- 博客(62)
- 资源 (13)
- 收藏
- 关注
RSS订阅原创 RAG中向量数据库如何搭建
Embeding 入库、建索引、持续优化。精确问答：语义切分或查询感知切分。数据准备、文档切分、 向量化、RAG中向量数据库如何搭建。简单检索：固定大小切分。多格式混合：自适应切分。实时处理：增量式切分。
2025-12-22 16:38:02
258
原创 Prompt优化策略
Few-Shot Learning：在Prompt里提供1-3个“输入-输出”的示例，让AI明白你想要的风格和格式。错误防护：在Prompt里加入“如果信息不足，请向我提问”、“请先分步骤思考再输出答案”等语句，能有效减少“答非所问”的情况。角色设定：明确AI的身份，比如“你是一名资深产品经理”、“你是一位美食博主”。限制条件：告诉AI不能做什么，比如“不能编造数据”、“遇到信息不足要反问”。输出格式：指定输出形式，比如“请用JSON格式列出”、“请分点说明”。
2025-12-08 20:40:59
363
原创 RPA适用场景
的流程作为第一个试点（Pilot）。：详细记录“As-Is”（当前状态）流程的每一步操作、所用系统、规则、例外情况、处理时间和频率。，负责制定全公司的RPA标准、管理开发框架、提供技术培训、评估新流程、管理机器人资产和许可证。：自动在多个系统（AD、OA、ERP、门禁、邮箱）中创建/禁用账户，批量准备入职文档。：按照预设条件（如学历、技能、经验）自动筛选简历，并整合到数据库。：有清晰的、可书面化的逻辑判断（是/否，如果...那么...）。：数据来源是电子化的（Excel、邮件、PDF表格、系统界面）。
2025-12-08 09:12:41
993
原创 大模型微调方法及评估指标
微调方法的选择需根据任务需求、数据量和计算资源来决定。评估体系则应该多维度、全方位地衡量模型性能，不仅要看任务指标，还要考虑效率、安全性和人类偏好等。在实际应用中，往往需要在多个因素之间进行权衡。
2025-12-08 08:56:45
978
原创 AI的鲁棒性是指什么？
AI的鲁棒性，衡量的是一个AI系统在“不舒服”甚至“充满恶意”的环境下，能否依然“扛得住、信得过”。它是连接实验室AI与实用AI的关键桥梁，是当前AI研究从追求“性能”向追求“可靠性与安全性”深化的重要标志。一个只在标准考卷上得高分的模型不是好模型，一个在复杂现实挑战面前依然稳定的模型，才是真正强大的AI。
2025-12-05 08:18:32
541
原创 AI 训练集、验证集、测试集区别对比
数据集目的是否用于训练？使用频率比喻训练集学习规律，调整模型参数是持续、反复使用教材和习题册验证集模型选择，调整超参数，防止过拟合否在训练中多次使用模拟考试测试集最终评估，报告无偏性能否仅用一次（在最后）最终高考核心流程学：用训练集训练模型。选：用验证集评估并选择/调整模型。评：用完全独立的测试集对最终选定的模型进行一次性评估，得到可信的性能报告。理解这三个数据集的区别和用途，是构建一个鲁棒、可信的AI模型的基础。
2025-12-05 08:15:46
525
原创 RAG搭建流程
重排（Rerank）：为了提高准确性，会使用更复杂的模型（如cross-encoder）对召回的片段进行二次排序，选出最相关的几个（比如Top 3）。生成（Generate）：将用户的问题和重排后得到的几个相关片段，组合成一个结构化的提示词（Prompt），然后输入到大语言模型（如GPT、Llama）中，生成最终的回答。评估与监控：建立评估体系，比如通过MRR（平均倒数排名）、人工评分等方式，持续监控检索和生成的质量，并根据用户反馈和业务需求进行迭代优化。数据准备与知识库构建。
2025-11-25 15:34:21
384
原创 OMS订单管理核心指标
例如，普通订单的平均处理时长为2小时，加急订单为30分钟，通过对比不同类型订单的处理时长，能发现流程优化的重点方向。例如，通过问卷调查发现，80%的客户对订单跟踪功能表示满意，这意味着还有20%的客户存在不满意的情况，需要进一步优化订单跟踪功能，如提供更详细、准确的物流信息更新，优化跟踪界面的用户体验等。OMS（订单管理系统）产品主要负责处理订单从生成到完成的整个生命周期，其核心指标围绕订单处理效率、准确性、成本以及客户体验等方面展开，这些指标对于衡量OMS产品的性能和价值至关重要。
