Archive · 文章索引
全部文章
从 GEO 方法论到 AI 搜索实战,按发布时间收录站内全部已发布文章。
网站主动告诉AI能做什么:WebMCP把操作网页的主动权交还给了谁
WebMCP是W3C孵化中的浏览器标准提案,允许网页把自身功能注册成结构化工具,供浏览器内AI代理直接调用。本文从MCP背景讲起,对比两者区别,介绍浏览器兼容性现状、Origin Trial申请流程和两种开发方式,并分享博客已上线的15个WebMCP工具实现。

把 MCP 搬进浏览器:用 WebMCP 让大模型直接调用你的网页功能
这篇文章教你用 WebMCP 在网页里注册工具、提示和资源,让大模型能直接调用你的网站功能。核心就是三个 API:registerTool、registerPrompt 和 registerResource,分别对应让 AI 执行操作、复用提示模板和读取页面数据。

24个RAG框架横评:从RAGFlow到微软GraphRAG,该选哪个
这篇文章汇总了24个RAG框架,包括17个传统RAG框架和7个GraphRAG框架,每个都附带了GitHub地址。传统RAG框架涵盖文本切块、向量化、检索、重排序等环节,GraphRAG则通过引入知识图谱增强检索。文章还讨论了AI Agent的就业前景和大模型学习路径。

AI 只引 3-5 个来源:CITE 框架拆解 GEO 的窄门竞争
生成式引擎优化(GEO)是让AI搜索平台在答案中引用你品牌的新方法,与传统SEO不同,它竞争的是AI回复中仅有的3-5个引用位置。本文提出CITE框架(内容权威性、信息结构、技术可访问性、实体构建),并给出12项具体策略、各平台优化要点、效果衡量指标和20点检查清单,帮助技术团队系统提升AI引用率。

从智能客服的 if-else 困境,看懂大模型到底强在哪
这篇文章用智能客服的例子,讲清楚了传统编程和NLP的局限,以及大模型为什么能真正理解语言。还解释了大模型的定义、参数量的意义,以及不同规模模型的能力差异,适合想系统了解LLM基础的开发者。

Rust 跑 Gemma 4:速度减半,内存却省下一半
本文手把手教你如何在单个TPU v5e芯片上,用Rust编写模型并借助TorchTPU执行全部运算来运行Gemma 4 E2B。Rust版本生成的token与编译后的Python完全一致,流式速度约为Python的一半,但峰值内存不到其一半。整个过程无需JAX,Python仅负责托管后端和启动引擎。

电商 Schema 标记实战:5 类必备类型与主流 CMS 部署对比
本文系统讲解Schema.org结构化数据标记的实施方法,涵盖富媒体摘要、知识图谱和语音搜索的优化价值,提供电商必备的5大Schema类型JSON-LD代码模板,并对比Shopify、WordPress、Magento等主流CMS平台的实施方案,最后给出验证工具与错误排查清单。

把 AI 运维塞进真实工作流:多智能体 Kubernetes 故障诊断原型实测
本文介绍了一个自主SRE指挥中心原型,它结合Gemini 4 Argon、Google ADK、Neo4j和MCP,通过多智能体协作实现Kubernetes故障的自动诊断与修复。系统包含8种混沌工程场景,强调人在回路和零信任安全,能将45分钟的故障排查压缩至30秒。

24GB 显存单用户只快 1.2 倍:L4 跑 Gemma 4 的真实并发收益
本文详细测试了在 AWS EC2 G6 实例的 NVIDIA L4 显卡上使用 llama.cpp 部署 Gemma 4 E2B 和 E4B 量化模型的表现,并与本地 8GB RTX 3050 和 4GB GTX 1650 Ti 进行对比。结果显示,单用户场景下 L4 仅比 3050 快 1.2-1.3 倍,但在高并发(64 请求)时可达 1.6 倍;草稿模型(drafter)能显著提升生成速度,且在不同显卡上最佳草稿长度不同。

