主题

企业AI应用

面向企业的AI系统、采用方案、客户工作流和可衡量成果。

34 项内容 (17 篇文章 · 17 个视频)

从这里开始

浏览完整内容之前,先阅读几篇推荐文章。

此主题下的更多内容

9 分钟阅读
文章

DGX Spark:是什么、为谁而设,以及对本地智能体改变了什么

对 NVIDIA DGX Spark 的务实解读:NVIDIA 公布的 Grace Blackwell GB10 规格、相干统一内存、ConnectX-7 集群能力,以及何时桌边智能体计算机适合作为私有 AI 方案。

高级
12 分钟阅读
文章

让 Codex、Claude Code 与 Cursor 组成一支 CLI 团队

通过 AGENTS.md、CLAUDE.md、Cursor 规则和 CLI 非交互模式,让 Codex 设计、Claude 评审、Cursor 实现,无需定制编排平台。

高级
15 分钟阅读
文章

用 Linear 管理多智能体项目:Claude、Cursor 与 Codex 共享同一待办列表

让 Claude Code、Cursor 与 Codex 像真正的工程团队一样围绕同一个 Linear 项目协作:认领任务、更新进度、交接评审、修复发现项,并在互不干扰的情况下关闭工单。

高级
8 分钟阅读
文章

当机器能完成更多工作时,工作的尊严

面向中小企业领导者的实用岗位再设计评估:在宣称自动化成功前,审视员工参与、保留的判断权、技能发展路径、工作负荷、监控与申诉机制。

中级
8 分钟阅读
文章

自动化团队部分工作时,该告诉他们什么

自动化项目的实务沟通顺序:在决策固化前说什么、哪些承诺建立信任,以及管理者不该许下哪些承诺。

中级
32 分钟
视频

与Shashi Bhushan探讨如何在本地化中构建以人为本的AI工作流

Crowdin. Shashi Bhushan从工作流梳理而非工具选择入手,随后讨论源文本质量、人工审核、AI校对、术语表检查、产品团队参与、试点和隐私约束。这与文章为需要处理爱沙尼亚语、英语、俄语、芬兰语和客户专用术语的爱沙尼亚团队所建议的运营模式几乎完全一致。

中级
4 分钟
视频

EmbeddingGemma简介:一流的端侧嵌入开放模型

Google for Developers. 视频介绍了一种可以在本地运行的多语言文本嵌入模型,它支持语义搜索和RAG,无需把每份文档都发送到托管API。对爱沙尼亚企业而言,这是文章所述内部知识搜索模式的有益技术补充:只有在兼顾数据本地性、权限和来源权威性的情况下,多语言检索才真正有价值。

中级
17 分钟
视频

Conductor CEO Charlie Holtz详解他的AI编程环境

Y Combinator. 这不是泛泛的讨论,而是一场资深工程师的具体实操:Holtz比较Claude Code和Codex,并行编排多个编码智能体,还划定了禁止未经审查的生成代码进入的“无劣质代码区”。这套配置体现了文章的规则——提供代码仓库上下文、保持补丁小而易审查,并由人继续担任架构师,让智能体负责敲代码。

高级
56 分钟
视频

HPE首席财务官(CFO)谈财务领域的AI智能体

CXOTalk. HPE首席财务官Marie Myers讲述了如何在一个3600人的财务组织中推广智能体AI(其“Alfred”平台),并采用文章所主张的严谨方法:直接与间接投资回报率框架;决定每个用例继续或停止的阶段关卡;强制设置人在回路质量控制;以及工作流层面的指标,例如某项每周审核流程的人工工作量减少了约90%。这里衡量的是工作方式的改变,而不是工具登录次数。

高级
41 分钟
视频

私有AI与云端方案:企业领导者如何更明智地决定自建还是采购

World Wide Technology. 视频将自研或采购的选择与业务成果、工作负载部署位置、云成本经济性、数据主权、安全、基础设施就绪度和混合运营模式联系起来。无论你是在决定购买工具、扩展平台、构建轻量定制层,还是掌控更多部署技术栈,它都是很有价值的战略配套内容。

高级
10 分钟阅读
文章

爱沙尼亚企业的多语言AI工作流

为同时使用爱沙尼亚语、英语、俄语、芬兰语及其他客户语言的爱沙尼亚企业提供一套实用的工作流模型,在跨语言协作中保持语气、术语、隐私和责任归属。

中级
9 分钟阅读
文章

AI原生IDE与感知代码仓库的编码工作流

只有当团队设置明确边界时,Cursor、Copilot、Claude Code和感知代码仓库的智能体才能真正改变软件开发方式。本实用工作流涵盖代码库上下文、规划、测试、评审、密钥和生产安全。

高级
9 分钟阅读
文章

EU AI Act for SMEs: a practical governance plan

The EU AI Act is not just a legal problem for large vendors. A practical SME plan for inventory, risk classification, human oversight, transparency, vendor records, and rollout discipline.

