文章地图
文章目录
从业务问题、实践指南和概念辨析,查找你需要的 AI Agent 知识。
概念
- 把 AI / Agent 概念讲成能记住的故事
- 可接受使用政策
- 访问控制
- 动作
- AWQ
- 激活检查点
- 激活
- 适配器
- 对抗性评估
- 对抗性示例
- Agent 通信协议
- 智能体辩论
- Agent 决策追踪
- Agent 身份与认证
- 智能体循环
- 智能体协商
- Agent 运营模型
- 智能体编排
- Agent 拥有人
- 智能体策略
- Agent 路由
- Agent 运行时
- 智能体群
- 智能体
- Agent-to-Agent 协议
- 智能体工作流
- AI助手
- 智能客服
- AI 披露
- AI 治理
- AI 影响评估
- AI 事故
- AI 原生工作流
- AI 政策
- AI 风险管理框架
- AI 风险管理
- AI 安全
- AI 工作替代率
- AI 使用场景清单
- AI工作流
- 人工智能运维
- 对齐评估
- 对齐
- 年度经常性收入
- 匿名化
- 答案相关性
- 审批流
- 审批门槛
- 近似最近邻搜索
- Arize Phoenix
- 人工智能
- 助手
- 注意力掩码
- 注意力机制
- ALiBi
- 基于属性的访问控制
- 审计证据
- 审计日志
- 审计日志
- 审计轨迹
- 可审计性
- 职权边界
- AutoGen
- 语音识别
- 自主级别
- 自主性级别
- 自动驾驶
- 自回归解码
- 自动扩缩容
- 辅助损失
- 后门攻击
- 反向传播
- 批量推理
- 束搜索
- 基准污染
- 评测基准
- 最佳-of-N 采样
- BIG-bench (超越模仿游戏基准)
- 双编码器
- 偏见
- BERT
- bitsandbytes
- 黑板架构
- 蓝绿部署
- BM25
- bf16
- 浏览器工具
- 预算感知路由
- 业务连续性
- 字节对编码
- BPE
- 缓存
- 金丝雀发布
- 金丝雀发布
- 能力评估
- 灾难性遗忘
- 因果注意力/自回归
- 思维链
- 思维链训练
- 思维链与草稿区
- 变更咨询委员会
- 变更管理
- Chinchilla 方案
- Chroma
- Chunked Prefill
- 分块
- 流失率
- 持续集成与持续交付
- 熔断器
- 来源引用
- 引文
- 云原生
- 共创
- C2PA
- 代码解释器
- 合规日志
- 合规映射
- 计算机使用
- 置信度阈值
- 合格评定
- 连接器
- 宪法式 AI
- 容器
- 能力污染与数据泄露
- 内容过滤
- 上下文工程
- 上下文污染
- 上下文精确率
- 上下文剪枝
- 上下文召回率
- 上下文长度/窗口
- 上下文窗口
- 持续预训练
- 连续批处理
- CLIP
- 对比学习
- 控制框架
- 控制所有人
- 控制测试
- 控制措施
- 副驾驶
- 语料库
- 成本归因
- 成本跟踪
- Agent 团队
- CrewAI
- 交叉注意力
- 跨境数据传输
- 交叉编码器
- 交叉模态对齐
- 跨模态嵌入
- 课程学习
- 客户获取成本
- 客户健康分
- 客户生命周期价值
- 客户成功
- 数据增强
- 数据连接器
- 数据外泄
- 数据飞轮
- 数据泄漏
- 数据血缘
- 数据本地化
- 数据防泄漏
- 数据最小化
- 数据混合
- 数据并行
- 数据投毒
- 数据隐私与 PII 遮蔽
- 数据处理协议
- 数据保护影响评估
- 数据驻留
- 数据保留政策
- 数据使用权
- 数据集说明书
