跳到正文

#RAG/知识库

今日 0 条
11月14日周六
  1. 人人都是产品经理23

    WorkBuddy 推出双11积分促销,11.11元购300积分、首开会员有加赠

    WorkBuddy 于 11 月 9 日至 15 日推出双11活动,提供会员积分加赠、限时积分包和抽奖。活动期 11.11 元购 300 积分每账号限购一次,50 元购 1111 积分单笔最多 99 个;首开标准版、高级版、旗舰版分别加赠 200、400、600 积分,Buddy One VIP 首月额外得 1111 积分。

    决策要点

    Agent 办公产品加入双11大促并按用量卖积分,AI 办公付费正从买功能转向买额度,用户开始把任务额度当作可囤积的生产资料。

    • 影响订阅与积分并行让轻度用户可按临时任务采购、重度用户囤额度摊薄成本;但积分是预付额度,消耗量与实际省下的时间并不挂钩,采购前应按真实任务折算单位产出;文中能力均为个人口径,选型前需自行验证。
    • 参考可考虑挑一个固定任务(如会议复盘或跨文档整理)实测单次积分消耗,再折算是否值得囤额度;值得把积分包与会员加赠分别算单价,避免为凑活动超额采购。
11月13日周五
  1. OpenRouter:Blog(Announcements)51

    OpenRouter 实测,如何用重排序模型修复 RAG 检索不准

    OpenRouter 发布 RAG 重排序教程,自建 274 题基准实测显示,向量检索取前 30 候选再用 voyageai/rerank-3-lite 重排,正确片段排第一的比例从 81% 升至 97%,重排序成本约 $0.10 每 1,000 次查询。

    决策要点

    RAG 应用答错的根因常在检索排序而非生成环节,在向量检索后加重排序是低成本、可用 precision@1 量化验证的修复路径。

    • 影响答不上来的案例多数是正确片段没进前三,模型只能回复不知道;便宜 embedding 加重排序的组合在测试中比单独用更贵的 embedding 更准且更省;LLM 重排序延迟约 4 秒,交互式场景需权衡。
    • 参考可考虑从应用日志抽 50 条真实问题并标注正确片段,先算出现有 precision@1 基线;值得在自建评测集上对比 voyageai/rerank-3-lite 与 rerank-3,候选数从 30 起按结果调整;同时核对所选模型的上下文长度限制。
11月12日周四
  1. 36氪·AI59

    WorkBuddy、Codex把AI竞争推向任务交付,可靠性成为硬门槛

    亿欧智库发文认为,大模型应用正从回答问题转向交付任务成果,腾讯 WorkBuddy 与 OpenAI Codex 把执行能力带进真实工作环境,可靠执行成为落地门槛。

    决策要点

    AI 应用的竞争焦点正从回答质量转向可验收的任务交付,产品评价标准随之从单次演示效果移向稳定执行。

    • 影响选型依据需要从演示转向重复执行表现和可验收成果;任务变长后人工审核、状态恢复和运行环境会成为流程设计的一部分;只比较模型回答质量会漏掉交付能力的差异。
    • 参考可考虑在试点中记录重复运行成功率、失败恢复情况和总成本再决定扩围;值得盘点现有流程中已有明确规则的步骤,把程序控制和模型判断分开安排。
  2. 量子位34

    让AI真正懂业务:中兴通讯璇玑如何成为企业AI的语义基础设施

    中兴通讯介绍其璇玑系统,以本体语义组织企业知识并映射到数据资源,定位为企业AI基础设施中的本体语义软件平台。平台支持从自然语言问数到指标计算和规则推理的完整链路,提供质量门禁、版本比对与历史回滚等治理机制,并已通过中国信通院《本体建模能力要求》测试,覆盖五大能力域和20个能力项。本文由中兴通讯提供,量子位获授权转载。

    决策要点

    中兴通讯璇玑以本体语义连接业务语言与数据,把企业AI的落地关键从模型能力延伸到知识组织与治理。

    • 影响指标口径不清、语义分散的企业,问数和智能分析难以稳定落地;引入语义层需要持续的建模、验证和维护投入,并非一次性交付;信通院标准测试为选型和验收提供了统一尺度。
    • 参考可考虑先盘点企业内部指标口径和业务对象的分散程度,估算重复开发知识接口的成本;选型时可参照信通院本体建模测试的能力域框架设定验收标准。
  3. 人人都是产品经理54

    腾讯发布Buddy One,用统一ID打通会议、文档、ima和网盘的AI上下文

    腾讯发布跨应用AI协同体系Buddy One,用免费的统一身份Buddy One ID打通腾讯会议、腾讯文档、ima和腾讯网盘的上下文。关联后一次提问即可跨应用检索,生成带来源引用的回答;WorkBuddy积分默认升级为Buddy One通用积分,多端共用同一积分池。

    决策要点

    腾讯用一个免费统一身份把会议、文档与知识库的上下文收拢到同一入口,办公AI竞争从单应用助手转向跨应用整合。

    • 影响已在用两款以上腾讯办公工具的团队,迁到统一入口的额外成本很低;一处授权即让会议记录、文档、知识库互相可见,数据可见范围与权限边界要重新评估;统一积分池让多端AI支出更透明,会员打包可能比分开订阅更省。
    • 参考可考虑先盘点团队在腾讯会议、腾讯文档、ima、网盘的使用占比和现有会员支出,再对比700元/月的打包价;值得先用个人账号免费试用跨应用检索,看来源引用是否足够可信再决定是否团队推广。
  4. 人人都是产品经理63

