/tag/这行

求助大佬们这种是真的吗？现在这行水太深了。有没有用过的大佬帮忙解一下惑。谢谢各位！ 8 个帖子 - 8 位参与者 阅读完整话题

佬们，有没有懂AI漫剧的，我刷到一个培训漫剧的，声称学成可以返学费，而且学成就可以接单了，对这行不太了解，怕掉坑，五千多也不是小钱。主要是刷到的这个机构之前做考研培训的，上过他们的课还是挺靠谱的，他们现在搞了个做AI的子品牌，正好我现在有空余时间，靠谱的话想玩一玩。 佬们怎么说？ 15 个帖子 - 14 位参与者 阅读完整话题

<1> 背景 自动化测试代码维护这行干了挺久，以往基本是在和内部框架打交道，以往工作实属不难，只能说测试以及Debug比较耗时间精力 后来上面也想与时俱进一下，就想着结合AI搞点辅助我们工作的东西，想法是美好的 团队里有一套长期演进的内部工程体系，配置、脚本、规则和经验散在不同地方不同人。 新人要改一个东西，有时要问老同事；老同事也不一定每次都记得准，只能继续翻文件、搜历史、看代码。 于是很自然地想到：那就做一个 AI 知识库吧。 最初的预期很朴素： 把文档、规范、经验整理进去 用户用自然语言提问 系统检索相关知识 大模型组织答案 听起来没毛病，甚至很符合最初大家对 RAG 的想象。 但真正落地后才发现，内部业务知识和互联网公开文档完全不是一回事。 公开文档通常是"解释型"的：这个 API 怎么用、这个参数是什么意思、底层模块解释等。 我们的内部问题更多是"操作型"的：我要改一个现有流程、调整一个规则、关闭一个子项、增加一个步骤、定位一个历史遗留逻辑。 这两类问题看起来都叫问答，但需要的系统能力完全不同。 所以问题不是"能不能用 AI"，而是"怎么让 AI按既定思路来理解"。 本地部署ai以及在vscode基础上做一个自己的业务汇总软件再基于cline改个有基础agent功能的插件，细节不赘述。 <2> 第一阶段：上了 Dify 当时的想法 Dify 嘛： 文档丢进去 切 chunk 做向量 用户问问题，相似度召回 AI 回答 实际效果 各类实际术语听不懂 AI拿到项目不知道从何开始，直接一顿召回一顿搜本地项目文件，实际各种答非所问完全靠大模型自己发挥 Dify 这套方案适合：文档类问答，知识相对固定，用户问法相对规范，需要一直自我调整 我们的问题是：业务实操类，问法千奇百怪，业务理解需要特定思路。 其实换个说法就是：把人对这项目各方面的理解思路等等抽成skills哈哈 但是细调用Dify软件就很不方便了，索性放弃Dify <3> 第二阶段：自建路由 核心思路 先听懂意图，再谈检索 。 这一步其实不是先研究模型，而是先把自己平时遇到的需求拆开。 先把这些常见业务动作分出来，再针对每一类动作设计不同的处理路线。 然后再兼容用户真实问法。中文、英文、缩写、符号、口语表达都要算进去。如果不先统一到同一个意图，后面检索再准也没用。 最开始当然也有关键词规则，后来逐步加上 embedding 和语义分类。简单说，就是不只看用户用了哪个词，还要看这句话整体更像哪类需求。 为了提高稳定性，又加了一层小模型兜底。当前面的规则和语义分类都不够确定时，再让小模型辅助判断一次。它不是负责最终回答，而是负责把问题分到更合理的路线里。 再往后，就是把我们对项目的理解、业务维护经验、常见判断逻辑整理进 RAG。这个过程有点像把人的经验拆成一组组 skills：每类问题都有自己的判断方式、需要看的材料、不能踩的坑。 但它又不完全等同于传统 skills。传统 skills 分散在各处，后面维护起来容易散；RAG 这边有一个相对集中的知识入口，可以单独调路由，也可以单独调知识内容。对这种业务落地场景来说，反而更好维护。 <4> AI不走原定路线 路由做完后，又遇到一个很典型的问题：AI 有时不按你设计好的路线走。 很多需求其实只要进入对应路由，把输入拆好，再查对应知识，就能稳定完成。但模型有时会"觉得自己能行"，上来就直接开始自己读文件、猜结构、自己组织答案。 还有一种情况是多轮对话。用户第二句明明是在补充上一句，打个比方比如"那把它改小一点"，模型却把它当成一个全新的问题处理，完全不管历史上下文里的"它"是谁。 这类问题光靠提示词里说"请优先走 RAG"是不够的。