<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[我相信......]]></title><description><![CDATA[爱就一个字]]></description><link>https://blog.csdn.net/wireless_com</link><language>zh-cn</language><generator>https://blog.csdn.net/</generator><copyright><![CDATA[Copyright &copy; wireless_com]]></copyright><item><title><![CDATA[本体工程：AI 原生企业的语义操作系统]]></title><link>https://blog.csdn.net/wireless_com/article/details/168454030</link><guid>https://blog.csdn.net/wireless_com/article/details/168454030</guid><author>wireless_com</author><pubDate>Mon, 19 Oct 2026 22:01:23 +0800</pubDate><description><![CDATA[数据平台回答发生了什么，LLM 估计什么可能相关，Agent 试图行动，而本体定义了事物是什么、它们如何关联、哪些约束成立、身份如何解析——并因此定义了哪些行动在原则上才应当是可能的。本体不是 AI 架构的语义边车（semantic sidecar），正在成为可信 AI 架构赖以搭建的基石。]]></description><category></category></item><item><title><![CDATA[本体构建那些事儿]]></title><link>https://blog.csdn.net/wireless_com/article/details/167889648</link><guid>https://blog.csdn.net/wireless_com/article/details/167889648</guid><author>wireless_com</author><pubDate>Wed, 14 Oct 2026 09:41:13 +0800</pubDate><description><![CDATA[本文基于1995年三大本体构建策略（自顶向下、自底向上、中间向外），结合POLE+O等实践，强调以“能力问题”驱动建模，倡导从需求出发而非实体出发。通过引入本体设计模式与对抗性负向问题，提升模型准确性与可维护性。指出本体需持续演进，避免“一次性设计”陷阱，主张将本体审查纳入常规流程。最终强调：真正的知识图谱建设始于问题，成于演化。]]></description><category></category></item><item><title><![CDATA[本体自动生成的10个错觉]]></title><link>https://blog.csdn.net/wireless_com/article/details/167889246</link><guid>https://blog.csdn.net/wireless_com/article/details/167889246</guid><author>wireless_com</author><pubDate>Wed, 14 Oct 2026 09:38:47 +0800</pubDate><description><![CDATA[AI自动化生成本体与知识图谱虽大幅提升建模效率，但其产出仅为符号结构，缺乏跨部门共识的业务意义。真正的语义互通依赖人类协商，而非技术幻觉。企业应从“统一本体”转向“语义制图”，构建兼容多元模型的治理机制，实现多视角协同。]]></description><category></category></item><item><title><![CDATA[构建企业级 Agentic AI的语义层]]></title><link>https://blog.csdn.net/wireless_com/article/details/167888297</link><guid>https://blog.csdn.net/wireless_com/article/details/167888297</guid><author>wireless_com</author><pubDate>Wed, 14 Oct 2026 09:25:18 +0800</pubDate><description><![CDATA[【引】如果 LLM 是大脑，语义层就是 Agentic AI 的心脏——为Agent 构建缺失的上下文层。本文是“本体与AI”的系列文字之一，也是《本体驱动的AI大模型：方法与实现》一书的解释与补充。走进任何一家大公司，你会看到同一份购物清单：前沿 LLM（Claude、GPT、Gemini等）、企业数据平台、堆满非结构化文档的数据湖、向量数据库、一堆 Agent、编排框架（LangGraph、CrewAI）、一堆工具，以及某种形式的记忆。架构图看起来很壮观，Demo 也能跑通。]]></description><category></category></item><item><title><![CDATA[万字长文：缺算力还是语义？企业Agent的真正瓶颈]]></title><link>https://blog.csdn.net/wireless_com/article/details/167888146</link><guid>https://blog.csdn.net/wireless_com/article/details/167888146</guid><author>wireless_com</author><pubDate>Wed, 14 Oct 2026 09:23:55 +0800</pubDate><description><![CDATA["本体"一词起源于哲学，关注存在的本质和类别。本体是对一个领域中的概念以及赋予这些概念含义的关系、属性、规则和约束的显式规范。