MatrixOrigin-CSDN博客

原创当简历筛选不再靠“人肉海选”，MOI 如何把招聘初筛变成一条完整智能链路

介绍 MOI 简历智能筛选方案如何打通招聘初筛全链路，解决简历格式杂、信息难结构化、筛选口径不一致、结果难复用等痛点，通过多模态解析、JD 对齐、智能评分与排序、结果看板输出，实现简历筛选的高效化、标准化、可沉淀，帮助企业在大批量招聘场景下提升初筛的效率与质量。

2026-06-16 17:44:50 182

原创 MatrixOne Git4Data 技术详解（三）：MatrixOne 架构及 Git4Data 原理解析，快照、Diff、Merge 凭什么这么快

文章摘要： MatrixOne数据库通过云原生存算分离架构，实现毫秒级数据版本控制。核心原理为：1) 数据以不可变对象存储，仅目录元数据可变；2) 快照通过记录时间戳保护对象版本，克隆仅复制元数据引用，均无需数据拷贝；3) Diff操作仅扫描增量变更对象而非全表；4) 合并采用三方对比机制，自动处理非冲突修改。这种设计使得对1亿行数据创建快照仅需5ms，克隆25ms，比对1000行差异23ms，版本控制成本与数据量解耦，成为存储引擎的自然特性而非额外开销。

2026-06-15 16:30:49 657

原创重写组织源代码,我们怎么走向 AI-Native

在十倍生产力的工具面前,留在原地就是退步。这大半年的所有动作,都是为了不退步。我们做得不完美。还有大量的人没真正进入状态,大量的环节还没被 Agent 接管,大量的瓶颈还在卡着。但我们不打算停——后面会继续把 GitHub 用得更深、把 Agent 跑得更稳、把端到端的人越带越多、把飞轮转得越来越快。AI Native 不是一个目标状态,而是一种持续重写自己的能力。模型在变、工具在变、客户的需求在变——一家公司能不能在 AI 时代活下去,不取决于它现在长什么样,取决于它有没有能力不断把自己重写一遍。

2026-06-10 12:01:28 192

原创 MatrixOne Git4Data 技术详解（二）：从零跑通所有 Git 原语

本文是Git4Data系列第二篇，通过10分钟实操演示如何在MatrixOne数据库上实现Git式数据版本控制。内容包括：快速安装单机版MatrixOne（兼容MySQL协议）在百万行订单表上实操Git核心功能：快照（CREATE SNAPSHOT）与恢复（RESTORE）克隆（CLONE）与分支（DATA BRANCH CREATE）差异比对（DATA BRANCH DIFF）数据合并（MERGE）与拣选（PICK）所有操作均支持百万级数据量，性能优异配套完整SQL脚本和GitHub教程仓

2026-06-09 15:20:59 218

原创 MatrixOne Git4Data 技术详解（一）：海量数据的 Git 时刻

摘要： MatrixOne推出的Git4Data技术为海量数据提供了类似Git的版本控制能力（commit、branch、diff等），解决了数据管理长期缺乏高效并行协作的痛点。通过指针而非复制实现分支，其在TB级数据上仍能毫秒级操作，成本近乎为零。这一突破尤其适配AI时代需求——AI Agent的自主性、错误率和并行探索特性亟需数据版本化支撑，如同Git曾推动开源协作革命。Git4Data填补了数据基础设施的关键空白，成为AI安全操作数据的前提。后续文章将深入解析其技术原理及在MLOps、Agent进化等

2026-06-09 14:50:00 216

原创向量索引入核，驾驭亿级向量数据：MatrixOne × NVIDIA cuVS GPU 加速实践

通过 NVIDIA cuVS 将整个流水线——聚类、向量分配、量化、搜索（以及 SQL 谓词评估）——卸载到 GPU，MatrixOne 实现以前所未有的效率管理超大规模向量数据集。

