<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>大语言模型 on 知识铺的博客</title>
    <link>https://index.zshipu.com/ai001/tags/%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/</link>
    <description>Recent content in 大语言模型 on 知识铺的博客</description>
    <generator>Hugo -- gohugo.io</generator>
    <language>zh-CN</language>
    <lastBuildDate>Thu, 03 Sep 2026 00:00:00 +0000</lastBuildDate>
    <atom:link href="https://index.zshipu.com/ai001/tags/%E5%A4%A7%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>Qwen3.8-Max前端编程登顶CodeArena，每百万Tokens仅5美元</title>
      <link>https://index.zshipu.com/ai001/post/20260903/Qwen3.8-Max%E5%89%8D%E7%AB%AF%E7%BC%96%E7%A8%8B%E7%99%BB%E9%A1%B6CodeArena%E6%AF%8F%E7%99%BE%E4%B8%87Tokens%E4%BB%855%E7%BE%8E%E5%85%83/</link>
      <pubDate>Thu, 03 Sep 2026 00:00:00 +0000</pubDate>
      <guid>https://index.zshipu.com/ai001/post/20260903/Qwen3.8-Max%E5%89%8D%E7%AB%AF%E7%BC%96%E7%A8%8B%E7%99%BB%E9%A1%B6CodeArena%E6%AF%8F%E7%99%BE%E4%B8%87Tokens%E4%BB%855%E7%BE%8E%E5%85%83/</guid>
      <description>Qwen3.8-Max在CodeArena WebDev榜单拿到1691分，较旧版本提升22分，超过Claude Opus5和Kimi K3成为全球第一。 阿里通过Coding专项后训练，让这款2.4万亿参数模型在前端编程任务上直接领先，每百万Tokens综合成本仅5美元。 CodeArena WebDev</description>
    </item>
    <item>
      <title>2025爆火的RAG技术是什么？从原理到应用全面科普！</title>
      <link>https://index.zshipu.com/ai001/post/20251011/2025%E7%88%86%E7%81%AB%E7%9A%84RAG%E6%8A%80%E6%9C%AF%E6%98%AF%E4%BB%80%E4%B9%88%E4%BB%8E%E5%8E%9F%E7%90%86%E5%88%B0%E5%BA%94%E7%94%A8%E5%85%A8%E9%9D%A2%E7%A7%91%E6%99%AE/</link>
      <pubDate>Fri, 10 Oct 2025 03:54:15 +0000</pubDate>
      <guid>https://index.zshipu.com/ai001/post/20251011/2025%E7%88%86%E7%81%AB%E7%9A%84RAG%E6%8A%80%E6%9C%AF%E6%98%AF%E4%BB%80%E4%B9%88%E4%BB%8E%E5%8E%9F%E7%90%86%E5%88%B0%E5%BA%94%E7%94%A8%E5%85%A8%E9%9D%A2%E7%A7%91%E6%99%AE/</guid>
      <description>最近，RAG 这个词在网络中爆火，特别是一些 AI 方向的小伙伴，网上铺天盖地的文章、视频等教程，但是他们都各有各的不同看法，接下来就让我从一名 AI 产品经理角度，带你们彻底了解什么是 RAG、前世今生是什么、实用场景、工作原理、具体应用。 上期回顾： RAG 全称是 Retrieval-Augmented Generation，翻译成中文是</description>
    </item>
    <item>
      <title>2025 年 AI 焦点：AI Agent 基本概念精讲</title>
      <link>https://index.zshipu.com/ai001/post/20251011/2025%E5%B9%B4AI%E7%84%A6%E7%82%B9AI-Agent%E5%9F%BA%E6%9C%AC%E6%A6%82%E5%BF%B5%E7%B2%BE%E8%AE%B2/</link>
      <pubDate>Fri, 10 Oct 2025 02:20:15 +0000</pubDate>
      <guid>https://index.zshipu.com/ai001/post/20251011/2025%E5%B9%B4AI%E7%84%A6%E7%82%B9AI-Agent%E5%9F%BA%E6%9C%AC%E6%A6%82%E5%BF%B5%E7%B2%BE%E8%AE%B2/</guid>
      <description>从工具到代理，从响应式到主动式，AI Agent 正在重塑人机协作的底层逻辑。2025 年，它不再只是技术热词，而是产品经理必须理解的系统性能力。这篇文章将带你厘清 Agent 的基本概念、关键特征与未来演化路径，为你打开 AI 产品设计的新视野。 2025 年的 AI 圈，热度中心已从 “大模型” 转向 “AI Agent”。若说大</description>
    </item>
  </channel>
</rss>
