跳到正文
11月10日週二
  1. Unite.AI30

    什麼是 GraphRAG?結合知識圖譜與生成式 AI

    GraphRAG 結合生成式檢索與實體、關係、社羣或圖遍歷,回答依賴關聯事實及整體結構的問題。其流程包括抽取實體與關係、建立或連結知識圖譜、建立社羣或層級摘要、按查詢選取圖鄰域,並根據可追溯的資訊生成答案。

  2. DEV Community61

    如何在保留舊索引的情況下增量更新 RAG 索引

    Anas Amin 提出以分階段建置、驗證後再切換的方式增量更新 RAG 索引,讓檢索只使用完整的舊版或新版。他以 Project Pavilion(.NET 9、Qdrant)為例,説明如何為來源建立穩定識別碼、暫存新版本向量再發布;嵌入服務故障時則保留舊向量,並可在沒有檢索上下文的情況下回答。

  3. 阿里雲開發者社區 AI34

    AI 智能體開發全流程

    AI 智能體開發涵蓋需求定義、架構設計、提示詞工程、RAG 知識庫、系統整合及評測調優六個階段,目標是讓大語言模型具備自主規劃、工具調用、長期記憶與多智能體協同能力。文中列出的定製開發費用約為 3萬至50萬元+,視任務複雜程度及系統整合需求而定。後續支出包括模型 Token 消耗,以及向量數據庫和雲端伺服器託管費用。

  4. 阿里雲開發者社區 AI47

    AI數據庫知識化:算清三筆賬,再決定是否另建一套

    AI數據庫可在庫內建立語義、向量與圖知識,減少另建知識庫所需的同步鏈路、第二套權限及雙份運維。金倉提供六十多種數據源連接器、二十七種文件格式及五十多個可組合算子;語義定義和規則配置仍需人手處理。數據分散於多個系統或需要複雜圖算法時,文章建議保留外掛方案或專業圖庫。

  5. 阿里雲開發者社區 AI45

    阿里雲 Qwen3.8-Flash 雙 11 優惠解析與選型指南

    阿里雲 Qwen3.8-Flash 在雙 11 提供按量節省計劃、Token Plan、夜間折扣、上下文快取折扣及新用戶免費額度,涵蓋測試、開發與批量處理場景。Token Plan 夜間調用可享 4 折,按量節省計劃包季最低 4.5 折;兩套計費通道互相獨立,優惠不能混用。文章並比較不同使用場景的計費選擇,提醒複雜推理任務可改用 Qwen3.8-Max。

  6. DEV Community49

    醫療預約檢索架構:以來源去重支援有根據的預約回答

    醫療預約助理應在排序前去重,保留來源的標準 URL 或文件 ID,並拒絕無法追溯證據的回答。架構須在資料匯入時處理標準化、版本更新及刪除,再透過有界查詢和來源脈絡,確保回答中的每個片段都對應唯一標準紀錄。文章以 Infrai 為例,説明如何用分階段檢索及小型測試資料集驗證流程。

  7. DEV Community52

    旅遊行程規劃器檢索:以分階段契約控制延遲與索引成本

    文章提出以分階段檢索契約設計旅遊行程規劃器,將延遲目標、查詢上限、來源脈絡及索引工作一併納入評估。初始預算可先假設為 120 ms 用於有上限的檢索、80 ms 用於重排序,再以標註問題集及 p50、p95 追蹤相關性、來源新鮮度和各階段耗時;作者指出這些數字只是規劃假設,並非基準測試或供應商性能聲稱。

  8. 阿里雲開發者社區 AI44

    小標題問答化:讓內容結構便於機器解析

    小標題問答化將二級標題改寫為可直接回答的問題,令按標題切塊的內容形成一問一答單元,提升檢索、摘取與對齊精度。文章提供標題改寫規則、Python 改寫器與解析器,以及五步落地方法。流程説明、條款與清單類不宜硬改成問句,改寫結果亦需人工核對。

  9. DEV Community52

    RAG 檢索中,語義切塊真的比規則式切分更好嗎?

    這篇分析比較 RAG 檢索中的規則式、嵌入向量式語義、ML 模型及智能體命題式四類切塊方法,指出語義切塊並非一概優於規則式切分。語義切分的閾值改變 0.05,在典型文件語料中可令切塊總數變動 30-40%;結構清晰的文件則可先按章節等結構邊界切分。選擇方法應考慮語料結構和規模,並保留重疊區段,以免遺失跨切塊的上下文。

  10. 阿里雲開發者社區 AI70

    SAG2 本地知識庫檢索實測:免預處理並支援多跳搜尋

    SAG2 是面向本地知識庫的多跳檢索方案,建庫時不調用大語言模型、不產生嵌入向量或使用向量資料庫,改用 BM25 建立關鍵詞索引。同為 11,656 段文本,SAG 論文報告的建庫時間為 4.57 小時;文中引述的測試在 M4 Pro、64 GB 記憶體的 Mac 上重建三次,取中位數為 2.36 秒。

