最近又重新研究了一下知识库系统。这一次和之前研究个人知识库不太一样。之前更多是从自己的资料整理出发,想知道能不能把几十个项目、几百 G 的材料整理成一个可以长期调用的个人资料系统。而这一次,更多是结合企业业务场景,尤其是基于 RAGFlow 这类系统,去思考知识库在企业中到底能发挥什么作用。
分类: IT技术
记录工作和学习中觉得不错需要记忆和传播的信息,方便自己,也方便他人。。。。
基于karpathy知识论理论的个人知识库搭建汇报
围绕“个人知识库搭建”这一实践过程展开,从最初动机出发,系统梳理了知识库建设中的关键问题与真实挑战。内容不仅覆盖技术路径,如资料预处理、结构化拆解与工具组合(Obsidian + Codex),更深入反思了知识库的本质——其核心并非技术堆叠,而是目标导向下的信息组织与认知重构。
在实践过程中,逐步揭示出“知识”与“智慧”的差异,以及模型能力的边界,进而将视角从短期项目资料转向长期价值更高的经典文本。最终形成的启示是:知识库不仅是支撑模型的系统,更是个体整理经验、提升判断力与重构思维方式的过程。这既是一项技术实践,也是一场持续演化的认知工程。
人,不该活成工具
你不是来和机器抢活干的。
你是来使用这股新生产力,去把自己的目光举得更高,把自己的位置站得更稳,把自己真正作为“人”的价值,重新活出来。
一台服务器批量养 5 个“数字员工”:Webtop + OpenClaw + 飞书机器人实战
你有没有这种需求:同一套工作流要并行跑好几份——比如选题、写脚本、做资料整理、跑自动化任务……但每个任务都希望有「独立的账号环境 / 浏览器缓存 / 工具链」,互不干扰。
这篇文章分享一个我自己非常喜欢的组合:Webtop(容器里的 Linux 桌面)+ OpenClaw(能力/网关)+ 飞书机器人(统一入口)。最终效果是:在飞书里像指派同事一样,把任务分给不同“数字员工”。
项目中采用 AI 编程工具进行研发实践的阶段性总结
AI 编程工具已经具备显著提升编码效率的能力,但在现有组织结构、人员能力结构和工具使用方式不改变的前提下,这种效率提升无法规模化,甚至会被落后的组织形式迅速抵消。
智能云桌面:推动企事业单位信息化向国产化、标准化、智能化转型的工程化方案
随着数字化工作形态的演进与信息安全治理的强化,传统的桌面交付与环境维护模式已无法满足企事业单位在成本控制、合规审计、研发效率和国产化转型上的新要求。软件环境分散、版本不可控、运维成本高、人为配置错误频发,这些问题直接消耗组织的研发与管理资源,阻碍业务创新与敏捷交付。智能云桌面应运而生,它不是简单的桌面虚拟化产品,而是以容器化、镜像化、模板化为技术路径的工程化生产力平台,旨在把复杂的环境运维工作抽象为可复用、可审计、可回滚的交付单元。
理想与现实之间的尝试——“项目管理系统”的诞生
过去的开发模式几乎完全依赖“项目制”运作。项目往往源自高层决策,以任务形式层层下达到各教员或技术负责人手中。为了按时交付成果,需求往往在极短时间内仓促编制,缺乏业务价值与逻辑一致性。真正的需求常常在开发中才逐渐显现,结果导致文本需求与实际需求长期对立。开发者被迫在“合同验收系统”和“实际可用系统”之间艰难取舍,甚至要开发两套系统去兼顾双方。这种模式下,时间、人力、成本都被严重浪费。
发布公益服务:语录
我开发了一个免费的公共服务,名字很简单:语录。
它不是为了商业,不为名利,只是为了回应内心深处那一点不肯熄灭的愿望——
愿为天下守一盏灯,微弱却真诚,照亮迷失者的方向,温暖每一个沉默灵魂的夜晚。
AI应用开发思路及最佳实践
过去几年,人工智能应用呈现爆炸式增长。一个明显例子是ChatGPT——这款由OpenAI推出的对话模型在发布仅两个月后月活用户突破1亿,成为史上用户增长最快的消费级应用 (史上增速最快消费级应用,ChatGPT月活用户突破1亿澎湃号·湃客澎湃新闻-The Paper)。AI的迅猛发展让各行各业都在思考如何将其融入业务。然而,热潮之下也有浮躁与挑战。调查显示,许多企业在AI上的投入尚未获得理想回报:2024年只有47%的受访IT领导者认为他们的AI项目实现了盈利 (ROI remains elusive for enterprise AI plans despite progress | CIO Dive)。一些项目甚至因为效果不佳而中途夭折,比如IBM耗资数十亿美元打造的Watson肿瘤诊疗系统曾被曝出推荐“不安全或错误”的治疗方案,未能达到预期 (IBM’s Watson recommended ‘unsafe and incorrect’ treatments for cancer patients, investigation reveals) (IBM’s Watson recommended ‘unsafe and incorrect’ treatments for cancer patients, investigation reveals)。显然,AI应用既有潜在高回报,也充满风险和不确定性。如何系统化地开发AI应用,在避开陷阱的同时有效落地价值? 这正是我们今天讨论的核心。接下来,我将结合方法论框架和实际案例,为大家介绍AI应用开发的思路及最佳实践,以帮助各位在日常工作中更好地规划和实施AI项目。
关于AI代替人类写代码的深层分析
关于AI能否完全代替人类编写代码的问题,确实存在深层的技术哲学矛盾,需要从多个维度进行分析: