直接上答案：在实践落地中，RAG项目的测评非常重要，我项目使用的是Ragas自动化测评框架，把RAG的评估分为四个维度。第一是召回质量，就是评估系统有没有检索到正确且相关的文档片段；第二是答案忠实度，看大模型有没有脱离资料自己乱编答案；第三是答案相关性，评估大模型的回答是不是解答了用户的问题；第四是上下文利用率，评估给了大模型那么多的上下文，它到底用上了多少内容。

过去 18 个月，AI Agent 从概念验证（POC）走向生产环境的速度远超预期。但一个残酷的现实是：超过 60% 的企业 Agent 项目在 POC 阶段表现亮眼，却在规模化部署时折戟沉沙。

过去 18 个月，AI Agent 从概念验证（POC）走向生产环境的速度远超预期。但一个残酷的现实是：超过 60% 的企业 Agent 项目在 POC 阶段表现亮眼，却在规模化部署时折戟沉沙。

飞书开放平台今天正式发布了 lark-cli，一个命令行工具。说实话，当我看到这个项目的时候，第一反应不是「又一个CLI」，而是——终于有人把飞书的能力，用一种AI Agent能直接调用的方式暴露出来了。

飞书开放平台今天正式发布了 lark-cli，一个命令行工具。说实话，当我看到这个项目的时候，第一反应不是「又一个CLI」，而是——终于有人把飞书的能力，用一种AI Agent能直接调用的方式暴露出来了。

直接上答案：Skills本质是结构化的本地文件夹，用来补充某个领域的流程、知识和工具，让模型在相关场景下自动或按需调用，是面向大模型的能力封装。

直接上答案：Skills本质是结构化的本地文件夹，用来补充某个领域的流程、知识和工具，让模型在相关场景下自动或按需调用，是面向大模型的能力封装。

当下 AI 技术迭代速度飞快，**Prompt、Skill、**Project、****MCP****这四个词汇频繁出现，也成为解锁 AI 高效工作的关键。但很多人对这四个概念一知半解，本文就为大家拆解下这四个词的核心概念和应用场景，并看看它们可以为设计环节带来哪些提效作用。

当下 AI 技术迭代速度飞快，**Prompt、Skill、**Project、****MCP****这四个词汇频繁出现，也成为解锁 AI 高效工作的关键。但很多人对这四个概念一知半解，本文就为大家拆解下这四个词的核心概念和应用场景，并看看它们可以为设计环节带来哪些提效作用。

大多数 Agent 的 Demo 都不需要记忆——跑一段 ReAct 循环，调几个工具，输出结果，完事。但一旦进入真实业务场景，你会发现没有记忆的 Agent 几乎不可用：它记不住用户五分钟前说过的偏好，会反复犯同一个错误，每次对话都像第一次见面。**记忆模块的设计水平，很大程度上决定了一个 Agent 从"能用"到"好用"的跨越。