    面向 Agent 的知识库检索怎么做:SAG-Wiki 项目拆解

    作者拆解开源项目 SAG-Wiki,展示面向 Agent 的知识库检索方案:不建向量库、不用 Embedding,用 SQLite 全文索引加 BM25 召回,候选交给 TypeSafe 2026 年 9 月发布的判断模型 Jev 逐段打分,再从高分片段提词做扩展检索,默认共 2 轮、每轮取前 50 条候选,最终返回带路径、行号和哈希的原文片段。

    决策要点

    面向 Agent 检索的实质是把质量判断从离线预处理挪进在线循环,逐段打分换来了证据可控,但 RAG 资料预处理的老功夫并没有被绕开。

    • 影响知识库建设多了一条不依赖向量库和 Embedding 的低成本路径;判断模型定价低、延迟小,适合放进检索循环反复调用;但资料清洗与分段调参的人力成本不随检索方法变化,用户与资料用词不一致时首轮召回仍会漏。
    • 参考可考虑盘点内部知识库中专有名词、编号、报错信息占比高的场景,词项检索在这类语料见效快;值得先算清现有资料清洗与分段的人力投入,再拿 SAG-Wiki 与现有向量方案做小范围对照试点。
11月9日周一
  1. 36氪·AI61

    Anthropic 公开 Claude 做梦机制,AI 睡一觉学会通关宝可梦

    Anthropic 公开 Claude 的做梦(Dreaming)记忆机制,让模型在会话空闲时用后台算力复核经历、纠正错误记忆,把零散信息整理成可跨会话复用的知识。

    决策要点

    Anthropic 的做梦机制把 Agent 长期记忆变成需要持续投入算力维护的资产,Agent 落地瓶颈正从推理能力转向记忆管理与维护成本。

    • 影响对长任务与跨文档场景,离线记忆整理能带来明显得分提升和约 2 万 Token 的单题节省;但整理本身消耗算力,知识库越复杂维护越重;并发编辑丢数据与摘要膨胀提示需要配套的数据治理预案。
    • 参考可考虑让试点 Agent 把记忆拆成原始日志、要点笔记和索引三层,把整理放到空闲时段批量执行;值得给共享知识库设体积上限和并发写规则,先算出整理耗时与 Token 节省这笔账再定投入。
  2. 人人都是产品经理60

    天猫技术团队谈AI Native团队:串联者从人换成Agent,难在知识底座

    淘天集团天猫技术团队作者书牧发文提出,AI提效单点见效而全局低效的根源是协同缺失,主张把生产流程的串联者从人换成Agent,构建知识底座、Agent、人三层协同的AI Native团队形态,人定目标做判断,Agent承担传递、判断与衔接。

    决策要点

    这篇文章的实质是把AI提效的重心从单点工具转向生产关系重构,真正的分水岭不在工具选型,而在各业务能否建起自己的知识底座。

    • 影响只叠加单点AI工具而不动流程,端到端收益有限且协同成本仍由人扛;知识底座不可跨业务复制,存量业务梳理隐性知识投入大;文中警示无历史包袱的竞争者可能以同形态跑出数倍效能。
    • 参考可考虑先盘点现有AI项目属于单点提效还是流程串联,再选一个小业务单元试点梳理规则与流程知识并设计自动保鲜机制;协同工具选型上可先评估内部已有方案能否复用,避免各团队自建重复。
  3. 人人都是产品经理62

    Anthropic 公开 Claude 内部记忆架构设计

    Anthropic 公开 Claude 跨会话记忆架构,分为原始记录、记忆笔记、Wiki、注入上下文四层,由 Dreaming 过程回查原始记录、修正笔记并压缩出顶层注入索引。

    决策要点

    Agent 记忆的实质是带生命周期的缓存工程,价值在证据校验和分层压缩,而不是把更多事实存下来。

    • 影响构建跨会话 Agent 或企业知识库时,记忆质量直接影响任务收益;无节制增长的记忆会挤占检索与执行预算;错误记忆还会被后续会话反复继承,放大返工成本。
    • 参考可考虑把自家记忆模块拆成原始记录、在线笔记、离线整理、注入索引四组件,并为记忆设预算和垃圾回收;值得支持从笔记回溯原始记录,再用评测任务验证修正是否有效。
  4. 人人都是产品经理68

    腾讯云 ADP 产品分析:企业级智能体平台从搭 Agent 转向管 Agent

    分析认为腾讯云 ADP 的战略重心已从帮企业搭 Agent 转向帮企业管 Agent,以 AgentOps 串联构建、评测、治理与优化。按 IDC 口径,2025 年中国智能体开发平台市场约 20 亿元,ADP 私有化市场第二、公有云第三,在传媒与医疗及生命科学子市场份额居首。

    决策要点

    企业级智能体平台的竞争正从模型能力转向治理与交付能力,ADP 的案例说明护城河在场景包与交付资产,而非模型本身。

    • 影响企业选型智能体平台时,治理、权限与交付能力比模型参数更值得关注;私有化部署是当前付费主战场,文中称私有化市场约为公有云的七倍;落地仍以项目制交付为主,中小客户面临价格不透明与自助门槛偏高的成本。
    • 参考选型时可考虑把权限审计、评测与可观测性列入验收清单;试点宜选客服这类流程固定场景,先核对自身数据与系统的就绪度;预算测算前值得要求厂商给出 PU 消耗估算与按量计费的价格对比。
11月7日周六
  1. 人人都是产品经理60

