跳到正文
10月27日週二
  1. 阿里雲開發者社區 AI41

    企業級 RAG 如何落地信源分級:雲上自動化採信實踐

    企業級 RAG 信源分級實踐提出 S/A/B/C/D 五級體系,並以知識圖譜及語義檢索支援自動採信。方案以對象存儲託管分級配置、函數計算執行構建,按每個 host 6 條、每個平台 5 條採樣,並以 6 項一致性校驗把關。這套流程亦支援對接存量知識庫,供 RAG 檢索、重排及 AI 引用使用。

  2. 阿里雲開發者社區 AI37

    GEO優化與SEO的區別全解析|從優化對象、競爭形態到內容結構化,拆解八大差異與雙軌內容工程化落地及監測指標

    GEO與SEO分別以內容在生成式AI答案中的採用度及網頁搜尋排名為優化目標,前者爭取引用,後者爭取點擊。兩者在優化對象、競爭形態、內容要求及成效指標等八個維度各有不同,並非互相取代,而是互相補足。雙軌內容策略須兼顧人讀體驗與AI抽取需要,分別監測搜尋排名、流量及AI提及率、準確性。

  3. 阿里雲開發者社區 AI23

    DATA+AI 平台:企業如何選擇一體化數智底座

    企業選擇 DATA+AI 平台,應看數據治理、模型訓練與推理、算力調度及智能體編排能否形成一體化閉環。數新智能 CyberOS 由 CyberData、CyberAI、CyberEngine、CyberAgent 組成,支援 50+ 異構數據源及 20+ 計算引擎適配。平台亦支援多雲及多區域部署,文中案例包括跨地域傳輸效率提升 5–10 倍。

  4. 阿里雲開發者社區 AI43

    AI 搜尋推薦邏輯是甚麼?從 RAG 與內容評分機制拆解 GEO 優化原理

    AI 搜尋推薦主要透過 RAG 的召回與重排序選擇內容:召回看語義相似度,重排序則考慮信源權重、內容質素、資訊增益與時效性。文章提出 Token 計數、位置分數和資訊增益三項 GEO 評分維度,並指出三項優化策略合用可令內容在 AI 答案中的可見性提升超過 40%。另外,文章列出 GEO 優化的五步實踐方法。

  5. 阿里雲開發者社區 AI42

    智能客服系統如何選型:以阿里雲瓴羊 Quick Service 為參照

    企業選擇智能客服系統,應從問答準確率轉向評估 Agent 能否辦妥業務、知識能否及時更新,以及執行出錯時有沒有可靠兜底。文章以阿里雲瓴羊 Quick Service 為例,説明其模型、平台、應用三層架構,以及感知、理解、決策、執行四層閉環。POC 應核查工具清單、執行日誌、異常處理和知識更新鏈路。

  6. 阿里雲開發者社區 AI36

    智能客服新時代:如何選擇智能客服系統?瓴羊 Quick Service 助力企業提升客戶體驗

    瓴羊 Quick Service 以 AI Agent 調用後端系統處理查物流、改地址等操作,智能客服的選型重心亦由問答準確率轉向能否完成任務。平台支援多輪對話、多渠道接入及知識庫動態更新,AI 問答準確率達 93%,可自動處理 80% 以上常見問題。某電商商家實測轉化率提升 8.39%,轉人工率降低 45% 以上。

  7. DEV Community46

    商業聊天機械人應選 RAG 還是微調?

    商業聊天機械人應按需求選擇 RAG 或微調:需要根據會變動的公司資料回答問題時,RAG 可在回答時檢索相關文件;需要固定語氣、格式或行為時,則適合微調。大多數商業聊天機械人可先用 RAG,若行為仍需改善,再加入微調。

  8. DEV Community61

    Wayback Séance 讓已停運網站開口,並為回答附上存檔引用

    作者開發 Wayback Séance,讓用戶根據 Internet Archive 的網站快照,與已停運網站對話。工具以本機開源權重模型生成回答,為每項陳述附上日期和存檔引用;找不到依據時,則回覆不記得。項目透過 Ollama 執行 Gemma 4 E2B,並以 nomic-embed-text 檢索段落,再由程式檢查引用是否有效。

