 阅读全文
posted @ 2026-09-20 21:20 PetterLiu 阅读(77) 评论(0) 推荐(0)
摘要: 企业治理纲要:儒家智慧引领的现代商业伦理实践指南1. 导言:商业底色与“灰度”决策的战略本质在全球商业环境的复杂版图中,顶层管理者面临的决策极少是黑白分明的。真正的战略考验往往隐藏在“商业灰度”之中——即那些传统的黑白二元论无法覆盖、财务报表无法量化的道德博弈地带。本纲要并非传统意义上的合规手册,而 阅读全文
posted @ 2026-09-20 14:41 PetterLiu 阅读(13) 评论(1) 推荐(0)
  2026年9月16日
摘要: AI技术在物流与供应链领域的应用AI技术应用覆盖场景及渗透率物流与供应链领域人工智能产业链AI+供应链智能采购场景痛点:企业采购长期以来面临物资编码混乱、SKU管理难、采购寻源难、供应商数据维护难、供需双方沟通难、信息不透明比价难等问题,标准的不统一也让采购供应链的数字化能力被局限在局部环节,难以形 阅读全文
posted @ 2026-09-16 12:31 PetterLiu 阅读(41) 评论(0) 推荐(0)
  2026年9月15日
摘要: 【复盘笔记】我被AI的“满分好评”骗了整整三个月直到上周,我才真正意识到自己犯了一个多么低级的错误。作为团队里负责引入AI代码审计的牵头人,我曾信誓旦旦地向大家保证,这套系统能帮我们守住安全底线。它确实拦住了不少低级bug,甚至在几次紧急发布中给出了详尽的风险提示。我对它的信任,是一点点建立起来的— 阅读全文
posted @ 2026-09-15 10:31 PetterLiu 阅读(29) 评论(0) 推荐(0)
  2026年9月10日
摘要: AI 爬虫治理与金丝雀令牌应用指南1. 现状:数据被“吃”掉就吐不出来了2026 年,抓数据的不再是简单的脚本,而是成建制的 AI 训练集群。过去我们防爬虫是为了防流量消耗或内容被盗,现在是为了防止核心数据变成别人模型的“燃料”。最残酷的现实是:数据一旦进了大模型的训练集,就再也删不掉了。哪怕你事后 阅读全文
posted @ 2026-09-10 21:10 PetterLiu 阅读(46) 评论(0) 推荐(0)