    腾讯发布Buddy One,把WorkBuddy等五个办公App连成AI协同体系

    腾讯发布跨应用AI协同体系Buddy One,把WorkBuddy、腾讯会议、腾讯文档、ima和腾讯网盘五个办公产品连成一体。免费层统一账号并开放跨产品检索,付费VIP打包WorkBuddy旗舰版等三大会员、通用积分池和1TB共享存储,绑定约一分钟。作者实测关闭连接器后WorkBuddy仍能搜到会议纪要和文档并标注来源,文中将这一打包思路与X订阅、谷歌AI Pro、微软365 Premium并列。

    决策要点

    腾讯把五个办公产品的账号、积分和知识检索捆成一个体系,AI订阅从单点工具走向打包工作流,比拼的是谁家AI看得到更多资料。

    • 影响同时付费腾讯多个AI办公工具的团队可重算订阅账单,可能省钱并少记续费日;跨应用检索降低了让AI用上散落文档的门槛;数据和知识进一步集中进单一生态,锁定与数据边界需要权衡。
    • 参考可考虑先盘点公司里在用的腾讯系AI订阅和各自续费日,算清合并成VIP是否划算;已有WorkBuddy旗舰版的团队可先0元升级,再选一个知识库检索场景小范围试用。
  2. IT之家·人工智能54

    Anthropic 研究:Claude 智能体靠做梦整理记忆提升长周期任务表现

    Anthropic 于 11 月 6 日发布研究《The components of agent memory》,提出让 Claude 智能体在空闲时间做梦(dreaming)整理记忆的机制,把记忆分为会话日志、记忆笔记、知识表征和注入上下文四层。

    决策要点

    智能体记忆的核心从保存记录转向主动整理与纠错,记忆质量直接决定长周期任务的成败。

    • 影响长期运行的智能体任务表现会受记忆架构影响;未经纠错的记忆错误会在会话间累积,导致任务反复失败;官方基准数字可作为企业评估智能体知识库方案的参照。
    • 参考可考虑在客服或内部知识问答场景试点记忆笔记加定期整理的做法,并对比纠错前后的完成率;选型时值得要求厂商说明记忆如何筛选与纠错。
11月6日周五
  1. 人人都是产品经理45

    Agent 运作像开厨房,从点单到出菜

    这篇文章把 Agent 比作一间餐厅后厨,用接单、查料、计划、动手、检查、出菜、复盘的流程拆解 Prompt、RAG、Function Calling、MCP、Skill 等概念。文章强调模型只负责理解和建议,系统负责检索、授权、执行、审计,人负责关键确认,评测要从结果、过程、安全、成本四个维度分层进行。

    决策要点

    Agent 能否稳定干活,关键不在模型多聪明,而在把知道、决定、执行、负责四件事分开的机制与权限设计。

    • 影响把它当万能员工整体放权,会放大越权操作和数据误用的风险;下单、转账、改配置这类写操作要保留人工确认环节;上线前的单次测试不够,效果要靠分层评测和持续迭代来保障。
    • 参考可考虑按文中框架盘点自家场景的权限清单,标出哪些步骤需要人工确认和二次校验;评测指标值得从结果、过程、安全、成本四层分别设定,并留存工具调用与错误码记录。
  2. 人人都是产品经理61

    智跃深空开源 SAG2,本地知识库建库从 4.57 小时降到 2.36 秒

    广州智跃深空开源 SAG2(https://github.com/Zleap-AI/SAG),建库阶段不调大模型、不做 Embedding、不需要向量数据库和 GPU,改用 BM25 关键词索引配合 JEV 判断模型在查询时串联多跳线索。

    决策要点

    知识库建库路线从入库重处理转向查询时计算,若官方数据属实,预处理和 token 成本可压到极低。

    • 影响知识库搭建与维护的人力成本结构改变,文件改动自动增量更新,省去重复切块向量化;数据留在本地桌面端,敏感文档接入 AI 问答的顾虑减小;若准确度经复核,客服问答、研报与代码检索等场景可低成本试点。
    • 参考可考虑选一个文档更新频繁的内部知识库,在 Mac 上用 SAG Wiki 实测建库耗时与答准率,和现有 RAG 方案对比;值得把官方论文指标当作参考值,先用自己的真实问答集小规模跑通,再决定是否替换存量方案。
  3. 人人都是产品经理63

    阿里千问AI平台分享本体驱动AI数据研发实践,AI代码行占比升至八成以上

    千问AI平台团队发文介绍本体驱动AI数据研发的方法,称AI写SQL的痛点不在语法而在选表、字段与指标口径,根因是业务知识散落在生产代码与个人经验中。其做法是把隐性规则从生产代码自动抽取为结构化三元组本体,经指纹比对、回溯SQL、格式检查三道校验防模型幻觉,再通过按需召回供给证据而非硬规则,并以研发diff、评测集、使用日志三条链路持续回注更新。

    决策要点

    AI写SQL的瓶颈被定位为业务知识供给而非模型能力,解法是把散落在生产代码里的隐性口径变成机器可校验的结构化资产。

    • 影响无报错的错误数据会绕过常规测试直接流进看板,口径风险比语法错误更隐蔽;口径沉淀为可校验资产后,知识维护从人工整理转向机器抽取加少量把关;研发角色相应从写代码转向定义与把关规则。
    • 参考可考虑先盘点指标口径散落在历史代码与个人经验的程度,选一张高价值核心表试点自动抽取加人工校验,再用绑定已上线SQL的评测集量化引入前后的差异。
11月5日周四
  1. TechCrunch · AI41

