知识图谱标签_智能体开发者社区

知识图谱

AI 应用技术演进全景：从 Transformer 到 Harness Engineering

Transformer / LLM、提示词、微调、RAG、函数调用、MCP、Agent、多智能体、上下文工程、Skills、OpenClaw、Harness 完整技术串讲与论文参考

 程序猿的 AI 进化之路
2026-09-04 19:06:32

 399

 6

#transformer #知识图谱
4大AI领域GitHub开源项目揭秘：引领未来技术潮流！

本文介绍了4个AI大模型相关开源项目：Glass可实时读取屏幕和对话内容并转化为结构化知识；CraftGPT是在《我的世界》中用红石电路构建的语言模型；AI热文发布神器能自动抓取热点并生成文章；Klavis解决AI智能体使用外部工具的可靠性问题，支持数千种工具；最后推荐关注"逛逛GitHub"公众号获取更多AI项目。这些工具为开发者和AI爱好者提供了丰富的学习资源和实用应用场景。

上马定江山
2025-12-21 08:00:00

 2059

 27

#人工智能 #github #知识图谱 +1
大语言模型规划：自动规划如何重塑AI智能体发展之路！

NeurIPS 2025将聚焦机器学习与神经科学。文章强调自动规划作为AI核心领域，在LLM时代愈发重要。规划研究社区数十年积累的经验，可加速强大、可信的LLM驱动智能体发展。文章将解析规划在向LLM方法转变过程中的意义，以及规划社区的基础洞见如何助力构建更可靠的LLM驱动规划器，为AI发展提供新方向。

上马定江山
2025-12-07 09:00:00

 602

 9

#人工智能 #语言模型 #自然语言处理 +2
14-Git 仓库蒸馏术：从代码仓库到 OpenClaw 虚拟人-实战案例与总结

把仓库 3 年的隐性知识，蒸馏成可验证的结构化产物，再注入虚拟人，让知识"活"起来。知识不流失：人员流动、记忆模糊，但蒸馏产物永久留存知识可验证：每个结论都有代码/文档/提交依据知识可复用：虚拟人让知识随时可问、可用知识可演进：工具链让知识随仓库同步更新。

leoZ231
2026-08-24 09:35:41

 314

 6

#git #知识图谱 #人工智能 +4
09-Git 仓库蒸馏术：从代码仓库到 OpenClaw 虚拟人-知识图谱构建

节点类型定义示例实体具体的代码/模块/文件src/core/概念抽象的业务/技术概念“状态管理”、“模型汇聚”、“分层架构”决策架构决策（ADR）ADR-001（用 Pinia）模式可复用的实现模式统一请求封装、Store 工厂"description": "全局状态管理模块","source": "架构文档",节点 ID 规范类型:名称，如concept:状态管理pattern:统一请求封装。"

leoZ231
2026-08-21 09:32:04

 232

 5

#git #知识图谱 #人工智能 +4
从视频字幕到知识图谱：基于大语言模型的自动思维导图生成工具调研

标签：云端存储、ISO国际安全认证、支持ASR与LLM结合的视频笔记、AI智能体（GenFlow，中文名“库库AI”）技术特点支持从网盘内存储的视频文件中直接提取字幕，进行智能断句与去口语化处理提供图文笔记、大纲笔记、文稿笔记三种结构化输出模板，可根据不同内容类型选择一键生成视频层级的思维导图，可导出为XMind格式供后续编辑笔记节点与视频时间戳联动，点击节点可跳转至对应画面位置支持OCR技术提取

