与循环检索类似，但更明确的指出依赖前一步的各个内容（如利用上一次的query改写内容），不断深化检索，不断明确用户查询（消除歧义），有更明确的退出循环的条件。当前由于模型能力的瓶颈，Agent系统存在极大的不确定性，在Agentic RAG系统中，在大的层面引入Agent对实际业务落地不太可取，可考虑在某个小环节中引入，如Generation问答补充（在基于检索出的文档后，动态给定一些tools让

知识边界很好理解，正如我们开头讲到的模型的内在知识是有限的，也即是有边界的，但是在面对具体的用户任务和问题时，这个边界具体在什么位置呢？从最初朴素的RAG方案，到加入了很多人工设计（各种查询检索优化和工具调用）的精密复杂的RAG工作流，再到围绕推理能力（推理模型）构建的具有自主性的Agentic RAG（比如DeepSearch），AI Search的目的没有改变，变化的是模型能力（推理能力和工具

????目录1 前言2 大模型如何在业务中发挥作用3 普通程序员应该关注的机会4 总结最近几年，大模型在技术领域的火热程度属于一骑绝尘遥遥领先，它已经深刻地影响了“编程”领域，且正在各个领域迅速渗透。与此同时，普通开发者也变得非常地焦虑，因为实实在在感受到了它强大的威力，担心哪天自己就被取代。与其担忧，我们不如主动拥抱这种技术变革。关注腾讯云开发者，一手技术干货提前解锁????01前言最近几年，大

关于腾讯元器： 腾讯元器是面向开发者的AI智能体一站式创建与分发平台，深度打通腾讯生态，用户无需编程，通过可视化界面即可快速构建具备对话、内容生成、图像处理等能力的智能体，并一键发布到微信公众号、小程序、微信客服、应用宝商店等腾讯生态场景。为平衡游戏难度，腾讯云开发者社区联合 腾讯元器 智能体平台正式启动 「合法外挂」机制：我们邀请所有具备开发能力的玩家，通过腾讯元器智能体平台，为自己、团队甚至整

现在面向大模型，需要精准的信息片段，因此进行了 chunk 级别索引，实现语义粒度的索引，提升检索精度，搭配大模型的总结能力生成优质回答、进行多源信息校验，降低模型幻觉。在需求理解上，传统搜索主要是分词、意图、纠错，而 AI 搜索下，用户 prompt 更复杂，贴近自然语言，需要理解上下文、拆解复杂需求、转化为适合检索的 query，这依赖领域知识精调和基于检索效果的强化学习。腾讯"联网搜索 AP

二是以点带面推进，落地AI和数字化转型的经验是相通的，相对来说企业很多点的数据质量非常好，找到这些领域，利用AI技术来解决实际的业务问题，使其比人工操作做得更好、更准确、更高效，当多个这样的业务“点”被 AI 提升效率后，逐步构成“面”的变革。其次，传统程序能做的，就用传统程序做，如果要用大模型，尽量一次只用来做一个相对单一的子任务；聚焦 AI 及大模型，在本次技术浪潮之初，腾讯就注重自研大模型的

好的描述能事半功倍，比如用 “帮我拆分这个函数，不改变核心逻辑，提升复用性”，而非笼统的 “帮我优化这段代码”。有了这个MCP，配合一些rules，就可以让大模型在本应结束会话时，调用这个MCP征求你的反馈，而且输入体验与原生几乎一模一样，可以输入图片、文字， 可以设置超时后的默认回复，能够有效避免额度浪费。也尝试过更多的MCP工具，但使用得越多，越明白一个道理：它们的价值远不止于 “解决某个具体

AI 时代，毫无疑问的是，只会写代码的工程师价值会越来越低，能理解业务、能借助工具解决复杂问题，把商业需求落地的工程师会更有价值。架构师的护城河不在于掌握了多少工具的使用技巧，而在于精准定义问题的能力、对结果的鉴别能力 、领域知识和架构思维的深度、将商业需求转化为技术方案的能力。正如深圳同盟社群讨论中形成的共识：“用好大模型，最关键的是定义问题的能力和批判性思维。”在这个 AI 快速发展的时代，这

在我希望它是对话时，它是对话。比如对话告诉 AI，“我想买一个鼠标，给我商品展示链接”，点击链接跳转到商品展示，选品后，剩下的流程，我希望对话解决，“就这个，帮我下单，送到家”。同样的，国内很多服务都是基于中文去建设的，外国友人来中国的话，有时候会因为语言问题，无法实现自己想要的能力，比如上文提到的电商，从选品，到添加购物车，到地址填写，到下单，每个步骤在不同的 APP，UI 都是不一样的，有的甚

践行“以客户为中心，以创新为动力”的经营理念，中国海诚积极进行数字化转型，全力推进智能制造业务发展，加速“数智双驱”战略落地见效，从“工程服务商”到“全周期生产性服务商”跃迁，向科技公司转型，助推工业企业向高端化、智能化、绿色化发展，成为改变中国制造的力量，以智慧工程贡献美好生活。从智能工厂的柔性产线到零售终端的 AI 智能体，从数据驱动的实时决策到行业专属大模型的规模化落地，AI 正以前所未有的