📚 Wiki 知识库

🏷️ Slack

8 篇

How we built our knowledge base

Cerebras 分享了构建其内部知识库的经验。该知识库每天处理超过 15,000 个问题,集成了 Slack、GitHub 等多种数据源。文章详细介绍了如何通过 Postgres 存储 embeddings,并采用混合搜索策略(全文搜索、向量搜索、IDF 加权、时间衰减)来高效检索非结构化对话数据,解决了信息分散和匹配精度的问题。

技术DevOps ✍ Cerebras🕐 2026-07-18

How we built our knowledge base

Cerebras 分享了如何构建内部知识库,该系统每天处理超过 15,000 个查询。文章介绍了其数据采集架构,特别是如何通过混合搜索技术(全文搜索、Embedding 搜索、IDF 和时间衰减)来处理非结构化的 Slack 对话,以提高信息检索的准确性和实时性。

技术后端 ✍ Cerebras🕐 2026-07-17

从0到5万美元月收入:如何构建AI驱动的代理机构

本文详细阐述了在2026年利用AI技术(Claude Code, Codex, Openclaw等)构建单人代理机构的新模式。文章对比了2024年与2026年的人力成本差异,提出了以Slack为操作系统的“工具堆栈”取代传统雇佣关系的策略。内容涵盖从0到5万美元月收入的6个阶段,包括细分市场选择、人机分工比例(60% AI/40% 人类)、Slack工作流架构以及冷启动开发策略,强调系统搭建能力是新的瓶颈。

技术Agent ✍ Machina🕐 2026-05-06

Meet Scout: 开源的企业级上下文代理

本文介绍了 Scout,一个开源的企业级“上下文代理”(Company Brain)。针对现有方案将所有数据存入向量数据库导致索引过时的问题,Scout 提出了“导航优于搜索”的理念,通过 Context Providers 连接 Slack、Google Drive 等实时数据源,像操作文件系统一样导航信息。它还能动态构建 Wiki 和 CRM,并通过持续学习形成闭环。

技术Agent ✍ Ashpreet Bedi🕐 2026-04-29

从牛马AI洞察2026年企业智能体市场

本文基于“牛马AI”的开发经验,展望了2026年企业智能体(Agent)的市场形态。作者指出,未来的Agent产品将类似Slack/飞书的聚合聊天界面,核心挑战在于人机协作的切换与记忆分层。文章预测C端Agent的终局将是“AI众包分发平台”,用户通过消耗Token产生经济价值,未来的商业模式将演变为算力众筹与按贡献分红的体系。

技术Agent ✍ Yangyi🕐 2026-04-05