DeepSeek Harness 10 款插件指南:打造 AI 效率工作台
DeepSeek Harness 提供 10 款插件,涵蓋跨會話記憶、文件解析、視覺辨識、模型切換、搜尋、費用監控及登入憑證刷新等功能,將聊天工具擴展為可配置的 AI 工作台。文章亦説明插件安裝、部署和模型接入方式,並提醒用戶留意版本要求、插件來源及敏感資料處理。
DeepSeek Harness 提供 10 款插件,涵蓋跨會話記憶、文件解析、視覺辨識、模型切換、搜尋、費用監控及登入憑證刷新等功能,將聊天工具擴展為可配置的 AI 工作台。文章亦説明插件安裝、部署和模型接入方式,並提醒用戶留意版本要求、插件來源及敏感資料處理。
aiFetchly 是一款開源、以本地為先的桌面 AI 智能體,透過團隊文件建立本地知識庫,協助小型團隊處理客戶工作。智能體可參考過往電郵、報價及客戶偏好,草擬回覆、查找文件,並由團隊在發送前審核。aiFetchly 提供免費 Community 方案,Go、Plus 和 Pro 分別為每月 $5、$10 和 $30;AI Content Assistant 僅供 Plus 使用。
上下文學習在提示詞加入指示和例子,不改動模型權重;微調則透過例子訓練模型並更新參數,令格式、語氣或特定任務的表現更一致。上下文學習方便即時修改,但每次請求都要處理額外提示詞 token,且受上下文窗口限制;微調則需要準備數據、訓練、評估及重新部署。對於經常變動的資訊,檢索較合適,因為更新資訊來源無需重新訓練。
文章提出一套面向私隱導向個人知識管理器的 Python 檢索架構,以四階段流程調校相關性並控制索引成本。流程先套用存取規則和 metadata 篩選,再分別進行 BM25 稀疏檢索與 dense 檢索,融合排名後只重排窄候選集。作者建議用固定的私有評測集同步衡量召回率、精確率、延遲和儲存量,並按漏失類型決定調整方向。
作者建議法律合約審閲採用混合檢索架構,讓穩定條款走索引式路徑、會變動的資訊走即時路徑,並要求檢索結果保留租戶及存取權限資料和可追溯引文。檢索時應先按呼叫者權限限制候選內容,再統一兩路結果的介面;並以實際合約及已標註問題測試整體答案的召回率、精確率和引文。
構建企業級 AI 應用時,Hybrid RAG 結合 BM25 稀疏檢索與嵌入向量密集檢索,再以 RRF 融合排名,並由 Cross-Encoder Reranker 將 Top-50 候選內容縮減至 Top-5。生產環境評測可自動衡量 Context Recall、Faithfulness 和 Answer Relevance。
AWS 介紹其自 2023 年起發布的 23 個開源生成式 AI 可重用資產,並示範如何選用、評估及部署 Contact Center GenAI Agent。示範流程包括部署兩個 AWS CloudFormation 範本及整合 Amazon Connect,需時不到一小時。Ricoh 案例中,每次部署的工程工時由 80 小時降至不足 5 小時。
保險索償受理的檢索架構應採用明確集合、受限查詢和可追溯來源,並將刪除視為索引事件,避免已撤回或失效的文件繼續成為回答依據。文章以 Infrai 的 REST API 示範 Node.js 集合探索,並指出來源系統須保留墓碑記錄、按刪除事件更新索引,查詢則應套用司法管轄區、文件狀態及固定 top-k 等限制。
教育領域的 AI 防護措施透過技術及政策管控,減少模型幻覺、偏見擴大和未經授權處理資料的風險,同時保障課程配合及學生私隱。巴西 78% 的公立學校系統缺乏正式 AI 使用政策;Granite for Education v4.2 設有 17 項對應 BNCC 課程軸線的預設防護政策。相關措施包括以 RAG 根據核實教材生成答案,並由教師審核開放式作答的評分建議。
LangChain、LlamaIndex 與純 Async Python 的基準測試比較顯示,純 Async Python 的每次請求 CPU 開銷為 0.4 ms,LangChain 為 3.8 ms,LlamaIndex 為 1.9 ms。
Hitachi Vantara 為 VSP One Object 加入原地 Lakehouse 查詢,支援直接查詢 Iceberg、Parquet、JSON 和 CSV 資料。
CoreWeave 宣佈 CoreWeave Database 正式推出,讓用戶可在 CoreWeave Kubernetes Service(CKS)叢集內,與 AI 訓練及推理工作負載一同使用託管 PostgreSQL。服務支援 pgvector,可在同一資料庫儲存嵌入向量並進行向量搜尋;CoreWeave 負責資料庫維護,用戶則保留對資料、結構描述、查詢及資料庫用戶的控制權。