 Claire_88
2026-08-20 16:01:32

 575

 8

#音视频 #知识图谱 #语言模型
AI Agent平台和AI软件开发平台有什么区别？企业选型别选错

一场数字化选型会上，三个部门汇报了三种"AI 平台"需求：业务部门说要用阿里百炼搭智能客服，开发组申请采购 Cursor 提升编码效率，CIO 办公室转发来一个链接问"这个麦芽AI 和前两个有什么区别？是不是重复采购？会议室安静了十秒。因为没有人能用一句话说清楚：这些都被叫做"AI 平台"的东西，到底是不是一类？这不是尴尬，是当前市场的真实状态——"AI 平台"这个词被用得太宽泛，Agent 平台

 xujinxing
2026-08-20 09:26:17

 371

 4

#人工智能 #知识图谱 #网络 +1
神经符号AI实践：本体如何为AI智能体构建确定性护栏

语义网第一次浪潮时，我们期待机器能理解网页的含义，但当时缺乏真正的"消费者"——没有程序需要如此精细的知识。如今，AI智能体成为了那个饥渴的消费者。它们需要结构化的、可验证的世界知识来安全地行动。本体回归，不是为了复刻二十年前的梦想，而是因为会行动的AI让可计算语义变成了工程刚需。概率系统负责创造，符号系统负责约束——这才是负责任的人工智能应有的姿态。

我不是张麻子
2026-08-18 06:30:00

 580

 17

#人工智能 #大数据 #知识图谱
同样是做Agent开发，不同厂的薪资到底能差出多少？

本文分析了当前AI Agent开发岗位的薪资与技能要求，将企业划分为五个梯队：第五梯队（中小公司）：实习3-6k/月，社招15-25w/年，需掌握基础API调用和Prompt编写第四梯队（中厂）：实习6-10k/月，社招25-40w/年，要求熟练使用LangChain等框架第三梯队（一线大厂）：实习10-15k/月，社招40-80w/年，需精通Agent架构设计与优化第二梯队（头部大厂）：

网安福宝
2026-08-13 21:46:26

 726

 6

#人工智能 #学习 #知识图谱 +2
我用 AI 建了一座 AUTOSAR 知识图谱：从 R22-11 规范到可交互的 Architecture Atlas

本文介绍了一个基于AUTOSAR Classic R22-11规范构建的可交互知识图谱系统。作者作为AUTOSAR开发工程师，针对知识碎片化痛点，将29个模块、290个API及跨层依赖关系结构化，生成了四种形态的知识资产：交互式Web图谱、Obsidian知识库、Neo4j图数据库脚本和结构化Markdown数据。系统亮点包括：1）多视角交互式可视化；2）信号到硬件的调用链追踪；3）支持AI Ag

hsj0424
2026-08-12 13:57:57

 510

 14

#人工智能 #知识图谱 #交互
CodeGraph vs Understand-Anything 对比：代码知识图谱框架横评

本文对比了两个代码知识图谱工具CodeGraph和Understand-Anything的核心差异：定位不同： CodeGraph是面向AI Agent的高效索引工具，强调本地化、快速响应和精准代码修改 Understand-Anything是面向开发者的可视化教学工具，侧重代码理解和业务视角技术架构： CodeGraph基于tree-sitter解析AST，纯本地SQLite存储，完全可复现

 Behaviour
2026-08-09 08:00:00

 465

 12

#AIGC #知识图谱
SeqGPT-560M实战教程：构建企业知识图谱——从原始文本到三元组自动构建

本文介绍了如何在星图GPU平台自动化部署SeqGPT-560M镜像，实现企业知识图谱的快速构建。该镜像专精于从非结构化文本中精准抽取结构化信息，自动识别实体并构建三元组关系，可高效处理合同、新闻稿等企业文档，为知识管理提供可靠数据基础。

朱佳顺
2026-02-19 00:14:42

 321

 4

#知识图谱
AI写作大师-Qwen3-4B-Instruct实战案例：高校教师用它批量生成习题解析与知识点图谱

本文介绍了如何在星图GPU平台上自动化部署AI 写作大师 - Qwen3-4B-Instruct镜像，高效支持高校教师批量生成习题解析与知识点图谱。该镜像专为教育场景优化，在CPU环境稳定运行，可完成多步逻辑推导、精准教材知识点标注及结构化知识图谱构建，显著提升教学备课效率。

澾慟
2026-02-19 00:20:23

 263

 5

#知识图谱
ChatGLM3-6B企业知识图谱构建：从对话日志抽取实体关系并可视化展示

本文介绍了如何在星图GPU平台上自动化部署🤖 ChatGLM3-6B镜像，实现企业知识图谱的智能构建。该方案能够从对话日志中自动抽取实体关系，并通过可视化界面直观展示，帮助企业高效挖掘客户服务、销售对话中的业务洞察，提升知识管理效率。

