<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[master_hunter的博客]]></title><description><![CDATA[]]></description><link>https://blog.csdn.net/master_hunter</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; master_hunter]]></copyright><item><title><![CDATA[从“能控制”到“有边界”：多品牌智能家居 Agent 安全沙箱实战]]></title><link>https://blog.csdn.net/master_hunter/article/details/168744351</link><guid>https://blog.csdn.net/master_hunter/article/details/168744351</guid><author>master_hunter</author><pubDate>Thu, 22 Oct 2026 10:03:32 +0800</pubDate><description><![CDATA[本文提出基于JiuwenSwarm与JiuwenBox的多品牌智能家居异构Agent权限隔离方案，通过角色拆分、最小权限矩阵、工具白名单、结构化任务协议与运行时沙箱，实现设备控制的精细化安全边界。实验验证“离家模式”正常流程，并成功拦截摄像头Agent受恶意指令诱导越权开锁及外传数据的攻击，证明系统可从“能控设备”迈向“授权内可控”，为复杂物联网系统提供可复用的安全架构范式。]]></description><category></category></item><item><title><![CDATA[企业财务多系统对账—基于 JiuwenSwarm的多智能体协作实践]]></title><link>https://blog.csdn.net/master_hunter/article/details/167368666</link><guid>https://blog.csdn.net/master_hunter/article/details/167368666</guid><author>master_hunter</author><pubDate>Fri, 09 Oct 2026 10:31:04 +0800</pubDate><description><![CDATA[JiuwenSwarm 就不再只是一个多 Agent 演示框架，而可以逐步成为企业财务任务的智能编排层。未来，这套模式还可以继续扩展到微信支付、银联、多银行账户、供应商付款、发票核验、月末关账和现金流预警等场景，最终形成覆盖企业资金流转与异常处置的智能财务协作体系。]]></description><category></category></item><item><title><![CDATA[Xing4.0-29B能否真正接进企业工作流？结构化输出、长文档、Agent与Coding实测]]></title><link>https://blog.csdn.net/master_hunter/article/details/166791137</link><guid>https://blog.csdn.net/master_hunter/article/details/166791137</guid><author>master_hunter</author><pubDate>Mon, 28 Sep 2026 17:07:50 +0800</pubDate><description><![CDATA[Xing4.0-29B-A4B 在工具编排、长文档候选定位和代码初稿生成上已经具备可用的基础能力。它当前不适合作为端到端无人值守的独立执行器，但在“人负责判断和验收、模型负责搜索和执行”的协作模式下，可以减少重复劳动。企业是否采用，取决于自身工程体系的成熟度：已有规则引擎、CI 和审批流程的企业更容易吸收它的不稳定性；缺少这些基础设施的企业，应先补工程能力，再谈模型接入。]]></description><category></category></item><item><title><![CDATA[openPangu-2.0-Pro 实战：长文档、复杂推理、Agent 与 Coding 能做到什么？]]></title><link>https://blog.csdn.net/master_hunter/article/details/165745982</link><guid>https://blog.csdn.net/master_hunter/article/details/165745982</guid><author>master_hunter</author><pubDate>Thu, 17 Sep 2026 15:05:46 +0800</pubDate><description><![CDATA[所以如果真把它放进企业系统，我不会让它包办一切，而是让它负责那些最难写成固定规则的理解、判断和规划，把计算、数据、权限和执行继续交给更确定的系统。模型变强以后，工程边界反而要画得更清楚。]]></description><category></category></item><item><title><![CDATA[不只看跑分：openPangu-2.0-Flash 与同档大模型真实应用横评]]></title><link>https://blog.csdn.net/master_hunter/article/details/164012717</link><guid>https://blog.csdn.net/master_hunter/article/details/164012717</guid><author>master_hunter</author><pubDate>Mon, 24 Aug 2026 09:02:52 +0800</pubDate><description><![CDATA[这轮重新跑完以后，我对 openPangu-2.0-Flash 的判断反而简单了不少。