  9. 阿里雲開發者社區 AI42

    DS GEO優化落地:寵物用品電商如何用官網與知識庫內容爭取 AI 精讀位置

    寵物用品電商可把商品資料整理成官網知識頁與問答庫,讓 AI 更容易抽取及引用,爭取精讀位置。文中引述的報告稱,DeepSeek 每次答題約檢索 50 個網頁,最終精讀 3-4 個;T1 至 T5 信源權重最高相差 25-30 倍。建議以品牌自有知識頁為基礎,補充標準與檢測報告引用,並透過垂直社區及專業測評站增加覆蓋。

  10. 阿里雲開發者社區 AI39

    2026年阿里雲雙十一百煉大模型服務平台功能、選購及價格指南:六大模組與全模型矩陣解析

    阿里雲百煉大模型服務平台在2026年雙十一推出全模型低至4.5折等優惠,並涵蓋模型推理、應用開發、知識庫RAG、Agent、模型微調及專屬部署六大模組。優惠適用於150多款模型,新用戶實名認證後可獲超7000萬免費Token,有效期90天。Wan3.0-Video限時7折,支援生成長達30秒的影片。

  11. DEV Community36

    聊天機械人如何記憶?上下文與記憶背後的工程原理

    聊天機械人要延續對話,須由應用程式保存相關對話歷史,並在下一次請求中提供所需上下文;模型本身不一定會記住先前內容。應用程式亦可檢索已儲存的資料、摘要舊對話或挑選相關訊息,避免不必要地增加 token 用量、成本和延遲。為提升可靠性,應用程式還須妥善管理工具存取及模型回應,但檢索、驗證等方法不能保證答案完全正確。

  12. 阿里雲開發者社區 AI50

    2026 年測試工程師應掌握的五層 AI Skill

    文章將 2026 年測試工程師的 AI 能力歸納為五層:Agent 理解、Skill 封裝、MCP 工程、AI 系統驗證及 Test Harness 工程。文中介紹以語義斷言、LLM-as-Judge 和 RAG 分層評測驗證不確定輸出,並將 Skill 定位為可執行、可評測的能力單元。實踐順序建議先理解 Agent,再封裝一項高頻需求並加入回歸評測,接入 MCP 時採用最小權限。

  13. DEV Community70

    改善 RAG 檢索質素的分塊策略與評估方法

    作者比較五種 RAG 分塊策略,整理各自適用的情境與失效點,並提出以測試集驗證改動的方法。文章建議按文件結構選擇策略,採用 10 至 15% 句子邊界重疊及標題路徑前綴,再用真實問題測試集逐項驗證。一個 90 份文件的政策語料庫中,改用 recursive 400 並加入標題前綴後,top-5 recall 由 61% 升至 84%。

  14. 阿里雲開發者社區 AI23

    AI 英語培訓軟件的開發

    AI 英語培訓軟件的開發結合大語言模型、語音技術與二語習得理論,涵蓋口語對話、寫作批改、自適應閲讀及學習畫像四大模組。系統採用多智能體架構與 RAG 知識增強,並以語音評估、個人化內容生成及學習記錄支援教學。

  15. DEV Community63

    如何在 Amazon Bedrock 上建構生產級 RAG 聊天機械人

    作者以 NestJS、PostgreSQL、pgvector、混合搜尋(RRF)、提示詞快取及 Claude on Amazon Bedrock,示範建構生產級文件問答系統。系統以向量與全文搜尋並行檢索候選,再用 RRF 合併排名;文件按標題分塊,並將標題加入內容。固定系統提示詞與 few-shot 範例放入快取,檢索內容和問題則不快取;文章亦列出文件更新清理、測試及部署細節。

  16. Databricks:Blog47

    Lakeflow Connect 統一生產力工具與 AI 資料

    Lakeflow Connect 透過全託管原生連接器,把企業生產力工具中的資料匯入 Databricks,為下游 AI 智能體提供業務背景。連接器涵蓋協作工具、企業知識、電郵及 AI 服務,並將資料存入 Unity Catalog 的受管資料表。非結構化內容可經清理後切分及轉換為嵌入向量,文件原始位元組則可用 ai_parse_document 轉成文字。