    Box 基于 Nvidia Nemotron 嵌入模型推出面向智能体的内容检索系统

    Box 在开发者大会发布 Box Content Retrieval,把 Nvidia Nemotron 嵌入模型接入产品核心,让智能体检索企业内容更快、更准、更省。Nvidia 副总裁 Kari Briski 称查询预计快 4 倍、错误减少 20%、token 用量减少 90%(官方口径,暂无独立验证);功能面向所有 Box Enterprise Advance 客户,明年初推出。

    决策要点

    嵌入向量语义检索正成为企业智能体的基础设施,Box 用自家元数据与权限控制叠加开源嵌入模型,形成难以从零复制的组合。

    • 影响对要在内部文档上部署智能体的企业,检索错误率和 token 开销是直接成本项,嵌入检索正好对应这两处;内容平台选型时检索与权限绑定的深度影响更换成本,迁移难度会随使用加深。
    • 参考可考虑先算出当前文档智能体的查询错误率与 token 开销作基线,再对照嵌入检索的收益估算;已在 Box 上的团队值得核对 Enterprise Advance 档位范围与明年初的上线节奏。
  2. 36氪·AI50

    Harness 已经很准了,RAGFlow 为什么还要做 Agent Native 数据库

    RAGFlow 发布首个 1.0 正式版,用 Go 重写此前的 Python 版本,定位从端到端 RAG 引擎升级为 Agent Native 数据库,即可被 Agent Harness 直接调用的上下文供给层。

    决策要点

    检索的竞争焦点正从设计更强的召回算法转向编排框架与上下文供给的分层,RAG 未被取代,而是被拆成负责找到的 Harness 和负责省着用的知识编译两层。

    • 影响企业知识库选型需要新增评估维度,除召回质量外还包括与 Agent 框架的编排集成、引用可追溯性和 Token 成本;BM25 加 Grep 这类简单组合可能已是可用基线,GraphRAG 等复杂方案的成本收益需要重新测算;文中 Token 压缩数字多为厂商口径,引入前需按自有语料验证。
    • 参考可考虑先在自有语料上测试 Grep 或 BM25 加简单编排的基线效果,再决定是否引入复杂检索架构;值得把 Token 消耗、引用编号机制和索引编译成本列入选型清单,并评估 RAGFlow 1.0 这类 Go 技术栈开源方案的迁移与维护成本。
  3. 人人都是产品经理58

    Agent记忆系统的设计实践:一张表、一个索引、三套淘汰策略

    Agent记忆系统可以用一张PGSQL表加一条HNSW索引落地,工作、情节、语义三类记忆靠memory_type字段区分,共用同一套embedding空间。写入需经sha256去重、重要度打分和TTL三步,默认7天过期、重要度高于0.7延至30天、语义记忆90天;召回走时间序加向量检索双通道,按token预算截断,系统提示需先占预算。

    决策要点

    在模型推理能力逐渐趋同的背景下,Agent产品的竞争焦点正转向记忆系统,其落地已有可复制的工程范式。

    • 影响记忆系统缺失会推高token成本,文中案例一个简单问题也消耗几十万token;跨会话记忆能力决定产品体验的分界;向量索引维护不当会带来难以定位的查询延迟衰退。
    • 参考可考虑用文中psycopg2加pgvector的最小实现先跑通写入和召回,再按业务调整打分规则与TTL;值得先统计自家Agent单次会话的token消耗;并把embedding换模型加列双写、user_id隔离纳入上线检查清单。
11月4日周三
  1. 钛媒体59

    AI记忆存储费低至每万条每小时0.015元,厂商竞争重心转向经验复用

    AI跨对话记忆成为厂商争夺的新生意,阿里云PolarDB Agent Memory标准版定价每万条记忆每小时0.015元,1万条保存30天合计10.8元,模型调用另计。

    决策要点

    记忆的保存单价已低到可忽略,厂商竞争的实质是把用户积累转化为可更新、可复用的工作经验,比拼记忆管理能力而非存储。

    • 影响存储几乎免费之后,真实成本落在检索、更新和漏掉条件导致的补问返工上;Claude已支持记忆导入导出,单靠保存偏好难以构成平台锁定;企业有机会把经验留在自控系统,再按任务挑选模型。
    • 参考可考虑用从交接到完成的总耗时与总费用评估记忆功能,而不只看Token节省;值得盘点企业已有的偏好与规则沉淀,试用平台内置记忆时检查其更新、纠错和权限控制是否够用。
  2. 人人都是产品经理57

    AI 写代码总失忆,如何给智能体装上项目大脑

    成熟团队把 PRD 喂给 AI 编程仍会失忆,根因是 PRD 只写做什么、不写为何否决,决策散落在评审会、群聊和 PR 评论里。

    决策要点

    AI 编程的瓶颈正从写代码速度转向决策记忆的留存,选哪套记忆方案本质是团队治理问题而非纯工具问题。

    • 影响上下文不同步会让错误方案以机器速度复制,返工集中爆发在联调和评审阶段;记忆数据默认上云可能形成新的厂商锁定;研发数据不出内网的团队需要可审计的本地方案。
    • 参考可考虑先在仓库根目录落地 CLAUDE.md 或 AGENTS.md 并随代码一起评审;多人协同团队值得盘点散落在评审会和群聊里的决策记录,再试用结构化记忆工具并提前定好审批与留痕规则。
  3. 量子位39

    openJiuwen AgentMemory 上线 OmniMem-Lens,让智能体按真实事件记忆长视频

    openJiuwen AgentMemory 在 0.2.0 版本上线多模态记忆能力 OmniMem-Lens,通过视觉和听觉双轨迹按真实事件边界切分长视频记忆。

