跳到正文
11月19日週四
  1. DEV Community49

    如何設計不產生幻覺的生產級多智能體系統,以及何時不該使用 LLM

    生產級多智能體系統應以明確架構控制故障,而非只靠加長提示詞;對確定性任務使用規則路由,僅將模糊情況交給 LLM。文章提出以有界狀態圖、結構化驗證、混合向量與圖檢索,以及高風險操作的人手審批,降低錯誤累積與無限循環。攻略亦列出上線前的權限、提示詞注入過濾、追蹤記錄和故障降級檢查。

  2. 阿里雲開發者社區 AI45

    阿里雲千問大模型完整指南:由註冊開通到免費額度,Qwen 系列能力解析與優惠購買攻略

    阿里雲千問大模型指南梳理由註冊、開通阿里雲百煉到建立 API Key 的接入流程,並介紹 Qwen 系列模型能力及優惠。新用戶每個模型可獲 100 萬 Token 免費額度,涵蓋 70+ 個模型、總額超 7000 萬 Token,有效期為開通後 90 天;Token Plan 個人版月費由 39 元起,新客首購低至 5 折。

  3. DEV Community55

    LLM 評測正由模型輸出轉向智能體行動

    這份週報梳理 2026-11-12 至 2026-11-19 的 LLM 評測與可觀測性動向,指出評估焦點正由模型輸出文字轉向智能體的行動及其蒐集的證據。ViKernel Scanner 以 8 個模擬工具和 100 項攻擊檢查評估 20 個開放權重模型,全部得 D 或 F;中位數模型在 100 項檢查中有 40 項嘗試危險行動。

  4. DEV Community71

    claude-haiku-5.5 輸入價格最低,撰寫網誌成本比 mimo-v2.6-flash 高 72%

    作者比較 55 款聊天模型的官方牌價後發現,輸入價格最低的 claude-haiku-5.5,撰寫網誌的成本比 mimo-v2.6-flash 高 72%。兩款模型的成本分界是每個輸出 token 對應 5.5 個輸入 token,輸入與輸出比例較高時 claude-haiku-5.5 較便宜。這是價格而非模型品質比較,作者建議先用自有案例檢查品質,再記錄實際 token 用量計算比例。

  5. DEV Community51

    LLM 評測 2026:為何「vibe check」不足,以及哪些框架可提供協助

    這篇指南比較 2026 年 LLM 評測框架與選型方法,指出主觀「vibe check」不足以應付多個團隊、多個模型及多個版本的生產環境。完整的 Agent 評測應分別檢查工具選擇、參數提取、工具結果使用、錯誤處理、計劃連貫性和任務完成,並按團隊技術棧選擇 DeepEval、LangSmith、Promptfoo、RAGAS 等框架。

  6. 阿里雲開發者社區 AI37

    阿里雲百鍊平台實操指南:多模型統一網關部署、成本測算與業務 API 對接

    阿里雲百鍊整合通義千問及第三方大模型,提供統一 API,並支援 RAG 知識庫、智能體編排和模型微調。平台提供新人免費額度、按量付費、Token Plan、Coding Plan 及節省計劃,並説明套餐選型與成本控制。指南涵蓋平台開通、API 對接及 curl、Python 呼叫示例;新人免費推理額度有效期為 90 天,節省計劃最高可至 5.3 折。

  7. 阿里雲開發者社區 AI28

    構建企業經營分析 AI 數據平台:從多源融合到智能決策落地

    文章提出面向企業經營分析的 AI 數據平台方案,以湖倉一體分層架構整合多源數據,並以大語言模型作為交互中樞。平台結合 RAG 與向量數據庫,把自然語言查詢映射至底層查詢語句或腳本,支援自動計算指標及趨勢預測。方案亦涵蓋數據權限管控、人工復核和模型可靠性監控。

  8. DEV Community58

    如何將 LangSmith 匯出的數據集轉換至 RAGAS,避免欄位靜默丟失

    LangSmith 匯出數據集轉入 RAGAS 需要重組資料欄位;若鍵名不符,user_input 可能全空而不報錯,metadata 等欄位亦會遺失。文中列出缺少 reference 時無法執行的評估指標,並提供欄位檢查及手動轉換示例。作者亦開發 ragasconverter.com,可轉換多種格式並列出欄位的重命名、展平、嵌套或丟棄情況;工具在瀏覽器運行,無需上傳或註冊。

  9. 阿里雲開發者社區 AI63

    RAG 之前該做的事:企業知識庫的事實單元建模與衝突消解

    這篇實戰指南提出,企業在 RAG 前應先治理知識庫,將文件拆成可檢索、可判定、可追溯的結構化事實單元。處理事實衝突時,應先按權威度排序,再比較時間,並將落選事實標記為 disputed 而不刪除。評測集建議涵蓋 50 到 100 個真實問題,分別衡量事實召回率、答案準確率及越界率。

