跳到正文
11月20日週五
  1. Unite.AI38

    Perplexity 發佈企業 AI 託管式 RAG 指南

    Perplexity 發佈企業 AI 託管式 RAG 指南,説明供應商可管理向量資料庫、嵌入模型、檢索器及資料攝取等流程,並把這種模式稱為 RAG as a service(RaaS)。指南比較本地 RAG、自建雲端系統及 RaaS 三種部署模式,並列出內部知識管理、客戶支援和銷售協助等用途,以及部署、維護、成本和擴展方面的取捨。

  2. DEV Community57

    如何在 RAG 索引前用 MinHash 和 LSH 找出近似重複文件

    MinHash 和 LSH 可在 RAG 索引前找出近似重複文件:先以重疊詞組計算 Jaccard 相似度,再用 MinHash 簽名及 LSH 分桶篩出候選文件。測試中,政策原文與改版的 Jaccard 相似度為 0.66;相似度門檻設為 0.5 時兩者會被標記為重複,設為 0.8 則只找到副本。文章建議副本保留一份,不同版本則按日期或版本資料保留當前版本並封存舊版,避免只按相似度刪除文件。

  3. DEV Community63

    PDF 轉 Markdown 的頁眉頁腳處理:pdf2md 仍會保留帶頁碼頁腳

    pdf2md 的 npm 套件 @dudko.dev/pdf-to-md-core 0.3.6 預設會清除重複頁眉頁腳,但保留與固定文字同列的帶頁碼頁腳。作者提供按頁轉換、遮蔽數字後比對頁邊文字的腳本;測試中,它移除了全部六個編號頁腳,也保留了內置清理會刪除的重複正文句子。逐頁轉換可能改變標題層級;若下游依賴標題層級,作者建議保留整份文件轉換所得的 Markdown,只用腳本判斷要移除的行。

11月19日週四
  1. 阿里雲開發者社區 AI32

    多模態資訊處理技術落地:AI 識別與內容生成如何提升線上課堂體驗

    多模態 AI 將線上課堂中的語音、圖像與文本統一識別、理解及生成,讓課堂內容可搜尋、重用和互動,減少教與學之間的資訊損耗。工程實作涵蓋語音轉寫、視覺理解、內容切片,以及字幕翻譯、課堂摘要、課件生成和智能答疑;實時字幕採流式處理、摘要採異步處理、問答採同步處理,並按任務選擇模型規格。

  2. 阿里雲開發者社區 AI41

    阿里雲百煉功能拆解、成本測算與 API 接入教學

    阿里雲百煉整合通義千問及第三方大模型,提供統一 API、RAG 知識庫、智能體編排和模型微調等能力,並支援兼容 OpenAI 協議的接口。平台提供新人免費額度、按量付費、Token Plan、Coding Plan 及節省計劃;Token Plan 和 Coding Plan 面向交互式使用,不適合後端自動化批量調用。

  3. 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。

  4. 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。

  5. 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。

  6. 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。

  7. 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。

  8. 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。

  9. 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。

  10. 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。

  11. 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。

  12. 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。

  13. 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。

  14. 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。

  15. 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。

  16. 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。

  17. 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。

  18. 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。

  19. 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。

  20. 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。

  21. 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。