    决策要点

    把长视频记忆的切分从固定时间窗口改为按真实事件边界,指向的是Agent视频问答中幻觉与检索不准的源头问题。

    • 影响对监控录像、会议录制、客服视频等有长视频资产的企业,Agent问答的精度和时延瓶颈多了一条开源解决路径;记忆单元文本化向量化,与既有RAG技术栈整合改造成本低;精度数据为官方自测,选型前需按自身场景复测。
    • 参考可考虑选一段自家跨事件、跨议题的长视频做对比实测,重点验证因果类提问的准确率;评估时先算离线建记忆的算力与时间开销,再决定是否替换现有切分方案。
  4. 人人都是产品经理58

    RAG 项目从 0 到 1 踩坑:多数团队卡在检索质量,附可复用的评估清单与分层 Prompt 库

    作者结合近半年十多个 RAG 项目经验,认为多数团队从 Demo 到真实业务不稳定的根源在检索质量而非模型。文章梳理文档治理、分片、Query 改写、重排等 7 个高频坑点,给出 10 分制检索评估清单,建议抽样不少于 50 条问句、负向与歧义 case 各占比不低于 20%。

    决策要点

    RAG 项目不稳定的瓶颈多在检索链路的工程治理而非模型能力,先建评估标准再迭代比调参换模型更对症。

    • 影响企业知识库问答的上线成败取决于检索链路治理,合规与制度类场景只做向量检索等于埋雷;验收缺标准会让效果靠感觉,知识库膨胀后检索质量会逐渐衰减;Prompt 约束不足时模型可能编造回答,带来业务与合规风险。
    • 参考可考虑按文中标准先抽 50 条问句建检索评估集,负向与歧义各占两成;值得盘点现有知识库的文档版本治理、分片与重排环节;验收时可先跑检索打分,低于 7 分优先修检索而非调 Prompt。
11月3日周二
  1. 人人都是产品经理59

    千人研发企业私有化 Agent 架构方案推演:从研发增效到流程优化

    千人研发企业因豆包工作、千问办公、WorkBuddy 无法完整私有化并挂载私有网盘,选择以 OpenViking 为上下文核心自建 Agent 底座。架构用虚拟文件系统、L0/L1/L2 分层加载与目录级 ACL 统一管理记忆、资源与技能,并与自建权限中台映射实现检索全程鉴权,权限同步滞后的窗口内按无权限处理。

    决策要点

    办公 Agent 产品的私有化短板把有权限中台和私有网盘的企业推向自建路线,方案难点不在模型而在鉴权耦合与算力治理。

    • 影响需要把数据留在自有机房的企业面临买与建的取舍;文中估算显示自建入门算力门槛不高,5 张 L20 卡即可支撑试点;但所有数字为推导值,收益与节奏要靠试点数据说话。
    • 参考可考虑先盘点自家权限中台、私有网盘与机房的现状,判断自建前提是否齐备;值得套用文中的并发假设先算出自己的人员规模对应算力,再定首批推理卡预算;试点场景可选代码问答、知识检索这类只读任务。
11月2日周一
  1. 36氪·AI56

    从腾讯云ADP课程资料读懂企业AI落地的七个「不是而是」

    数据治理从业者通读腾讯云ADP前沿部署工程师(FDE)课程资料,梳理出企业AI落地的七个「不是而是」取舍原则。原则包括大语言模型本质是文字接龙、立项先答能不能被AI稳定处理等三问、上线前凑齐可控可测可审计等「六个可」、验收写评测集通过率与改版回归。作者结合自身项目经验认为知识库切分、版本保留、拒答配置本质是数据治理的延伸,并整理出立项三问清单、上线门禁检查表等四件可直接套用的工具。

    决策要点

    企业智能体落地的瓶颈主要不在模型能力,而在名词对齐、立项验收和知识治理这些管理动作上。

    • 影响立项时名词与技术层不对齐,预算和验收会跟着错位;演示级Agent未经治理直接进生产,答复的责任边界和操作风险由企业自己承担;验收只写上线即完成,项目会停在缺乏评测保障的状态。
    • 参考可考虑把三问清单写进AI项目立项模板,把可控、可测、可审计等六项做成上线门禁检查表;验收条款值得写明评测集通过率与改版回归记录;知识库可先按片段能否独立支撑回答做一轮盘点。
10月31日周六
  1. 36氪·AI56

    电科金仓发布KES AI数据库

    电科金仓10月30日在北京发布KES AI数据库,将语义层、向量与图生成、安全管控内置到数据库内核,企业数据不必离开数据库即可支撑AI应用。官方实测口径称,在1亿条768维向量、98%召回率条件下,其基于磁盘的索引算法峰值内存开销较业界降低95.4%、查询延迟降低80%。

    决策要点

    数据库正从存储计算工具变成企业AI的数据底座,电科金仓把语义、向量与安全收进内核,回应的是数据出库后权限审计断层的普遍难题。

    • 影响知识库和向量检索类项目多了一个库内实现选项,可能省去跨库复制与同步集成负担;权限脱敏审计留在库内,更贴合等保三级与监管留痕要求;换库仍需评估迁移与生态成本。
    • 参考可考虑拿一个数据敏感的知识检索场景做试点,用自有数据复测官方的内存与延迟数字;值得先盘点现有抽取式RAG链路在权限与审计上的缺口清单。
10月30日周五
  1. 量子位32

