本地大模型运行与 Agent 能力演示
本地大模型运行与 Agent 能力演示可以在 iPhone、Mac 或笔记本本地运行高性能 Bonsai 27B 大模型，无需依赖云端服务器。其一比特量化版本体积仅 3.
火山引擎知识引擎 VeKnow｜Agent 能找到规则，为什么还是会判错？
当理解和使用业务知识的主体变成 Agent，企业本体应该如何支撑业务理解与行动？让我们先从企业每天都在面对的问题看起。
AI产品经理技能5：30 秒搞懂Agent 的定义与 L1 到 L4 能力分层
做AI产品久了，你大概率会遇到同一个场面:所有人都在聊 Agent，会上张口就是多智能体协同、自主工作流、自动执行。
LangChain 学习路线（07）：Agent 入门，从 RAG 问答到智能体调用
前六篇，我们已经学习了 LangChain 的核心组件、LCEL、RAG、Milvus、混合检索和 Rerank。现在，我们开始进入一个新的阶段：Agent（智能体）。之前构建的 RAG 应用，主要解决的是一个问题：用户提出问题，系统从知识库中找到相关资料，再交给大模型生成答案。
Agent 越写越复杂？因为你在替模型画流程图
上周我删了一个跑了整整一个月的 Agent 脚本。干的活很朴素：搜竞品新闻、扒正文、做摘要、拼日报。六步串成一条线，平时稳得很。直到某天第三步的抓取接口回了一个空字符串。后面三步一声没吭。模型拿着空内容，一本正经编了一篇摘要，日报照常发了出去。
Agent 越用越多，企业为何仍不够 AI Native ？
作者 ｜ 籍云 AI 生码率飙升，端到端交付却没有变快；通用 Agent 提效办公生产力，整体业务效能却未同步提升。当企业把 AI 工具推向业务流程，“局部更快、整体不快”的现象值得审视。
为什么越来越多团队用 Java 写企业级 Agent：十个绕不开的现实因素
这两年我被问过好几次同一个问题：做 Agent，为什么不用 Python？我一般会反问一句，这个 Agent 上线之后，写不写业务库、走不走审批、进不进现有的权限体系。如果答案都是肯定的，语言这件事其实没多少可选。
AI Agent 自然语言问数据不翻车：业务术语到物理字段的映射怎么做
“让 AI 真正理解公司业务，需要建立从 Business Term → Metric → Dimension → Field → Dataset 的链式映射， 把自然语言、业务语义和物理数据连接起来，而不是让模型凭经验去猜。
MCP 如何让 Agent 查数据、填单据、发通知？
如果只看演示，Agent的工作很容易停留在“回答得不错”。真正进入企业现场后，评价标准会变得具体：数据能不能查到，单据能不能填，流程能不能发起，结果能不能回写，出错后能不能定位。MCP连接的，正是这些业务动作背后的系统能力。一、从“帮我看看”开始很多业务任务的第一步是查询。
Agent，“重做”数据库
对于一名熟悉业务的财务人员来说，这或许是个再简单不过的问题。但在某数据库厂商测试的企业级Agent场景中，AI给出的答案与真实情况相差了近15倍。