Omoo
2026-02-19 00:30:47

 123

#知识图谱 #自然语言处理
Qwen3-Reranker-4B实战案例：企业知识图谱构建中的三元组置信度重排序

本文介绍了如何在星图GPU平台上自动化部署Qwen3-Reranker-4B镜像，实现企业知识图谱构建中的三元组置信度重排序。通过vLLM+Gradio快速搭建服务，该模型可精准评估并排序候选三元组（如‘主体-违规行为-处罚依据’），显著提升金融风控、合规审查等场景的知识抽取准确率与落地效率。

李大锤同学
2026-02-19 00:51:39

 132

 1

#知识图谱 #RAG
Qwen3-32B医疗问答：知识图谱与RAG融合方案

本文介绍了如何在星图GPU平台上自动化部署Clawdbot 整合 qwen3:32b 代理网关与管理平台镜像，构建医疗问答系统。该镜像深度融合知识图谱与RAG技术，支持精准、可溯源的临床用药咨询与疾病解读，适用于基层医生辅助决策、患者健康教育等典型场景。

泓三宝
2026-02-20 00:12:42

 150

 3

#RAG #知识图谱
Qwen3-Reranker-4B与知识图谱的融合应用

本文介绍了如何在星图GPU平台自动化部署Qwen3-Reranker-4B镜像，实现智能信息检索与排序。该镜像结合知识图谱技术，能够精准理解查询意图，应用于电商搜索、企业知识管理和智能客服等场景，显著提升搜索结果的相关性和用户体验。

yang lebron
2026-02-20 00:34:54

 149

 4

#知识图谱
Qwen3-Reranker Semantic Refiner应用案例：构建制造业设备知识图谱引擎

本文介绍了如何在星图GPU平台上自动化部署🚀 Qwen3-Reranker Semantic Refiner镜像，构建制造业设备知识图谱引擎。该工具通过语义重排序技术，精准理解设备故障与解决方案间的关联，显著提升故障诊断和维修知识检索的准确性与效率。

Compass宁
2026-02-20 00:40:08

 410

 3

#知识图谱
Qwen3-ASR-1.7B实战案例：企业内训视频→知识图谱构建→FAQ自动抽取

本文介绍了如何在星图GPU平台上自动化部署Qwen3-ASR-1.7B镜像，高效实现企业内训视频的语音转写与结构化知识提取。该镜像支持多语种、多方言高精度识别，可一键完成音视频→文本→知识图谱→FAQ的全流程转化，典型应用于企业知识库构建与新员工培训支持。

Javen Fang
2026-02-21 00:17:21

 323

 11

#语音识别 #知识图谱
Qwen3-4B Instruct-2507实战案例：政府12345热线知识图谱增强型问答系统集成

本文介绍了如何在星图GPU平台上自动化部署⚡Qwen3-4B Instruct-2507镜像，构建政府12345热线知识图谱增强型问答系统。该镜像专为轻量、低延迟纯文本推理优化，可实时融合政策知识图谱，实现精准、可溯源的政务咨询应答，显著提升热线首解率与市民满意度。

黄浴
2026-02-21 00:34:29

 349

 5

#知识图谱 #RAG
Qwen3-Reranker-8B与知识图谱结合：智能问答系统

本文介绍了如何在星图GPU平台上一键自动化部署Qwen3-Reranker-8B镜像，构建智能问答系统。该镜像能够结合知识图谱技术，精准重排序候选答案，应用于医疗健康、企业知识管理等场景的智能问答，提升回答准确性和知识关联性。

红钻头机
2026-02-21 00:42:33

 397

 5

#知识图谱
Qwen3-ForcedAligner-0.6B与知识图谱的集成应用

本文介绍了如何在星图GPU平台上自动化部署Qwen3-ForcedAligner-0.6B镜像，实现语音内容与文本的精准时间戳对齐。该镜像可应用于企业会议录音的智能知识管理，自动提取关键信息并与知识图谱集成，提升内容检索和结构化处理效率。