考虑一个事件管理领域，可能包含概念：Service、Incident、Deployment、Team、Metric、Alert、Runbook、Policy、Environment、RemediationAction。规则如：每个生产服务必须有一个拥有团队严重事件必须至少有一个受影响服务回滚操作只能针对已部署的服务生产变更操作需要审批服务不能依赖自身。]]></description><category></category></item><item><title><![CDATA[《本体驱动的AI大模型》作者序]]></title><link>https://blog.csdn.net/wireless_com/article/details/167781884</link><guid>https://blog.csdn.net/wireless_com/article/details/167781884</guid><author>wireless_com</author><pubDate>Tue, 13 Oct 2026 09:43:38 +0800</pubDate><description><![CDATA[《本体驱动的AI大模型》系统探讨了在大模型时代，如何通过本体论实现知识的显式表达与可信推理。作者指出，大模型“幻觉”等问题源于隐式知识表示，而本体论提供结构化、可验证的知识框架，能增强推理能力、提升可解释性，并促进跨领域知识融合。全书从理论到实践，涵盖本体与大模型的集成方式、应用案例及实施路径，强调神经符号融合是迈向可信AI的关键。本书为研究人员、工程师与行业从业者提供了融合本体与大模型的完整指南，助力构建可靠、可解释的下一代智能系统。]]></description><category></category></item><item><title><![CDATA[Agent 驱动的架构模式初探]]></title><link>https://blog.csdn.net/wireless_com/article/details/167781600</link><guid>https://blog.csdn.net/wireless_com/article/details/167781600</guid><author>wireless_com</author><pubDate>Tue, 13 Oct 2026 09:40:37 +0800</pubDate><description><![CDATA[Gartner预测，2026年全球40%企业应用将嵌入具备任务执行能力的AI智能体。本文系统解析六种主流架构模式：计算机使用型（CUA）、多智能体互操作（A2A/MCP）、代码执行型（CodeAct）、智能编排型（Magnetic Orchestration）、小模型驱动微Agent（SLM）及基于评估的上下文工程。每种模式对应不同场景与技术优势，如CUA实现GUI自动化，CodeAct降低工具调用成本，SLM提升效率与经济性。未来核心在于“系统工程”——通过上下文优化、工具治理与验证闭环，实现Agent从]]></description><category></category></item><item><title><![CDATA[Agent技术栈选型浅析（2026）]]></title><link>https://blog.csdn.net/wireless_com/article/details/167781405</link><guid>https://blog.csdn.net/wireless_com/article/details/167781405</guid><author>wireless_com</author><pubDate>Tue, 13 Oct 2026 09:37:44 +0800</pubDate><description><![CDATA[2026年AI Agent赛道进入功能同质化内卷期，工具能力趋同，单纯比功能已失效。选型应跳出“最优解”误区，转而构建长效评判体系：生态存续度、集成兼容性、可学习性、迁移成本与架构灵活度五大维度，贯穿模型、检索、运行框架等九层技术栈。核心逻辑是逐层拆解业务适配需求，优先选择可长期迭代、低锁定、易迁移的方案。项目启动前建立评估框架，开发中定期审计风险组件，方能在行业整合与标准统一中预留调整空间。]]></description><category></category></item><item><title><![CDATA[再看Agent 之 MCP 的安全性]]></title><link>https://blog.csdn.net/wireless_com/article/details/167781208</link><guid>https://blog.csdn.net/wireless_com/article/details/167781208</guid><author>wireless_com</author><pubDate>Tue, 13 Oct 2026 09:35:14 +0800</pubDate><description><![CDATA[MCP作为AIAgent跨系统协作的核心技术，已实现规模化落地，但安全短板凸显：88%服务器使用不安全凭证，53%依赖静态密钥，99%未正确配置安全选项，导致万台服务器“裸奔”。四大致命错误——密钥硬编码、权限过度开放、日志缺失、第三方组件未审核——引发数据泄露与系统瘫痪风险。亟需从部署到运维建立全流程防护体系，落实动态密钥、最小权限、审计日志与组件审核，确保AI规模化发展不失控。]]