- 死信队列
- 去中心化多智能体
- 解码阶段
- 纯解码器
- 解码器
- 解码
- 深度学习
- 自动化偏转率
- 交付验收
- 拒绝服务攻击
- 去噪目标
- 密集检索
- 深度剪枝
- 开发者体验
- 差分隐私
- 扩散语言模型
- 扩散模型
- 扩散变换器
- 数字员工
- 直接偏好优化
- 有向无环图
- 灾难恢复
- 蒸馏
- 蒸馏推理模型
- 分布偏移
- 文档解析
- 文档存储
- 双重量化
- 草稿模型
- DSPy
- 持久执行
- 动态批处理
- 早出
- 嵌入
- 嵌入
- 涌现行为
- 编码器-解码器
- 编码器
- 企业销售
- 实体抽取
- 情景记忆
- 错误预算
- 升级路径
- EU AI 法案
- 评估套件
- 评测
- 评测框架
- 异常处理
- 越权代理
- 执行器
- 退出计划
- 专家路由
- 可解释性
- FAISS
- 事实核验
- 公平性
- 忠实性
- 回退
- 特性开关
- 特征库
- 联邦学习
- 前馈网络
- 用户反馈闭环
- 少样本提示
- 文件搜索
- 微调
- 云成本运营
- Flash Attention
- 基座模型
- 全量微调
- FSDP
- 函数调用
- 通用目的 AI
- 泛化
- GPT
- GGML
- GitOps
- 黄金数据集
- 黄金路径
- 治理、风险与合规
- GGUF
- GPTQ
- 降级
- 梯度下降
- 灰度发布
- 思维图
- 图增强检索生成
- 贪心解码
- 毛利
- 事实锚定
- 群聊编排
- GRPO
- 分组查询注意力
- 安全护栏
- GUI 智能体
- 幻觉检测
- 幻觉风险
- 幻觉
- 交接
- 有害内容过滤
- Haystack
- Helicone
- 层级多智能体
- 分层可导航小世界图
- 高风险 AI 系统
- HELM (整体语言模型评估)
- 热加载
- 人工评估
- 人类在回路内
- 人类在回路中
- 人在回路
- 人类在回路外
- 人工旁路监督
- 人工监督
- HumanEval (代码生成评估)
- 混合多智能体
- 混合定价
- 混合搜索
- 超参数
- 假设文档嵌入
- 理想客户画像
- 幂等性
- 上下文学习
- 事故管理
- 事故响应
- 间接提示注入
- 推理端点
- 推理引擎
- 推理
- 信息安全管理体系
- 基础设施即代码
- IA3
- 指令数据
- 指令微调
- 意图识别
- 内部审计
- 内部开发者平台
- ISO 27001
- 越狱
- Jamba
- 任务队列
- 待完成任务
- JSON 模式
- 算子融合
- KV Cache
- 知识库问答
- 知识蒸馏
- 知识图谱
- Kubernetes
- KV 缓存
- 缓存卸载
- 量化 KV 缓存
- LangChain 表达式语言
- LangChain
- Langfuse
- LangGraph
- LangSmith
- 语言模型
- 大语言模型
- 延迟监控
- 延迟
- 潜在扩散模型
- 层归一化
- 分层学习率
- 版面分析
- 线性注意力
- LiteLLM
- LlamaIndex
- 大模型应用
- LLM 评估
- LLM 评测平台
- LLM 可观测性
- 大语言模型运维
- 本地化部署
- Logits
- 长期记忆
- 回顾解码
- 低秩适配
- 损失函数
- 低秩适配
- 机器学习
- Mamba
- 托管服务
- 掩码语言建模
- MMLU (大规模多任务语言理解)
- 最大边际相关性
- Medusa
- 成员推断攻击
- 记忆压缩
- 记忆
- 合并权重
