口述工作邮件，把“识别”和“整理成稿”分开：先确认录音是否离开本机，可断网实测并查看云端识别开关；再写称呼、目的、事项、下一步四行骨架，照骨架分段口述；整理档位按速记、文档、邮件选择，去口水词不等于改书面语。口述时放慢数字日期、人名代号、否定限定，关键数字可重复。发送前只核对数字与人名等关键信息，压... ...

一文搞懂 Function Calling：大模型究竟是如何调用工具的？ 我们知道，传统的大语言模型（LLM）主要负责理解和生成文本。 但是，像 Claude Code、Codex 这样的 AI Agent，不仅能够回答问题，还可以读取文件、执行终端命令、搜索网页，甚至修改整个项目的代码。 这就引出 ...

EmbeddingGemma 2 是 Google DeepMind 发布的 740M 开放权重多模态嵌入模型，把文本、代码、图像、视频、音频投影到同一个 768 维向量空间。本文拆解它的模块化编码器与四档按需加载、MRL 向量截断（768→512/256/128 维）以及浏览器与端侧离线 RAG ... ...

会议室门上那张"已预约"的纸条，大概是办公室里最没说服力的东西。纸上写着下午两点到三点，实际一点四十就有人坐进去了，两点钟真正要用的人站在门口打电话找人。排会这件小事，几乎每个团队都在用最原始的方式处理，而它恰恰是自动化能立刻见效的地方。不得不说，越是每天重复上百次的琐事，越容易被一句"就这样吧"糊 ...

有人问，既然计算器能做加减乘除，科学计算器还能算更复杂的公式，又快又准，那为什么还要学数学？同样的逻辑，现在AI能写代码了，是不是也不用学编程基础了？ 这个类比听起来聪明，但忽略了一个关键：计算器只负责执行运算，它不理解问题。你得先知道要算什么、怎么列式、结果是否合理，才能正确使用它。编程也一样，A... ...

本文深入剖析基于 MCP（Model Context Protocol）协议构建私有研发智能体的实战方案。通过 Java/Spring Boot 将 GitLab、Jenkins、K8s 封装为标准 MCP Tool 与 Resource，配合 Human-in-the-loop 人机确认机制，实... ...

介绍 InBrief 的三块信息：大厂一手动态、AI 资讯聚合和社媒讨论，以及十分钟用法、已知限制与不适合人群。 ...

一句话：Model + Harness = Agent DeepSeek 在 2026 年 8 月 13 日开源了 DeepSeek Harness（命令行 dsh，npm 包 @deepseek-ai/dsh，MIT 协议，目前是开发者预览版）。官方给的公式很短：Model + Harness = ...

让 AI 从“给建议”走到“操作工作台”：用 Termexo MCP 查询终端、向五种编程 Agent 发送指令并读取结果。本文提供三步连接流程、可复制的首次体验指令，以及任务启动和终端操控的区别。 ...

客户满意度回访这件事，几乎所有做企业服务的团队都认同它重要，但真正能坚持做下来的并不多。原因并不复杂：它不是不会做，而是做不动——名单要人工整理、话术要人工改写、回复要人工归类，一轮下来两三个人搭进去好几天。事实上，回访卡住的地方从来不是诚意，而是流程。 一、客户回访做不动的三个真实卡点 第一个卡点 ...

Nano Banana 2.1 更新了画质、文字渲染与多轮编辑一致性。本文从参考素材、排版约束、主体保留和逐轮检查出发，整理海报与商品图的使用流程。 ...

一个没有答案 key 的难题 智能体跑完一个几十步的长任务，交出一份表格、一份报告或改好的文件，谁来判定它对不对？短问答可以靠标准答案或单元测试，但长任务的交付物往往没法写成断言：一个财务比率可能取错了年份，一份报告可能引用了已失效的来源，而且这些错误通常藏在"看起来很正常"的成品里。 谷歌云 AI ...

一、告警风暴是怎么把运维拖垮的 安全设备越买越多，值班群却越来越安静——不是没事发生，是没人再看告警了。这是不少企业安全运维的真实状态。 一个中等规模的企业，防火墙、WAF、EDR、堡垒机、数据库审计、云安全中心加起来，一天产生几千到几万条告警很正常。客观来说，这里面真正需要人立刻处理的，往往不到百 ...

以 Termexo v0.10.10 为例，讨论五种编程 Agent 的 MCP 配置生命周期、配置归属、权限与联调验收；说明追加、冲突与撤回的处理，以及各客户端不同深度的验证证据。 ...

一位62岁、从业近30年的开发者最近在评论里说，他手头大约一半的工作已经交给Claude处理。他的建议很直接：选一两个前端框架，比如Vue或Angular，再配一个靠谱的后端，比如C#，然后把这套组合练到精通。这个观点和我不谋而合。不管工具怎么变，至少在某个领域成为专家这件事，价值从来没有降低过。我... ...

Agent Loop：AI 是怎么从"一句一答"进化成"自己干活"的 如果只用一个概念来解释"Agent 和普通聊天机器人到底差在哪"，我的答案会是 Agent Loop。这篇文章想用最通俗的方式，把它讲清楚。 一个"一句一答"解决不了的问题 你跟 ChatGPT、DeepSeek 聊天的时候，交互 ...

一、采购比价的真实痛点：不是没数据，是数据太散 每家公司的采购流程其实都差不多：需求部门提申请，采购去找两三家供应商报价，比完价签合同，月底对账。听上去清晰，真做起来全是手工活。 报价单散落在微信里、邮件附件里、供应商业务员手里，格式各不相同——有的一板一眼用 Excel，有的发一张 PDF 扫描件 ...

从“会用几个 AI 工具”，到“拥有一套能反复产出价值的工作系统”。 在 AI 时代，搭建一套可复现的知识工作系统 AI 的下一阶段，不是又多了一个令人眼花缭乱的模型或应用。 真正重要的问题是：普通人、创作者和小团队，怎样把 AI 变成持续提升判断、创造和协作能力的基础设施？ 这里将记录我对这个问题 ...

一、培训资料为什么总是"做完就过时" 企业培训最尴尬的地方在于：讲义写得越认真，过时得越快。产品改了一版、流程调了一次、政策换了一份，原来的 PPT 和题库立刻就有半页是错的。 究其原因，不是讲师不勤快，而是培训材料的来源太散了——产品文档在网盘里、操作手册在共享盘里、上一版讲义躺在某位同事的电脑里 ...

本文针对大模型与企业内网数据打通的痛点，深入剖析 Anthropic 的 Model Context Protocol (MCP) 规范。基于 Python 官方 SDK 编写具备 AST 语法只读拦截、连接池隔离的高可用 MCP Server，打通 MySQL 与 Redis，并演示与 Clau... ...