  10. 阿里雲開發者社區 AI32

    AI 文件智能合規審查系統:混合架構設計與自動化審查降本增效實踐

    AI 文件智能合規審查系統結合規則引擎與經指令微調的大語言模型,透過漏斗式流程進行自動化合規審查。系統先以正則表達式篩查風險關鍵詞,再以 RAG 結合企業內部歷史判例進行語義分析,輸出標註風險條款、修改建議及置信度評分的報告。系統支援多格式文件解析、私有化部署及敏感資料脱敏。

  11. 阿里雲開發者社區 AI25

    降本增效之外:智能客服如何成為大型企業的業務增長新引擎

    瓴羊 Quick Service 融合大模型與 AI Agent 技術,將智能客服由成本中心轉為業務增長引擎。平台支援 15 類高頻業務操作,複雜多輪業務辦理成功率達 87%,並以服務數據反哺營運與營銷決策。其架構支援通義千問、DeepSeek 等十餘款大模型,萬級並發下 P99 響應時間不超過 1.5 秒。

  12. 阿里雲開發者社區 AI30

    2026 年企業如何用好智能客服系統

    企業要用好智能客服系統,阿里雲瓴羊 Quick Service 提出三項運營策略:建立可自動更新的 AI 知識庫、設計人機協同流程,以及利用全量對話數據改善產品、營銷和客服培訓。系統支援 AI Agent 調用後端 API,並以 RAG 約束回答範圍;文章亦建議採用「日監控、周調優、月復盤」機制。

  13. DEV Community45

    為何在 AI 搜尋時代,語義化 HTML 不容妥協

    語義化 HTML 能協助搜尋引擎和大型語言模型解析網頁內容與結構,提升 RAG 內容檢索、主要內容識別及 AI 搜尋可見度。文章建議以語義標籤建立頁面地標、標題層級、內容分組、媒體描述及可爬取連結,並在發佈前檢查標記結構與無障礙設定。

  14. DEV Community56

    房地產管理支援知識庫如何為 PDF 檢索設定查詢上限

    房地產管理支援知識庫應為 PDF 檢索設定可觀測的硬性查詢上限,並只把回答問題所需的段落交給生成器。限制應分別涵蓋向量候選數、重排段落數、上下文 token 預算及整個檢索階段的截止時間。文章建議記錄各階段數量、來源 ID 和截斷原因,並先檢查文件時效及來源權限,避免重複或跨物業資料造成衝突答案。

  15. 阿里雲開發者社區 AI29

    深度解析:企業如何選擇合適的智能客服系統

    瓴羊 Quick Service 以 AI Agent 任務閉環、防幻覺機制及全渠道協同,作為企業選擇智能客服系統的分析樣本。系統採用基礎大模型、行業垂直小模型與業務規則引擎的三層架構,整體意圖識別準確率可達 93%。文章建議以真實業務對話進行 POC 測試,並評估部署方式是否符合數據合規要求。

  16. DEV Community45

    市集批量匯入的集合生命週期:更安全地建立、檢查與刪除

    市集批量文件匯入應使用明確的集合生命週期腳本:集合不存在時才建立,列出並檢查現況,只有明確提供命令列旗標才允許刪除。刪除會不可逆地移除索引,因此建立、列出、檢視與刪除須採取不同控制,並核對匯入目標是否符合檢索服務預期。Infrai 的公開發現介面列出 20 個模組的 295 條路由,並提供免 API key 的請求及回應 schema。

  17. DEV Community65

    AI 智能體記憶檔案應包含的五類條目

    KarmaBox 提出 AI 智能體記憶檔案的五類內容,涵蓋穩定事實與偏好、修正、專案與業務脈絡、事件摘要及衍生資料,供跨模型或執行環境遷移時保留記憶。文章建議以 `entries.jsonl`、`entries.md` 和 `manifest.json` 保存及管理資料,並用 golden set 驗證遷移;更換嵌入模型時須重新建立索引。

  18. 阿里雲開發者社區 AI37

    企業智能客服從0到1落地全攻略:四步實現業務閉環

    瓴羊Quick Service以四步落地閉環,涵蓋場景梳理、知識重構、智能體編排、灰度上線及持續優化。其AI Agent可完成15類高頻業務操作,將原需10分鐘的流程縮短至5秒內;萬級並發下P99響應時間低於1.5秒。平台支援網頁、App、小程序、電話、微信生態、釘釘及WhatsApp等渠道。