2025-11-05 09:12:41
586
原创 CRM客户关系管理核心指标
例如，一个高端品牌的忠实客户，每年购买该品牌产品的金额为1万元，预计其与品牌保持关系10年，且企业从该客户处获得的利润率为30%，那么该客户的CLV为3万元（1万元×10年×30%）。1. 转化率：从潜在客户转化为实际购买客户的比例，计算公式为：特定时间段内转化的客户数量÷该时间段内潜在客户数量×100%。例如，一家SaaS企业的平均销售周期为3个月，若通过优化销售策略和客户跟进流程，将销售周期缩短至2个月，不仅可以增加在相同时间内的成交数量，还能更快地满足客户需求，提升客户满意度。
2025-11-05 09:11:26
694
原创 SRM供应商关系管理核心指标
◦ 意义：体现供应商的服务能力和合作态度，良好的服务水平有助于建立长期稳定的合作关系，提高企业运营效率。◦ 意义：了解供应商的感受和需求，有助于企业优化合作方式，提高合作质量，增强供应商的忠诚度。低产品合格率可能引发企业生产过程中的质量问题，增加次品率和生产成本，如电子产品制造商采购的零部件合格率低，可能导致组装后的成品故障率上升。◦ 意义：反映供应商合作关系的稳定性。高供应商流失率可能暗示企业在供应商管理方面存在问题，如合作条款不合理、付款不及时等，需要及时分析原因并采取改进措施，以维护稳定的供应链。
2025-11-05 09:10:04
568
原创 WMS仓库管理核心指标
例如，在电商大促期间，如果库存准确率低，可能出现超卖现象，影响客户满意度和企业信誉。比如，快消品行业通过提高库存周转率，能快速将货物销售出去，回笼资金，同时降低库存积压风险。例如，在制造业中，确保原材料的安全库存达标，可避免因供应中断导致的生产线停工。◦ 定义：盘点时实际库存数量与系统记录库存数量相符的SKU（库存保有单位）占总SKU的比例。◦ 定义：准确发货（商品种类、数量、规格等与订单一致）的订单数量占总发货订单数量的比例。◦ 定义：实际库存数量大于或等于安全库存数量的SKU占总SKU的比例。
2025-11-05 09:09:00
502
原创 BMS财务管理核心指标
BMS的核心指标本质是“用数据量化财务对业务的支撑能力”——既要看基础的“效率与准确”（如账务时效、凭证准确率），也要看战略层面的“风险控制与价值创造”（如现金流预测、成本精准度）。◦ 意义：提前预警财务风险，BMS可通过AI模型识别异常模式（如“新供应商首次合作即付大额预付款”），将异常交易占比从5%降至1%，降低 fraud 风险。◦ 意义：衡量预算管控有效性，BMS通过实时监控支出进度、触发超预算预警（如达到80%预算时提醒），将偏差率从20%压缩至8%，避免资金浪费。
2025-11-05 09:07:55
451
原创 智能导购AI选型
用国内主流模型处理90%的日常请求，在遇到非常复杂或需要长文档分析的场景时，通过路由机制调用Kimi或GPT-4。这样可以在成本和效果之间达到最优解。希望这个详细的分析能帮助您做出明智的选择！
2025-11-04 21:56:27
929
原创 如何评估AI性能？
任务类型核心指标辅助指标/注意事项分类准确率， 精确率/召回率/F1, AUC-ROC注意类别不平衡问题，使用混淆矩阵深入分析回归根据对异常值的敏感度选择MSE或MAENLP生成BLEU, ROUGE, 困惑度人工评估不可或缺，自动指标仅作参考目标检测mAP结合IoU阈值进行评估通用推理速度， 吞吐量， 资源占用考虑业务场景的实时性要求和硬件限制最佳实践：明确目标： 你的业务最关心的是什么？是准确率，是速度，还是公平性？数据分区： 严格将数据分为训练集验证集和测试集。只用测试集做最终评估。
2025-10-17 10:44:41
902
原创 数据归一化的方法都有哪些？
