高级应用

共 4 篇

AI 学习高级应用
13 分钟

多 Agent 编排深度:Orchestrator / 对等 / 混合三种模式的实战对比

前面一篇讲多 Agent 实战用的是「5 个 Agent 模拟一个团队」这种偏概念的方式。今天这篇文章往深处推——讲企业级多 Agent 系统必然会遇到的「编排」问题。 当你有 5 个、10 个、20 个 Agent 在一个系统里同时跑,关键问题不再是「单个 Agent 怎么做」,而是「这些 Agent 之间怎么配合、谁调度谁、信息怎么传、出了错怎么办」。这就是「多 Agent 编排」(Multi…

AI 学习高级应用
13 分钟

大模型微调实战:LoRA / QLoRA / DPO 全流程

RAG 和 MCP 已经这么强了,为什么还要学微调? 这是 2026 年 AI 工程师最常问的问题之一。答案是:RAG 和 MCP 解决的是”知道什么”,微调解决的是”怎么说、怎么思考”。这两个维度是互补的,不是替代关系。 RAG 让模型能查到你公司的私有文档,但它不能让模型”用你公司的语气说话””遵守你公司的内部…

AI 学习高级应用
11 分钟

RAG 进阶:从 Naive RAG 到 Agentic RAG 的 16 种方案对比

如果你的项目已经在用 RAG,大概率会有这种体验:最基础的”向量检索 + LLM 生成”能跑,但准确率不够高——用户问个稍微复杂的问题,系统要么检索不到相关内容,要么检索到了但 LLM 没正确理解。怎么办?改 embedding?改 prompt?改 chunk size? 这些”打补丁”的做法只能缓解表面问题。要真正提升 RAG 的能力,你需要从架…

AI 学习高级应用
13 分钟

Harness Engineering 深度:从 OpenAI 100 万行实践看 Agent 工业化

前面两篇文章我们分别从资讯(腾讯应用宝 + 北大定调)和零基础入门(AI Agent 核心概念、LangGraph 实战)的角度讲了 Harness 的概念。今天我们把这个话题推到最深处——从 OpenAI 的工业级实践出发,讲清楚 Harness 到底是什么、为什么关键、怎么在你的 Agent 项目里落地。 Harness Engineering 是 OpenAI 在 2026 年 2 月正式提…