    联想天禧AI 4.5发布AIPC端,超能模式打通跨应用与跨端协同办公

    联想天禧AI 4.5于10月30日发布AIPC端,此前AI手机端、AI平板端已分别于10月20日、10月27日上线,至此实现多端覆盖,官方定位为职场超能搭档。全新超能模式率先打通飞书、联想浏览器、企业微信连接器并融合个人知识库,一句话即可自主拆解并跨应用执行任务;AI妙记支持会中实时转录、AI以三方视角参与脑暴,会后自动生成总结卡片入库同步,知识库问答上传文件数量扩展至20个。

    决策要点

    联想天禧AI 4.5把AI助手从问答对话推向跨应用执行与跨端任务接力,主打一句话完成复杂办公流程。

    • 影响对依赖飞书、企业微信协作的团队,PC端AI可代查会议、分任务、理待办;出差场景可用手机远程调用办公室电脑执行重度任务;知识库与会议纪要跨端沉淀的同时,也加深了对联想设备生态的绑定。
    • 参考可考虑在联想多设备办公环境试点超能模式,先选查会议、理待办这类固定流程记录耗时对比;出差频繁的岗位值得测试手机远程调用AIPC的执行链路;引入AI主机前先算云端与本地模型的Token消耗结构。
  2. 人人都是产品经理44

    情景记忆,AI 听记产品从记录工具到认知资产的跃迁

    作者杨衡提出,情景记忆(带时间、场景、主体、事件的亲历记录)是 AI 听记产品从记录工具跃迁为认知资产的核心引擎,路径为识别、抽取、关联、召回、执行五步闭环,再以知识图谱把海量记忆组织成可导航的关系网络。文章据此把市场分为纪要工具型(钉钉 AI 听记、飞书妙记等)与对话智能体型(如 YouNavi),同时承认自动抽取准确率瓶颈、记忆膨胀、隐私合规与知识图谱构建成本等边界。

    决策要点

    听记产品正在分层,转写摘要层趋于同质化低价,价值向上沉淀到跨会话的记忆层,选型逻辑应从记没记下来转向用不用得上。

    • 影响高频内部例会用现有纪要工具已够用;谈判、客户沟通等高价值对话值得为跨会话记忆能力付更高溢价;对话被结构化留存会放大敏感数据风险,采购时隐私与权限设计要一并评估。
    • 参考可考虑先按对话价值盘点现有听记工具用法,区分内部例会与客户谈判两类场景;值得把跨会话追踪、遗忘机制、隐私边界写入选型清单,再决定是否升级到对话智能体型产品。
  3. 量子位67

    国产开源模型 OXR 登顶三份文档解析榜单,1.3B 参数单卡百页解析 101 秒

    国产团队 SoMark 发布 1.3B 参数开源文档解析模型 OXR,官方成绩显示其以 97.18、87.84、87.76 登顶 OmniDocBench、olmOCR-Bench、DocParsingBench 三份榜单,单张 RTX PRO 6000 端到端解析 100 页文档耗时 101 秒。

    决策要点

    文档解析从低技术含量的前置工序变成 Agent 知识入口,自进化训练路线降低了对人工标注的依赖。

    • 影响企业把 PDF、扫描件转为结构化知识的算力门槛下降,消费级显卡即可本地部署;版面分析模块可插拔,古籍、医疗单据等特殊版面可用私有模型替换;Agent 知识入库的文档质量瓶颈有了新的解法选项。
    • 参考可考虑先用免费 API 对自有 PDF 样本跑一轮对比,统计表格、公式与跨页表格的错误率;值得评估现有解析管线合并阅读顺序环节、或替换私有版面模型的改造空间。
10月29日周四
  1. 人人都是产品经理47

    市场运营从 GEO 实战重新理解知识图谱

    一位市场运营作者结合 GEO(生成式引擎优化)实践提出,知识图谱不是静态资料库,而是品牌在 AI 世界的认知底座,核心是统一官方口径、把公司、品牌、产品、解决方案等实体及其关系结构化。

    决策要点

    知识图谱在 GEO 语境下从资料存储转为品牌的 AI 认知底座,自有渠道信息的一致性和结构化程度直接影响 AI 如何描述企业。

    • 影响企业在 AI 回答中的准确性取决于官网等自有渠道口径是否统一;错误描述需要判断来源后修正,否则会持续误导客户认知;这不是一次性工程,需随产品与市场变化持续更新。
    • 参考可考虑先从市场部视角盘点品牌名、产品、解决方案等核心实体及其关系;值得把 GEO 检测中发现的错误描述记录成优化清单,优先更新官网旧资料并统一各平台账号信息。
10月28日周三
  1. 人人都是产品经理49

    腾讯网盘实测:跳出容量竞赛,大厂押注Agent存储

    腾讯开启「腾讯网盘」内测,定位从文件仓库转为多Agent的统一记忆底座,作者实测个人版发现绑定腾讯文档、WorkBuddy后,AI助手可跨应用检索、总结文档。免费用户空间5GB,升级Buddy One会员可扩至1TB,AI任务消耗积分且免费额度有限;字节旗下火山引擎也在内测同类产品ADrive,自动沉淀豆包、TRAE及第三方Agent生成的文件。

    决策要点

    网盘竞争的焦点正从容量和下载速度转向AI数据入口,腾讯与字节都想做智能体共享的记忆底座。

    • 影响重度文档办公和需要归档AI产出的团队多了一个统一知识入口;5GB起步的空间和积分计费意味着成本要按文档量重算;仅做照片大文件备份的场景吸引力有限。
    • 参考可考虑让重度使用腾讯文档或豆包、TRAE的团队小范围试用,记录检索与归档实际节省的耗时;值得先盘点散落各对话窗口、会话关闭后难以复用的AI产出清单。
  2. 人人都是产品经理38

    搜“企业开办”都找不到,政务AI搜索该怎么做?