它没有在所有地方都赢，但在这一组严格结构化任务里，优势很明确。20 次正式请求全部首轮通过，没有字段漂移，没有多写一句不该出现的话，也没有进入修复流程。对于需要直接把模型输出交给下游程序的工作流，这种“按要求来”比回答得更漂亮更重要。]]></description><category></category></item><item><title><![CDATA[Seed Evolving 又升级了，这次我用它做了一个组队微信小程序]]></title><link>https://blog.csdn.net/master_hunter/article/details/163707266</link><guid>https://blog.csdn.net/master_hunter/article/details/163707266</guid><author>master_hunter</author><pubDate>Wed, 12 Aug 2026 23:31:04 +0800</pubDate><description><![CDATA[《Doubao-Seed-Evolving升级实测：半小时开发微信接龙小程序》摘要：火山引擎的Doubao-Seed-Evolving模型在8月更新后重点提升了工程实现能力。作者通过开发&quot;咕咕接龙&quot;微信小程序（支持创建活动、成员加入/退出、实时展示进度）测试其持续开发能力。模型从零开始完成了页面规划、数据结构设计、本地存储封装等完整链路，共生成20+文件的小程序项目，在微信开发者工具中可直接运行。测试显示模型能稳定控制开发边界，准确判断功能完成度，对跨设备分享等复杂需求能明确识别架构限制]]></description><category></category></item><item><title><![CDATA[1M 上下文能怎么用？我用 Seed Evolving 做了一个招标文件版本差异审查器]]></title><link>https://blog.csdn.net/master_hunter/article/details/163170247</link><guid>https://blog.csdn.net/master_hunter/article/details/163170247</guid><author>master_hunter</author><pubDate>Fri, 24 Jul 2026 18:54:40 +0800</pubDate><description><![CDATA[本文介绍了利用火山引擎Doubao-Seed-Evolving模型（1M上下文能力）开发&quot;招标文件版本差异审查器&quot;的全过程。该工具能自动识别两版招标文件中的新增、删除、修改等十类关键变化，并生成结构化差异报告。开发过程包括：1）环境配置与模型调用设置；2）Codex引导的项目开发，实现PDF解析、差异分析、结果校验等功能；3）测试验证，模型准确识别了预设的金额、日期、资格条件等实质性变化，并能发现跨章节矛盾。项目展示了SeedEvolving在长文档理解、代码生成和工程实践中的综合能力，]]></description><category></category></item><item><title><![CDATA[2023美国大学生数学建模竞赛 MCM/ICM 赛题分析、建模思路与优秀论文详解（上）]]></title><link>https://blog.csdn.net/master_hunter/article/details/162736490</link><guid>https://blog.csdn.net/master_hunter/article/details/162736490</guid><author>master_hunter</author><pubDate>Thu, 09 Jul 2026 17:56:26 +0800</pubDate><description><![CDATA[把常见题型、建模套路、代码实现、论文表达和比赛避坑经验系统沉淀下来，帮助你少走弯路，更快从“看懂别人的方案”走到“自己能独立完成一篇高质量建模论文”。如果你希望真正提升数学建模能力，而不是临时套模板，欢迎加入 Fanstuck 数学建模专栏，一起把建模这件事学扎实。]]></description><category></category></item><item><title><![CDATA[我用 Bright Data + Coze 搭了一个跨境选品情报 Bot：自动盯价格、新品和关键词排名]]></title><link>https://blog.csdn.net/master_hunter/article/details/162429539</link><guid>https://blog.csdn.net/master_hunter/article/details/162429539</guid><author>master_hunter</author><pubDate>Mon, 29 Jun 2026 19:37:26 +0800</pubDate><description><![CDATA[本文介绍了一个利用BrightData和Coze搭建的跨境选品情报Bot方案，旨在解决跨境卖家和小团队面临的市场信息获取难题。该Bot能够自动监控竞品价格、关键词排名和新品趋势，主要包含三个功能模块：竞品价格日报Bot、关键词SERP监控Bot和新品趋势雷达Bot。通过BrightData获取公开网页数据，再由Coze生成结构化市场报告，该方案将人工信息收集工作自动化，特别适合资源有限的跨境小卖家、独立站运营和选品团队。文章详细介绍了工具配置、工作流设计和使用方法，并强调该方案的可扩展性，建议用户先从最小可]]></description><category></category></item><item><title><![CDATA[2026美国大学生数学建模竞赛赛题分析及建模方法详解]]></title><link>https://blog.csdn.net/master_hunter/article/details/162087985</link><guid>https://blog.csdn.net/master_hunter/article/details/162087985</guid><author>master_hunter</author><pubDate>Thu, 18 Jun 2026 09:23:31 +0800</pubDate><description><![CDATA[结合 2026 的题目和公开优秀论文：真正能把论文从 H 推到 M、从 M 推到 F 的，不是“再多一个高级模型”，而是“多一层验证、多一张结构图、多一个可解释的结论落点”。这也是为什么本文反复强调：模型、验证、建议，三者必须闭环。]]></description><category></category></item><item><title><![CDATA[低成本复刻别人的AI？什么是大模型蒸馏技术？]]