人工智能快速迭代及應用擴大了數據安全治理挑戰,文章主張以全生命週期治理守住安全底線、促進有序發展。風險包括違規爬取、數據泄露、GEO數據投毒,以及AI智能體自主交互引發的非預期數據採集。建議從制度、技術和治理層面完善訓練數據全生命週期管理,明確各方責任並加強協同。
正式環境 RAG 管道每月回答 100,000、500,000 及 2 million 條問題時,示例基建成本分別約為 $1,350、$6,550 及 $28,350,未計工程人力。
AI 搜尋正把用戶資訊入口由關鍵字搜尋轉向直接提問,文章指出 SEO 與 GEO 並非替代關係,而是依靠傳統索引、口碑信源及統一資訊口徑相互協同。文章梳理三代搜尋演進,比較內容中台自建、雙軌並行及整合服務商三條落地路線,並提出分別衡量 SEO、GEO 及雙軌交叉效果的指標體系。
在 RAGTruth 的 900 條測試回應中,詞彙重疊檢查偵測 RAG 幻覺的 AUROC 為 0.778,高於 DeBERTa NLI 模型的 0.716。詞彙檢查在全部 2,700 條測試回應中的 AUROC 為 0.785,而集成檢測器整體表現未勝過單獨使用詞彙檢查。作者建議把廉價檢測器用作分流訊號,而非封鎖答案的門檻。
金倉KES AI數據庫將 ONNX Runtime 嵌入資料庫內核,並把關係過濾與向量相似度計算下推至同一執行計劃,將兩次網絡往返整合為一次 SQL 執行。發布會公佈查詢延遲降低80%;關係數據與向量數據亦可在同一事務邊界內保持一致。
阿里雲百煉與函數計算可用於構建面向基層司法場景的 AI 辦案助手,協助抽取案件要素、摘要案情、推薦法條及提供量刑參考。方案可選用 Qwen-Max 或 Qwen-Plus,並透過知識庫增強、結構化輸出和人工複核降低錯誤風險。函數計算按需伸縮,無須管理 GPU 伺服器。
阿里雲百鍊與通義千問(qwen-plus)可用於構建 AI 智能互動講解系統,支援文字提問、流式回覆及多輪對話上下文記憶。系統以 Python 和 DashScope SDK 實現模型呼叫與對話管理,亦可擴展語音互動及 RAG 知識庫,讓模型根據特定資料回答。
大模型賦能 ITSM,先以意圖識別、資訊抽取和語義匹配理解自然語言工單,再由智能體按任務規劃步驟並調用工具執行。Function Calling、RAG 及記憶與狀態管理支援自動派單、診斷和處置,亦可在需要時轉交人工。
內容聚焦如何運用 C# 和向量資料庫引擎調校,建構高吞吐量的智能體與 RAG 管線。
這份技術白皮書提出以 C#、.NET 及向量資料庫調校構建高吞吐量智能體與 RAG 管線的生產級架構方案。透過優化索引、使用 C# 零配置記憶體原語及建立雙層分散式快取,管線吞吐量可提升 4.8x,P99 查詢延遲可降低超過 75%。
阿里雲百煉的2026年雙11指南整理了平台功能、優惠和價格,並説明Credits計費及套餐選擇方式。新用戶實名後,每款主流模型約有100萬Token、有效期90天,合計超過7000萬Token,僅限華北2(北京);Token Plan個人版四檔月費為39元、79元、139元及312元。
Ember 為既有 AI 記憶與 RAG 儲存層提供可驗證刪除機制,處理刪除指定用戶資料時保留其他人的來源收據,以及清除衍生記憶等問題。方案結合加鹽、長度前綴 RFC 6962 Merkle 文件、雙層 AES-256-GCM 加密銷毀及以 HMAC-SHA256 保護的 tombstones,並在探測原始儲存層後,確認沒有殘留才簽發 ErasureCertificate。
電商產品搜尋應採用分階段檢索架構,明確指定資料集、查詢界限及可追溯至產品記錄的來源資訊。價格和庫存更新需在 10 分鐘內處理,內容窗口為 6 小時,規格窗口為 24 小時;資料超出新鮮度窗口時,應標記為過時,並排除於購買關鍵答案之外。
餐廳菜單助理應採用分階段檢索,明確限定查詢範圍與候選數量,並為檢索結果附上可追溯至菜單文件的來源資訊。刪除菜式或更新資料後,須執行刪除並驗證舊文件不再出現;選擇檢索方案前,應以相同測試集衡量召回率與延遲,並可用 Infrai 的 REST 向量 API 作為實驗基準。
文章指出,基準測試未能呈現 AI 系統在實際部署中的表現,評估大語言模型不應只追逐評分。生產環境中的智能體多為用途明確的系統,成效更取決於工具設計、失敗處理和可觀測性。RAG 的檢索結果若在脈絡上失效,問題可能出在分塊或中繼資料,而非嵌入模型。
文章建議招聘候選人檢索採用三層有界回退,沿途保留租戶及存取權限資料,並為可能重複的候選人檔案附上來源識別碼供招聘人員核查。三層依次為指定集合、另一個已批准集合,以及在產品政策允許時使用網絡來源;各層須保留來源脈絡並設定結果上限與逾時。文中提供 Node.js 腳本查閲 Infrai 公開 discovery 索引及能力合約,並建議用同一組重複檔案測試比較候選方案,不把比較表視為基準測試。