    政务服务平台的AI产品经理撰文分析用户搜“企业开办”却找不到事项的问题,根因是系统只认标准事项名、不认“我想开个公司”这类用户目标。文章以淘宝、京东“AI万能搜”和2026年5月千问App与淘宝互通等电商实践为参照,提出先修好传统搜索,再让AI识别意图、检索权威事项库,且不让模型直接生成办理依据。

    决策要点

    政务AI搜索的关键不在接入大模型,而在把系统从关键词匹配转向理解用户目标,并以权威事项库和业务规则约束模型的发挥空间。

    • 影响对政务及各类服务型平台,搜索入口的AI改造多了一条低风险路线,可从高频事项小范围验证;基础召回没修好就上AI会放大事项错配;考核口径需要从点击量转向办事转化。
    • 参考可考虑先盘点搜索日志中的无结果和反复改写查询,再选企业开办这类高频事项做小范围验证;值得把事项召回率、无结果率、办事转化纳入评价指标,避免只看点击量。
  3. 人人都是产品经理61

    SoMark 开源 1.3B 文档解析模型 OXR,单卡 24G 显存可本地运行

    SoMark 团队开源 1.3B 参数文档解析模型 OXR,单卡 24G 显存即可本地运行,在 OmniDocBench、olmOCR-Bench、DocParsingBench 三大基准评测中均排名第一,开源一周多 GitHub Star 破 1.7k。

    决策要点

    文档解析的可行选项从云端 API 扩展到单卡本地部署,敏感文档的知识库入口可以自建,不必再按 Token 付费。

    • 影响票据和文档密集的业务可把解析环节放进本地单卡,省去持续 Token 账单,敏感材料不必出内网;但极端褶皱、重叠印章和 45° 以上曲面仍是识别盲区;融资或年营收超 200 万美元的企业商用需谈授权。
    • 参考可考虑先盘点现有云 OCR 的调用量和账单,挑多栏报表、小票类样张用开源权重在单卡上试点;值得让法务先核一遍修改版 Apache 2.0 的商用条款再定部署范围。
  4. 人人都是产品经理47

    网易邮箱大师 Mail Agent 实测,把吃灰邮箱变成现成的知识库

    作者把 Gmail 和 163 接入网易邮箱大师的 Mail Agent 当作知识库实测,先在个性化配置里写明找不到依据就说没找到、每条结论附来源邮件。

    决策要点

    邮箱是持续自积累又长期被闲置的个人数据源,配上带出处的问答入口后,可省去知识库持续喂料的维护成本。

    • 影响存量邮件不必迁移整理即可变成可问答的资料库,个人和小团队冷启动成本很低;结论只有挂原邮件出处才可信,需靠配置约束防编造;深度检索按积分计费,高频跨邮箱查询要先算成本。
    • 参考可考虑先选周报筛选、对账这类高频场景在小邮箱上试点并记录耗时对比;值得先在个性化配置里写明找不到就说找不到、结论附来源,再盘点散落在各邮箱的正式往来。
  5. 钛媒体45

    元保入选巴伦中国价值榜单,AI接管咨询与理赔推动保险中介价值重估

    元保集团入选2026巴伦中国价值榜单“中国行业先锋30强”,该榜单关注企业在细分领域的技术应用与商业模式创新。财报显示公司2026年上半年收入27.08亿元、同比增长32.7%;公司披露其消费者全周期服务引擎拥有5100余个模型、5900余个标签,智能客服将大语言模型与保险知识库结合,覆盖售前咨询、保单查询、售后理赔等十余类场景。

    决策要点

    保险中介的竞争重心正从获客转向投保后的咨询与理赔兑现,元保的案例显示AI自动化正成为重估中介价值的主要变量。

    • 影响对保险及类似强服务行业,咨询与理赔环节正被自动化分担,理赔时效成为可量化的竞争指标;依赖人工逐项核对的服务流程会面临成本与速度差距,中介与保险公司的分工也将随之调整。
    • 参考可考虑盘点客服与理赔流程中人工逐项阅读和核对的工作量,评估用大语言模型结合知识库替代的可行性;同类中介或服务平台值得把结案时效、准确率设为运营对比指标。
10月27日周二
  1. 人人都是产品经理46

    用 Obsidian 搭建 AI 第二大脑,从收集资料到写出文章的手把手教程

    叶小钗发布 Obsidian 新手教程,核心观点是其本地 Markdown 存储对 AI 友好,任何本地 Agent 都能直接读写知识库文件,用户拥有数据主权。

    决策要点

    知识库工具的竞争点正从功能丰富转向对 AI 的开放程度,本地开放格式让 Agent 接入与迁移不再依赖厂商配合。

    • 影响企业自建知识库可借鉴本地文件加 Agent 协作的架构,减少平台锁定和迁移成本;云端笔记接入 Agent 要走官方 MCP 或 Skills 通道,可能面临额外收费或生态封闭限制;原始资料与加工知识分层存放也便于追溯验证。
    • 参考选型时可先核查在用笔记工具是否提供 Agent 访问通道及收费情况,如 Flomo 的 MCP 需 MAX 会员;值得用一个本地 Markdown 小仓库试点,让 Agent 承担整理维护后再评估是否扩大范围。
  2. 量子位52