2026-06-04 16:50:23 369

原创一线开发者分享：我用 Memoria 开发了一个全栈项目，它能记住什么，不能记住什么

Memoria 在实际项目中的定位：一个「开发者的私人备忘系统」。适合的场景跨对话保持上下文跨设备恢复开发状态（停电/换机器）记录排查过的问题和解决方案记录设计决策和权衡记录种子数据等结构化信息不适合的场景替代 Git（不记录代码 diff）替代文档（粒度太细，缺乏结构性）团队协作（当前为私有）自动化 CI/CD（无集成能力）整体体验：在 store-app 的 3 次提交、多次对话中，Memoria 确实减少了重复描述项目背景的时间，并在故障排查中提供了快速定位的线索。

2026-05-21 17:38:31 360

原创什么是AI Native的组织，它该具备什么样的特点

上一篇讲了我们公司这几年一路探索 AI 的历程。最近跟圈内朋友、伙伴包括客户聊下来，大家其实都看到了类似的情况：个人的生产力已经被 AI 拉得很高,但组织的效率根本没跟上。而且既然认定了在我们的生意模式下，组织仍然有必要存在，我们不会变成 OPC 公司，那就必须得仔细思考，新型的组织究竟该变成什么样，或者大家所谓的 AI-Native 的组织形态又该具体是什么内涵。我们今年的全员大会就花了一天的时间来讨论这个问题，也得到了我们的一些答案，这篇文章我们就来深入探讨这个问题。

2026-05-14 09:48:57 454

原创 Memoria 全新功能上线：借助记忆分支与协作空间，像协作代码一样协作 Agent 记忆

Memoria 的记忆分支和协作空间功能现已正式上线。从现在起，团队可以像协作代码一样协作 Agent 记忆：每位成员在自己的分支中工作，捕获有价值的上下文，再将经过验证的知识合并回共享的主分支。协作空间包含在 Memoria Pro 方案中，目前限时免费开放。相比免费版，Pro 提供更大的记忆容量、更多的分支数、快照数、记忆空间和检索次数，更适合需要持续构建和共享 Agent 记忆的团队。软件团队花了几十年，才把「代码协作」这件事做对。

2026-05-14 09:32:27 437

原创当寻源比价不再靠“人肉拼接”，MOI 如何把采购分析变成一条完整智能链路

寻源比价从来不是一个单纯的“查价格”动作，而是一项横跨需求理解、数据整合、供应商评估、风险判断和策略输出的复杂工作。越是复杂，越不能依赖“人肉拼接”；越是关键，越需要一条真正打通的智能链路。MOI 的意义，就在于把这条链路搭起来：让采购材料不再只是材料，让数据不再只是数据，让报告不再只是结果，而是让整个采购分析过程真正变成企业可持续复用的智能能力。当寻源比价从“一个人埋头做很多事”，变成“平台组织数据和智能能力来协同完成”，企业得到的也就不只是更快的一份报告，而是更强的一套采购判断系统。

2026-05-08 22:34:07 383

原创我们不能变成一人公司,所以只能把组织重写一遍

过去这一两年,AI 对整个社会的冲击有多大,不用我多说——每个人都在自己的行业里切身感受过。而在公司管理这个话题上,有两个词被讨论得最多。一个是我们今年年初年会的主题——“如何建设一个 AI Native 的组织”;另一个,说老实话,比前者更火,叫OPC(One Person Company,一人公司)。OPC 的逻辑很性感:AI 把生产力释放到极致之后,一个人 + 一堆 AI 工具,就能撑起一家年营收几百万甚至上千万的公司。

2026-05-07 19:41:20 239

原创为什么企业 Agent 建设离不开数据平台

本文探讨了企业AI Agent应用中数据孤岛问题的重现与解决之道。文章指出，当前各部门独立开发Agent的现象与十年前信息化建设时"先上应用、不管打通"的老路如出一辙，但这次问题更为复杂，涉及结构化与非结构化数据的网状调用关系。作者提出"底座与智能同步建设"的解决方案，强调必须从一开始就构建统一的数据平台（如MatrixOne Intelligence），而非先建应用再补课或先修平台再开发。通过多个行业案例验证，采用该方法的第二个Agent场景上线时间可缩短60%以上

