过去几年，不管是 ChatGPT、Claude 还是 DeepSeek，AI 大模型的目标一直都是「跟人聊天」和「帮人干活」。但最近有个模型突然火了，它有点儿特别，**不说人话、不能跟人聊天**。它叫 Jev，由前 OpenAI 研究员 Diogo Almeida 创办的 TypeSafe AI 发布，这哥们是 ChatGPT 的共同发明人之一！

多跳多模态知识图谱构建（M3KG）：通过轻量级多智能体协作流程，从原始多模态语料中构建包含音频、视觉和文本信息的多跳知识图谱GRASP 检索策略：基于实体定位和选择性剪枝，确保检索到的知识与查询高度相关且对回答有用解决模态鸿沟问题：通过模态感知检索避免跨模态嵌入不匹配提升推理深度：多跳知识图谱捕获复杂的时空依赖关系增强回答准确性：GRASP 策略确保知识的query相关性和answer有用性良好的

基于RAG的视频检索技术通过结合信息检索与生成式AI，实现视频内容的语义理解与精准定位。系统采用六步架构：多模态内容提取、语义分块、嵌入编码、向量索引、查询处理和结果生成，支持自然语言查询视频内容。该技术应用于教育、企业培训、媒体制作等领域，可大幅提升视频内容检索效率，将传统"观看视频"转变为"查询视频"的知识获取新模式。

这两年大家都在聊AI Agent，很多人其实还停留在“它是不是更聪明的 ChatGPT”这个理解上。Agent和普通大模型最大的区别是能围绕目标去规划、记忆、调用工具，再一步步把事情执行完。

其实准确的来说，Claude Code 的上下文压缩有5级流水线，不是网上说的4级，也不是3级别。而且，有2个是没有源码的，后面我会介绍到。如果你没有看过源码，可能误以为5级的源码都有。

大厂面试：当面试官问你什么是“Harness Engineer”时，他到底在考什么？

Plan-and-Solve (PS) 设计模式是一种旨在提升大型语言模型（LLMs）在多步推理任务上表现的新策略。它改进了零样本链式思维（Zero-shot-CoT）提示方法，增强了模型的推理能力。与一次只处理一步的 ReACT 设计模式不同，PS 更加注重长期计划。该方法由论文《Plan-and-Solve Prompting: Improving Zero-Shot Chain-of-Tho

LangChain 是一个基于语言模型的框架，用于构建聊天机器人、生成式问答（GQA）、摘要等功能。它的核心思想是将不同的组件“链”在一起，以创建更高级的语言模型应用。LangChain 的起源可以追溯到 2022 年 10 月，由创造者 Harrison Chase 在那时提交了第一个版本。

很多人以为 Agent 接到问题就直接丢给大模型，模型吐个答案就完事真跑起来远没那么简单。一个完整的 AI Agent 执行链路，背后是六个角色在接力：用户、Agent、Skills、LLM、MCP、工具，各管一段，环环相扣

这几年，受房价调控，疫情，双减政策等影响，很多产业行业受到了巨大冲击，包括目前全球经济发展也并不理想，可能一场疫情让你处于两难的境地，谁又能保证明天会不会发生些什么。很多时候，以为自己处于岁月静好的生活中，其实暗流涌动，崩塌只在旦夕之间。而一个真正强大的人，是永远不会停下学习这件事的。因为落后就意味着被淘汰，这是永恒不变的规律。与其担心被社会抛弃，不如紧跟时代步伐，提升自己的抗风险能力。