ITPub博客

1. 开源框架与模型如何选型？ 2. 文档解析、分片与向量化的痛点与难点？ 3. 不同数据检索策略与排序策略的效果比较

多模态数据演变 多模态数据技术 多模态数据应用案例

A l Agent的前世今生 Al Agent落地面临哪些挑战 从Manus开始，解读Al Agent工程结构 利用Al Agent，构建AI全流程测试平台

1. 大模型训练加速技术进化 2. Light-R1 低成本复线强推理模型 3. 强化学习大幅提升复杂指令遵循能力

1、大模型在AI工作流中的角色及作用 2、MCP到底解决了什么问题？ 3、MCP在AI工作流中的作用 4、如何根据实际业务设计一个AI工作流

1、LLM应用方法 - 路线：PE→RAG→Finetune→Agent 2、Agent 介绍：(是更新到这里吗？) - LLM Agent 组件：Memory、Tool、Plan等 - LLM Agent进化史 - prompt→plugin→workflow→Agent→Multi-Agent 3、Agent设计指南 - Openai和Anthropic设计指南 - Agent方案选型

1、面对企业的核心数据库，当前主要有哪几种入侵攻击方式？ 2、面对核心数据库的入侵盗取，应该如何应对？ 3、针对攻击数据流，如何进行溯源彻查，找到真凶？

1、目前，企业在训练模型中的一些问题； 2、大模型和小模型训练的难易分析； 3、训练模型的三大要素； 4、如何低成本打造企业级小模型； 5、如何低成本打造企业级大模型

分享主题：深度解析大语言模型应用中高质量数据的重要性分享简介：1.心中有“数”：AI算法有多种选择，但数据没得选2.复杂的数据需要复杂的算法：大语言模型的智能涌现3.大语言模型技术下的数据治理4.分享工作中的一个真实案例：高质量数据的重要性5.未来展望：可信数据空间建设分享讲师：陈德忠资深AI算法工程师《深入浅出 机器学习 ：从数据到AI算法》图书第一作者深度解析大语言模型应用中高质量数据的重要性

AI幻觉，即模型生成看似合理但实则错误的虚构内容，既可能如“恶魔”般带来风险，也可能如“神启”般激发创新。本次分享将通过权威的全球前沿研究与应用，揭示其复杂的双重性与“驭幻”之道。

原创的精品AI笔记开源 大模型的技术架构、算法体系 大模型的训练、实践

1. 为什么需要统一的数据架构？ 2. Lambda 架构：双链路思路的典范 3. Kappa 架构：一次计算流式完成 4. DataLakehouse：融合 OLAP 与流批一体 5. AI Native 架构：走向智能的数据驱动世界

直播主题：企业级AI编程应用实战分享讲师：ChatGPT国内应用专家 光明顶创始人 皮光明

分享大纲： 1.传统开发模式三大痛点 2.主流AI工具(Cursor / Coze / Dify)选型建议 3.跨端开发与技术栈重构 4.私有化部署与知识库建设

分享简介： 1、开源知识库与智能体平台介绍 2、Dify打造自己的数字员工 3、RAGFlow搭建企业知识“专属通道” 4、n8n搞定企业AI自动化

分享内容：1、企业AI应用现状2、企业AI落地破局之道3、普通人想AI创业或做一人公司，靠谱吗4、AI发展趋势解读讲师介绍：匙亮旭安普诺克科技集团有限公司技术总监AI很火，企业很冷，个人很躁动：一场关于AI的现实对话_v1.0(1).pdf

主题简介:在快速迭代的软件开发过程中,技术债务如同隐形的"技术利息",持续侵蚀着系统健壮性与团队交付效率。传统依赖人工审计的方式存在效率低主观性强、难以量化等痛点。本次分享将探讨如何构建 AI 驱动的技术债务识别体系，实现技术风险的自动化检测与智能决策。讲师简介：杨彪 美团高级架构师AI技术债务2.pdf

主题分享(下篇)技术解读：DeepSeekR1-Zero技术解读：DeepSeekR1DeepSeek深度技术解读-下篇.pdf讲师介绍：王巍巍 长亮科技 AI研究院 资深Al科学家

主题分享(上篇)1、DeepSeek 基本历程和发展概况2、技术解读: DeepSeek-V13、技术解读:DeepSeek-V24、技术解读:DeepSeek-V3DeepSeek深度技术解读-上篇.pdf

分享提纲：1、PG 18亮眼的新特性2、常量列表压缩减少查询重复条目3、AIO/DIO顶层设计