- 计量
- Milvus
- 最小可行产品
- 混合精度训练
- MoD
- 混合专家模型
- 机器学习运维
- 模型审批流程
- 模型卡
- 模型上下文协议
- 模型漂移
- 模型回退
- 模型网关
- 模型清单
- 模型反演攻击
- 模型监控
- 模型投毒
- 模型剪枝
- 模型注册表
- 模型风险评估
- 模型风险管理
- 模型路由
- 模型安全评估
- 模型服务
- 模型验证
- 模型版本管理
- 模型
- 模型文件配置
- 多智能体共识
- 多智能体编排
- 多智能体反思
- 多智能体系统
- 多头注意力
- 多跳检索
- 多模态越狱
- 多查询注意力
- 多任务学习
- 多租户
- 多模态模型
- 多模态 RAG
- 多模态
- 净收入留存
- 神经网络
- 下一个词预测
- NF4
- 可观测性
- Ollama
- 入门引导
- 在线推理
- 本体
- OpenAI 助手 API
- OpenAI 响应 API
- OpenClaw
- opencode
- OpenTelemetry
- 运营指标
- OCR
- 编排
- 结果定价
- 过拟合
- OWASP LLM Top 10
- 分页注意力
- 分页注意力
- 参数高效微调
- 参数
- 父子分块
- 逐轮评估
- 权限边界
- 权限模型
- 困惑度
- 用户画像
- 个人数据
- 个人身份信息
- pgvector
- 试点
- Pinecone
- 流水线并行
- 规划器
- 规划
- 平台工程
- 插件
- 策略即代码
- 策略引擎
- 位置编码
- 训练后量化
- 事后复盘
- 预训练
- 偏好数据
- 偏好优化
- 预填充
- 预填充
- 前缀缓存
- 前缀微调
- 预训练
- 最小权限原则
- 私有化部署
- 产品主导增长
- 产品市场匹配
- 生产漂移检测
- 产品化服务
- 专业服务
- 程序辅助语言模型
- 提示缓存
- 提示工程
- 提示注入
- 越狱
- 提示词管理
- 提示敏感度
- 提示微调
- 提示版本管理
- 提示词
- 概念验证
- 来源证明
- 近端策略优化
- 假名化
- 目的限制
- Qdrant
- 量化低秩适配
- 质量保障
- 量化感知训练
- 量化
- 量化低秩适配
- 查询引擎
- 查询改写
- 配额
- 速率限制
- 推理-行动范式
- 实时智能体
- 恢复点目标
- 恢复时间目标
- 递归检索
- 红队测试
- 标杆案例
- 强化微调
- AI 反馈强化学习
- 基于人类反馈的强化学习
- 强化学习
- 可验证奖励强化学习
- 拒绝采样
- 关系抽取
- 表征学习
- 重排序器
- 重排序
- 残差连接
- 剩余风险
- 负责任 AI
- 检索增强生成
- 检索增强生成
- 检索精确率
- 检索召回率
- 奖励模型
- 后悔权与撤销机制
- 风险接受
- 风险偏好
- 风险评估
- 风险所有人
- 风险登记册
- 基于人类反馈的强化学习
- 基于角色的访问控制
- 角色扮演多智能体
- 回滚计划
- 回滚
- 根因分析
- RMSNorm
- 旋转位置编码
- 路由器
- 运行步骤
- 运行
- 运行时
- 软件即服务
- 安全微调
- 销售智能体
- 销售主导增长
- 抽样复核
- 采样
- 沙箱
- 缩放定律
- 场景化落地
- 草稿区
- 按关键词找到对应概念和辨析页
- 席位定价
- 机密管理
- 安全聚合
- 安全事故响应
- 安全问卷
- 职责分离
- 自注意力
- 自我一致性
- 自助服务
- 自监督学习
- 语义缓存
- 语义分块
- 语义函数
- Semantic Kernel