2026-04-23 01:48:32 386

原创 Agent“死机“了？上下文爆了？换模型失忆了？

AI助手崩溃或切换时的"临终备忘录"机制针对AI助手在崩溃、上下文窗口过载或模型切换时丢失工作记忆的问题，本文提出创新的"临终备忘录"解决方案。该机制在AI检测到即将"死亡"（重启/压缩/切换）时，自动记录当前任务进度、配置和下一步计划，存储于共享路径中。新启动的AI会优先读取备忘录，实现无缝衔接。备忘录包含：身份信息和项目背景当前任务进度和阻塞点用户偏好和关键配置相关记忆索引该方案与长期记忆系统配合，能完整恢复工作上下文，将原本30

2026-04-16 15:09:28 429

原创数据库没有死，只是范式变了

数据库演进史：从文件系统到AI时代的认知基础设施文章探讨了数据库技术从文件系统到关系型数据库的演进历程，并分析了AI时代下数据管理的新趋势。核心观点包括：关系型数据库本质是一次抽象层跃迁，解决了多程序共享状态的问题，而非简单的技术升级。当前Markdown在AI系统中的角色类似早期的文件系统，虽能满足轻量级需求，但缺乏并发控制、事务管理等关键能力。 AI时代的新挑战来自Agent系统，数据库需要管理认知轨迹而非简单数据记录，包括推理路径、工具调用等复杂状态。下一代数据库将演变为统一认知状态空间的基础

2026-04-13 20:00:00 459

原创【MOI 实践 Vol.2】[特殊字符]报表数字看不懂、口径对不上？让AI帮你搞定一切

《智能ETL Agent：打破数据困境的新工具》摘要：文章揭示了企业数据工作中的常见痛点：混乱的表结构、晦涩的字段命名、复杂的关联逻辑，导致数据提取和分析效率低下。针对这些问题，智能ETL Agent提供了创新解决方案：1）通过自然语言交互快速生成业务表，将原本需要3-7天的流程缩短至几小时；2）自动解析遗留代码，保留业务逻辑知识；3）提供完整数据血缘追踪，实现指标透明化；4）一键生成可视化监控面板。该工具使非技术人员也能轻松处理数据，大幅降低沟通成本，避免知识流失，让数据工作不再局限于技术专家。

2026-04-13 20:00:00 400

原创 Memoria 备份与恢复功能上线：你的智能体终于有了存档点

摘要： Memoria推出智能体记忆备份与恢复功能，解决因渐进性记忆偏移导致的问题。用户可随时创建记忆快照（免费版支持2个），在测试新功能或风格后一键还原至理想状态，避免手动排查海量记忆的困扰。该功能尤其适合长期打磨的智能体，支持大胆实验而无后顾之忧。操作简单：创建命名快照→实验→发现问题→选择恢复。现可前往GitHub体验，为AI记忆加装"保险"。（字数：149）

2026-04-13 10:59:09 403

原创 1 分钟上手：将 Memoria 接入 OpenClaw

1 分钟快速将 Memoria 智能记忆系统接入 OpenClaw，通过按需语义检索替代全量加载，Token 用量直降 70%+，解决默认记忆全量加载、静默截断、检索退化、上下文损毁四大问题，无需自建数据库，一条命令完成配置，让 AI Agent 记忆更精准、更省成本。

2026-04-09 11:13:45 394

原创 1分钟快速上手：将你的编程智能体接入Memoria

1 分钟快速实现 Cursor、Claude Code 等编程智能体接入 Memoria，为智能体添加跨会话、跨工具的持久化记忆，解决长任务中断、重复说明上下文的核心痛点，附详细安装配置与验证步骤。