></title><link>https://blog.csdn.net/master_hunter/article/details/161720782</link><guid>https://blog.csdn.net/master_hunter/article/details/161720782</guid><author>master_hunter</author><pubDate>Fri, 05 Jun 2026 14:46:15 +0800</pubDate><description><![CDATA[大模型蒸馏真正适合的不是“复制一个通用大模型”，而是把大模型在某个业务链路里的高质量行为，压缩成一个更便宜、更稳定、更可控的专用模型。对于企业落地来说，它的价值不在炫技，而在降成本、提速度、稳格式、固化专家经验。]]></description><category></category></item><item><title><![CDATA[2024-2026美国大学生数学建模竞赛赛题分析及建模思路、获奖论文研究报告]]></title><link>https://blog.csdn.net/master_hunter/article/details/161648406</link><guid>https://blog.csdn.net/master_hunter/article/details/161648406</guid><author>master_hunter</author><pubDate>Wed, 03 Jun 2026 11:06:28 +0800</pubDate><description><![CDATA[我最建议的用法不是“背模型”，而是“按题型配模板”：连续型系统题先想守恒和状态方程，离散搜索与网络题先想图与后验更新，数据题先想特征工程与可解释性，政策题先想多目标与情景分析。近三年的官方题目几乎都能塞回这个框架里，而高分论文的差别，往往不在模型名字，而在是否把题目真正闭环成“建模—求解—验证—建议”四步。]]></description><category></category></item><item><title><![CDATA[2025美国大学生数学建模竞赛赛题分析及建模思路与获奖论文复现详解]]></title><link>https://blog.csdn.net/master_hunter/article/details/161425249</link><guid>https://blog.csdn.net/master_hunter/article/details/161425249</guid><author>master_hunter</author><pubDate>Tue, 26 May 2026 15:49:02 +0800</pubDate><description><![CDATA[《数学建模实战指南：从赛题拆解到高分论文写作》 Fanstuck数学建模专栏聚焦实战经验，系统讲解数学建模全流程。2025年MCM/ICM六大赛题分析显示，高分论文需具备三大核心能力：问题拆解量化、模型验证解释、决策建议转化。专栏通过真实赛题案例，如A题磨损反演的机理-仿真混合方案、B题旅游管理的系统动力学模型、C题奥运预测的分层计数方法等，详解如何构建&quot;主模型+对照模型+灵敏度分析&quot;的完整框架。特别强调：模型复杂度并非关键，清晰的问题映射、充分的验证比较和面向决策者的表达才是获奖核心。]]></description><category></category></item><item><title><![CDATA[从单Agent到多智能体协同：基于 JiuwenClaw 构建企业级采购智能分析系统]]></title><link>https://blog.csdn.net/master_hunter/article/details/161248482</link><guid>https://blog.csdn.net/master_hunter/article/details/161248482</guid><author>master_hunter</author><pubDate>Wed, 20 May 2026 11:06:29 +0800</pubDate><description><![CDATA[本文探讨了企业级智能体系统从单Agent向多智能体协同的演进路径，重点分析了JiuwenClaw框架如何构建采购智能分析系统。文章指出，企业业务需求不是简单的问答，而是包含语义理解、任务规划、SQL生成、工具调用、数据分析等环节的连续任务链。传统单Agent方案存在职责臃肿、工具调度混乱、任务不可追踪三大问题。JiuwenClaw通过协同运行层架构，将复杂任务拆解为Planner、SQL、Data、BI、Report等多个职责清晰的Agent，形成可追踪、可复用的执行链路。文章以医疗设备采购分析为例，展示了]]></description><category></category></item><item><title><![CDATA[2024年美国大学生数学建模竞赛赛题分析及建模思路与获奖论文详解]]></title><link>https://blog.csdn.net/master_hunter/article/details/161207528</link><guid>https://blog.csdn.net/master_hunter/article/details/161207528</guid><author>master_hunter</author><pubDate>Tue, 19 May 2026 08:45:44 +0800</pubDate><description><![CDATA[就 2024 年这一届而言，六题的出题风格非常鲜明：A 偏生态动力学，B 偏轨迹与搜索，C 偏数据驱动时序分析，D 偏网络流和调度，E 偏风险与空间决策，F 偏政策系统设计。若把它们放在同一视角下，最本质的共性其实是一样的：都要求团队不仅“建一个模型”，还要把模型变成可解释、可验证、可沟通、可行动的解决方案。这也是为什么官方 designation 描述反复强调完整性、逻辑性、支撑充分和表达质量。]]></description><category></category></item><item><title><![CDATA[@开源人，百万激励池！第八届CCF开源创新大赛等你来战！]]