    SoMark 团队开源 1.3B 文档解析模型 OXR,公布三项基准第一且快于 PaddleOCR、MinerU

    国内初创团队 SoMark 开源文档解析模型 OXR,主模型仅 1.3B 参数,团队公布其在 OmniDocBench、olmOCR-Bench 和 DocParsingBench 三项基准得分 97.18。

    决策要点

    文档解析开源赛道新增轻量选手,全部榜单与速度成绩来自厂商自测,实质是团队借开源为商业产品 SoMark 获客。

    • 影响批量论文入库、研报解析等场景多了一个免费可试的候选,免费 API 和 Demo 降低了试用门槛;1.3B 参数意味着更低的部署算力要求;榜单成绩出自团队自测,选型结论要以自有文档实测为准。
    • 参考可考虑先用免费 API 和在线 Demo 投入真实业务文档,对比现有方案的准确率与耗时;值得重点测表格合并单元格、多栏阅读顺序等易错场景,需要自定义结构时可评估其可插拔版面模块。
10月26日周一
  1. 量子位31

    无问芯穹与三体宇宙联合发布智子Agent 1.0

    无问芯穹与三体宇宙于10月25日在北京2026三体日·脱水浸泡嘉年华上宣布战略合作,联合发布具有智子人格的AI对话Agent智子Agent 1.0,无问芯穹以Agentic Infra体系提供智能体开发、知识与记忆管理、推理服务等全链路支撑。

    决策要点

    这场合作的实质是IP角色Agent生产从提示词工程转向系统工程,AI基础设施厂商借科幻IP展示智能体全栈交付能力。

    • 影响角色扮演类Agent的开发复杂度被封装进平台,模板、知识资源与记忆配置可复用,IP方拓展多角色的边际成本有望下降;官方给出的推理性能与成本数据若成立,长上下文高并发场景的部署成本有参考空间。
    • 参考有IP或品牌人格化需求的企业可考虑评估此类智能体平台的模板复用与API接入方式;选型前先在自有长对话与并发场景复测首Token延迟和单Token成本,并盘点可转化为智能体知识库的内容资产。
  2. 人人都是产品经理55

    DeepWiki 使用教程,把 GitHub 网址改几个字母就能看懂庞大开源项目

    出自 Devin 背后团队 Cognition Labs 的 DeepWiki,能把 GitHub 仓库变成可对话、可追问、可回溯源码的知识库,公开仓库查阅、生成与问答免费免注册,官方称已索引超 140 万个开源仓库。

    决策要点

    代码理解的门槛被拉到改一个网址的程度,公开仓库免费开放,商业点转向企业私有仓库,本质是 Devin 团队内部代码理解能力的对外复用。

    • 影响技术团队调研陌生开源仓库的耗时可被压缩;AI 编程工具接入其 MCP 后多了一条缓解接口过时幻觉的途径;私有仓库需绑定 Devin 账号付费,涉及代码出域要先评估数据边界。
    • 参考可考虑选一个正在调研的开源库用网页端试点并记录理解耗时;值得先测公开仓库 MCP 端点在现有编程客户端的接入效果,私有仓库接入前先确认付费方案和数据安全要求。
10月24日周六
  1. 人人都是产品经理48

    自媒体运营者叁斤免费开源 13 个 AI 技能,覆盖账号定位到数据复盘

    自媒体运营者叁斤将两年沉淀的运营流程做成 13 个 AI 技能免费开源,覆盖账号定位、选题、爆款拆解、内容诊断到数据复盘,可装进 Claude Code、Cursor、豆包工作等工具。

    决策要点

    资深运营者把个人方法论封装成可安装的 AI 技能免费放出,自媒体运营经验的复用门槛进一步降低。

    • 影响内容团队可免费获得一套成型的 AI 内容工作流作参考;产出质量取决于先投入时间搭建自己的素材知识库;技能面向个人自媒体场景,企业使用前需按业务改造。
    • 参考可考虑让内容岗对照这套技能盘点自家从选题到复盘的流程断点;值得先算清搭建知识库的采访时间投入,再选一个账号试点对比人工产出。
10月23日周五
  1. 人人都是产品经理52

    腾讯司内实践:手把手教你如何用 Skill 与 AI 协作

    腾讯产品经理 Balance Li 把日常学习方法做成 Learning、Design、Build 三个 Skill 生成器,均已上线公司内部市场,文章以 Learning 为例演示完整用法。

    决策要点

    这类实践的实质是把个人工作方法固化成可生成专属子 Skill 的工具,让方法与学习进度不随对话结束而流失,也便于在团队内复制。

    • 影响重复性的学习和方法设计工作可沉淀为 Skill,减少换对话反复交代的损耗;方法以文件形式保存,有利于团队内复用和经验交接;落地依赖 WorkBuddy 这类支持 Skill 与工作空间文件的平台。
    • 参考可考虑选一个近期真要解决的小主题,用文末模板生成学习子 Skill 并试跑一个学习点,检验讲解和练习是否有效;值得盘点团队高频重复的工作方法,评估哪些适合做成生成器放进内部市场。