Milvus + 通义千问：快速构建专属知识库问答系统
本文展示了如何使用向量检索服务Milvus版（简称Milvus）和阿里云百炼提供的千问大模型能力，快速构建一个基于专属知识库的问答系统。在示例中，我们通过接入阿里云百炼提供的千问API及文本嵌入（Embedding）API来实现LLM大模型的相关功能。 前提条件 使用限制 请确保您的运行环境中已安装Python 3.8或以上版本，以便顺利安装并使用DashScope。 操作流程 准备工作 步骤一：…
分类： AI
百炼平台实战：从零搭建电商客服 AI Agent
方案概览 百炼平台是阿里云提供的一站式大模型开发及应用构建平台，专为简化AI应用的开发流程而设计。通过百炼，用户可以在短时间内构建并部署先进的大模型应用，不论是开发者还是业务人员，都能深入参与设计和构建过程。平台提供丰富的模型选择，包括千问商业版及第三方大模型，支持多模态数据处理，如文本、图像和音视频，满足各行业的定制化需求。 百炼的便捷开发工具集成了Prompt自动优化、知识库管理、函数调用、流…
企业级 AI Agent 可观测性：监控、追踪与故障诊断实践
一、黑盒困境：AI Agent为何需要全新的可观测性范式 2025年，AI Agent从实验室走向规模化生产落地。从开发者日常使用的代码助手到企业服务场景下的智能客服，再到复杂度持续升级的多智能体协同系统，AI Agent正在以前所未有的速度渗透企业核心业务。 然而，与传统的确定性软件不同，AI Agent的本质是非确定性的。一个AI Agent通过重复的决策步骤解决问题，而非单次响应——在每一步…
使用 Amazon Bedrock AgentCore 构建企业级 MCP 服务
一、引言 随着人工智能越来越深入地集成到企业工作流程中，企业对标准化、安全且可扩展的 AI 工具平台的需求日益增长。由 Anthropic 开发的模型上下文协议 (MCP) 为连接 AI 助手与外部工具和数据源提供了通用标准。当与 Amazon Bedrock 的 AgentCore 功能相结合时，组织可以构建兼具高性能与生产可用性的 AI 生态系统。 在这篇文章中，我们将探讨如何使用 Amazo…
基于 Bedrock AgentCore Memory 构建具备长期记忆的 AI Agent
一、背景与设计理念 1.1 无状态带来的现实困扰 大语言模型天生是无状态的。模型每次只处理当前这段上下文，回复一生成完就结束，会话一关，上下文就被整段丢掉，下次再进来又是一张白纸。 而在日常开发中，尽管有很多实践，已通过提示词的渐进式披露、项目规范的团队共享以及 Agent 工具的本地记忆，一定程度上实现了大模型的状态存储与记忆管理，但是现有记忆是按机器、按项目、靠文件名的，而我们真正想要的，是一…
使用百炼构建旅行规划 AI Agent：MCP + RAG + API 实战
1. 场景：30 分钟构建一个能做事的 AI 助手 上周产品经理提了一个需求：”做一个能查天气、看地图、推荐行程的旅行助手”，要求一周内上线。传统方式意味着要对接高德地图 API、天气 API、写后端服务、做前端页面，至少一周。 但用阿里云百炼平台的零代码智能体构建能力，从创建到测试通过，实际只花了 30 分钟。 1.1 传统开发 vs 百炼零代码的效率对比 传统方式开发一…
使用 Vertex AI 构建企业智能客服应用
构建内容 您将使用 Vertex AI Conversation 中的 Data Store Agent 功能来构建、配置和部署虚拟客服，使其为客户解答与 Google 商店中的产品和设备（包括手机、手表、笔记本电脑、智能家居设备和其他消费类设备）有关的问题。 什么是数据存储区代理？ 数据存储区代理是 Vertex AI Conversation 中的一项功能，基于 Dialogflow CX 中…
使用 RAG 与 MCP 优化企业 AI Agent 的工具调用效率
背景 大语言模型（LLM）在自然语言处理、任务自动化和智能决策等领域展现了非凡的潜力。然而，其有限的上下文窗口常常成为复杂任务的瓶颈。特别是在需要调用大量外部工具时，例如通过模型上下文协议（MCP）管理的工具，将所有工具描述嵌入提示词会导致“提示词膨胀”（Prompt Bloat）。这不仅挤占了宝贵的上下文空间，限制模型推理能力，还增加了工具选择的决策复杂性，降低准确性和性能。 AWS Bedro…
使用 Vertex AI Agent Builder 构建企业 AI Agent
1. 准备工作 此自学型 Codelab 将指导您使用 Google Cloud 的 Vertex AI Agent Builder 构建 AI 智能体。每个步骤都会重点介绍 Agent Builder 的某项特定功能，并说明其用途。 前提条件 学习内容 所需条件 注意：如果您还没有 Google Cloud 项目，可以按照相关说明创建一个。您还可以查看 Google Cloud 免费层级服务。 …
基于 Amazon Bedrock AgentCore 构建企业级航空客服智能体
一、引言 航空客服领域正面临着前所未有的挑战。以某大型航空公司为例，每天接收超过 10 万次客户咨询，其中 80% 是重复性问题——航班查询、退改签、里程兑换等。传统的 IVR 语音树和知识库检索系统虽然能处理简单咨询，但在面对复杂场景时力不从心：高额退款需要人工审批，会员特权规则复杂多变，航班异常情况（IROP）下的补偿政策需要灵活执行。更棘手的是，不同客服人员的答案可能不一致，直接影响客户体验…