智能体的今生与来世：从 ReAct 到自我进化
BLUF
本文系统梳理了AI Agent从ReAct论文到自我进化Agent的六个演进阶段，对比了OpenAI、Anthropic、Google、微软及开源阵营的路线，并详解了MCP、A2A、Function Call等关键技术。核心观点是AI Agent正从'执行者'变为'系统组件'，行业在工具调用标准上已经收敛，但在Agent间通信和自主权边界上仍在竞争。AI大模型2026/8/8
分类：AI大模型
AI大模型专栏涵盖从GPT、DeepSeek到gemini、Agentic智能体的全方位研究。深度解析RAG架构优化、KV缓存内存瓶颈解决、JSON结构化数据提取及提示工程实践（如Prompt Refiner）。本专栏还关注软件工程师转型AI研发的实用路径及AI安全风险评估，为开发者提供从基础理论到生产级系统构建的完整知识体系。
共 548 篇
出版商认为谷歌AI摘要吸走了搜索流量，颠覆了收入模式
BLUF
据《华尔街日报》7月22日消息，Reddit、USA Today、Politico、路透等出版商因谷歌AI搜索功能导致网站流量大幅下滑，正重新评估与谷歌的合作，甚至考虑切断谷歌爬虫访问。出版商认为谷歌AI摘要吸走了搜索流量，颠覆了收入模式；谷歌则回应称AI功能每周向全网输送数十亿次点击，并提供网站所有者控制工具。AI大模型2026/8/8
Schema标记入门：数据库对象逻辑容器详解
BLUF
Schema 是数据库对象的逻辑容器，相当于文件系统的文件夹。不同数据库对 Schema 的定义不同：MySQL 中 Schema 等同于数据库，PostgreSQL 中 Schema 是数据库下的子容器，Oracle 中 Schema 与用户绑定。当表不在默认 Schema 中时，需要在 SQL 中显式指定 Schema 名称，否则会报错找不到表。AI大模型2026/8/8
LLM引用：技术原理与实战详解
BLUF
本文系统梳理了多模态大语言模型（MLLM）、大型多模态模型（LMM）、视觉语言模型（VLM）和大语言模型（LLM）的定义、核心架构与应用场景，帮助开发者快速理解这些AI术语的区别与联系。AI大模型2026/8/8
大模型应用：技术原理与实战详解
BLUF
本文系统介绍大模型应用架构的六个核心层次：数据层与预处理层、知识与模型中台层、模型层与训练优化层、应用层及技术支撑层。文章详细解析了各层的功能、关键技术以及实际应用案例，帮助读者全面理解大模型如何从数据接入到场景落地。AI大模型2026/8/7
适合有Python基础、对RAG感兴趣的开发者系统学习并构建生产级智能问答系
BLUF
这是一个面向大模型应用开发者的RAG技术全栈开源教程，体系化涵盖基础理论、数据准备、索引构建、检索优化、生成评估及项目实战，支持多模态检索，并提供在线阅读资源。适合有Python基础、对RAG感兴趣的开发者系统学习并构建生产级智能问答系统。AI大模型2026/8/7
从零搭建本地知识库：LangChain+Ollama混合检索实战
BLUF
本文手把手带你搭建一个本地个人知识库问答系统，基于LangChain和Ollama实现混合检索（BM25+向量检索+RRF融合），涵盖环境配置、代码拆解和原理讲解，让你深入理解RAG的完整工作流程。AI大模型2026/8/7
16种RAG实现方案：从Naive RAG到Agentic RAG
BLUF
本文系统梳理了RAG（检索增强生成）技术的16种主流实现方案，从最基础的Naive RAG到先进的Agentic RAG，详细讲解了每种方案的原理、适用场景和优缺点，帮助开发者在实际AI应用中更好地选择和使用RAG技术。AI大模型2026/8/7
Schema.org标记实战：让AI搜索精准引用你的内容
BLUF
本文是一篇面向中国技术人员的GEO入门教程，详细解释了Schema标记是什么、为什么它对AI搜索至关重要，并给出了Article、FAQPage、HowTo、Person四种Schema的JSON-LD代码模板。同时介绍了在WordPress中通过插件或手动添加Schema的方法，以及如何用官方工具验证代码。适合希望提升内容在AI工具中引用率的网站运营者。AI大模型2026/8/7
GEO与SEO是两套体系，关键词排名不等于AI引用
BLUF
GEO与SEO是两套体系，关键词排名不等于AI引用。落地需解决内容纠错、抓取引用、占据C位三个问题。目前GEO无标准化数据后台，效果需每周用品牌词在AI平台提问监测。AI大模型2026/8/7
RAG优化：技术原理与实战详解
BLUF
RAG优化是数据、切分、索引、召回、重排、上下文、生成、评估的系统工程，单纯调Embedding或Top-K往往无效。本文从文档解析、Metadata、Chunk策略、混合检索、Query改写、重排、上下文压缩到评估闭环，逐一拆解优化方法，并强调先做数据治理、依托回放评估，避免只凭主观体验调参。AI大模型2026/8/6
RAG系统10种优化方法：从语义分块到重排序
BLUF
本文系统梳理了RAG（检索增强生成）系统的10种优化方法，涵盖语义分块、检索增强、查询转换、重排序、上下文压缩等关键环节。每种方法都给出了核心Python代码和优缺点分析，适合技术开发者在实际项目中按需选择与落地。AI大模型2026/8/6