方法核心公式输出范围对异常值主要适用场景最小-最大归一化[0, 1]非常敏感无异常值，需要固定范围Z-Score 标准化X−μσσX−μ无固定范围不敏感通用首选，存在异常值，基于梯度的模型鲁棒缩放无固定范围免疫存在大量异常值最大绝对值缩放[-1, 1]敏感稀疏数据L2范数归一化向量长度为1文本，计算余弦相似度如何选择？默认起点：当你不确定时，优先尝试Z-Score 标准化，它在大多数情况下都工作良好。检查异常值：如果你怀疑或通过可视化发现数据中有很多异常值，使用鲁棒缩放。
2025-10-13 07:45:39
684
原创 数据归一化
特性最小-最大归一化Z-Score 标准化缩放范围[0, 1]无固定范围，大致在[-3, 3]受异常值影响大（因为用到min/max）小（因为用到均值/标准差，更稳定）适用场景数据分布不明显，不适合有极端异常值的情况数据分布近似正态分布，或者存在异常值重要提示如何操作：归一化（或标准化）的参数（如min, max, μ, σ）必须从训练集中计算得出，然后用这些参数去转换验证集和测试集。
2025-10-13 07:44:16
749
原创 Agent 意图识别怎么做
简单来说，意图识别就是让机器理解用户一句话或一段文字背后的目的或意图。例如：用户输入：“明天北京天气怎么样？”意图：用户输入：“帮我订一张下周去上海的机票。”意图：下面我将从实现流程、关键技术、常用工具和最佳实践四个部分，为你详细讲解如何做意图识别。一个完整的意图识别系统通常包含以下几个步骤数据预处理：对用户输入的原始文本进行清洗和标准化，包括：分词：将句子切分成词语（对于中文尤其重要）。去除停用词：过滤掉“的”、“了”、“吗”等无实义的词。实体识别：找出关键信息如：如时间、地点、人物等向量化：将文本转换成
2025-09-24 17:40:01
769
原创 Agent的短期记忆和长期记忆区别和作用
短期记忆是Agent的“工作记忆”，决定了它当下有多聪明，对话是否连贯。长期记忆是Agent的“经验与知识”，决定了它过去学到了什么，是否了解你并能持续进步。两者缺一不可。没有短期记忆，Agent无法进行基本对话；没有长期记忆，Agent则永远是“金鱼脑”，无法成为真正的个人助手。
2025-09-11 10:15:18
500
原创 AI文生图的原理
文生图（Text-to-Image Generation）的原理看似神秘，但其实可以分解为一个逻辑清晰的流程。：通过一个称为“去噪”的过程，一步步地将模糊的蓝图变得清晰、具体。：在一个“潜在空间”中，根据文字含义构思出一个模糊的图像蓝图。：将人类的自然语言“翻译”成机器能理解的数学表示。
2025-09-10 17:22:51
449
原创 降低文生图AI产品的创作门槛
降低文生图门槛的本质是用户体验的升级隐藏复杂性：将Prompt工程隐藏在直观的UI控件（按钮、滑块、模板）之后。提供即时反馈：通过实时预览、快速生成等方式，让用户的操作立刻得到视觉反馈，形成创作闭环。赋能而非教育：不要指望用户都成为提示词专家，而是通过产品设计（如智能扩写、参考图）赋予他们原本不具备的能力。构建学习循环：通过社区、范例和工具，让用户在使用中自然而然地从“新手”成长为“熟手”。最终，一个成功的文生图产品应该像一个友善的、有求必应的“画师伙伴”，而不是一个需要用户用咒语来驯服的“阿拉丁神灯”
2025-09-10 17:07:05
1026
原创 训练AI的数据要做哪些处理？
准确性： 确保数据正确无误，真实反映现实世界。一致性： 确保所有数据遵循统一的格式和标准。模型友好性： 将数据转换为最能帮助模型有效学习特征和模式的格式。是项目中大部分时间和成本的所在。直接决定了产品的体验上限（模型效果）。帮助你更好地与数据工程师和算法工程师沟通，合理评估项目周期和资源。
2025-09-10 16:49:09
989
原创 RAG原理是什么？
问题类型输出类型学习类型关键词例子分类离散的类别(Label)监督学习“是什么”、“是否”疾病诊断、图像识别回归连续的数值(Value)监督学习“是多少”、“量”房价预测、股票价格聚类数据的分组(Cluster)无监督学习“分组”、“细分”客户分群、异常检测希望这份详细的梳理能帮助你更好地理解机器学习的基础！
2025-09-10 16:40:04