  11. DEV Community58

    多租戶 SaaS 支援中心的增量索引:三階段檢索契約

    多租戶 SaaS 支援中心的增量索引設計,應將索引、檢索和引用拆成獨立階段,配合租戶專屬集合、受限查詢及可追蹤來源。每個 chunk 保存修訂版本或內容雜湊和穩定來源 ID,並記錄查詢篩選、候選項及最終引用,讓團隊分辨舊內容、租戶篩選失效和排序問題。上線前以標註問題集衡量 Recall@K、引用覆蓋率、新鮮度延遲、篩選漏失次數及 p95 階段延遲,並預設不記錄完整客戶文字。

  12. DEV Community47

    法律合約搜尋:Node.js 分階段檢索與可追蹤的後備機制

    法律合約審核工作區應在 Node.js 中採用分階段檢索,為各階段設定明確集合、受限查詢及後備條件,並保留租戶與存取權限資料和來源識別碼。每次後備都應記錄觸發原因及產生答案的階段;未達驗收門檻時,應回覆「證據不足」。Infrai 提供無需安裝 SDK 的 REST API;選用服務仍應以同一組合約文件和失敗案例比較召回率、精確率及權限資料保留情況。

  13. DEV Community66

    大語言模型如何造成安全漏洞,以及如何預防

    文章將大語言模型的安全問題分為兩類:模型生成程式碼帶來的漏洞,以及模型整合到產品後因系統使用方式造成的漏洞。生成程式碼常見問題包括缺少授權檢查、不安全的預設設定和虛構依賴套件;產品功能則面對提示詞注入、資料外洩及工具權限過大等風險。文章建議以程式碼審查、安全檢查和依賴套件核查降低生成程式碼風險,並限制工具權限、隔離租戶資料、驗證模型輸出及持續進行對抗測試。

  14. DEV Community44

    物業管理產品目錄向量搜尋:Top K、相似度閾值與引用保留

    物業管理產品目錄的生產環境向量搜尋,應以真實查詢和標註評測校準 top k 與相似度閾值,並另行核實引用是否獲產品文件支持。假設每日 100,000 次查詢、每次保留 20 個候選項,候選內容 30 日佔 120 GB;只保留 1% 診斷樣本的候選文字則佔 1.2 GB,其他儲存項目仍然存在。

  15. DEV Community62

    AI 助手的私隱程度取決於檢索層

    RAG 會把存取控制從文件權限問題擴展為模型可能推斷並揭露甚麼資訊的問題,因此授權應在內容進入模型前完成。文章建議為資料片段保留權限中繼資料、搜尋時過濾並向原始系統複核,亦要限制敏感資料聚合。檢索內容應視為不可信資料,並減少日誌中的全文及限制存取。

  16. AWS Machine Learning Blog60

    Amazon Bedrock Managed Knowledge Base 支援單次 RAG、智能體檢索及純檢索模式

    Amazon Bedrock Managed Knowledge Base 現透過 AgenticRetrieveStream 支援單次 RAG、純檢索及智能體檢索,並可按 maxAgentIteration 設定檢索流程。

    推薦理由:文章對照 maxAgentIteration 不同取值下的檢索與生成流程,並交代規劃輪數和模型呼叫差異,便於按問題複雜度及延遲需求選擇模式。

  17. DEV Community13

    巴西律師與銀行的市場進入策略(GTM)

    巴西律師與銀行的聯合市場進入策略須遵守巴西中央銀行(BCB)及巴西律師公會(OAB)的監管要求,並在部署流程中納入可解釋性、可審計性及人工監督。IBM Granite v2.5+ 系統須記錄提示詞、嵌入向量及分類門檻至少 5 年;聯合部署須經雙方合規部門驗證,並取得雙方首席風險官簽署。

11月9日週一
  1. DEV Community45

    為何公式碎片化會破壞數學 RAG,以及如何從技術 PDF 擷取完整 LaTeX 區塊

    技術 PDF 的公式被攤平成字元串,會破壞數學結構,令數學 RAG 的檢索召回率偏低,並可能令生成模型產生錯誤係數。文章分析上標與下標扁平化、分數與根號路徑斷開,以及分塊邊界切割三種問題。文中示範使用 PyMuPDF(fitz)識別字體位置變化,並將公式轉成 LaTeX 區塊,以保留公式結構。

  2. 阿里雲開發者社區 AI57

    2026 年 DeepSeek Harness 工作台 10 款高頻插件推薦,助 Agent 開發事半功倍

    文章實測並推薦 DeepSeek Harness 的 10 款插件,涵蓋生態市場、視覺增強、本地文件引用、搜尋、長期記憶、費用監控、知識管理及介面功能。文章建議先安裝 dsh-market 和 modlens,再按偏好選擇全功能控制台或程式碼側欄,最後按場景增配搜尋、長期記憶或費用監控插件,以減少一次安裝過多插件帶來的依賴衝突及速度下降。