房地產樓盤搜尋應採用分階段檢索,以明確的集合、有限範圍的查詢及可追溯至確切樓盤 PDF 修訂版本的來源脈絡,確保答案有證據支持。攝取、候選選取和引用呈現應各自分工,並為每項答案主張保留結果 ID、文件修訂版本、區塊 ID 及頁碼或章節位置。PostgreSQL、Elasticsearch、Pinecone、Weaviate 和 Infrai 各有適用情境;單一 API 介面本身不能保證引用可靠。
Uglypear Data 發表研究團隊建置私有本地文獻與知識問答系統的工程指南,涵蓋文件預處理、混合檢索、評估、權限管理及回滾。文章建議先用真實研究問題建立 gold set,再結合詞法與語義檢索及重排序,並在查詢時按請求者身份執行權限檢查。本地部署可讓未發表的研究資料留在內部網絡,快照及可恢復刪除則有助降低操作失誤風險。
阿里雲百煉方案以一個 RAG 應用作為 AI 客服的統一「大腦」,接入網站、釘釘、微信公眾號和企業微信四個渠道。四個渠道共用同一應用,知識資料只需維護一份;網站需加入前端程式碼,另外三個渠道可透過配置接入。方案建議先試用 1 小時,消耗 1 試用點起/小時。
Tidy Byte Tools 介紹把 PDF、Word 文件或網頁轉成 Markdown 的工具與流程,目標是保留標題和表格結構,供筆記或 AI 搜尋使用。doc2md-lite 可離線處理 PDF 和 HTML,毋須 API key;已有 Markdown 而只需按標題分塊時,可用免費的 md-chunk-lite。
阿里雲百煉大模型服務平台在雙 11 推出全模型低至 4.5 折等優惠,並提供模型調用、RAG 知識庫、Agent、微調及專屬部署等能力。新用戶可獲超 7000 萬免費 Token,有效期 90 天;Wan3.0-Video 限時 7 折,支援生成最長 30 秒的影片。平台提供按量付費、Token Plan、Night Plan 等方案,涵蓋個人開發者及企業應用。
文章實測並整理 DeepSeek Harness 的 10 款熱門插件,涵蓋插件市場、圖片識別、文件引用、搜尋、長期記憶、費用監控、知識管理及介面等用途。文中列出相關安裝命令及倉庫地址,並建議新手分階段安裝,避免一次加入過多插件引發依賴衝突或拖慢運行速度。
文章建議金融研究儀錶板把增量索引拆成文件接收、分塊準備、集合 upsert 和有界查詢四個可觀察階段,並在檢索結果保留來源中繼資料。作者建議先確定文件版本與時效規則,再用包含新版取代舊版情況的代表性 PDF 測試召回率、精確率及來源可追溯性,然後選擇服務商。TypeScript 範例以 HTTP 呼叫 upsert 和 query,寫入時使用冪等鍵,並對 429 狀態採用有限次重試。
教學以 .NET、Microsoft Agent Framework 和 DuckDB 示範構建多智能體圖流程,並解析 Olist.Agents 專案核心 DecisionFlow.cs 的架構。Cadu 代理透過 DuckDB 和 Dapper 查詢本機 CSV,對 Olist 公開數據集逾 100,000 筆訂單及產品記錄執行結構化 RAG,流程亦支援人工監督。
內部工程文件的 RAG 檢索應先解析授權範圍及可搜尋集合,再執行受限查詢,並保留來源文件、章節錨點和修訂時間以供追溯。文章建議在候選生成時套用權限篩選、限制查詢期限與候選數,並為更新、刪除及失敗重試保留可稽核追蹤。Infrai 適合重視統一 REST 介面與供應商可替換性的團隊,但作者指出這只是營運便利,並不表示檢索品質較佳。
阿里雲百煉大模型服務平台雙十一活動涵蓋六大功能模組及 150 餘款模型,並提供全模型低至 4.5 折優惠。新用戶完成實名認證可獲逾 7,000 萬免費 Token 額度,有效期 90 日;平台亦提供按量付費、Token Plan、節省計劃及專屬部署等選項。
權限感知入職智能體透過檢索角色範圍內的公司知識、在現有工作工具中回答常見問題,並記錄未能回答的查詢,以縮短新員工上手時間。聯絡中心部署資料顯示,採用檢索式智能體輔助後,上手時間由 9.2 週降至 5.7 週,約減少 38%。文章建議智能體沿用員工身份,按來源系統 ACL 篩選文件,並把未解答查詢納入文件改善流程;寫入操作則須經政策驗證及人工批准。
Spring AI RAG 示例以 PgVector 為依賴項目源碼建立索引,並讓聊天端點根據檢索到的程式碼回答問題及提供檔案引用。Gradle 下載依賴項目的 source JAR,MCP 工具建立索引,/api/chat 提供問答;索引流程以校驗和及確定性分塊 ID 識別文件,並用 JdbcTemplate 在嵌入前略過未變更檔案。回覆中的檔案路徑取自檢索文件的元資料,而非要求模型自行生成。