游客yiesg6gvg7ieg_个人页

2026年05月

• 05.09 12:33:07
  发表了文章 2026-05-09 12:33:07

  当物料缺口不再是黑洞：AI如何重塑供应链的物料管理

  本文剖析制造业“齐套”难题：上百种物料协同难、信息不同步、缺口不可见、补货不闭环。提出“数据找人”数字化模式，实现自动缺口计算与预警；结合AI解决非结构化需求识别、智能预测、供应商风险评估等场景，并强调统一编码、账实相符、BOM更新等五大管理原则。
• 05.09 12:31:39
  发表了文章 2026-05-09 12:31:39

  AREE与Java生态：当企业级执行环境遇上确定性

  Java生态长期缺乏AI Agent框架，而AREE（AI-Ready Execution Environment）填补了这一空白。它基于Java原生能力，支持可视化思维链编排、安全工具调用、MCP协议集成，并在中止控制、分层超时、并发安全、可观测性与失败隔离五方面实现确定性执行，助力企业复用现有资产，无缝融入运维体系。
• 05.09 12:31:12
  发表了文章 2026-05-09 12:31:12

  AREE vs 传统Agent工具：从"能用"到"可靠用"的

  本文对比传统AI Agent工具与AREE（AI-Ready Execution Environment）的差异，指出前者以LLM为中心、执行不可控、工具接入碎片化；而AREE以执行环境为核心，提供确定性流程编排、统一工具协议（Function Call+MCP）、Java原生集成、细粒度超时/中止控制及实时可观测性，更适配企业级生产场景。
• 05.09 12:30:18
  发表了文章 2026-05-09 12:30:18

  文档智能处理与ReAct推理链：RAG系统的两个"隐形引擎"

  本文深入解析RAG系统中两大“隐形引擎”：文档智能处理（含多格式解析、语义分片、QA抽取）与ReAct推理链（支持多轮思考-行动-观察）。二者协同提升知识库质量与AI推理能力，是决定RAG效果的关键底层能力。
• 05.09 12:29:48
  发表了文章 2026-05-09 12:29:48

  AgentRAG vs 传统RAG：当AI学会"三思而后答"

  本文对比传统RAG与AgentRAG：前者单次检索、流程固定，响应快但容错差；后者引入ReAct循环机制，支持多轮自适应检索、深度意图分析、工具动态调用与结果多维评估，显著提升复杂问题回答质量。二者互补而非替代。