因为模型一旦进入自由发挥状态，就很难保证每次都守规矩。 后来做法变成：先检测当前项目是否属于我们已知的业务项目。如果是，就在底层强制加规则，让它优先走固定 RAG 路线，而不是随便读文件和自由发挥。 这样做以后，系统不一定一下子变得非常聪明，但至少变得可诊断了。答错的时候可以看出来：是项目识别错了，是路由错了，是知识没召回，还是模型最后总结跑偏了。 <5> 人工汇总知识不够用易过期 走到这一步后，AI 已经能处理一些简单、固定流程的业务需求了。但新的问题也很明显：知识库不能只靠人工写。 人工总结的知识短期有用，但长期会遇到三个问题。 第一，维护成本越来越高。后续可能项目在变，文档也要跟着变，靠人手动同步迟早会漏，其实推广到别的项目也容易变。 第二，答案会逐渐不可信。知识写进去的时候是对的，不代表几个月后还对。内部项目最怕的不是"不知道"，而是系统拿着过期知识自信地指导用户。 第三，模型有时会为了补上下文读太多内容。看似更努力，实际会增加 token 消耗和服务压力，而且读得越多，越容易把不相关内容混进来。 所以后面思路又变了：不能只把项目当成一堆文档，而要把它看成一张结构网。 一个业务对象可能关联配置、规则、动作入口、脚本、命令、上下游顺序。靠纯文本相似度去猜这些关系，不稳定，也浪费。 于是开始尝试走LangChain + neo4j路线把项目内条目切离结构抽取，再把这些关系放进图谱。 图谱不是为了替代 RAG，而是给路由结果提供更精准的背景补充：这个对象在哪里、它关联哪些东西、下一步该查哪类材料。 这样原本"靠模型自己理解项目"的问题，就变成了"先由系统把结构上下文准备好，再让模型基于这些上下文回答"。 (小小的吐槽一下：其实到图谱前这个就已经基本实现功能了，最核心最主要是上面觉得要图谱才放心,因为别人好像什么王道路线就是那么走的，没办法胳膊肘拧不过大腿不是吗 手动滑稽 ） <6> 展示层也要自己做 结构抽取图谱建出来以后，本以为可以直接用数据库工具展示。实际又踩了一个坑。 neo4j数据库浏览器适合工程调试，不适合业务展示。比较好的图谱浏览能力都在企业版里， 普通版本虽然能证明"数据确实在里面"，但对普通用户来说，看到的常常只是一堆点和线。 我最开始就只是部署到容器里测试，怎么看怎么别扭以为得下个软件，结果实际还是得付费了属于是 用户不关心数据库里有多少节点，他关心的是：这个对象为什么会关联到这些东西，我要改它应该看哪里。 所以展示层也得自己做。 这个浏览器不追求通用图数据库能力，只服务当前业务： 打开后默认展示一个对象的局部关系 节点按业务类型着色 边显示关系含义 支持搜索、点击查看详情、逐步展开 隐藏原始大段内容，只展示对维护有用的信息 它的目标不是替代数据库，而是把图谱翻译成业务人员能看懂的界面。 后续如果用户能自己搜索对象、展开关系、点节点看详情，再结合 RAG 给出的解释和修改建议，就比较不戳了"。 <7> 过程中最大的几个教训 1. 不要把 RAG 理解成"文档问答" 文档问答只是 RAG 的一种最简单形态。 内部业务场景里，用户往往不是来问"这段文档什么意思"，而是要完成一个动作。动作需要结构、规则、上下文和边界。 如果只做文档问答，很容易一开始看起来能用，深入使用就暴露问题。 2. 意图识别比召回更早出问题 很多人调 RAG 时第一反应是调 chunk、调 embedding、调相似度阈值。 这些当然重要，但在操作型场景里，更早的问题是：系统有没有判断对用户要做什么。 意图错了，召回越准越危险，因为它会在错误方向上给出很完整的答案。 3. 结构化知识比堆文档更重要 文档越堆越多，不等于系统越懂业务。 有些知识应该写成说明，有些知识应该从项目里自动抽取，有些知识应该建成关系，有的知识需要把人的理解抽出来 把所有东西都塞进向量库，只会让问题变得更难诊断。 4. 展示工具会影响认可度 这是后来才意识到的。 同样一套图谱数据，如果只在数据库浏览器里展示，普通用户会觉得乱不知道干啥的；如果用业务视角重新组织，用户才会觉得"这个东西能用"。 所以展示层不是锦上添花，它会影响别人对系统成熟度的判断，也方便用户检查 9 个帖子 - 6 位参与者 阅读完整话题

