GEO（生成式引擎优化）是针对AI生成式搜索引擎的优化策略，旨在让企业信息在AI回答中优先呈现，实现“无点击曝光”。与传统SEO不同，GEO强调语义理解、权威内容和结构化数据，提升品牌在AI推荐中的可见性与可信度。企业需关注GEO服务商的技术实力、行业匹配度、服务流程完整性等维度，确保优化效果。

什么是阿里云百炼？

你的RAG应用是否总是答非所问，或者检索到的内容质量不高？本文聚焦于RAG系统的进阶优化，深入探讨从查询转换、多路召回与重排序（Rerank）等高级检索策略，到知识库构建的最佳实践。更重要的是，我们将引入强大的`Ragas`评估框架，教你如何用数据驱动的方式，科学地量化和提升你的RAG系统性能。

本文详解算法备案、大模型备案与大模型登记的区别及适用场景，涵盖舆论属性、社会动员能力、生成式AI服务等核心概念，解析三类备案的流程、周期、材料要求及政策依据，助力企业合规开展AI服务。

Qwen3-8B 是通义实验室推出的 80 亿参数大模型，支持最长 32,768 token 上下文，适用于长文本处理场景。通过 FP8 量化、CUDA Kernel 优化及 RoPE 位置编码技术，提升推理效率与稳定性。模型在 16K 输入下 TTFT 约 150-200ms，32K 输入下约 250-300ms，适用于文档摘要与长对话交互。

魔搭自动发布小红书MCP，是魔搭开发者小伙伴实现的小红书笔记自动发布器，可以通过这个MCP自动完成小红书标题、内容和图片的发布。

角色扮演大模型通过模拟特定角色的行为、语言风格和情感表达，实现高度拟人化和定制化的互动体验。与传统通用模型相比，角色扮演模型在语言风格、性格特征和情绪反应上更加细腻，提供更真实的交互体验。本文介绍了如何通过system prompt、few-shot学习和微调等技术实现大模型的拟人化，包括使用阿里云百炼平台进行角色扮演测试，以及如何通过合成数据和Lora微调提高模型的表演效果。最终，展示了如何通过优化数据质量和训练策略，显著提升角色扮演模型的表现。

大模型Agent是基于大型预训练模型构建的智能体，具有强大的语言理解和生成能力，能完成多任务处理。其记忆功能包括短期记忆和长期记忆，支持上下文保持、知识积累、计划决策及内容创作，广泛应用于自然语言处理、问答系统、信息检索、辅助决策、教育、创意应用和客服等领域。

今天，通义万相的视频生成模型又开源了！本次开源Wan2.2-S2V-14B，是一款音频驱动的视频生成模型，可生成影视级质感的高质量视频。

Qwen3开源发布：Think Deeper, Act Faster！社区推理、部署、微调、MCP调用实战教程来啦！

开发者常因新闻稿写作犯难，本文分享一套AI提示词工具，涵盖角色定义、结构化输入输出、多场景适配与合规检查，助力技术人快速生成符合媒体标准的专业稿件，提升传播效率。

本文系统解析深度学习模型压缩三大核心技术：剪枝、量化与知识蒸馏，详解如何实现模型缩小16倍、推理加速4倍。涵盖技术原理、工程实践与组合策略，助力AI模型高效部署至边缘设备。

开发者常擅技术却困于品牌叙事。本文分享一套结构化AI指令，结合DeepSeek、通义千问等国产工具，将品牌故事拆解为可执行模块，助力技术人快速生成有温度、有逻辑的品牌故事框架，实现从代码到共鸣的跨越。

随着AI技术的发展，大模型备案成为行业热点。本文详解备案所需具体条件与注意事项，涵盖模型功能、适用场景、研制情况、安全评估及备案材料等核心内容，帮助企业全面了解备案流程，规避合规风险，顺利推进产品上线。

