logo
publist
写文章

简介

该用户还未填写简介

擅长的技术栈

可提供的服务

暂无可提供的服务

企业知识库AI助手的知识图谱构建架构:从数据到图谱

想找“产品A的竞品分析”,翻了3个共享盘文件夹,只找到2021年的旧文档;想问“产品A的负责人是谁”,翻通讯录找了10分钟,才发现对接人是离职的王姐;想查“产品A的定价策略”,翻了5篇PPT,里面的数字还互相矛盾。其实,小夏的问题不是“没知识”,而是知识“散、乱、旧”——就像把乐高积木扔在箱子里,想拼个机器人,得先翻半小时找零件。而知识图谱。

#人工智能#知识图谱#架构
提示工程安全标准实战:手把手教你构建安全AI系统

上周,我朋友小夏用AI助手写邮件,输入了一句:“帮我写一封给客户的回复,里面要提到他的订单号12345和收货地址北京市朝阳区XX小区”。结果AI助手不仅写了回复,还在结尾加了一句:“对了,你的订单号12345的物流信息显示明天到达北京市朝阳区XX小区”——它把客户的隐私信息直接“重复”了一遍!如果这封邮件发给了陌生人,后果不堪设想。小夏事后说:“我以为AI只会‘照我写的’来,没想到它会‘额外暴露’

#人工智能#安全
AI应用架构师必知:社交媒体AI架构的成本核算方法

本文将聚焦社交媒体AI架构的“成本核算”这一核心问题,从成本构成拆解→核算模型构建→驱动因素分析→优化策略落地四个维度,手把手教你掌握全流程成本管理方法。我们会结合社交媒体场景的特殊性(高并发、动态流量、多模态数据),用具体案例(如推荐系统、内容审核)演示如何从“拍脑袋估算”到“精细化核算”,最终实现“效果与成本的平衡”。基础设施成本:60%-70%(计算资源占50%+,存储/网络占10%-20%

#人工智能#媒体#架构
Agentic AI+社区服务:提示工程架构师如何打造智能便民系统?

智能便民系统的本质是用Agentic AI优化“居民需求-社区服务”的循环精准理解:通过多模态交互(文本、语音、图像)准确提取居民需求(如“我家水管坏了”需识别为“生活服务-家电维修”,并提取地址、时间等关键信息);自主决策:根据需求类型(如应急/非应急)、资源状态(如物业维修人员 availability)、居民偏好(如是否接受上门服务),自动选择最优处理路径;高效执行:协同内部系统(如物业ER

#人工智能
AI应用架构师详解:智能资产管理系统如何实现高并发与实时风控?架构方案

当一只热门基金开放申购时,10分钟内涌入100万用户请求;当量化交易策略触发高频调仓时,每秒需处理 thousands of 交易指令——智能资产管理系统的核心矛盾,在于“高并发流量”与“实时风控”的不可兼得:传统架构要么因延迟过高导致风控失效(比如“先交易再审核”的事后诸葛亮),要么因性能瓶颈导致系统崩溃(比如缓存击穿引发数据库宕机)。

#人工智能#架构
智能运维AI平台架构设计中的缓存策略:架构师详解如何提升数据访问速度

在智能运维AI平台中,缓存策略的设计不是“选哪个框架”的问题,而是结合业务需求、数据特征、技术架构的系统工程。以业务为中心:根据场景(如实时监控、模型推理)选择缓存层级(本地+分布式);以数据为驱动:根据数据的冷热程度(热数据、中频数据、冷数据)选择替换算法(ARC、LRU、LFU);以性能为目标:通过多级缓存、数据分片、异步更新提升访问速度;以稳定为底线:解决缓存穿透、雪崩、击穿等问题,确保系统

#运维#人工智能#缓存
AI应用架构师指南:构建低碳的聊天机器人

14. 总结:构建低碳聊天机器人的核心原则15. 参考资料16. 附录:低碳AI工具链与资源清单。

#人工智能#机器人
AI驱动服务创新的底层逻辑:架构师必须掌握的4大设计原则

如何用AI重新定义服务的底层逻辑。对于架构师而言,AI不是“插件”,而是“服务的基因”——它需要渗透到数据流通、组件协同、用户交互的每一个环节。本文将拆解AI驱动服务创新的4大核心设计原则,用“滚雪球”“蚂蚁群”“组装家具”等生活化比喻讲清技术本质,结合电商、教育、医疗的真实案例,教你从“用AI做功能”转向“用AI设计服务”。如何让数据从“孤岛”变成“智能燃料”;如何用“小模型协同”替代“大模型依

#人工智能#大数据
AI提示工程性能优化的终极指南:提示架构师的9个实战技巧!

你是否遇到过这样的问题?给LLM写了一段提示,结果输出偏离预期,像“鸡同鸭讲”;多轮对话中,LLM突然“失忆”,重复问过的问题;生成的内容格式混乱,需要人工大量调整;提示太长导致token超标,成本飙升却没换来更好的效果。这些问题的根源,不是LLM不够强,而是提示工程的“架构设计”不到位。作为一名资深提示架构师,我曾帮助电商、医疗、客服等行业的团队优化提示策略,将LLM输出准确率从60%提升到95

#人工智能
提示工程架构师必学:优化Prompt生成的7个算法模型,让大模型更「懂」你的需求!

到这里,我们已经学完了7个核心的Prompt优化模型。模型核心优势适用场景参数高效、小数据集适配小数据集任务、资源有限的部署超轻量级、快速训练超大规模模型微调、手机端部署自动化、上下文感知多任务场景、快速响应不同用户需求RLHF符合人类偏好、高价值任务对话机器人、内容创作、法律/医疗咨询复杂逻辑推理、可解释性强数学题、创意生成、决策分析多模态对齐、精准PromptAI绘画、图像Captioning

#算法#人工智能
    共 198 条
  • 1
  • 2
  • 3
  • 20
  • 请选择