419
原创 AI Agent如何解决用户歧义问题
当一个歧义查询到来时，Agent的处理流程是一个多层次、协同工作的系统：图表代码最终，一个能出色解决歧义的Agent，不会给人一种“愚蠢”或“打断式”的感觉，而更像一个体贴的、有逻辑的、拥有上下文意识的专业助手。它通过利用上下文、主动询问、并从每次交互中学习，将令人沮丧的沟通障碍转化为建立信任和展示能力的机会。
2025-09-09 15:13:35
1515
原创 SRM寻源比价
维度核心目标关键注意事项流程设计准备充分需求标准化、筛选合格供应商、选对寻源策略系统功能高效透明电子化操作、结构化比价、综合评估、过程留痕数据策略价值优化历史数据查询、成本分析、战略谈判风险合规安全健康保证公平、流程透明、完整审计追踪最终，一个优秀的SRM寻源比价模块，不仅仅是帮企业“找到最低价”，更是通过一个规范、透明、数据驱动的过程，帮助企业“找到最具价值的供应商和价格”，同时最大限度地管控采购风险。
2025-09-08 14:25:46
725
原创 订单到回款（Order-to-Cash, O2C）全流程
仓库进行拣选、打包、发货，并在系统中更新发货状态，生成发货单（Picking List）和运单（Waybill）。：接收客户订单（可通过门户网站、EDI、销售员录入等方式），进行审核，包括产品可用性检查（ATP）、价格验证等，最终在ERP中创建正式的销售订单（SO）。：打通CRM（客户信息）、ERP（订单、财务）、WMS（库存、发货）、TMS（物流）、银行系统（回款），打破数据孤岛。对逾期款项进行催收。：在订单生效前，系统自动检查客户的信用状况（信用额度、账期、逾期历史），决定是否批准此订单的发货。
2025-09-08 10:51:20
1314
原创 采购到付款（Procure-to-Pay, P2P）流程
供应商开具发票，企业财务部门收到发票后，将其与采购订单（PO）和收货单（GRN）进行匹配（三单匹配），核对无误后确认应付账款。最终，一个优秀的P2P流程是一个高度自动化、可视化、受控的闭环系统，它不仅能降本增效，更能为企业提供强大的数据支持和风险控制能力。：业务部门提出采购需求，采购部门根据需求进行寻源，包括选择供应商、谈判价格、确定条款，并最终形成采购合同或框架协议。：供应商按PO发货，仓库或质检部门根据PO进行收货和质量检验，并在系统中记录收货信息（生成收货单，GRN）。
2025-09-08 10:39:39
1887
原创 什么是RPA？RPA能干什么
RPA，全称为机器人流程自动化。顾名思义，它就是利用“软件机器人”来自动化那些原本需要人类在电脑上手动进行的、重复性的、基于规则的任务。您可以把它想象成一个不知疲倦的、不会出错的“数字员工”。这个“数字员工”能够模仿人类的行为，比如：打开和登录应用程序移动文件和文件夹复制和粘贴数据在表格中填写表单从文档中提取数据按照规则执行操作连接不同的系统API最关键的特点是：RPA是在用户界面（UI）层面进行操作的，而不是在底层数据库或系统代码层面。
2025-09-08 10:08:59
751
原创 AI模型的训练流程
目标：明确要解决的业务问题是什么，而不是技术问题。AI是手段，不是目的。输出：清晰的业务目标、可衡量的成功标准（如准确率 > 95%、用户满意度提升10%）。阶段产品经理主导技术团队主导关键协作点问题定义★共同确认：问题是否值得用AI解决？目标是否合理？数据准备★产品：提供数据来源和业务解释。技术：评估数据质量与可行性。模型开发★产品：理解技术边界，管理预期。技术：同步进展与挑战。评估测试★★共同共同分析结果，基于业务+技术指标决策是否上线。部署发布★产品：准备发布策略。技术。
2025-09-05 10:14:49
462
原创 AI 主流框架对比:langchain Llamaindaex等
对比总结表一特性维度LangChainLlamaIndexn8nLangGraph核心定位AI应用开发框架数据连接与RAG框架通用工作流自动化平台Agent与状态机框架设计范式组件链（Chains）、代理（Agents）、工具（Tools）查询引擎、数据代理可视化工作流（低代码/无代码）有向图（Cyclic Graphs）、状态管理（State）编程模式代码优先（Python/JS）代码优先（Python/JS）界面配置优先（可写自定义代码）代码优先（Python/JS）核心优势。