- 语义记忆
- 语义路由
- 语义搜索
- 语义相似度
- 敏感个人数据
- SentencePiece
- 服务级别协议
- 服务级别目标
- SOC 2
- 服务即软件
- 影子 AI
- 签名
- 技能
- 滑动窗口注意力
- 滑动窗口分块
- 插槽填充
- SOC 2 Type I
- SOC 2 Type II
- 跨度
- 稀疏检索
- 稀疏性
- 推测解码
- 推测编辑
- 推测前缀树
- 投机采样
- 状态图
- 状态机
- 状态空间模型
- 步骤成功率
- 流式响应
- 结构化输出
- 结构化输出
- 结构化剪枝
- 子处理方
- 监督微调
- 监督学习
- 监督智能体
- 供应链风险
- SWE-bench
- SwiGLU
- 合成数据
- 系统卡
- 系统提示词
- 表格抽取
- 不可篡改日志
- 目标模块选择
- 任务分解
- 任务成功率
- 技术文档
- 提示优化器
- 温度
- 租户隔离
- 张量并行
- 测试集
- 测试时计算
- 文本生成推理
- 语音合成
- T5
- 第三方风险管理
- 会话线程
- 三道防线
- 吞吐量
- 首 Token 时间
- 价值实现时间
- Token 预算
- Token 成本
- Token 用量监控
- 词元
- 分词
- 分词器
- 每秒 token 数
- 工具调用准确率
- 工具调用延迟
- 工具调用
- 工具输出污染
- 工具注册表
- 工具选择
- 工具调用
- Top-k 路由
- Top-k 采样
- Top-p 采样
- 跟踪记录
- 可追溯性
- 调用链追踪
- 训练数据排除
- 训练集
- 轨迹评估
- Transformer
- 透明度
- 思维树
- 树搜索
- 三元组
- TruLens
- 可信 AI
- 噪声预测器/UNet
- 单位经济模型
- 非结构化剪枝
- 无监督学习
- 用量定价
- 使用策略
- 用户代理 Agent
- 验证集
- 向量数据库生态
- 向量数据库
- 供应商尽职调查
- 供应商评估
- 供应商锁定
- 版本控制
- 视频理解
- 视觉语言模型
- 视觉 Transformer
- vLLM
- 词表
- 语音智能体
- 水印
- Weaviate
- 网页智能体
- 权重绑定
- Weights & Biases Weave
- 宽度剪枝
- 词嵌入
- 工作流引擎
- 工作流
- 工作记忆
- ZeRO
- 零样本提示
指南
洞察
比较
- 容易混淆的概念,放在同一张桌上讲清楚
- 访问控制和权限模型
- 访问控制和最小权限原则,一个是管门的锁,一个是告诉你锁几把钥匙
- 对抗性评估和红队测试,一个是用工具自动攻,一个是请人手动想歪招
- 智能体怎么运转和谁对智能体负责
- 智能体编排和多智能体编排
- 智能体编排和编排
- 指挥多个智能体的和执行流程的
- Agent 拥有人和风险所有人:一个管这辆车怎么开,一个管出了事谁赔
- 把任务分给对的智能体和协调多个智能体
- Agent 运行时和 OpenClaw
- 管智能体生命周期的和跑流程图的引擎
- Agent 运行时和工作流
- 自组织的一群和分好工的一队
- Agent 和 Agent Loop 有什么区别
- 智能体和 Agent 运行时
- 智能体和 AI 助手
- 做决策的智能体和守边界的自动驾驶
- Agent 和 Copilot 有什么区别
- 智能体和数字员工
- 智能体和大模型应用
- 智能体和运行时
- 智能体和销售智能体
- 具体通信协议和通用通信规范
- AI 参与改造的工作流和 AI 原生的工作流