></title><link>https://blog.csdn.net/master_hunter/article/details/160407818</link><guid>https://blog.csdn.net/master_hunter/article/details/160407818</guid><author>master_hunter</author><pubDate>Wed, 22 Apr 2026 14:19:48 +0800</pubDate><description><![CDATA[此外，大赛还将推出系列线上技术公开课、赛道解读直播与高校交流活动，行业专家与技术大咖将围绕赛题带来干货分享，全程陪伴备赛，让你备赛不迷茫、成长有方向。要注意的是，每支参赛团队人数为1-5人（不含指导老师名额），团队成员需实名注册报名，高校教师、学生，企业从业人员，自由职业者均可报名参加！，是一场面向前沿开源技术领域的高水平竞赛，也是国内开源生态建设的重要活动。而对于“CCF开源创新大赛”而言，8年，从初创赛事成长为汇聚全国开发者的顶级平台，大赛完成了一场极具分量的蜕变！]]></description><category></category></item><item><title><![CDATA[当 openClaw 遇上 EdgeOne Pages：不只智能问数，更能直接获取BI 数据大屏（附工程落地实战）]]></title><link>https://blog.csdn.net/master_hunter/article/details/160171284</link><guid>https://blog.csdn.net/master_hunter/article/details/160171284</guid><author>master_hunter</author><pubDate>Wed, 15 Apr 2026 10:42:35 +0800</pubDate><description><![CDATA[文章摘要：本文探讨了ChatBI系统的真正价值在于从自然语言提问到BI页面自动生成的完整工程链路，而不仅是NL2SQL能力。作者通过医疗设备采购数据分析案例，提出三层架构方案：openClaw负责问题理解与任务编排，sql_runner执行受控查询，EdgeOnePages生成可分享的BI页面。关键突破在于将查询结果转化为可直接交付的分析页面，而非中间数据。文章详细阐述了工程实现过程，包括数据语义固定、SQL执行约束、页面对象转换等关键环节，最终实现从提问到BI页面的一键生成。这种从&quot;回答问题&q]]></description><category></category></item><item><title><![CDATA[用 openJiuwen 采集 Agent Trajectory，搭一套 RL 训练数据流水线]]></title><link>https://blog.csdn.net/master_hunter/article/details/159730828</link><guid>https://blog.csdn.net/master_hunter/article/details/159730828</guid><author>master_hunter</author><pubDate>Wed, 01 Apr 2026 16:06:07 +0800</pubDate><description><![CDATA[摘要： 当前Agent系统的核心挑战已从&quot;能否运行&quot;转向&quot;如何优化&quot;。传统日志仅记录执行结果，无法捕捉决策轨迹，导致优化缺乏数据支撑。openJiuwen的轨迹采集方案通过结构化记录工具描述、LLM参数等关键上下文，将Agent运行过程重构为可分析、可训练的数据对象。这种从&quot;服务日志&quot;到&quot;决策轨迹&quot;的范式转变，为强化学习、参数优化等进阶需求提供了必要的数据基础设施。文章强调，实现Agent持续优化的前提是建立完整的轨迹采集体系，]]></description><category></category></item><item><title><![CDATA[从云到本地：智能体与工作流在 openJiuwen 中的导入导出设计与工程实践]]></title><link>https://blog.csdn.net/master_hunter/article/details/157936597</link><guid>https://blog.csdn.net/master_hunter/article/details/157936597</guid><author>master_hunter</author><pubDate>Tue, 10 Feb 2026 10:59:57 +0800</pubDate><description><![CDATA[摘要 本文探讨了智能体和工作流从云平台迁移到本地环境时面临的导入导出挑战。作者指出，云平台的工作流通常混合了平台语义、UI结构和隐式行为，导致直接迁移时出现语义体系不匹配问题。通过分析openJiuwen的工作流导出格式，文章提出迁移的核心应是保留&quot;可执行语义&quot;而非&quot;平台快照&quot;，并建议将工作流视为需要重新解释和绑定的工程资产。文章强调导出设计应聚焦拓扑结构、节点语义和数据依赖三层关键信息，剥离平台上下文，才能实现真正的跨环境能力迁移。]]></description><category></category></item><item><title><![CDATA[从0到提交，如何用 ChatGPT 全流程参与建模比赛的]]></title><link>https://blog.csdn.net/master_hunter/article/details/157774146</link><guid>https://blog.csdn.net/master_hunter/article/details/157774146</guid><author>master_hunter</author><pubDate>Thu, 05 Feb 2026 19:36:53 +0800</pubDate><description><![CDATA[> 真正让我们愿意信任 AI 的，是在赛题刚发布时，它比我们更冷静。

我们参加的是 2023 年 MCM 比赛，当时拿到的题目是关于**多地点服务设施的最优选址问题**（E 题）。刚看完题目的时候，我们脑子里全是关键词：

- 多目标优化？NP 难问题？
- 该不该建模成线性规划？还是遗传算法？
- 这是不是那个 Facility Location Problem 的改版？

但是经验告诉我们，一旦直接跳模型，很容易走题。我们决定先停下来，让 AI 帮我们**“反向解构题目”**：]]></description><category></category></item></channel></rss>