阿里云通义千问向全社会开放！

近年来,基于大模型的语音人工智能技术发展迅猛,为自然语音人机交互带来新的可能。通义语音大模型无疑是这一领域的佼佼者。它涵盖了语音理解与语音生成两大核心能力,可支持多种语音任务,包括多语种语音识别、语种识别、情感识别、声音事件检测以及语音合成等

本文介绍了大语言模型（LLM）的HTTP API流式调用机制及其在前端的实现方法。通过流式调用，服务器可以逐步发送生成的文本内容，前端则实时处理并展示这些数据块，从而提升用户体验和实时性。文章详细讲解了如何使用`fetch`发起流式请求、处理响应流数据、逐步更新界面、处理中断和错误，以及优化用户交互。流式调用特别适用于聊天机器人、搜索建议等应用场景，能够显著减少用户的等待时间，增强交互性。

【10月更文挑战第16天】

发现个好玩的模型，阿里最近开源的，可以便捷的复刻人声，本文提供全套安装过程。仓库地址：https://github.com/FunAudioLLM/CosyVoice。

本文档介绍如何在单GPU和单节点多GPU上使用TensorRT LLM构建和运行Qwen模型，涵盖模型转换、引擎构建、量化推理及LoRA微调等操作，并提供详细的代码示例与支持矩阵。

本文介绍了基于阿里云通义千问72B大模型（Qwen-72B-Chat）的性能基准测试，包括测试环境准备、模型部署、API测试等内容。测试环境配置为32核128G内存的ECS云主机，配备8块NVIDIA A30 GPU加速卡。软件环境包括Ubuntu 22.04、CUDA 12.4.0、PyTorch 2.4.0等。详细介绍了模型下载、部署命令及常见问题解决方法，并展示了API测试结果和性能分析。

广东省最新公布一批大模型备案名单，新增14款备案模型、6款登记模型，累计达80款备案、23款登记。文章详解大模型备案流程、周期（5-10个月）、要求（主体资质、数据合规、内容安全、模型完成度）、所需材料（备案表、安全评估报告、服务协议、语料标注规则等）及完整备案流程（初审、自测、提交、整改、终审、公示）。为大模型企业备案提供全面指导。

《WeKnora架构学习指南》系统解析了这一腾讯开源的智能知识库项目，涵盖核心架构、技术栈、代码结构与学习路径。通过生活化类比和深度流程图解，帮助开发者从零掌握Go后端、Vue前端、RAG原理及微服务协同，提供四阶段进阶路线与实战建议，助力快速上手并参与贡献。

LangGraph作为Agent 生态中非常热门的框架，今天我将借助 LangGraph，更高效、更优雅的方式构建复杂智能体系统。

在AI浪潮下，大模型技术迅猛发展，为各行业带来变革。为确保算法安全有序发展，需进行相关备案登记。具体包括：大模型备案（面向公众提供生成式服务）、大模型登记（借助第三方大模型）、算法备案（5类算法）及双新评估（舆论属性服务）。未及时备案将面临法律处罚，备案流程涉及属地初审、中央终审等环节，周期约3-4个月。境外模型和特定行业有额外限制，备案后仍需常态化安全管理。

本教程展示如何使用CAMEL框架和Qwen模型生成结构化数据。CAMEL是一个强大的多智能体框架，支持复杂的AI任务；Qwen由阿里云开发，具备自然语言处理等先进能力。教程涵盖安装、API密钥设置、定义Pydantic模型，并演示了通过Qwen生成JSON格式的学生信息。最后，介绍了如何利用Qwen生成多个随机学生信息的JSON格式数据。欢迎在[CAMEL GitHub](https://github.com/camel-ai/camel)上为项目点星支持。