2025-09-05 09:46:34
978
原创 如何优化模型输出结果
这是一个非常核心且实用的问题。优化大型语言模型（LLM）的输出结果是一个系统工程，可以从等多个层面入手。以下是一份全面且结构化的优化策略指南，您可以根据具体场景选择组合使用。
2025-09-04 15:01:42
760
原创 国内Agent智能体开发平台对比
**看现有云服务在哪家**：如果你用的主要是**阿里云**，选**百炼**；如果用**腾讯云**多，选**混元**。* **核心定位**：字节跳动旗下产品，其国际版Coze在国外非常火爆，以灵活的工作流和插件生态见长。* **核心定位**：为企业提供一站式大模型应用开发、集成和交付的平台，更偏向B端和开发者。* **核心定位**：作为顶尖的模型提供商，为其开源和商用模型提供配套的智能体构建工具。* **深度求索**强在**模型技术实力和当前的免费策略**，是技术驱动型用户的首选。
2025-09-03 10:57:59
1400
原创 Function Call 是什么？跟 MCP什么关系？
**模型无关**。2. **Function Call（工业时代）**：LLM输出标准工单（JSON）：“执行函数A，参数B” -> **可靠、高效，但工单格式是公司内部标准**，只能在自己的工厂（OpenAI生态）里用。* **MCP** 是在这个idea之上，将其抽象化、标准化，成为一个**开放、模型无关的行业协议**。* **Function Call** 是OpenAI为其模型提供的**一种出色的、具体的实现方案**，它证明了让LLM结构化地调用工具是可行且强大的。
2025-09-03 10:39:19
1151
原创 Agent智能体平台
文心智能体平台AgentBuilder，是百度推出的基于文心大模型的智能体平台，支持广大开发者根据自身行业领域、应用场景，选取不同类型的开发方式，打造大模型时代的产品能力。开发者可以通过prompt编排的方式低成本开发智能体（Agent），同时文心智能体平台还将为智能体（Agent）开发者提供相应的流量分发路径，完成商业闭环。平台已整合丰富的模型、插件、MCP Server，支持一站式效果测评，助力开发者快速搭建生产级智能体。创建后可发布到讯飞星火App、微信公众号，或发布成API、MCP Server。
2025-09-03 10:31:10
222
原创 评估AI Agent工具效果的指标是什么？
**如何衡量**：通常需要**人工评估**或有一套非常明确的自动化判断规则（如最终输出是否包含某个关键数据点）。* **意义**：衡量Agent“决策”能力的基础。* **定义**：完成一个任务所花费的所有外部API调用费用（如搜索引擎、数据库查询、支付接口等）的总和。* **定义**：Agent生成的内容中存在无法由用户输入或工具返回结果支持的虚假或错误信息的比例。* **意义**：对于能执行真实世界操作的Agent（如发送邮件、操作数据库），这一点至关重要。
2025-09-03 10:01:29
1108
原创 从0-1搭建一个Agent
**LangChain**或**LlamaIndex**（它们提供了大量Agent相关的内置组件和模板，极大简化开发流程）。* **使用MCP**：如果你的技术栈支持（如Claude），开始用MCP Server来标准化你的工具，提升安全性和可维护性。* **构建用户界面**：为你的Agent创建一个友好的UI，例如用Gradio或Streamlit快速构建一个Web界面。* **全面测试**：用大量不同且刁钻的用例测试你的Agent，观察它在边缘情况下的表现，修复错误的工具调用和逻辑循环。
2025-09-03 08:35:40
765
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人