跳到正文
11月19日週四
  1. 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。

11月18日週三
  1. 阿里雲開發者社區 AI51

    DeepSeek Harness 10 款插件實測清單與新手設定建議

    指南逐一實測並整理 10 款 DeepSeek Harness 插件,涵蓋插件市場、OCR、文件引用、搜尋、長期記憶、費用監控及介面擴展。指南建議新手先安裝 dshmarket 和 modlens,再按偏好選擇全功能控制台或代碼側欄插件,並按使用場景補充其他工具;一次安裝過多插件可能引起依賴衝突並拖慢運行。

  2. 阿里雲開發者社區 AI44

    2026 年阿里雲雙 11 百煉平台選型指南:六大模組、模型組合與價格參考

    阿里雲百煉大模型服務平台涵蓋模型推理、應用開發、知識庫 RAG、Agent、模型微調及專屬部署六大模組,並提供選型與計費方案。雙 11 期間,全模型低至 4.5 折,新用戶可獲超過 7000 萬免費 Token,有效期 90 天。建議先用免費額度驗證功能,再按調用量和使用場景選擇 Token Plan、節省計劃或專屬部署。

  3. 阿里雲開發者社區 AI42

    什麼是 GEO?透徹理解生成式引擎優化:定義、原理、方法與趨勢

    GEO(生成式引擎優化)透過結構化內容、權威信源、知識治理與持續監測,提升品牌資訊在生成式 AI 答案中被準確提及和推薦的機會。文章拆解 GEO 的資訊採信原理、五個核心工作模組及成效評估方式,並説明 GEO 與 SEO 互相配合而非取代。企業應以持續迭代建立可信資訊,而非只追求提及率或讓 AI 誇讚品牌。

  4. 阿里雲開發者社區 AI47

    團隊用 ContextDB 花 7 天打造越用越懂團隊的數碼員工小T

    團隊用 7 天業餘時間,以 ContextDB 作知識與記憶底座,搭建數碼員工小T初版,並沿用 Codex 的 Agent 執行循環,採用 DeepSeek V4.1 Flash。小T可在羣組提供圖文答疑、分析客戶進展及整理產品反饋,並透過羣記憶、每日後台學習和 Skill 沉澱,持續更新知識與做事方法。客戶羣與產研羣按不同職責配置權限和工作方式。

  5. DEV Community24

    構建 AI 驅動軟件:選擇 AI 整合公司的考量因素

    選擇 AI 整合公司時,企業應評估其處理現有軟件架構、模型選擇、數據工程、系統整合、安全及持續監察的能力。實際部署還須考慮推理延遲、成本、數據存取權限、提示詞注入防護,以及模型輸出的測試和監控。成功整合 AI 不只是連接模型 API,亦需要兼顧數據、架構與生產環境維護。

  6. 阿里雲開發者社區 AI33

    部署本地私有 AI 企業助手:架構設計、資料安全與高效落地實踐

    本地私有 AI 企業助手採用端側推理、本地向量庫與輕量級網關架構,透過開源大語言模型和檢索增強生成,支援企業知識檢索,並兼顧資料隔離、低延遲與業務定製。方案涵蓋 FastAPI 服務封裝、權限校驗及審計日誌,並提醒部署時留意硬件資源、知識更新和安全管控。

  7. 阿里雲開發者社區 AI29

    構建 AI 驅動科研管理系統:融合 RAG 與智能體的自動化工作流程實踐

    方案以「雲原生底座+AI 智能中樞」構建科研管理系統,融合 RAG 與智能體工作流程,支援立項審查、經費核對及進度預警等自動化任務。系統透過文檔解析、語義向量化和混合檢索生成結構化輸出,並可按科研資料安全要求配置私有化部署、權限控制及人工複核。

  8. DEV Community63

    兩項可在付費使用評審模型前執行的 LLM 幻覺測試

    這篇教學提出兩項毋須 API key 或評審模型的幻覺初步檢查,分別核對答案中的數字是否出現在上下文,以及多次回答抽取出的事實是否一致。作者以 Python 和 pytest 執行測試,在 Python 3.13、pytest 9.2.0 下 4 項通過;一致性測試示例以 80% 為門檻。這些檢查不能理解語義,失敗只表示應交由人工或評審模型檢視。

  9. 阿里雲開發者社區 AI44

    企業如何從部署到營運智能客服系統並提升解決率?

