AI 资讯
已同步 34650 条公开资讯，来源和发布时间保留在每条记录中。
AIGOOD 已同步公开来源；每条资讯详情保留来源和原文链接。
市面上大多数「知识库问答」工具的套路都差不多：把文档切块、算 embedding 、塞进向量库，提问时按相似度召回若干碎片喂给 LLM 。KaaS 做了两个和主流不太一样的选择： 先编译再检索 ：不直接对原始碎片做 RAG 。先用 LLM 把散乱内容编译成一篇篇结构化的 Markdown Wiki 文章，再在这上面做检索。 不用 embedding ：检索阶段没有向量库、没有相似度计算。文章目录直接喂给 LLM ，让它像人翻目录一样选页、读全文。 这篇讲整套系统的骨架和几个关键取舍，单个机制的细节留给后续文章。…
市面上大多数「知识库问答」工具的套路都差不多：把文档切块、算 embedding 、塞进向量库，提问时按相似度召回若干碎片喂给 LLM 。KaaS 做了两个和主流不太一样的选择： 先编译再检索 ：不直接对原始碎片做 RAG 。先用 LLM 把散乱内容编译成一篇篇结构化的 Markdown Wiki 文章，再在这上面做检索。 不用 embedding ：检索阶段没有向量库、没有相似度计算。文章目录直接喂给 LLM ，让它像人翻目录一样选页、读全文。 这篇讲整套系统的骨架和几个关键取舍，单个机制的细节留给后续文章。…
市面上大多数「知识库问答」工具的套路都差不多：把文档切块、算 embedding 、塞进向量库，提问时按相似度召回若干碎片喂给 LLM 。KaaS 做了两个和主流不太一样的选择： 先编译再检索 ：不直接对原始碎片做 RAG 。先用 LLM 把散乱内容编译成一篇篇结构化的 Markdown Wiki 文章，再在这上面做检索。 不用 embedding ：检索阶段没有向量库、没有相似度计算。文章目录直接喂给 LLM ，让它像人翻目录一样选页、读全文。 这篇讲整套系统的骨架和几个关键取舍，单个机制的细节留给后续文章。…
市面上大多数「知识库问答」工具的套路都差不多：把文档切块、算 embedding 、塞进向量库，提问时按相似度召回若干碎片喂给 LLM 。KaaS 做了两个和主流不太一样的选择： 先编译再检索 ：不直接对原始碎片做 RAG 。先用 LLM 把散乱内容编译成一篇篇结构化的 Markdown Wiki 文章，再在这上面做检索。 不用 embedding ：检索阶段没有向量库、没有相似度计算。文章目录直接喂给 LLM ，让它像人翻目录一样选页、读全文。 这篇讲整套系统的骨架和几个关键取舍，单个机制的细节留给后续文章。…
最近骨折修养，发现在其他行业中 AI 触达还是比较少，非技术人平时用的最多的就是豆包，说句话就能办了，比如生成个图片、问下怎么做饭，没有什么高深的技术，不会说什么 DeepSeek 、GPT ，但实打实的用户需求。
最近骨折修养，发现在其他行业中 AI 触达还是比较少，非技术人平时用的最多的就是豆包，说句话就能办了，比如生成个图片、问下怎么做饭，没有什么高深的技术，不会说什么 DeepSeek 、GPT ，但实打实的用户需求。
最近骨折修养，发现在其他行业中 AI 触达还是比较少，非技术人平时用的最多的就是豆包，说句话就能办了，比如生成个图片、问下怎么做饭，没有什么高深的技术，不会说什么 DeepSeek 、GPT ，但实打实的用户需求。
最近骨折修养，发现在其他行业中 AI 触达还是比较少，非技术人平时用的最多的就是豆包，说句话就能办了，比如生成个图片、问下怎么做饭，没有什么高深的技术，不会说什么 DeepSeek 、GPT ，但实打实的用户需求。
感觉要是任务重一点，一下子就歇逼了，都不可能到五小时
感觉要是任务重一点，一下子就歇逼了，都不可能到五小时
感觉要是任务重一点，一下子就歇逼了，都不可能到五小时
感觉要是任务重一点，一下子就歇逼了，都不可能到五小时
感觉要是任务重一点，一下子就歇逼了，都不可能到五小时
感觉要是任务重一点，一下子就歇逼了，都不可能到五小时
感觉要是任务重一点，一下子就歇逼了，都不可能到五小时
感觉要是任务重一点，一下子就歇逼了，都不可能到五小时
感觉要是任务重一点，一下子就歇逼了，都不可能到五小时
感觉要是任务重一点，一下子就歇逼了，都不可能到五小时
感觉要是任务重一点，一下子就歇逼了，都不可能到五小时
距离上次在 V2EX 分享我们的项目已经过了快 3 个月了。 在上周，我们维护的开源项目 diodeme/Gold-Band 通过了 openai 的开源开发者活动，获得了 openai 赠送给我们的 价值 1200 美元的六个月 gpt pro 20x 会员 。很多社群的朋友好奇为什么我们项目 只有 33 个 star 也能被选中 ，于是我准备专门写一篇帖子，向大家 重新介绍下我们的项目 ，并在文末分享下我申请开源活动时是怎么填的。 产品介绍 github 地址： https://github.com/diod…