高级
10 分钟阅读
文章

私有 AI 部署模式:本地、VPC、自托管和混合

私有 AI 并非单一架构。本文面向重视隐私和控制权的中小企业,对比本地模型、企业 SaaS、VPC 部署、自托管推理和混合模式。

高级
12 分钟阅读
文章

成本优化推理:提示缓存、路由与输出控制

基于追踪数据建立推理成本模型,优化实测成本中占比最大的部分,并证明每项改动都不会损害任务质量。

高级
10 分钟阅读
文章

面向非工程师的评估:判断AI工作流正在变好还是变差

评估(系统衡量AI输出质量)通常被视为工程问题。但每个运行AI工作流的团队都需要评估,而且无需编写代码也能掌握基础方法。本文将说明具体做法。

中级
12 分钟阅读
文章

设计LLM真正能够正确使用的MCP工具

我们看到的大多数MCP工具在技术上正确,在实践中却毫无用处。LLM会忽略、误用,或以无益的方式调用它们。本文介绍让LLM自然采用工具的设计原则,并给出常见失败及其修复示例。

高级
12 分钟阅读
文章

LLM 应用的可观测性:追踪、成本、延迟和质量漂移

在常规可观测性基础上,增加多步骤追踪、可归因成本、提示词与模型版本、经过评估的质量信号、隐私控制,以及根据工作负载制定的告警。

高级
12 分钟阅读
文章

如何在提示词、RAG与微调之间选择(以及何时组合)

提示词、RAG和微调是让LLM适应你的问题的三大手段。它们各有适用和不适用的问题。本文提供选择框架、各自的实际成本,以及组合使用时效果突出的生产模式。

高级
19 分钟
视频

RAG会就此终结吗?Anthropic的新提示缓存

Prompt Engineering. 视频将Anthropic的提示缓存与Gemini的上下文缓存进行比较,并针对长文档聊天、少样本和多轮对话等用例给出具体的延迟与成本降幅。对缓存写入附加费与缓存读取折扣的拆解,正是文章讨论缓存何时划算时所采用的基础。

高级
56 分钟
视频

Build Hour:提示缓存

OpenAI. 这是OpenAI官方关于提示缓存的Build Hour,内容包括1024-token阈值、前缀稳定性要求、实时音频缓存的大幅折扣(确切费率请查看当前定价页面),以及长输入对首token延迟的影响。当你评估需要投入多少工程工作,才能让生产提示稳定命中缓存时,本视频很有帮助。

高级
107 分钟
视频

为什么AI评估是产品构建者最热门的新技能|Hamel Husain与Shreya Shankar

Lenny's Podcast. Husain与Shankar的讨论补充了文章的要求:指定核查负责人,并根据变更、事件和已观察到的失败安排核查频率。请根据自己的工作流估算核查所需时间。

中级
3 分钟
视频

在Anthropic Console中评估提示词

Anthropic. Anthropic用3分钟演示如何在Workbench中开展一次真实评估:自动生成贴近实际的测试用例、为输出评分、调整提示词,然后重新运行同一套测试并进行并排比较。观看次数低于通常的收录门槛,但要回答“我怎样才能不写代码就真正完成评估”,这是最清楚的官方演示,也恰好能承接更偏战略的Husain/Shankar对谈。

中级
19 分钟
视频

构建更高效的AI智能体

Anthropic. Anthropic工程师讲解多智能体系统误用工具时,他们实际做了哪些改动——合并端点、返回名称而不是ID、更多依靠MCP和Agent Skills,而不是继续往系统提示中塞入工具。这些内容与文章中的工具描述和返回结构设计检查清单逐项对应。

高级
29 分钟
视频

智能体提示设计|Code with Claude

Anthropic. 应用AI团队的Hannah Moran和Jeremy Hadfield以一个真实的宝可梦游戏智能体为例,讲解如何表述工具调用和智能体提示:哪些行为应该放进系统提示,哪些应写在工具描述中,以及模型需要知道每个工具的哪些前置条件。刚写完第一个MCP服务器、却发现Claude会以意外方式调用它时,这段视频尤其有用。

高级
9 分钟
视频

10分钟了解LangSmith

LangChain. LangChain联合创始人带你浏览大语言模型追踪、项目和数据集,涵盖token成本、延迟、错误率、反馈汇总,以及深入查看单个检索步骤的Span。文章谈到“每次调用都是一个Span”以及结构化追踪为何优于打印日志时,这段视频提供了最直观的视觉对应。

高级
154 分钟
视频

LLM的可观测性与评估

Hamel Husain. Hamel Husain、Eugene Yan、Brian Bischof、Harrison Chase和Shreya Shankar共同讲解追踪、日志分析、大语言模型评判,以及查看真实生产数据的工作流程。可以像听长篇播客一样耐心观看——这是YouTube上对文章“查看你的追踪”这一主张最深入的单一讲解。

高级
9 分钟
视频

RAG与微调对比

IBM Technology. 视频更集中地比较团队最常混淆的两种技术,并深入讨论数据新鲜度、来源归因,以及微调在推理速度方面的优势。如果你正专门尝试说服团队不要开展不必要的微调项目,这段视频值得一看。

高级
13 分钟
视频

RAG、微调与提示工程:优化AI模型

IBM Technology. 视频通过清晰的白板讲解对比三种技术及各自的成本——检索延迟、训练算力与灾难性遗忘,以及仅靠提示的局限——并说明哪些组合在生产环境中真正合理。结尾以一套同时使用三种技术的法律AI系统为例,几乎完整对应文章中“何时组合”的论点。

高级
8 分钟
视频

沃顿商学院教授:AI未来的4种情景|Ethan Mollick做客Big Think+

Big Think. Mollick用简洁的8分钟介绍他的“四种情景”模型——静态、线性、指数式和AGI——并解释为什么团队应该根据第二或第三种情景制定计划,而不是把一切押在任何一个极端上。如果你想让领导团队在编写应用手册前就究竟要为哪种未来做准备达成一致,这段视频会很有帮助。

中级
60 分钟
视频

每位领导者都需要这套AI战略|Ethan Mollick详解

Sana. Mollick用一小时讨论组织内部应用AI的真实面貌——为什么“削减成本”是错误的思考框架、传统组织架构为何正在发生变化,以及“AI原生”团队有哪些不同。观看次数低于通常的100k门槛,但这是该领域引用最广泛的研究者对应用战略所做的最清晰、最贴近实践者的讨论,文章中应用手册关注的内容几乎与他的框架1:1对应。

中级