    企業要提升智能客服解決率,應從高頻場景起步,持續優化知識與執行流程,並建立人機協同和數據回饋機制。穩定期可把獨立解決率由約50%提升至70%以上,並將轉人工率維持在30%以下。瓴羊 Quick Service 在部分場景披露的 AI 自主解決率超過80%,複雜多輪業務辦理成功率可達87%。

  10. DEV Community63

    金融科技產品內容的語義搜尋架構:以證據日誌追溯答案引用

    金融科技產品的生成式搜尋答案應附帶可重現的檢索憑證,連結內容版本、政策篩選、檢索候選項與實際引用,方便日後追查答案依據。文章以 TypeScript 範例展示只追加式憑證紀錄,並建議分開評估候選檢索和最終引用,以不可變版本記錄索引、政策及嵌入設定。這套做法適用於會生成金融產品相關答案並向客戶展示引用的情境;只提供連結的低風險網站導覽,作者認為一般查詢分析和存取記錄已足夠。

  11. 阿里雲開發者社區 AI56

    程序員魚皮分享 AI 大模型應用開發學習路線,涵蓋 RAG、Agent 與求職準備

    程序員魚皮整理了一份 AI 大模型應用開發學習路線,涵蓋編程基礎、API、提示詞與上下文工程、RAG、Agent、工程化及項目實戰。路線以 AI 應用與 Agent 開發為主線,模型部署和微調列為選學;有編程基礎者每天投入 3 到 4 個小時,約 2 到 4 個月可完成主線並做出 2 到 3 個項目(僅供參考)。

  12. DEV Community35

    AI 生產環境清單:沒有人公開談論的實況

    AI 智能體在生產環境中的部署大多範圍狹窄,專注做好客服分流、文件抽取或特定程式碼庫的程式碼審查,而非通用推理。可靠的系統設計重點在工具介面、失敗處理及可觀測性,架構模式也比框架選擇更重要。RAG 的檢索問題往往源於分塊或中繼資料,而非嵌入模型。

  13. 阿里雲開發者社區 AI29

    OpenTrek AI 知識庫以低算力解析企業文件,讓知識可溯源並持續演進

    OpenTrek AI 知識庫將企業文件及音視頻等多源數據整理為可供大模型調用的知識資產,並支援精準檢索與逐條引證。其內置模型 OP-OCR-0.8B 參數規模不足10億,在 OmniDocBench 排名前五,並可用單張 GPU 部署。Knowledge Wave 引擎原生支援30多種格式,能定期自檢冗餘與衝突並自動重構知識庫。

  14. 阿里雲開發者社區 AI27

    高並發智能 AI 模擬法庭系統:多模態互動與即時裁判推理引擎架構設計

    該項目構建面向高並發場景的智能 AI 模擬法庭系統,結合多模態互動與即時裁判引擎,支援角色扮演、證據鏈校驗及自動評分。系統採用微服務及事件驅動架構,整合法律知識圖譜、RAG 檢索增強推理與狀態機管理,並以規則引擎和 LLM 多維評分器進行裁判評估。方案支援千人級線上法學實訓。

  15. 阿里雲開發者社區 AI56

    手把手教你:相似度全是 0.9?向量未歸一化的量綱災難|AI 工程師踩坑實錄第 10 篇

    文章以 bge-small-zh-v1.5 的原始 CLS 向量實測,指出未歸一化會令點積混入向量範數,令閾值設定和跨查詢分數比較失去可靠性。六段文件的未歸一化點積為 11.7–36.2,歸一化餘弦為 0.232–0.734;這次實驗的排序沒有翻轉。文章建議入庫和查詢兩側都先歸一化,之後點積等同餘弦,並可配合 faiss 的 IP 索引進行檢索。