- AI 影响评估和数据保护影响评估,一个问 AI 会伤害谁,一个问数据会怎么泄露
- 出了事之后和出事前
- AI 事故和安全事故响应
- 公司用 AI 的规矩和智能体做事的规矩
- 管出事的和定规矩的
- AI 风险管理和 AI 风险管理框架
- AI 风险管理和模型风险管理
- AI 安全和 AI 治理有什么区别
- AI 工作替代率和自动化偏转率
- 考规矩的和考本事的
- 对齐评估和模型安全评估
- ARR 和 NRR,一个量年租,一个量水桶有没有漏水
- 匿名化和假名化
- 记下来发生了什么的和记下来怎么查的
- 审计轨迹和审计证据,一个留下脚印,一个留下脚印能证明什么
- 可审计性和审计证据,一个是系统让人查的结构,一个是查出来的那张纸条
- 职权边界和自主级别
- 职权边界和权限边界
- 一个刻度和一个刻度尺
- 一套自动驾驶系统和自主程度的等级
- 评测基准和基准污染,一个是你手里的尺子,一个是尺子被人提前看过了
- 一套题和一场考试
- 评测基准和黄金数据集,一个是一整套考卷加评分规则,一个是标准答案本
- 双编码器和交叉编码器
- 整套新旧切换和小范围放量试探
- 去网页上拿东西的和在网页上替我操作的
- 浏览器工具和网页智能体
- 看花费分路和全维度分路
- 金丝雀发布和蓝绿部署
- 先上一小批和逐步放量给用户
- 先放一辆车看看和按比例逐段放行
- 思维链和草稿区
- 一条路推到底和多条路同时评估
- 分块和父子分块:一个是切豆腐,一个是切完豆腐还留着原来的那盘菜
- 分块和检索增强生成
- 切材料和找材料
- 分块和语义分块,一个是把长文切成段,一个是不按字数按意思切
- 把长文本切成块的大家族和其中按固定步长滑着切的那一种
- 流失率和净收入留存
- 熔断器和降级:一个拉闸断电,一个关灯开窗
- 用 opencode 做出来的客服助手,和 opencode 本身有什么不同
- 合规日志和审计日志
- 计算机使用和 GUI 智能体
- 管信息环境的和写单条指令的工程
- 上下文工程和检索增强生成
- 上下文污染和数据投毒
- 送进上下文的准不准和全不全
- 上下文精确率和忠实性,一个测检索相关性,一个测答案靠不靠证据
- 删掉什么和能装多少
- 上下文召回率和忠实性
- 上下文窗口和上下文工程
- 上下文窗口和上下文长度:一个管能装什么,一个管能装多少
- 来了就做和一攒够了再做
- 听起来是一个东西,打开来是两套开关
- 栏杆扶手和整本安全管理手册
- 交叉编码器和重排序器,一个是测量工具,一个是把测量结果排成队
- 客户获取成本和客户生命周期价值
- 今天看脉象和年底看病历
- 客户成功和客户健康分:一个跑全程,一个记读数
- 数据外泄和数据防泄漏,一个是已经发生的事故,一个是防事故的围墙
- 只收需要的和只按原用途用
- 数据隐私与 PII 遮蔽和匿名化
- 把敏感字段遮住和让统计结果难以反推出个人
- 数据处理协议和数据使用权
- 数据处理协议和子处理方,一份是合同本身,一份是合同里列出的人
- 数据驻留和跨境数据传输
- 数据住在哪里和数据必须留在哪里
- 数据保留政策和数据最小化:一个管留多久,一个管别多拿
- 平级商量的和上级指挥的
- 自动化偏转率和智能客服
- 密集检索和语义搜索
- 用向量找的和用关键词找的
- 数字员工和服务即软件
- 灾难恢复和业务连续性:一个管机器活过来,一个管生意别断
- 任务能断点续跑和任务排队等待执行
- 嵌入和嵌入
- 把内容变成数字和存放这些数字的仓库
- 把什么东西都变成向量的大家伙和其中只把单词变成向量的老前辈
