RAG技术实战：从原理到企业级应用落地
在大模型全面渗透企业业务的当下，核心诉求已从 “能对话” 升级为 “能精准解决业务问题”。传统大语言模型（LLM）存在的幻觉频发、知识滞后、私有数据对接困难等痛点，成为企业 AI 落地的核心阻碍。
RAG技术实战：从原理到企业级应用落地
RAG技术实战：从原理到企业级应用落地
Category Archives: AIAgent
RAG技术实战：从原理到企业级应用落地
OpenClaw 避坑指南：安全、可控地使用强执行型 AI Agent
OpenClaw 避坑指南：安全、可控地使用强执行型 AI Agent
2026 年 OpenClaw 的爆火，核心在于它打破了传统 AI Agent“只说不做”的局限，真正具备了主动动手解决问题的能力——从安装插件、排查日志，到自主创造工具，执行力拉满。但正是这种“强执行”特性，也让它比普通对话型 AI 多了更多潜在风险：权限滥用、隐私泄露、资产损失、执行失控等问题都可能出现。
OpenClaw体验：比起“会说”，人们更偏爱“会做”的AI助手
OpenClaw体验：比起“会说”，人们更偏爱“会做”的AI助手
2026年刚开篇，OpenClaw就彻底火出圈了——火到连名字都赶不上它的热度，从MoltBot到ClawBot，最后定格为OpenClaw，一路迭代，自带话题感。
最近我也上手体验了一番，不得不说，它的表现确实没让人失望，好感拉满。
AI助手新秀“豆包手机助手”
近期豆包发布了“豆包手机助手”，并与中兴联合发布了努比亚M153工程样机，提前完成了苹果画的“新版Siri”大饼。
与苹果、华为的实现路径并不相同（要求各APP厂商根据平台规范，提供AI助手可以调用的能力信息，类A2A协议），豆包手机助手则是通过更底层的系统权限，直接模拟客户操作，引起了部分APP厂商和AI厂商的恐慌，当然也引起了不少关于隐私的讨论。有几点思考，记录一下：