📚 Wiki 知识库

🏷️ 技术选型

11 篇

从一页产品说明到企业级 Agent,完整复盘

本文复盘了一个企业级售后工单 AI 工作台的开发全流程。项目经历业务定义、产品设计、技术选型、开发实现及验收部署六个阶段,最终交付包含权限管理、知识检索、审计等功能的完整 Agent。文章总结了“AI 执行,人做选择”的协作模式,强调证据留存与工程边界,提供了一套可复用的 AI 辅助开发方法论。

技术Agent ✍ jager🕐 2026-07-28

《指挥 AI,做出一个企业级 Agent》08:企业 RAG 不是上传几个 PDF

文章指出企业 RAG 不仅仅是上传 PDF 回答问题,更需关注文档版本、权限、来源追溯及停用管理。作者通过模拟企业真实文档环境,构建了包含版本控制和过滤机制的评测体系,强调了可靠检索与诚实无答案的重要性,并分享了针对小规模知识库的技术选型经验。

技术Agent ✍ jager🕐 2026-07-22

量化交易避坑指南:开源项目揭示的8大血泪陷阱

基于对1438个GitHub量化开源项目的深度分析,本文揭示了量化交易中最致命的八大陷阱:包括过拟合、前视偏差、零滑点假设、幸存者偏差等。文章通过真实案例拆解了回测与实盘断层的原因,指出70%的开源项目代码质量不达标,且鲜有项目防范核心风险。文末附带了30项上线前的严审检查清单与黄金法则,强调风控前置、样本外验证及对开源代码的理性批判,警示入门者敬畏风险,避免将“玩具代码”投入真金白银的实战。

投资量化交易 ✍ 萌鸟-BirdVision🕐 2026-07-11

AI Agent 国内企业落地手册 V2.0

本手册详述了 AI Agent 在国内企业的落地实践,涵盖2026年市场转折、技术选型及三阶段落地法(审计、评估、部署)。文中提供了财务报销、合同初审等具体案例,强调了“人在环路”的重要性,并附带了 ROI 计算模板、数据合规清单及失败处理 SOP,旨在解决企业从试点到规模化的鸿沟。

技术Agent ✍ block0🕐 2026-07-08

独立开发者的穷鬼套餐:一年不到500块,把产品从0跑到上线

文章为独立开发者提供了一套低成本(年费低于500元)的全栈技术方案。涵盖了从域名注册、前后端部署、数据库选型、AI接口集成、邮件发送、CDN图片处理到监控日志及支付接入的各个环节。作者推荐利用 Cloudflare、Vercel、Supabase、DeepSeek 等有免费额度的大厂服务,强调了“先做单点突破”和“节省时间成本”的重要性,帮助开发者以最小成本跑通业务闭环。

技术DevOps ✍ AI搞钱研究院🕐 2026-05-30

2026年AI Agent:学什么、做什么、跳过什么

本文探讨了在快速迭代的AI Agent领域中,如何辨别技术的持久价值与暂时噪音。作者提出了过滤新技术的五个维度,强调了“上下文工程”和“工具设计”作为核心原语的重要性。文章主张关注那些能经受时间考验的基础模式,而非追逐每周的新框架,并指出真正的专业技能在于知道该忽略什么。

技术Agent ✍ Rohit🕐 2026-05-01

2026年AI Agent横评:水星与爱马仕的抉择

文章针对2026年AI Agent红海现状,对比了OpenClaw、Hermes(爱马仕)和Mercury(水星)三款工具。指出OpenClaw成本高易出Bug,Hermes适合进阶玩家追求自我进化,而Mercury(水星)因其安全可控、成本低廉及稳定性,被推荐为普通人的最优解。文章详细分析了选型逻辑并提供了Mercury的安装指南。

技术Agent ✍ 弘毅新征程🕐 2026-04-29

GLM-5.1、Qwen 3.6 Max 与 Kimi 2.6 国产大模型横向评测与选型指南

文章对 2026 年上半年三款国产旗舰大模型(智谱 GLM-5.1、阿里 Qwen 3.6 Max、月之暗面 Kimi 2.6)进行了深度横向对比。分析涵盖核心技术参数、能力评测及商业定价,指出各模型分别在自主编程、通用全能与长文本协作领域的优势,并针对不同业务场景提供了具体的技术选型建议。

技术LLM ✍ yishan🕐 2026-04-22

OpenClaw 和 Hermes,到底该选哪个?

文章深度对比了 OpenClaw 和 Hermes 两款 AI Agent 框架的区别。OpenClaw 类似于实习生,需手动配置但连接性强(微信、飞书等),适合企业多平台管理;Hermes 则像会成长的助理,具备记忆与自学习能力,随使用越来越懂用户习惯,更适合个人及重复性任务。文章建议个人及新手首选 Hermes,企业 IT 架构选 OpenClaw。

技术Agent ✍ 来一下🕐 2026-04-17

三省六部幻觉:为何虚拟公司式多Agent架构在工程上不成立

文章批判了将多个AI Agent拟人化为“产品经理”、“工程师”等角色进行流水线协作的“三省六部”架构。作者指出该模式忽视了LLM无专业壁垒的特性,导致推理过程在传递中衰减。通过对比Anthropic、OpenAI和Google的工程实践,文章提出真正的多Agent架构应依赖显式状态文件、并行搜索而非线性分工,并强调保持推理链连续性比角色扮演更重要。

技术Agent ✍ SagaSu🕐 2026-04-14

Vibe Coding 2.0:成为顶尖 1% 开发者的 18 条规则

文章旨在纠正开发者在构建 MVP 时的常见错误,强调“直觉式编程”的核心在于选择不做某些事情。作者基于交付 50 多个 MVP 的经验,列举了 18 条节省时间的实用规则,涵盖技术选型与避坑指南,如使用 Clerk、Tailwind、tRPC 等成熟工具,避免从零构建认证、支付及原始 CSS。核心思想是善用生态、快速迭代,将精力集中在产品的核心价值上,而非重复造轮子。

技术工具与效率 ✍ Harshil Tomar🕐 2026-02-24