- 先读完再写的双模块架构和只看着上文往下写的单模块架构
- 企业销售和销售主导增长
- EU AI 法案和高风险 AI 系统,一个是整本法律,一个是法律里圈出来的一类
- 评测和评测基准
- 评测和LLM评估,一个是检尺,一个是拿这把尺去量一个具体的模型
- 答案有没有照材料说和有没有答到问题
- 回退和模型回退
- 少样本提示和零样本提示
- 微调和指令微调:一个是大手术,一个是改对话方式
- 微调和监督微调
- 全量微调和参数高效微调:一个改整本,一个贴便签
- 通用目的 AI 和基座模型:一个看监管部门怎么分类,一个看技术团队怎么训练
- 专家逐条标注的完美答案集和用来做批量抽检的测试样本集
- 治理框架和安全认证
- 图增强检索生成和知识图谱
- 按关系图谱找的和按多种数据形式找的
- 算整盘毛利率的和拆到单笔账的
- 事实锚定和来源引用:一个查真伪,一个查出处
- 事实锚定和忠实性,一个管说了实话,一个管没自己编
- 操作通用界面的和操作网页的智能体
- 幻觉检测和事实核验:一个看模型有没有胡编,一个看答案对不对
- 发现幻觉和评估产生幻觉的风险
- 真人坐下来判断质量和用另一个大模型来打分
- 人类在回路中和人类在回路上
- 人在回路和审批流:一个是实时纠偏,一个是事前签字
- 混合搜索和密集检索
- 混合搜索和稀疏检索
- 理想客户画像和用户画像:一个瞄准买的人,一个瞄准用的人
- 上下文学习和少样本提示:一个靠模型自己归纳,一个靠你给范例
- 让模型跑起来的通用推理框架和专为文本生成加速的那个具体实现
- 推理引擎和 vLLM:一个定型,一个跑量
- 基础设施即代码和 GitOps:一个把机器写成文件,一个让文件自动驾驶机器
- ISO 27001 和信息安全管理体系:一个是考试标准,一个是日常功课
- 待完成任务和用户画像:一个问要做什么,一个问谁来做
- KV 缓存和 KV 缓存:同一个东西在论文里和在工程文档里的两种叫法
- KV Cache 和前缀缓存:一个是推理引擎记住了每一步,一个是服务层复用了别人的记忆
- Kubernetes 和容器:一个管货物怎么摆,一个管货物怎么装
- LangGraph 和工作流引擎:一个画分镜,一个管剧场
- 语言模型和大语言模型,一个是物种,一个是物种里出了名的那个变种
- 大语言模型和基座模型,一个住的是语言通道,一个啥都能睡
- 延迟和吞吐量
- 本地化部署和云原生
- 本地化部署和私有化部署,装在同一台机器上的两套账
- 低秩适配和低秩适配:同一个词的两张身份证
- 托管服务和专业服务
- 模型上下文协议和 Agent 通信协议,一端连模型和工具,另一端连 Agent 和 Agent
- 模型出问题换个备用的和系统出问题还能凑合用
- 持续看模型表现和发现生产环境漂移
- 模型投毒和数据投毒:一个在工厂里下毒,一个在原材料里掺假
- 模型风险管理和模型风险评估:一个是持续机制,一个是一次判断
- 模型路由和Agent路由,一个是把问题发给合适的模型,一个是把任务派给合适的角色
- 模型服务和推理端点
- 模型服务和推理引擎
- 管部署入口的和跑计算的推理
- 达成一致的过程和互相辩论的过程
- 可观测性和 LLM 可观测性:一个是整栋楼的监控,一个是电梯里的摄像头
- 入门引导和价值实现时间:一个铺路,一个算你走了多远才到
- 在线推理和批量推理
- opencode 和 OpenClaw 有什么区别
- opencode 和 Agent 运行时
- opencode 和 OpenClaw 有什么区别
- opencode 和销售智能体,一个是铁匠铺,一个是铁匠