  3. 阿里雲開發者社區 AI41

    2026 年阿里雲雙 11 百煉大模型平台選購指南:六大模組、模型矩陣、定價與選型技巧

    阿里雲百煉大模型服務平台推出 2026 年雙 11 優惠,涵蓋全模型低至 4.5 折、Token Plan 升級,以及 Wan3.0-Video 限時 7 折。平台提供模型推理、應用開發、知識庫 RAG、Agent、模型微調及專屬部署六大模組,新用戶可獲超 7000 萬免費 Token,有效期 90 天。指南按用量、場景及團隊規模比較免費額度、Token Plan、節省計劃和專屬部署等方案。

  4. DEV Community52

    如何把課堂投影片轉化為 AI 教學助理

    這篇教學示範如何用免寫程式流程,把課程資料整理成檢索式 AI 教學助理,供學生查詢課程內容。作者建議將資料合併為核心筆記、解題示例和課程規範三份文件,並以資料有涵蓋、未有涵蓋及需要人判斷三類問題測試助理。文章亦提醒,掃描文件和資料版本衝突會影響檢索,學生個人資料應盡量減少上載,重要結論仍須對照原始投影片核實。

  5. DEV Community52

    拾玖蒐證台:手動測試豆包,應選記錄器、Diff 還是觀測平台?

    拾玖蒐證台維護者比較手動記錄豆包搜尋回答、文字 Diff、自有 AI 應用觀測及 RAG 的適用情境。該工具由使用者貼上回答和實際引用,將記錄存入瀏覽器 localStorage,並可匯出 JSON、CSV 和 Markdown;它不會自動向豆包提問,也不提供雲端同步或多人即時編輯。文章指出,文字變化或出現連結不足以證明推薦正確,網址讀取、名稱發現和需求推薦應分開統計。

  6. Tech.eu39

    教科書界的 Spotify:Perlego 如何讓學術閲讀更普及

    Perlego以訂閲制數碼圖書館及無障礙閲讀功能,改善學生取得學術讀物的渠道,館藏超過1.5 million本書。平台的 Read Aloud 文字轉語音功能已覆蓋逾95 per cent館藏,並以語義搜尋及RAG從授權內容中協助用戶尋找資料來源。利茲大學合作前無法提供電子版的閲讀清單引文達60 per cent,合作後學生平均從Perlego館藏開啟超過18本書。

  7. 阿里雲開發者社區 AI36

    外掛向量庫的三個結構性盲點:語義斷層、權限斷層與數據出庫

    外掛向量庫只處理相似度匹配,未能承載業務口徑、實體關係和權限等語義,令 RAG 可能基於錯誤定義作答。KES AI數據庫把語義定義放在資料庫層,讓檢索結果返回模型前經過語義過濾和重排,並繼承資料庫原生權限,使數據無須離開安全邊界。庫內語義不會自動理解業務,仍須由業務方和開發團隊定義及維護。

  8. 阿里雲開發者社區 AI52

    2026 年雙 11 阿里雲活動入口與政策詳解:通義千問 Qwen3.8-Flash 優惠及選型方案

    阿里雲 2026 年雙 11 為 Qwen3.8-Flash 提供按量節省計劃、Token Plan 等優惠,文章整理其計費規則與場景選型。按量方案的節省計劃包季最低 4.5 折,並可與上下文快取折扣疊加;Token Plan 新客首購 5 折,北京時間每晚 22:00 至次日 8:00 的 Credits 消耗為 4 折,僅適用於該訂閲通道。

  9. 阿里雲開發者社區 AI52

    GEO 優化機制拆解:AI 回答鏈路、採信標準與效果測量方法

    這篇 GEO 技術指南拆解生成式引擎回答問題的四段鏈路,並説明影響資訊採信的五項標準及相應優化方法。文中介紹提及率、引用率、表述準確性和信源份額等指標,建議先建立基線,再跨平台多次採樣並人工抽查。優化方向包括補足可核驗事實、結構化呈現、保持多渠道表述一致及改善網站可抓取性。

  10. 阿里雲開發者社區 AI48

    企業如何用好智能客服系統?從知識庫冷啟動到人機協同的五步實戰指南

    企業可按部署、知識庫冷啟動、人機協同、效果優化及持續進化五步,用好智能客服系統;文章以阿里雲瓴羊 Quick Service 為實踐樣本。Quick Service 的 AI 問答準確率可達 93%,可自動處理 80% 以上常見問題,AI Agent 亦可透過呼叫後端系統執行任務,將複雜業務處理時長壓縮 60%。