检索时不再直接在碎片上算相似度，而是先在这个高层结构上"导航"或"推理"，再下钻到具体内容——给代码库自动生成可问答 wiki 的 DeepWiki、用推理式检索替代向量的 PageIndex，都是这个思路的代表。这一条规范，是"可信"二字的底线。传统的做法是搭一个 wiki 或文档中心，但你我都见过它们最后的样子：写的人没动力维护，看的人搜不到想要的，最后沦为"信息坟场"。未来，知识库会成为 A

如上所述，在当下智能化并没有一个很明确的指标或目标，所以对于一个AI服务提供商来说，是机遇也是挑战，机遇是客户愿意投入，而挑战则是怎么跟客户讲清楚价值，这本身跟任何新技术的普及逻辑是一致的，这里除了陪伴客户成长以及企业自身对技术洞察力的把握以外并没有其它办法，不过一般说来客户要的价值一般分为两个方向，一是赚取更多的利润，二是提升效率降低成本，不管是员工的效率还是生产效率。这个过程中只有人的主动沉淀

在Fabarta企业知识引擎中我们就使用了大量的MCP，比如各类数据源的连接，外部系统的打通等等，不过也不要盲目使用MCP，Fabarta在实践上的许多经验我们在一些采访中也有提及，可以供大家参考。在这段话中，Andrej Karpathy 将 context engineering 称之为“微妙的科学与艺术”， 实际上这也是目前AI应用的主要难点之一，之前大家说要写好提示词，但现在说不够，要在正

该平台能够自动整合分散在不同部门的业务数据和知识，形成统一的语义网络，而且既能实现跨部门间云端的数据知识协同，又能确保各部门边端的数据严格隔离，避免非授权调用。例如在制定销售策略的任务中，AI系统不仅需要访问CRM的结构化数据，更重要的是获取客户经理、营销人员等掌握的隐性知识。例如在银行、保险等金融机构业务中，多模态智能引擎整合了原本分散在多个不同系统中的客户数据、交易记录和市场信息，构建统一的知

作为榜单中聚焦智能体赛道的代表企业，枫清科技以知识引擎与大模型双轮驱动，构建多模态智能体底座，解决模型幻觉和推理挑战，提升可解释性与数据安全；枫清科技（Fabarta）凭借自主研发的AI智能体技术突破与商业化落地能力，成功入选「AI智能体创新企业TOP10」榜单，成为行业创新突破的标杆力量。此次获奖，不仅是对枫清科技创新能力的充分肯定，更彰显了公司在推动AI智能体技术从验证走向规模化应用过程中的先

同时，个人办公面临 “知识过载”，与企业系统存在数据断层。该解决方案针对上述“企业知识难共享、AI 落地难、个人与企业协同难”的痛点，通过 “云端大模型+边端企业知识中台+端侧个人超级智能体”架构，打破知识与应用鸿沟，实现企业能力下沉与个人成果反哺，为企业提供灵活的智能化升级路径。该方案通过运行于麒麟桌面OS中的个人专属智能体APP、运行于麒麟服务器端OS的企业知识中台来分别满足不同规模的企业在不

2025中国技术力量榜单以“洞察AI变革，见证智能未来”为核心，围绕AI基础设施、工程与部署、智能体生产力、行业应用、数据智能、AI Coding、具身智能与开源等八大方向展开评选。本届评选历经两个多月的案例征集与多轮评审，获得来自200多家企业与团队的申报，覆盖云计算厂商、AI 初创公司、行业龙头企业、开源社区、科研及创新团队，共计300多个案例进入初审环节。为核心的双轮驱动科研赋能体系，覆盖从

此外，王传阳重点分享了AI Agent的工具及应用场景。他强调，MCP服务作为AI Agent的工具核心，有效规范了多主体协同关系，无需改造即可实现AI Agent与企业后端服务的快速对接，将零散的IT资产转化为标准化技能，为AI Agent的落地提供了关键支撑。在核心认知层面，他指出，AI Agent的本质是一个融合大语言模型（LLM）推理、工具执行能力与“思考 - 行动 - 自省 - 纠错”循

流式对话 UI 表面上是「后端推 chunk、前端拼进 state」，实际上线后通常会碰到这几类问题：Markdown 边输出边闪、每个 chunk 触发重渲染导致掉帧、自动滚动打断用户翻历史、点了停止但 loading 没收干净。调 LLM 要 POST messages 并带 `Authorization`，所以实际项目里几乎都用 `fetch` 读 body，自己按 SSE 格式解析，而不是