- 运营指标和任务成功率:一个看机器跑得好不好,一个看机器干的活对不对
- 纯按结果收钱的和混合计价的
- 保留上下级关系和按语义切开
- 权限怎么分配和最大不能越过哪条线
- 能识别到人的数据和需要特别保护的数据
- 能识别个人的信息和更宽的个人数据
- 试点和共创:你到底是来测试还是来共建的
- 规划器和执行器:一个画路线图,一个踩油门
- 训练后量化和量化感知训练:一个是事后减肥,一个是从小控制体重
- 预训练和微调:一个建地基,一个装修房间
- 预填充和解码阶段,一个吃进问题算一遍全量注意力,一个吐着字一个一个往前走
- 预填充和解码阶段,一个整批输入一口吞,一个字一个字往外吐
- 私有化部署和数据驻留,一个管谁碰机器,一个管数据睡哪里
- 靠产品自己扩散和靠销售推动成交
- 产品市场匹配和价值实现时间:一个验证做没做对事,一个测量多久见效
- 定价交付型的和长期代管型的服务
- 提示缓存和前缀缓存:一个存整张单,一个复用公用的头
- 提示工程和提示词管理
- 提示注入和间接提示注入
- 提示注入和越狱
- 提示泄露和越狱:一个是偷看台词本,一个是给演员灌酒
- 提示词管理和提示版本管理:一个管流程,一个管历史
- 提示微调和微调:一个教模型看暗号,一个给模型换脑子
- 表面加一层和每层都动一点
- 提示词和提示工程,一砖一瓦是材料,全套图纸是工程
- 提示词和系统提示词
- 证明能做和最小可交付产品
- 概念验证和试点
- 量化低秩适配和量化低秩适配:两种写法,一种技术,一套管理规则
- 质量保障和交付验收:一个管过程对不对,一个管结果收不收
- 量化和训练后量化
- RAG 和知识库有什么区别
- ReAct 和规划:一个边跑边看路,一个出发前画好地图
- 推理-行动范式和工具调用:一个管怎么想,一个管怎么用
- 恢复时间目标和恢复点目标
- 标杆案例和试点:一个证明别人做过能成,一个证明在你这里能成
- 重新排序和避免结果太像
- 重排序和重排序器:一个讲做了什么,一个讲用什么做的
- 检索增强生成和图增强检索生成
- 检索增强生成和知识库问答
- 检索增强生成和知识图谱,一个从仓库里找资料,一个提前画好了关系地图
- 检索增强生成的两个名字:同一个概念,两套口径
- 检索精确率和上下文精确率
- 检索精确率和检索召回率
- 检索召回率和上下文召回率
- 签字拍板承担风险和处置过后仍然剩下来的风险
- 风险偏好和风险接受:一个定多大风浪敢出海,一个说这条船这次能不能走
- 风险评估和模型风险评估:一个扫全屋,一个专查AI
- 评估风险的过程和记录风险的册子
- 风险登记册和风险所有人:一个把风险写下来,一个让风险有人管
- 按角色给权限和按属性给权限
- 回滚和回滚计划
- 程序跑的时候和智能体跑的时候
- 沙箱和权限边界:一个造了隔离房间,一个写了谁能进
- 席位定价和用量定价
- 让供应商填表和真正查供应商
- 自助服务和产品主导增长
- 按意思切段和按窗口滑动切段
- 语义路由和Agent路由:一个按意思分路,一个按能力分配
- 服务级别目标和错误预算
- 服务级别目标和服务级别协议
- 体检入场券和一次拍照留底
- 服务即软件和产品化服务
- 服务即软件和软件即服务
- SOC 2 Type I 和 SOC 2 Type II
- 一类方法和一个具体公式
- 快猜慢验的方法和负责快猜的小模型
- 先照答案练和照着偏好打分再练
- 防篡改和能查账,两本不同的账本
- 任务成功率和步骤成功率
- 调整全部分布和只留概率集中的部分
- 首 Token 时间和每秒 Token 数
