暂无搜索历史
流程决定 AI 拿到什么上下文、能调用什么工具、由谁确认、如何审计、结果算到谁头上。
SEO 争的是搜索结果页的位置,GEO 争的是 AI 是否能正确理解、引用、推荐和描述一个品牌。
开源 ITSM 插件系统能不能做好,不取决于插件市场 UI 好不好看,而取决于 Manifest 契约设计得够不够清晰。
开源 ITSM 的挑战,不只是补功能,而是把部署、权限、流程、审计、数据质量、升级边界这些“看不见的工程”做扎实。
上一篇我写了 ServiceNow 的 Spoke 机制。Spoke 真正值得学习的地方,不是它连接了多少系统,而是它把外部系统能力做成了可安装、可复用、可组合...
中文:训练时,每份参数在显存里实际要存多份东西。论文 Section 3.1 给出了具体公式:fp16 参数 + fp16 梯度 + Adam 优化器状态(fp...
训练大模型,显存是第一个拦路虎。一个 1000 亿参数(100B)的模型,单是模型参数就要 400GB(每个参数 4 字节),还没算梯度、优化器状态、中间激活值...
本文拆解三篇关键开源项目,还原智谱 AI 的真实技术路线与能力边界。 GLM-5.2 于 2026 年 6 月正式发布,官方定位「与 Claude Opus ...
GPT-4.5 和 Claude Sonnet 在代码补全任务上已经接近人类程序员水平。然而,当对话式 LLM Coding Agent(如 Claude Co...
企业数字化做到后面,最难的往往不是再买一个系统,而是让流程跨部门、跨系统、跨责任边界稳定流动。
企业 AI 最难的地方,往往不是模型会不会回答,而是它能不能在企业系统里安全地做事。
前两篇关于开源ITSM的文章发出来后,收到了很多读者的留言,其中问得最多的问题都和CMDB有关:
而是重新思考:在中国企业的数字化现场,什么样的平台能把流程、系统、资产、知识、协同工具和 AI 真正连接起来。
一个很明显的现象是:企业买了很多系统,也上线了很多平台,但一到真实业务现场,很多事情还是回到了微信群、Excel、邮件、电话和人工协调。
很多公司的云账单从去年开始出现了一个共同的变化趋势:AI 相关的支出占比越来越高了。以前云账单里最大头的是计算和存储,现在打开账单,光是 GPU 实例费加上各类...
我栽过这个坑:让一个 Agent 同时写博客、做架构、测代码、算成本。结果呢?每个都是 60 分。内容空、代码漏测、成本算错、SEO 关键字堆砌。
如果说过去 3 年是 AI 模型的"春秋战国",那 Build 2026 标志着微软率先进入"秦扫六合"阶段——从底层量子硬件、模型层、平台层到端侧设备,微软第...
如果你在管云成本,这两年一定有种越来越强烈的感觉:账单里 AI 相关的支出正在以肉眼可见的速度攀升。以前可能只是几行 API 调用日志,现在打开账单,GPU 实...
最近把HuggingFace Daily Papers、DeepPaper Breakthrough、arXiv cs.AI以及CVPR 2026的新论文全部过...
一个对话请求应该分配给哪个模型?简单问答用小模型,复杂推理用大模型。一个 Agent 实例故障了,如何自动切换到备用实例?上下文太长了,怎么压缩才能保留关键信息...
暂未填写公司和职称
暂未填写学校和专业