本文详解构建高效RAG系统的关键技术，涵盖基础架构、高级查询转换、智能路由、索引优化、噪声控制与端到端评估，助你打造稳定、精准的检索增强生成系统。

【10月更文挑战第7天】

本地离线部署大模型知识库OLLAMA+Anything（保姆级）

本文详解大模型备案中的关键材料——《安全评估报告》的撰写要点，涵盖报告框架、必备内容、注意事项及基础信息，助你高效通过备案。

本文介绍了两种大模型微调方法——LoRA（低秩适应）和PPO（近端策略优化）。LoRA通过引入低秩矩阵微调部分权重，适合资源受限环境，具有资源节省和训练速度快的优势，适用于监督学习和简单交互场景。PPO基于策略优化，适合需要用户交互反馈的场景，能够适应复杂反馈并动态调整策略，适用于强化学习和复杂用户交互。文章还对比了两者的资源消耗和适用数据规模，帮助读者根据具体需求选择最合适的微调策略。

随着《人工智能生成合成内容标识办法》及配套标准的发布，AI企业需快速掌握政策要求以确保合规运营。该办法明确指出，利用AI生成的内容（如文本、图片、音频、视频等）需通过显性标识（如“AI生成”字样）或隐性标识（如元数据、数字水印）进行标注。内容传播平台也需核验标识并提醒用户内容性质。此外，应用程序分发平台在审核时需确认是否提供AI生成服务及相关标识材料。对于AI企业而言，合规已成为必修课，需重点关注标识的规范性和溯源能力，以应对即将到来的监管要求。

Arthas trace （方法内部调用路径，并输出方法路径上的每个节点上耗时）

AI大模型 智能AI开源模型与大模型接口整理（8个开源模型+7个大模型接口）

我在使用Function Call时发现，百炼平台上的Qwen3-8B模型与本地部署的Qwen3-8B模型效果存在差异，主要体现在函数参数生成上，本地模型常出现漏参或JSON格式错误，而百炼模型表现正常。想确认百炼平台的Qwen3-8B是否为更高版本？

通义灵码2.5是阿里云推出的AI编码助手，以智能协作为核心，深度融合开发全流程。其三大升级点包括：编程智能体实现任务自主规划、MCP工具生态支持自然语言生成SQL、记忆进化系统个性化适配开发者习惯。通过自然语言即可完成数据库操作、代码生成与优化，大幅提升开发效率。此外，还具备工程级变更管理、多文件协同编辑及版本控制功能，适用于多种IDE环境，为企业提供安全高效的开发解决方案。

本文深入解析RAG系统中的五大文本分块策略，包括固定尺寸、语义、递归、结构和LLM分块，探讨其工程实现与优化方案，帮助提升知识检索精度与LLM生成效果。

通义千问 Qwen3 是 Qwen 系列最新推出的首个混合推理模型，其在代码、数学、通用能力等基准测试中，与 DeepSeek-R1、o1、o3-mini、Grok-3 和 Gemini-2.5-Pro 等顶级模型相比，表现出极具竞争力的结果。

该文介绍了如何在阿里云的通义大模型平台注册账号，并详细展示了通义万相功能的使用，包括文本生成图像、相似图像生成、图像风格迁移和应用广场（虚拟模特）四个部分。用户可以通过输入文字或选择图片，生成不同风格的创意作品，并能进行点赞、不满意、生成相似图、下载原图和收藏等操作。在应用广场中，用户可以上传图片并替换模特及背景，创建个性化商品展示图。

介绍通义智文产品发展历程、使用场景及主要功能。

vLLM是高效分布式大模型推理引擎，采用分页注意力、连续批处理等技术实现高吞吐与低延迟。本文详解其架构设计与关键技术，包括KV缓存管理、调度机制、推测解码与分布式扩展等，助你深入理解性能优化原理。

本文基于金融、电商、医疗等领域的实战经验，深入探讨通义千问等大模型的推理优化技术栈。从计算图优化、批处理策略、量化压缩到系统架构四个维度展开，结合Python代码示例与压力测试数据，提供企业级解决方案。针对延迟敏感、高吞吐及成本敏感场景，分析性能瓶颈并提出算子融合、动态批处理、混合精度量化等方法，同时设计分布式推理架构与冷启动优化策略。通过案例展示，如电商大促场景优化，实现峰值QPS提升6.5倍、P99延迟降低53%、月度成本下降62%。文章还提供优化实施路线图，助力企业分阶段落地技术方案。