></description><category></category></item><item><title><![CDATA[这一年，从牛津毕业了]]></title><link>https://blog.csdn.net/wireless_com/article/details/167780939</link><guid>https://blog.csdn.net/wireless_com/article/details/167780939</guid><author>wireless_com</author><pubDate>Tue, 13 Oct 2026 09:33:07 +0800</pubDate><description><![CDATA[少年的远行归来]]></description><category></category></item><item><title><![CDATA[老码农眼中的“距离”]]></title><link>https://blog.csdn.net/wireless_com/article/details/167780708</link><guid>https://blog.csdn.net/wireless_com/article/details/167780708</guid><author>wireless_com</author><pubDate>Tue, 13 Oct 2026 09:29:59 +0800</pubDate><description><![CDATA[本文以对话形式引出机器学习中9种核心距离指标，用通俗语言解析其定义、公式、示例及应用场景。涵盖欧几里得、余弦、汉明、曼哈顿、闵可夫斯基、雅卡尔、切比雪夫、哈弗赛因与索伦森骰子距离，强调“选对距离指标，事半功倍”，指导读者根据数据类型与业务需求合理选择，提升模型效果。]]></description><category></category></item><item><title><![CDATA[读《Agentic 多智能体架构模式》]]></title><link>https://blog.csdn.net/wireless_com/article/details/167780321</link><guid>https://blog.csdn.net/wireless_com/article/details/167780321</guid><author>wireless_com</author><pubDate>Tue, 13 Oct 2026 09:27:10 +0800</pubDate><description><![CDATA[《Agentic多智能体架构模式》揭示大模型从“对话生成器”向“自主推理引擎”的范式跃迁。书中提出以感知、决策、行动为核心的智能体架构，通过多智能体协同、可解释性设计、容错机制与人机分工等模式，构建可落地的生产级系统。强调架构思维胜于工具堆砌，为从原型到企业级应用提供结构化路径，是迈向智能体时代的实践指南。]]></description><category></category></item><item><title><![CDATA[老码农眼中的Agent Skill]]></title><link>https://blog.csdn.net/wireless_com/article/details/167779863</link><guid>https://blog.csdn.net/wireless_com/article/details/167779863</guid><author>wireless_com</author><pubDate>Tue, 13 Oct 2026 09:24:21 +0800</pubDate><description><![CDATA[本文详解AgentSkill机制：其核心为标准化的SKILL.md文件，通过三级加载系统实现高效触发——元数据（始终加载）、指令（按需加载）、参考与脚本（仅在调用时读取）。技能成败关键在于描述字段的精准匹配，而非内容本身。正确构建技能需遵循命名规范、保持指令简洁，并合理利用references与scripts。技能可集成MCP服务，提升自动化能力，但须警惕安全风险，优先审核来源。理解“触发-执行-扩展”逻辑，方能从简单指令迈向复杂工作流。]]></description><category></category></item><item><title><![CDATA[温故知新：软件总线]]></title><link>https://blog.csdn.net/wireless_com/article/details/167779061</link><guid>https://blog.csdn.net/wireless_com/article/details/167779061</guid><author>wireless_com</author><pubDate>Tue, 13 Oct 2026 09:17:55 +0800</pubDate><description><![CDATA[软件总线借鉴硬件总线思想，通过标准化接口与消息中转机制，实现功能模块的解耦、即插即用与跨语言协同，有效解决大型软件系统因耦合度高导致的开发难、维护贵、扩展慢等问题。其核心架构包含通信、构件管理、任务调度与接口控制四大模块，支持热插拔、动态组装与异构兼容，广泛应用于指挥控制、工业仿真等复杂场景。虽存在性能损耗与学习成本高等短板，但在分布式、大规模系统中优势显著，是应对“软件熵死亡”的关键架构方案。]]></description><category></category></item><item><title><![CDATA[元提示浅析]]></title><link>https://blog.csdn.net/wireless_com/article/details/167777820</link><guid>https://blog.csdn.net/wireless_com/article/details/167777820</guid><author>wireless_com</author><pubDate>Tue, 13 Oct 2026 09:14:18 +0800</pubDate><description><![CDATA[虽然掌握提示词工程的核心原则很重要，但在编写提示词时不借助大语言模型（LLM）是没有意义的。LLM可以帮助提示工程师构建更可靠的提示结构。元提示是一种利用LLM生成和改进提示词的技术。简单来说，就是用一个大模型（比如更高级的o1-preview）来为另一个模型（如GPT-4）优化提示词，使其更清晰、结构化，从而获得更高质量的响应。