真在深夜调 Bug 快要崩的时候，能把你拉回来的那句话。 或者说，有没有哪句话支撑你们在这行写了这么多年代码？ 7 个帖子 - 6 位参与者 阅读完整话题

360 行，怎么就做现在这行呢？ 上周面试被问到，有什么职业规划，我说相比之下只会这个😂

360 行，怎么就做现在这行呢？ 上周面试被问到，有什么职业规划，我说相比之下只会这个😂

360 行，怎么就做现在这行呢？ 上周面试被问到，有什么职业规划，我说相比之下只会这个😂

360 行，怎么就做现在这行呢？ 上周面试被问到，有什么职业规划，我说相比之下只会这个😂

360 行，怎么就做现在这行呢？ 上周面试被问到，有什么职业规划，我说相比之下只会这个😂

360 行，怎么就做现在这行呢？ 上周面试被问到，有什么职业规划，我说相比之下只会这个😂

360 行，怎么就做现在这行呢？ 上周面试被问到，有什么职业规划，我说相比之下只会这个😂

360 行，怎么就做现在这行呢？ 上周面试被问到，有什么职业规划，我说相比之下只会这个😂

360 行，怎么就做现在这行呢？ 上周面试被问到，有什么职业规划，我说相比之下只会这个😂

360 行，怎么就做现在这行呢？ 上周面试被问到，有什么职业规划，我说相比之下只会这个😂

360 行，怎么就做现在这行呢？ 上周面试被问到，有什么职业规划，我说相比之下只会这个😂

360 行，怎么就做现在这行呢？ 上周面试被问到，有什么职业规划，我说相比之下只会这个😂

360 行，怎么就做现在这行呢？ 上周面试被问到，有什么职业规划，我说相比之下只会这个😂

现在做金融这行的没少用 AI 做分析吧？但是用久了你就会发现，AI 在分析财报、写报表这方面有 bug： 1 、只擅长识别简单的文字类型，遇到金融那种嵌套表格、图片的 PPT 、PDF 等等复杂格式就歇菜； 2 、上下文窗口虽大，理解范围却不大，永远是从头第一个字开始解析，超字数了就开始演失忆，把前面的忘光光； 3 、遇到没有的信息可能会瞎编。比方说你提问里包含该公司的资产折旧，明明财报里没这项，AI 硬是给你编了个数字出来。你想核实或证伪还得二次三次提问逐个验证，很麻烦。 4 、没有逻辑层级，张冠李戴。财报里面有很多类目的名称很像，比方说固定投资收入有 100 万，然后下面的 A 项 X 万，B 项 XX 万，C 项 XX 万。C 项下面又分为几类，A 类 XX 万，B 类 XX 万。。。遇到这种很相似的类目名称，AI 很容易搞混，因为理解的时候可能超字数了嘛，就容易把 A 类的收入套到 A 项身上去。 还有就是，财报里面不止一个分析角度，同样的资产，可能在这一章是按虚拟和非虚拟来分的，下一章又是按盈亏来划分的了，AI 很容易混淆，然后给你报个好看的数字。你一看，哎呀不错嘛，一切稳中向好啊，那叫一个勃勃生机万物竞发，等你一真投钱你就完了，今年的绩效都套进去了。 所以，我专门给 AI 搞了一个解析工具，文件会先经过工具理一遍，然后再给到 AI 和 agent 去理解、爬取、输出答案。你可以理解为一种像 RAG 一样的分块处理，但使用的技术要比传统的 RAG 好得多，因为它里面采用了像思维导图一样的树形结构，确保每一个结构层级都被保留了，AI 爬取的时候自然可以“顺杆爬”，更顺畅也更可追溯。如果是传统的 RAG ，它更多是按字数打断的，简单粗暴，上下文没法连贯，所以切片更碎也更难追溯，幻觉也就这么来了。 以及上文提到的，Excel 、PDF 、PPT 格式，它都能解析。出来的结果，每一条都能溯源。加上了解析工具的大模型，输出的准确率高达 90%以上，远超之前单独跑的时候的 60%。（亲测） https://imgur.com/a/Guu8GR2 所以，各位老哥觉得有用的，不妨尝试一下。链接在这了： https://knowhereto.ai/?utm_source=V2EX

公众号配图中，下方的这行小字说明： *受限于高端算力，目前 Pro 的服务吞吐十分有限，预计下半年昇腾 950 超节点批量上市后，Pro 的价格会大幅下调。 这说明了两点： deepseek订购了大量华为昇腾超算 国内算力总量在下半年会有一次跃升 佬友们怎么看?相信华为吗? 作为业余爱好者,最近vibe coding了很多有趣的项目,好的模型,用的人多就卡,动不动就429,断流,所以我很期待国产算力进一步提升上限后的表现 前段时间openai放出了海量Token额度,怀念那段无忧无虑,一睁眼就是蹬gpt5.4的时光 佬友们觉得下半年会有爽蹬国模的机会吗? 14 个帖子 - 10 位参与者 阅读完整话题