  16. 阿里雲開發者社區 AI31

    2026 年阿里雲雙十一百煉 Token Plan 折扣與計費指南

    阿里雲百煉 Token Plan 推出雙十一優惠,涵蓋個人版與團隊版套餐,並提供新客首月低至5折、團隊席位特惠及 Night Plan 夜間折扣。個人版有 Lite、Essential、Standard、Pro 四檔,Credits 按訂閲月週期重置且不結轉;團隊版按席位訂閲,支援成員權限管理及用量統計。優惠適用至11月30日,訂閲前可先使用免費 Token 額度測試用量。

  17. DEV Community50

    保險索賠資料檢索架構:可追溯的文件版本管理及其原因

    保險索賠資料檢索應採用分階段搜尋,並讓文件版本資訊隨來源一路傳遞至答案,以便核實引用來源。架構先以索賠編號、保單編號、日期及精確詞語縮小範圍,再對有效文件片段進行向量相似度搜尋,並由應用程式執行版本、刪除狀態及來源核對。Infrai 可透過 HTTP 提供向量操作,但檢索品質與延遲仍須自行評估。

  18. 阿里雲開發者社區 AI39

    2026 年阿里雲雙11百煉大模型服務平台評測:功能、價格檔位、六大模組與模型矩陣

    阿里雲百煉大模型服務平台的雙11評測涵蓋六大模組、約190款模型的模型矩陣及價格檔位。平台提供模型推理、應用開發、知識庫RAG、Agent、微調和專屬部署,並設按量付費、Token Plan及Coding Plan三種計費方式。雙11優惠包括全模型低至4.5折、新用戶超7000萬免費Token,以及Token Plan新增Harness權益。

  19. DEV Community54

    金融研究檢索如何控制索引成本並管理信任邊界

    金融研究儀錶板可透過分階段檢索、明確集合與受限查詢,按變動的檢索單元增量更新索引,避免每次因文件更改而重建整個語料庫。作者建議以攝取帳本記錄單元 ID、內容雜湊、來源版本及刪除狀態,並分別評估各處理方的地區、保留和刪除條款。Infrai 是向量檢索的一種選項,但不能取代對底層專業服務商的審查。

  20. AWS Machine Learning Blog69

    Amazon SageMaker AI 即時端點新增 KV-aware routing

    Amazon SageMaker AI 即時端點新增 KV-aware routing,根據模型容器回報的 KV cache 狀態,把請求路由至持有最長匹配快取且負載未過高的實例。

    推薦理由:文章比較 KV-aware routing 與 prefix-aware routing 的路由依據,並以長對話工作負載的測試呈現延遲、吞吐量及快取命中率變化。

  21. DEV Community57

    我為何選擇 Node.js 佇列上限:保險理賠檢索的 3 道延遲防護

    作者以 Node.js 保險理賠檢索為例,提出以佇列准入、並行處理量和請求總時限三項限制控制負載下的延遲。他建議分開量度排隊等待與執行時間,並以同一個絕對時限涵蓋排隊及檢索,避免取消請求後下游工作仍佔用容量。文章建議用經審核的理賠資料建立重播測試集,在代表性並行負載下比較端到端延遲、逾時比例與檢索品質。

  22. DEV Community53

    以 Node.js 篩選構建電商產品搜尋的兩階段檢索架構

    文章提出電商產品搜尋採用兩階段檢索:先以租戶、店面及商品中繼資料限制向量搜尋,再重排小型候選集,並保留來源識別資料供答案追溯。Node.js 範例以 Infrai 向量 API 最多檢索 20 個候選,再重排 5–8 個;租戶和存取限制始終固定,只有結果為空時才放寬顏色或尺碼等商品條件。