生成式 AI 的趋势下，尤其是智能运营场景当中，企业如何利用和落地生成式 AI 的应用，今天将分享基于亚马逊云科技生态体系下，生成式 AI 的应用案例分享，以及大家针对生成式AI的看法和解决业务痛点的共识问题。生成式AI 已经是一个不可阻挡的趋势，我们相信它是可以解决一切“问题”的，但是“问题”是什么呢？我们经常说要从大处着眼，小处着手，找到实际的业务痛点是关键，不要拿着锤子找钉子，钉子要钉在哪里

之前我们讲过了想将LLM能力在具体的应用中实践，最好的方法是做成一个agent。本系列我们就从零写一个agent框架，方便我们构造和运行agent。

文章深入解析了大模型技术如何从信息处理者升级为任务执行者，AI Agent作为重要载体重构人机协作模式。文章涵盖了大模型的知识处理能力、产业解析、行业应用及企业级AI Agent的核心能力与场景，并展望了2025年AI Agent从概念验证到规模落地的关键转折点。企业应优先在高频、规则明确、数据丰富的场景试点AI Agent，逐步实现全链条智能化升级。经济学家保罗·克鲁格曼曾说“经济萧条、通货膨胀

阿里团队最新开源的SmartResume智能简历解析系统，结合Qwen3-0.6B与YOLOv10模型，实现PDF简历十秒内快速解析。本文将带你零代码部署这套多模态AI系统，学习如何将大模型能力落地应用。通过本地部署Qwen3-VL和Deepseek OCR，开发者可轻松构建自己的文档处理应用，无需高昂成本即可实现简历信息的智能提取与结构化处理。目前的AI科技圈一直在致力于将AI模型能力落地应用，

LangChain真是好起来了。24年中的时候用LangChain V2差点把我气死，现在V3用起来开始真香了~像 ChatGPT、Gemini 和 Claude 这样的大模型已成为企业必不可少的工具。如今，几乎每家公司都希望根据自己的需求或客户群体，开发一款定制化的AI Agent。这篇文章将重点介绍如何创建一个个性化的助手，这个助手不仅能进行功能调用，还能将对话记录存储在数据库中，实现多会话的

工业和信息化部科技司副司长杜广达近日表示，下一步要持续强化标准引领，推进数字人术语、管理、服务等基础共性标准，数字身份多模态交互等关键技术标准，以及数字客服，数字员工等重点领域服务标准的研究与应用，建立健全数字人的标准体系。工业和信息化部信息通信专家委员会顾问武锁宁也指出，现在中国的数字人产业已经形成了比较完整的产业体系，对于那些需求的潜力比较大，能够实行规模化的应用领域应用侧形成规模化的需求和复

好，我们再进一步，那什么是智能体呢？从 “智能体” 使用者的角度看，“智能体” 就像专门完成某一类任务的机器人。智能体的设计目的其实就是为了实现特定的目标或完成特定的任务。它像是一个专家一样，专门解决某一类的问题，用医生做比喻，agent就像一个专科大夫，比如骨科大夫，只能看骨科相关的病，而大模型LLM 像是一个全科大夫，什么病都能看。从设计上不一样，使用上自然就要有所区别，比如你要处理和计算复杂

随着人工智能技术的不断发展，与大模型（Large Language Model, LLM）的结合在垂直行业中的应用正逐渐成为趋势。在电力行业这一复杂、多样的领域，智能客服系统正在借助知识图谱与大模型的力量，为用户提供更精准、更高效的服务。这篇文章将从实践出发，深入探讨如何通过技术架构优化和实际场景应用，实现智能客服系统的全面升级。针对这些痛点，电力行业亟需一种既能够理解自然语言、又能高效管理知识的

基于大模型的总结能力，可以为人工客服提供坐席辅助、工单预填、前情摘要等能力，提升坐席人员的工作效率，降低客户通话时长。

来自南洋理工大学 LMMs-Lab 的研究人员联合开源了 LMMs-Eval，这是一个专为多模态大型模型设计的评估框架，为多模态模型（LMMs）的评测提供了一站式、高效的解决方案。转载自丨机器之心随着大模型研究的深入，如何将其推广到更多的模态上已经成为了学术界和产业界的热点。最近发布的闭源大模型如 GPT-4o、Claude 3.5 等都已经具备了超强的图像理解能力，LLaVA-NeXT、Mini