与传统提示词工程不同，元提示不是从头开始写提示词并期待好结果，而是让LLM根据反馈动态调整提示词，使其能处理更复杂的任务和变化的场景。]]></description><category></category></item><item><title><![CDATA[Agentic RL 正在重新定义 AI 的下限]]></title><link>https://blog.csdn.net/wireless_com/article/details/167776281</link><guid>https://blog.csdn.net/wireless_com/article/details/167776281</guid><author>wireless_com</author><pubDate>Tue, 13 Oct 2026 09:04:30 +0800</pubDate><description><![CDATA[AgenticRL正推动AI从“语言生成”迈向“自主行动”，通过多轮决策、工具调用与自我修正，实现从单次问答到复杂任务的跃迁。其核心在于以POMDP建模动态环境，解决信用分配难题，并依托模块化架构、过程奖励设计与GRPO/PPO等算法优化训练效率。字节跳动Forge、verl等框架已实现百万级样本吞吐，智谱GLM-5.2等实践验证其工业可行性。尽管仍面临稳定性、泛化性与效率瓶颈，AgenticRL正重塑AI能力边界，标志着智能体时代的真正开启。]]></description><category></category></item><item><title><![CDATA[老码农眼中的提示词注入攻防——13种拆解]]></title><link>https://blog.csdn.net/wireless_com/article/details/167775810</link><guid>https://blog.csdn.net/wireless_com/article/details/167775810</guid><author>wireless_com</author><pubDate>Tue, 13 Oct 2026 09:01:06 +0800</pubDate><description><![CDATA[这种攻击的核心是“小步慢跑”：每一轮对话都比上一轮稍微敏感一点，但每一步都没有越过安全的阈值，等积累到 enough 的上下文，模型就已经被带偏了。比如之前某银行做客服大模型测试的时候，攻击者就是这么一步步套信息的：第一轮：「请问你们银行的理财产品收益率是多少？」（正常问题）第二轮：「我之前买过你们的产品，收益好像比别的银行高，你们的风控是怎么做的？」（稍微敏感）第三轮：「听说你们的风控系统用了大模型，有没有什么漏洞啊？」（更敏感）]]></description><category></category></item><item><title><![CDATA[Token 工厂？财富新范式！]]></title><link>https://blog.csdn.net/wireless_com/article/details/167775200</link><guid>https://blog.csdn.net/wireless_com/article/details/167775200</guid><author>wireless_com</author><pubDate>Tue, 13 Oct 2026 08:57:58 +0800</pubDate><description><![CDATA[本书以“Token工厂”为核心理念，倡导将AI从炫技的“手办”转变为可管理、可盈利的工业化生产系统。针对企业普遍面临的“三不困境”，作者提出“工厂思维”“全成本视角”“飞轮逻辑”等实战方法论，聚焦数据治理、算力优化、能耗管理与价值闭环，结合制造、金融、医疗等行业案例，提供从技术到商业的落地指南。全书拒绝空谈，强调工程实践与可持续迭代，助力企业在AI时代实现渐进式领先。]]></description><category></category></item><item><title><![CDATA[如何评估一个AI Agent？]]></title><link>https://blog.csdn.net/wireless_com/article/details/167774530</link><guid>https://blog.csdn.net/wireless_com/article/details/167774530</guid><author>wireless_com</author><pubDate>Tue, 13 Oct 2026 08:55:35 +0800</pubDate><description><![CDATA[做了一个智能体， 如何评估它的好坏呢？]]></description><category></category></item><item><title><![CDATA[MCP过时了么？你可能面对的MCP 反模式]]></title><link>https://blog.csdn.net/wireless_com/article/details/167773684</link><guid>https://blog.csdn.net/wireless_com/article/details/167773684</guid><author>wireless_com</author><pubDate>Tue, 13 Oct 2026 08:51:20 +0800</pubDate><description><![CDATA[MCP并非过时，而是被误用。其核心价值在于让AI Agent安全连接企业系统，但若忽视权限治理、身份认证与操作管控，便易引发数据风险。六大反模式揭示：过度开放权限、混淆界面与Agent权限、认证混乱、无效调用、上下文爆炸及野路子架构，均可能导致生产事故。正确做法应建立工具级治理、身份感知执行、破坏性操作护栏、统一控制平面与专业化Agent分工，使MCP真正成为可审计、可管理的企业级集成基石。]]></description><category></category></item></channel></rss>