暂无搜索历史
企业要做"基于自己知识库的 AI 问答",第一个要做的技术决策,就是:用 RAG,还是微调(Fine-tuning)?这个问题我几乎每周都会被问到。很多团队一上...
过去一个月,我做了个实验:把日常的数据分析需求,尽量交给大模型写 SQL,看看它到底靠不靠谱。
2026 年,内网数据分析 Agent(Data Agent)正在从"要不要做"转向"怎么做"。对于央国企、金融、军工、政务等强监管行业,一个绕不开的约束是:数...
深夜十一点,一家中型制造企业的 CFO 盯着屏幕上的经营看板,迟迟没有点下"确认"。
过去两年,AI 应用成了企业数字化转型的"新风口"。老板们张口闭口"我们要上大模型""我们要做智能体",技术团队忙着选模型、搭平台、调 Prompt,一片热火朝...
实时数仓的建设,最耗工程能力的往往不是"数据存哪、怎么查",而是数据进仓之前的那段链路——业务库的变更怎么实时进来、进来的数据怎么清洗转换、实时链路里的脏数据怎...
工具过载的2026年,光会提问已经不够了。过去一年,我陆陆续续测了数十款AI工具,有的用了就回不去,有的装完就吃灰,还有几款在特定场景里成了我的主力。这份报告不...
我们做数据治理平台时,数据质量检核一开始只有批式方案——T+1 跑 Spark 任务,第二天早上出质量报告。这个方案对离线数仓够用,但业务侧很快提出了新诉求:
实时数仓的建设,很少是一开始就规划得清清楚楚的。多数企业的现实是:业务对实时性的要求越来越高,于是从某个具体场景切入,先做实时数据采集,再做实时计算,最后接上 ...
怎么证明有用?靠 KPI。但 KPI 定错了,比不定还糟——它会让你忙活一整年,最后拿出一份漂亮的报告,领导看完问一句"所以呢?",你哑口无言。
数据治理这个赛道,正在经历一次明显的范式转移。过去十年,企业做数据治理的标准姿势是"分而治之":ETL 工具负责搬数据,数据质量工具负责检测,元数据工具负责记录...
过去两年,AI问数产品大量涌现,企业对这类工具的期待也从"能不能问"转向了"能不能信"。但一个普遍的做法是,用"单次回答是否正确"来衡量AI的数据分析能力——问...
过去两年,自然语言与数据交互的技术路线经历了一场从狂热到冷静的回归。2024年前后,NL2SQL被广泛视为"让每个人都能问数据"的关键突破——用户说一句话,AI...
我们做数据治理平台的时候,数据质量检核是绕不开的模块。需求很明确:支持空值检查、唯一性校验、值域合规、跨表一致性、自定义 SQL 规则,支持定时调度和告警,能接...
围绕这四个问题,数据治理平台通常包含六大能力域:元数据管理、数据标准管理、数据质量管理、数据安全管理、数据生命周期管理、数据资产目录。
如果你问十个做数据的人"数据治理是什么",你大概会得到十种不同的答案。有人说数据治理就是定标准,有人说就是做数据质量,有人说就是搞一套主数据管理平台。这些说法都...
正在使用vue+element,
程序猿
作为在 AI 搭建平台领域摸爬滚打了一年多的从业者,我几乎把所有你能叫出名字的 Agent 平台都亲手跑过一遍。从 Coze 的 Bot 工厂到 WorkBud...
如果你在2025年用过AI对话工具,你一定经历过这样的时刻:AI给了你一段看起来头头是道的分析,你逐行读完了,觉得有道理,但接下来你不知道该拿这段文字怎么办。复...
暂未填写公司和职称
暂未填写个人简介
暂未填写技能专长
暂未填写学校和专业
暂未填写个人网址