阿里AI Native研发手册：企业知识库搭建

假期第三天，继续学习阿里的「AI Native 研发范式实践手册」 今天继续看「企业级 AI 研发基础设施」中最容易被忽略、最容易自以为没问题的「企业知识库」 说起来可能会让 CEO、CIO 们不开心，你们公司的「企业知识库」真的合格吗？ 虽然肯定不会是放在架子上、箱子里的一堆堆纸质文件（如果是，对不起，冒犯了 😄），基本的电子档还是有。但大部分企业，都只是把文档攒下来了，是积累？不，更像积压！ 文档目录架构一团乱、每个部门都有自己的规则（或者没有规则）、关键证据缺失、关键信息都在老板脑子里、同一实时多篇文档不知道以哪个为准、很多悬而未决的 ToDo 遍布在每篇文档的最后却没跟进、不同部门有不同权限设置。。。 与其遍地找 CAIO、花大价钱请 HW 培训、找各种咨询团队搭企业 AI 架构，真的不如先把只属于你企业内部的知识库搭好。 从公司角度牵头梳理文档，做知识整理、知识加工、知识供给，再输入给 Agent 使用和反馈，闭环知识更新改进。 在此之上，做好质量、版本、权限、责任四个方面的知识治理（是持续治理，不是一次性运动！） ai-native.alistatic.com/app/ainativein… n meng shao @shao__meng 假期第二天，继续学习阿里发布的「AI Native 研发范式实践手册」 今天细看「企业级 AI 研发基础设施」这一章中最重要的「企业级 Agent Harness」 从大型企业内部视角，把很多平时熟悉或不熟悉的技术点串起来，算是系统复习吧(主要是陪孩子上课有连续时间 😂) 在常规的 Agent Harness 运行机制之上，企业软件怎么跟它做集成，企业安全能力怎么正确适度的运行发挥作用，是主要差异。 企业软件的集成分为两种: 程序性机制和模型推理机制，给 llm 提供指引和外部运行能力。 企业安全能力主要从三个方面发挥作用: 身份 - 识别不可信输入，阻断恶意诱导 审计 - 在行动前进行动态审查 权限 - 以最小权限约束实际运行 🔗 View Quoted Tweet 💬 5 🔄 10 ❤️ 44 👀 4397 📊 17 ⚡