做云服务这行久了，阿里云国际站代理商 LingduCloud 零度云 发现一个很真实的情况：很多客户一开始对“国际站充值代充”和“官方授权分销商开户”这两个词，都有点又熟又陌生。熟，是因为大家都听过；陌生，是因为真要自己上手时，往往就开始犯迷糊。有人以为充值就是“把钱打进去就行”，有人以为分销商开户就是“点个申请按钮等通知”。结果真操作起来，前者卡在支付方式，后者卡在资料、合同和权限。阿里云国际站官方现在对渠道伙伴的 onboarding 流程写得很清楚：先注册阿里云账号，再申请 Channel Partner Program ，之后进入审核与签约、主账号设置，最后才算正式开始伙伴旅程。 先说第一部分，阿里云国际站充值代充怎么理解。 从客户视角看，最关心的其实就两件事：能不能顺利充值，流程麻不麻烦。阿里云国际站官方资料和帮助信息里提到，国际站常见支付方式包括信用卡、PayPal 、部分地区本地支付，以及银行转账等；也就是说，平台本身是支持常规付款能力的，但不同国家和地区的可用方式会有差别。对不少企业客户来说，直接自己处理国际支付、账单和续费，未必是最省心的路子，这也是为什么会有“代充值”这种需求——不是不会付钱，而是想把付款、对账、续费这些事情交给更熟的人来处理。 站在阿里云国际站代理商 LingduCloud 零度云 的角度，这一块更像“充值协助服务”，不是单纯帮你点个付款按钮。通常可以拆成三步。第一步，先确认客户已有国际站账号，或者先协助把账号注册好；第二步，确认客户要充的是哪个账号、什么币种、后面是按量用还是长期采购；第三步，再按实际付款方式去做充值或代充安排。说白了，真正省时间的不是“充这一下”，而是后面账单和资源能不能接得顺。很多客户不是不会付，而是怕付错、充错、记错账号，最后资源没到账，自己先开始上火。 再说第二部分，官方授权分销商开户怎么走。 这里最容易误会的是，很多人以为“分销商开户”就是开个普通买家账号。其实不是。阿里云国际站官方伙伴体系里，和转售最相关的是 Channel Partner Program ，而且下面还有 Agency 、Direct Reseller 、Distributor 等不同业务模式。官方博客和伙伴页面都提到，Channel Partner 是被授权去转售阿里云国际站产品和解决方案的，而且不同模式对应不同路径。简单点理解，不是所有人一上来都适合做“大渠道”，很多情况下会先从更匹配自身阶段的角色走起。 如果按流程说，阿里云国际站代理商 LingduCloud 零度云 建议把官方授权分销商开户看成四步。 第一步，先准备企业资料并注册阿里云国际站企业账号； 第二步，通过官方伙伴入口申请 Channel Partner Program ； 第三步，进入审核、合同签署和角色确认； 第四步，完成主账号配置，然后进入 ACPN 伙伴平台开始后续业务管理。官方还专门说明了，ACPN 就是合作伙伴使用的门户，后面客户管理、商机管理、培训支持这些动作都会在这里发生。也就是说，这不是“注册一个号就能开始喊自己是分销商”，而是先进入一个正式的伙伴体系。 这里顺便说个大白话： 充值代充更像是“先把车加上油”， 官方分销商开户更像是“先把车牌、驾照和营运证都办齐”。 一个解决眼前使用问题，一个决定你后面能不能正规长期地做业务。很多客户和想做代理的伙伴，最容易混淆的就是这两件事。 最后总结一下。 如果你只是想先把国际站账号充上值、把云产品跑起来，那重点看充值和支付协助；如果你是真的准备长期做阿里云国际站生意，那就别只盯着“怎么开户”，而是要按官方伙伴路径一步步把账号、资料、申请、合同和平台权限都走顺。阿里云国际站代理商 LingduCloud 零度云 的看法一直很直接：云这门生意最怕的不是流程多，而是自己把流程想简单了。前面理顺一点，后面省下来的，往往不只是时间，还有不少弯路。 需要云服务器联系小飞机 @ cloudcup 阿里云国际站 腾讯云国际站 谷歌云 微软云 亚马逊云 免费提供账号代充值 无需绑定 PayPal 信用卡就可开通阿里云国际版账户 支持 USDT 认准 ID 防止被骗(有骗子仿冒) 网址： www.lingducloud.com