从接车到交车：LLM + Skill + MCP 如何编排一次完整的4S店售后体验
你在4S店经历过最“共情”或最“糟心”的一次售后服务是什么？评论区分享你的故事，下期我拆解里面的技术痛点！ 一个奥迪Q5车主从“刹车异响”到“放心离店”背后的Agent工作流 一、开篇：当服务顾问遇上AI 场景还原 上午9:15，一辆奥迪Q5驶入售后接待区。客户张先生下车后对我说：“师傅……
从零搭建企业级 ERP AI 智能体：Spring Boot 3 + Spring AI + Ollama 全链路落地实践（踩坑全集）
一、项目全景：我们在做什么 这是一个ERP + AI 智能体系统。简单来说，就是把一个传统的 ERP（物料管理、库存查询、出入库单据、质检管理）接入大模型，让用户用自然语言就能完成业务操作。 比如用户说"查询物料 ZL001 的库存"，AI 会自动调用 queryStock 工具查数据库，返回真实库存数据——……
你的RAG系统到底好不好？4个指标说清楚
你有没有过这种经历：改了切分策略，感觉检索效果好了一点但说不上来好多少；换了个Embedding模型，有些问题答得更好了但有些变差了；上线之后用户反馈"感觉不如以前了"，但你看代码什么都没改。 这就是没有评估体系的典型症状——优化全凭感觉，改了不知道好了没有，出……
别再只用向量检索了！RAG混检+Rerank提升40_
前三篇我们把RAG的地基打好了——原理搞清楚了、文档切对了、Embedding和向量库选好了。但如果你只用纯向量检索，大概率还是会遇到这些问题： 用户问"2025年差旅报销标准"，检索结果里混进了2023年的旧文档；问"年假申请流程"，返回的……
同样RAG，换个Embedding召回率从62_飙升到89_
前两篇讲了RAG的核心原理和文档切分，这篇进入RAG的"心脏"——Embedding和向量数据库。 你可能觉得Embedding不就是调个API把文本转成向量嘛，选哪个都差不多。我之前也是这么想的，直到我在一个金融知识库项目里换了Embedding模型，检索准确……
向量检索不够用？GraphRAG才是多跳推理的答案
05篇讲高级RAG架构时，GraphRAG只占了一小节——当时受限于篇幅，只给了LlamaIndex的基本用法。但GraphRAG是2024-2025年RAG领域最重要的突破之一，微软开源的GraphRAG项目已经拿了2万多star，值得专门一篇拆透。 你可能会问：向量检索已经够用……
图表、表格、PDF图文，多模态RAG全搞定
前面7篇RAG文章都在处理文本——把文档切分、向量化、检索、生成。但真实世界的文档长什么样？PDF里有图表，Word里有截图，PPT里有流程图，Excel里有数据透视表。这些非文本内容，纯文本RAG根本检索不到。 我之前做过一个项目，客户的PDF报告里有大量数据图表——柱状图、折线……
小米MiClaw系统级AI Agent架构深度解析
📱 小米MiClaw深度解析 | 系统级AI Agent如何重构10亿设备生态 “上周测试小米新机，对着手机说了句’太热了’，结果空调自动调到26度、风扇转向我、冰箱还提醒有冰镇可乐——那一刻我意识到，AI Agent真的从’玩具’……
疯了！GitHub周榜3万星：AI Agent正在组团队，IoT从业者该关注什么？
上周GitHub trending出了一个有意思的现象：多个多智能体项目同时爆发，随便一刷就是几万星。 其中最夸张的两个： • agency-agents：3.7万星 • MiroFish：2万星 再加上deer-flow（字节）、BettaFish（舆情）、Clawith（团队版OpenCl……
第3期｜当SA的「倾听→思考→行动」变成代码：ReAct、Plan-and-Execute 与 SingleMulti-Agent 三大架构模式深度拆解
上一期我用一辆奥迪Q5的「刹车异响」走完了接车到交车的六站编排；这一期回答一个更底层的问题——那个编排，到底该是一个 Agent 从头干到尾，还是多个 Agent 分工协作？ 一、开篇：从「六站编排」到「三个灵魂拷问」 上一期《从接车到交车》里，我用一辆 2022 款奥迪 Q5 的「低速刹车异响」案例，把一次 4S 店售后服务拆……