- 花在模型上的钱和扣除直接成本后剩多少
- Token 成本和用量定价
- 看模型吃了多少 token 和算这些调用到底花了多少钱
- 工具选对了和任务做成了,两个不同的指标
- 工具调用准不准和工具调用快不快
- 工具调用和函数调用
- 工具调用和工具注册表
- 工具调用和工具选择
- 工具调用和工具使用
- 工具输出污染和间接提示注入
- 工具注册表和模型上下文协议
- 用来做事的东西和替我做事的东西
- 固定选几个和按累积概率选
- 能从设计追到实现的链路和能查到每一步发生了什么的操作记录
- 训练数据排除和数据使用权,一扇门只管不许进,另一个管进来以后能干什么
- 评整条任务路径和评每一轮回答
- 轨迹评估和步骤成功率
- Transformer 和注意力机制:一个是整座工厂,一个是工厂里最关键的那台机器
- 用量定价和计量
- 用量定价和结果定价
- 使用策略和可接受使用政策,一个管怎么用,一个管不许怎么用
- 供应商尽职调查和第三方风险管理
- 供应商评估和供应商尽职调查,一个是选谁用,一个是用之前查得够不够
- 供应商锁定和退出计划
- 定好步骤的和让智能体选路的工作流
- 工作流和工作流引擎
其他公开内容
- 先把你正在做的工作梳理清楚,再决定 Agent 接哪一段。
- Boss Agent:让每笔商机的下一步,都有证据可查
- 方法本来就有,关键是把它放进每天的判断清单里
- 一次完整销售旅程的每个关键时刻
- 技术都认可了,为什么采购还是没动静?
- Champion 说「帮你推」,他真在推吗?
- 客户说「开始谈价格吧」,这单就稳了吗?
- Demo 之后客户说「不错」,他真在验证吗?
- 你睡觉的时候,谁在检查你的商机?
- 早上到公司,几十个客户,今天先推哪一个?
- 客户说「有兴趣」,这次见面到底确认了什么?
- 为什么你的商机总在「下周再推」?
- 客户说「想要一套 AI 系统」,这次见面把范围对齐了吗?
- 下午就要去见客户,资料从哪儿开始翻?
- 拜访完,客户说过什么、答应过什么,你还记得吗?
- 周复盘会,除了「感觉」,桌上还有什么?
- 199 元 AI 实践交流群
- 先让一个人把工作做顺, 再让智能体协作接上团队。
- 把已有资料用进下一次专业交付。
- 30 个自检问题:你现在最值得系统化哪一段
- 你的友商已经开始 被大模型推荐。 现在,该让 Agent 开始为你带来生意机会。
- 从记录销售过程, 到推动销售结果。
- 从免费沟通到长期代运营,怎么选
- Andy 任旭 是怎么工作的
- 知识管理系统
- OpenClaw 与 业务系统
- 售前材料系统
- 销售 Harness
- ToB 销售管理的 9 个典型问题
- 方向干预 · 客户值不值得打
- 推进质量干预 · MEDDIC六要素评估
- 伪推进识别 · 表面热度vs真实推进
- 下一步动作 · 五要素精确动作
- 节奏干预 · 关键节点倒计时
- 丢单复盘 · 找到下次该更早发现的信号
- 经理Review · 先把复盘材料整理好
- Pipeline全景 · 真实健康度监控
- 新销售加速 · 从新手到上岗
- 技术架构与依赖
- 3 类 ToB 服务业务路径示例
- 咨询顾问与培训师的 AI 转型
- 让访谈成为证据, 让方案走向落地。
- 从事实到履约, 让法律服务的依据 与交接更清楚。
- 让每次客户交流更有准备, 让机会推进更有依据。
- 让课程练习连接业务, 让学习回到工作现场。
- 会展服务者:别错过联系老客户的时机
- 先跑通一项真实工作,再决定 AI Agent 的建设投入