  17. DEV Community44

    遊戲業發票的聊天機械人語義搜尋:可靠的結構化擷取

    遊戲業發票聊天機械人應先以語義搜尋找出相關發票段落,再由聊天模型按結構化格式擷取欄位,避免把看似合理的回答當成正確結果。建議透過 OpenAI-compatible `/v1/embeddings` 與 `/v1/chat/completions` 分工處理檢索和生成,保留來源識別碼、輸出 JSON 並驗證欄位。Infrai 可統一後端存取,但分塊、來源引用、結構驗證及檢索評估仍須由應用程式負責。

  18. DEV Community35

    EchoVault:我打造開源 AI,讓珍貴回憶得以保存

    EchoVault 是一個開源 AI 記憶檔案庫,讓用戶保存、整理及搜尋個人故事,並透過語音轉錄和摘要協助重温回憶。系統以本機運行的 OpenAI Whisper 轉錄支援的錄音,再由開放權重 Gemma 提取摘要及資料;本機架構可減少向外部 AI 服務傳送資料的需要,但不保證應用程式完全離線。

  19. DEV Community45

    微信公眾號文章(2026):免登入搜尋、全文擷取與監測

    指南展示如何透過搜狗公開文章搜尋,在毋須登入微信帳戶的情況下搜尋及擷取微信公眾號文章。一次測試以四個關鍵詞在 46 秒內取得 120 篇文章,來自 115 個帳號;另一輪擷取的 12 篇文章中,有 10 篇取得全文,字數中位數為 1,625 個中文字。搜尋結果每 1,000 篇收費 $2,全文每 1,000 篇收費 $5,另每次執行收費 $0.001。

10月26日週一
  1. DEV Community52

    Dify RAG 流水線基準測試:負載下的 Token 消耗、快取命中率與檢索延遲

    JJ657 對 Dify RAG 流水線進行負載基準測試,發現重排提示詞可令每次查詢成本較無快取基線下降 51%。測試中快取命中率由 25.7% 升至 74.3%;30 個以上並發用戶時,Postgres 向量搜尋成為瓶頸。將 pgvector IVFFlat 的 lists 調至 500 並加入 pgbouncer 後,40 個並發用戶的 p95 延遲由 5.3s 降至 2.1s。

  2. DEV Community60

    如何以可量化退出條件設計 AI 功能發布流程

    文章提出以可量化退出條件管理 AI 功能由離線評估到正式推出的逐步發布,按品質、安全、可靠性、延遲和成本門檻決定繼續、暫停或回滾。文中建議將評估數據集、模型、提示詞及評分規則版本化,並在 CI/CD 設置自動門檻和金絲雀部署監控。證據不足不應視為通過,並應按基準衡量業務成效。

  3. Unite.AI35

    Reducto 聯合創辦人兼 CEO Adit Abraham 專訪

    Reducto 聯合創辦人兼 CEO Adit Abraham 表示,公司從大型語言模型的文件處理難題起步,現為 AI 團隊提供文件智能基礎設施,把 PDF、掃描檔及試算表等轉為可用的結構化資訊。Reducto 的 r-1 解析模型結合 Agentic OCR、格式保留、引用來源及版面偵測,並在單次處理中完成解析。

  4. DEV Community45

    如何打造敢於回答「我不知道」的 AI 醫學教育導師:Perceptors 的經驗

    Perceptors 打造面向健康教育的 AI 平台,讓導師只根據課程核准資料回答問題,引用來源,並對資料未涵蓋的問題拒答或轉交。每項課程內容均先對照來源,AI 草稿由指定的人類審核者把關,系統不會自行發布。Perceptors 現已服務超過 30 個學術中心,包括沙特阿拉伯及阿聯酋的課程。

  5. DEV Community56

    語義搜尋聊天機械人如何排程目錄資料豐富化並控制租戶預算

    文章提出以按租戶管理的排程器配合供應商中立的檢索 API,並令每個資料豐富化階段具備冪等性、可觀測性和預算控制。排程器按租戶及處理階段限制工作,監測最舊佇列作業的等待時間、活動工作、重試次數及預估用量;成本帳本按階段記錄作業,並只對成功的持久化進度收費。這套設計較適合有重試、批次作業或獨立租戶配額的場景;小型且沒有異步工作或租戶隔離的目錄,可改用同步請求。