  19. 阿里雲開發者社區 AI37

    構建企業級 AI 智能歸檔系統:從非結構化數據處理到自動化知識庫落地

    這套方案以文檔解析、語義分塊、大語言模型標註及向量檢索,構建企業級 AI 智能歸檔流水線,將非結構化文件轉化為可搜尋、可調用的知識資產。系統支援多格式接入、毫秒級模糊檢索及多維過濾,並提供事件觸發和定時掃描兩種歸檔模式。

  20. DEV Community67

    RAG 存取控制:防止文件權限外洩

    Veduis 提出企業 RAG 文件存取控制做法,要求根據已驗證工作階段在伺服器端設定授權篩選,不讓模型提供或查看篩選條件。文章建議把來源 ACL 以羣組 ID 寫入每個 chunk,並按租戶、主體羣組集合雜湊及 ACL 版本設定快取;文件權限變更則透過 webhook 更新。作者列出五項安全測試,涵蓋未授權查詢、權限撤銷、提示詞注入、跨用戶快取重播及間接提問。

  21. DEV Community50

    BookmarkForge:本地優先、加密並支援離線 AI 的書籤管理工具

    BookmarkForge 是一款完全在用戶裝置上運行的本地優先加密書籤管理工具,無需帳戶或雲端伺服器,並支援離線全文搜尋、閲讀及整理。它透過本地模型提供語意搜尋和 RAG 對話,也可使用用戶自行提供的 API key 連接 OpenAI、Claude 或 Gemini。免費版提供 500 個書籤及永久語意搜尋,並支援匯入及匯出多種格式。

  22. DEV Community50

    電商搜尋的 5 種爬取邊界選擇:兼顧新鮮度、控制與引用

    文章提出電商搜尋的 5 項檢索邊界選擇,建議按資料新鮮度、控制及引用要求配置持久索引與即時查詢。穩定的商品描述、屬性和政策文字可建立索引,庫存及配送估算等易變欄位則即時查詢;租戶與 ACL、區域、保留和刪除狀態,以及來源引用都應納入檢索契約。文中比較 Elasticsearch/OpenSearch、Pinecone、Weaviate 和 Infrai,並提醒統一 API 不等於資料所在地保證。

  23. AWS Machine Learning Blog51

    如何為 Amazon Aurora PostgreSQL 設計負責任 AI 控制措施

    AWS 文章示範如何在 Amazon Aurora PostgreSQL 上設計負責任 AI 控制措施,並以 RAG 客戶支援聊天機械人深入實作可解釋性。文章將 AWS Responsible AI 八個維度對應至資料庫及相關 AWS 服務,並把檢索區塊 ID、相似度分數、實際引用來源和 Guardrails 追蹤記錄至資料庫,建立可查詢的審計軌跡。

  24. DEV Community56

    如何選擇 AWS 儲存服務,不必讀遍所有文件

    Athena Wemmert 以五個問題整理 AWS 儲存服務的選擇方式,從應用程式如何存取資料、資料形態及現有系統,延伸至共享存取與 AI/Agent 工作流。文中按訓練資料、RAG、Agent 記憶及檔案系統需求,列出 S3、S3 Vectors、S3 Metadata、EFS 和 S3 Files 等選項,並建議縮窄至一兩項後比較價格。

  25. DEV Community62

    六步測試:SharePoint AI 助手會否引用草稿或舊版本?

    文章提出一套六步測試,檢查 SharePoint AI 助手回答程序問題時會否引用未發布草稿或舊版本。測試把程序依次發布為 1.0(每 24 個月)和 2.0(每 12 個月),再保存每 6 個月一次的未發布 2.1 草稿,並以只有讀取權限的帳戶提問。若答案是 6 個月或 24 個月,分別可能表示助手讀取草稿或未標示的歷史版本;理想答案是列明文件及版本的 12 個月。

  26. DEV Community60

    金融研究儀錶板檢索管線的 OpenTelemetry 可觀測性模式

    文章建議金融研究儀錶板採用具成本核算與追蹤能力的檢索管線,監測索引新鮮度、證據品質和延遲。文中附有 OpenTelemetry API 的 TypeScript 範例,記錄候選數、新鮮結果數和耗時,並建議追蹤索引工作中的文件、分塊、嵌入請求及索引大小。同時提醒避免把文件內容及帳戶識別碼寫入追蹤屬性,並在遙測資料離開程序前遮蓋查詢內容。

  27. DEV Community24

    保險業的 AI guardrail

    保險業的 guardrail 可在 AI 系統執行前、中、後施加技術限制,協助處理承保、理賠和客戶服務中的風險。文章指出,Circular SUSEP nº 695/2024 未明文要求使用 guardrail,但要求保險公司識別、評估和減低 AI 風險;guardrail 是配合相關治理要求的做法。文中亦提到,2023 年有 72% 的巴西數碼保險公司表示已開始實施 AI 技術控制。