2026-03-31 11:12:30 564

原创为什么 AI Agent 的记忆不能只靠一个 Markdown 文件？

《AI编程工具的记忆困境：从Markdown到结构化记忆的演进》当前AI编程工具普遍采用Markdown文件作为记忆系统，虽然具备零基础设施、团队共享和完全透明等初期优势，但随着项目演进，这种静态存储方式暴露出三个结构性缺陷：1)单向读写导致上下文腐化；2)全量加载浪费注意力资源；3)长会话中规则被压缩丢失。不同AI工具如Cursor、Claude Code等都面临类似问题，解决方案正从静态文件转向结构化记忆系统。理想的Agent记忆应具备双向读写、按需检索、类型化记忆、矛盾检测、版本控制和跨Agent共

2026-03-31 11:08:41 344

原创为什么 AI Agent 需要 Memory？

摘要： AI缺乏记忆功能导致用户体验不佳，每次对话都像初次见面。文章通过日常场景对比人脑记忆的重要性，指出AI需要短期、长期、场景和肌肉记忆来提升交互效率。目前主流AI产品如ChatGPT、Gemini和Claude已开始引入记忆功能，优化个性化服务，但隐私和纠错问题仍需解决。记忆让AI从工具升级为伙伴，而开源项目Memoria正通过Git式管理、语义搜索和隐私优先设计推动这一变革。最终，AI记忆将成为提升效率与用户体验的关键。（150字）

2026-03-27 11:07:58 403

原创 GTC2026--MatrixOne Intelligence 正式登陆海外多Region，携手 CloudSigma 共建全球主权云 DATA+AI 版图

矩阵起源在NVIDIA GTC 2026大会上宣布其AI原生多模态数据智能平台MatrixOne Intelligence(MOI)完成海外多Region部署，并与全球主权云提供商CloudSigma达成战略合作。MOI首批登陆沙特阿拉伯、新加坡、菲律宾和保加利亚四个海外地区，以OmniFabric品牌上线。该平台基于自研云原生数据库MatrixOne，提供统一数据底座、AI驱动的智能数据管道、多模态智能应用等核心功能，实现"本地数据、本地智能"的解决方案，满足全球日益严格的数据主权法规

2026-03-26 11:03:42 358

原创多元宇宙与时间管理局：和矩阵起源CEO王龙聊AI落地的另一种可能

访谈开始时，受访人正赶往机场的路上。作为一家横跨中美的 AI 数据公司创始人，王龙每年要在太平洋之间飞上好几趟，前硅谷&国内云厂商高管经历，也让他对两边 AI 圈子的最新进展如数家珍。于是，见缝插针的一个小时里，我们聊了聊几个当下最火的话题：小龙虾、AI焦虑和SaaS末日论。当10万亿只小龙虾开始协作，AI 是否会诞生自己的多元宇宙与时间管理局？

2026-03-26 10:58:51 397

原创【MOI 实践 Vol.1】我用 AI 把员工报销从 1 小时压缩到 5 分钟

做完这个小工具，我们最大的感受是：AI 最强大的地方，不是它有多“聪明”，而是它“不知疲倦”。让人类去重复处理 100 张发票，是一种折磨；让 AI 去做，它每一张都处理得和第一张一样精准、一样快速。在这些重复性劳动上，AI 的价值是压倒性的。报销只是一个开始。想象一下，那些合同审批、数据周报、会议纪要整理……所有这些办公室里重复的、有规律的、正在消耗我们创造力的场景，都可以用同样的思路去改造。

2026-03-26 10:55:00 418

原创直击GTC 2026现场，黄仁勋用20分钟讲的事，AI数据底座有多重要

在GTC 2026大会上，NVIDIA CEO黄仁勋用20分钟阐述了结构化与非结构化数据融合的重要性，这与矩阵起源5年来的技术方向高度一致。他指出结构化数据是企业业务的核心事实，而AI使非结构化数据首次可被索引和查询。MatrixOne作为融合数据库，支持多种负载并具备Git-for-Data能力，MatrixOne Intelligence平台则实现了SQL与RAG引擎的融合。随着Dell、IBM等巨头纷纷布局AI数据平台，这一趋势已成产业共识。矩阵起源CEO王龙强调，在AI Agent时代，数据库已演变

2026-03-18 09:44:07 436

空空如也

空空如也