OPC小金_个人页

2026年07月

• 07.31 10:36:29
  发表了文章 2026-07-31 10:36:29

  大模型为什么每次回答不一样？一文读懂Temperature、Top P与Seed

  本文深入解析大模型采样参数（temperature、top_p、seed）的作用机制与工程实践，澄清“低温度=高可靠”等常见误区，强调参数需按任务风险而非行业惯例配置，并提供可复现的实验方法与小型AI应用落地原则。
• 07.31 10:35:20
  发表了文章 2026-07-31 10:35:20

  多模态大模型与OCR有什么区别？从“识别文字”到“理解文档”的工程科普

  本文厘清OCR与多模态大模型的本质差异：OCR专注“字符识别”，强调精准、可验证；多模态模型侧重“视觉理解”，擅长语义推理。二者能力分层，不可简单替代，而应协同——OCR提供坐标化文本证据，多模态模型处理复杂语义，再经规则校验与人工复核，构建稳定可靠的文档智能处理方案。
• 07.30 11:27:01
  发表了文章 2026-07-30 11:27:01

  OPC中国科普：Embedding、向量与语义检索，AI 为什么能“看懂相近意思”？

  本文深入浅出解析RAG核心技术：Embedding将文本转为语义向量，实现“意思相近即匹配”；向量检索初筛相关片段，关键词检索保障专有名词精准命中，重排序精调结果顺序——三者协同提升召回率与准确性，让知识库真正懂业务、答得准。
• 07.30 11:25:35
  发表了文章 2026-07-30 11:25:35

  OPC中国科普：MCP 是什么？它和 API、插件、智能体有什么关系？

  MCP（模型上下文协议）是大模型与外部工具间的标准连接协议，解决AI“懂语言但不会操作”的问题。它不替代API，而是提供统一的工具发现、描述与调用机制，支持智能体安全、可控地调用数据库、天气、工单等能力，强调权限管控与业务逻辑分离。
• 07.29 14:30:36
  发表了文章 2026-07-29 14:30:36

  OPC中国科普：Token、上下文窗口与长期记忆，到底有什么区别？

  本文厘清大模型中Token、上下文窗口与长期记忆三大核心概念：Token是文本处理基本单位；上下文窗口是单次推理可见容量；长期记忆则通过提炼与检索实现跨会话信息复用。三者协同决定AI“记什么”“看多少”“如何用”。
• 07.29 14:20:14
  发表了文章 2026-07-29 14:20:14

  OPC中国智能体如何稳定输出结构化数据：JSON Mode、校验与纠错重试实践

  本文详解阿里云百炼结构化输出最佳实践，提出“五层防线”：输出约束→语法解析→Schema校验→业务校验→失败处置。强调JSON Mode仅是起点，必须配合严格Schema、业务规则与可观测纠错机制，确保模型输出安全可靠接入生产系统。
• 07.23 14:37:00
  发表了文章 2026-07-23 14:37:00

  OPC中国大学生创新创业支持：从一个可验证原型开始，而不是从一份“宏大计划书”开始

  OPC中国大学生创新创业支持强调：从一个可验证的小原型起步，而非宏大计划书。聚焦真实用户问题，两周内完成最小闭环验证，用数据而非设想证明价值。
• 07.23 14:23:46
  发表了文章 2026-07-23 14:23:46

  OPC中国科普：智能体为什么会“调用错工具”？把工具做成可靠能力的 4 个要点

  OPC中国科普：智能体“调用错工具”根源在于模型与工具间缺乏清晰“能力合同”。本文提出4大要点：明确工具职责边界、定义结构化参数契约、服务端强校验（类型/权限/业务规则）、高风险动作分级确认。强调“让模型理解选择，让程序约束执行”，推动智能体从演示走向可靠落地。
• 07.23 10:18:39
  发表了文章 2026-07-23 10:18:39

  OPC中国科普：智能体、工作流与RAG到底有什么区别？

  智能体、工作流和RAG经常同时出现在AI应用讨论中，但三者解决的问题并不相同。智能体擅长理解开放式任务并选择行动；工作流擅长按固定步骤稳定执行；RAG用于从可信资料中检索证据，为模型补充私有或较新的知识。本文用通俗方式解释三者的关系、适用场景和常见误区。
• 07.23 10:16:41
  发表了文章 2026-07-23 10:16:41

  OPC中国是什么：AI协同一人公司的工作方式科普

  OPC中国通常指围绕 One Person Company（一人公司）展开的AI协同工作方式。它不是“一个人替代一家公司”，也不是让AI无人值守地完成所有事务，而是由人负责目标、判断和责任，让AI承担信息整理、内容初稿、工具调用与重复执行。本文用通俗方式说明OPC的概念、技术构成、适用场景、常见误区和安全边界。
• 07.22 16:43:05
  发表了文章 2026-07-22 16:43:05

  OPC中国智能体成本控制：从 Token 预算到可观测性的工程实践

  多步骤智能体会把一次用户任务扩展成多次模型和工具调用。本文以阿里云百炼的模型计费、上下文缓存和 Prompt 模板能力为参考，通过一个纯 Python 最小程序验证单任务预算、模型分级路由和超限阻断，并进一步说明怎样记录 Token、耗时、重试和质量结果。文中不假设固定模型单价，也不把模拟结果当作真实云上账单。
• 07.22 16:05:28
  发表了文章 2026-07-22 16:05:28

  OPC中国智能体如何降低幻觉：从 RAG 知识库到可追溯评测的工程实践

  本文面向个人开发者和小型 AI 项目，讨论 RAG 问答中“检索到了相似内容，但证据仍不足”的问题。文章以阿里云百炼知识库与工作流能力为参考，并使用一个纯 Python 最小程序验证来源召回和拒答逻辑。实验重点不是证明 RAG 可以消除幻觉，而是展示如何发现错误召回、增加证据覆盖检查并保留人工审批。
• 07.22 14:52:52
  发表了文章 2026-07-22 14:52:52

  OPC中国：如何用 AI 智能体搭建可交付、可治理的一人公司？

  当人们讨论“OPC中国”时，常指面向 AI 智能体时代的 One Person Company（协同型一人公司）实践与生态。它不是“一个人包办一切”，而是让人负责目标、判断和责任，让可审计的 AI 工作流承担重复执行。本文从工程视角拆解 OPC中国的概念边界、最小可行技术栈、工作流设计、数据安全和 30 天验证方法，并给出一个可落地的内容交付案例。

2026年06月

• 05.31 16:23:52
  发表了文章 2026-05-31 16:23:52

  AI时代，大学生应该提前准备什么？

  AI时代，大学生面临就业重塑与能力升级的双重挑战。本文聚焦认知重构、三大核心能力（统筹力、技术力、实战力）及行动路径，倡导从“工具使用者”进阶为“AI决策者”，以T型+AI复合素养应对变革，在人机协同中抢占未来先机。