IYA1738
2026-02-21 00:51:05

 417

 4

#知识图谱
GLM-4-9B-Chat-1M实战教程：本地大模型+知识图谱构建行业垂直问答系统

本文介绍了如何在星图GPU平台自动化部署🤖 GLM-4-9B-Chat-1M镜像，构建本地百万长文本大模型。该方案支持全本地化部署行业垂直问答系统，能处理超长文档并构建知识图谱，典型应用于法律、金融等领域的智能问答与文档分析，保障数据安全的同时提升专业信息处理效率。

ELSON麦香包
2026-02-22 01:13:46

 315

 5

#知识图谱
GLM-4V-9B开发者案例：基于Streamlit构建内部知识图谱图像问答系统

本文介绍了如何在星图GPU平台自动化部署GLM-4V-9B镜像，快速构建图像问答系统。该系统基于Streamlit框架，可解析内部知识图谱中的技术文档、产品图等图像内容，实现智能问答，提升企业知识管理效率。

苏盆栽
2026-02-22 01:17:35

 430

 3

#知识图谱
AI Agent 工程化六层架构：从 Prompt 到 Production

本文解析了生产级AIAgent系统的六层工程架构，重点阐述了LoopEngineering、GraphEngineering和HarnessEngineering的核心价值。通过保险理赔Agent案例，作者指出：1）PromptEngineering需升级为ContextEngineering以解决信息腐化问题；2）LoopEngineering通过四层反馈环（任务执行、验证、事件驱动、爬山改进）

lincats
2026-08-08 09:22:35

 576

 12

#人工智能 #架构 #知识图谱 +1
2026 企业级智能体选型指南：私有化、可定制、易集成三大核心指标怎么看？

2026年企业级AI智能体产品激增，功能趋同但落地效果差异显著。选型需重点关注三个指标：数据主权：真私有化需满足本地推理、数据不出网、离线运行、全链路可审计，避免伪私有化陷阱；流程适配：优先选支持配置化工作流的平台型产品，传统知识库与AI知识库在语义检索、知识沉淀上存在代差；系统开放：需提供标准化API，实现与OA/CRM等系统的无缝对接。技术栈应选用主流组件（如Milvus、Neo4j），

adinnet2026
2026-08-07 17:56:32

 572

 18

#知识图谱 #架构 #人工智能
从 Loop Engineering 到 Graph Engineering：真正的升级不是更多循环，而是更诚实的约束

最近 AI agent 圈子里有个梗很火：> 我们还在讲 loop，还是已经切到 graph 了？

小马不会过河
2026-07-30 21:55:06

 192

 5

#php #linux #开发语言 +4
行业专用大模型摆脱同质化内卷的思路

深耕垂直场景是破解内卷的核心战略。通用大模型追求参数规模的无限扩张，而行业模型选择“做减法”——主动舍弃冗余泛化能力，聚焦细分领域的“精专深”。例如，医疗大模型需吃透电子病历、医学影像与基因数据，金融模型则需深度融合合规风控与量化分析逻辑。只有深入一线业务场景，理解具体痛点，模型才能真正创造不可替代的业务价值。数据价值的深度挖掘是竞争壁垒的关键所在。行业专用的核心在于独特的私有数据资产——通用

 renhongxia1
2026-06-18 10:13:07

 395

 16

#自然语言处理 #深度学习 #人工智能 +1
2026 电力大模型落地生死局：告别“聊天窗口”，图谱与智能体如何重塑电网大脑？

前沿 AI 产品，带你一文了解

 cl1807288
2026-06-18 10:25:43

 356

 9

#知识图谱 #人工智能
通用大模型演进到世界模型的关键技术突破

四、大规模交互数据驱动的自监督学习：在行动中构建世界模型。三、隐式物理直觉与常识推理：让模型懂“重力”和“碰撞”五、可微分环境模拟与规划：实现“内心试错”的闭环。一、从单向生成到交互式推演：时序预测能力的突破。二、多模态对齐与联合表征：打破语言孤岛。#大模型#世界模型#人工智能#未来搜索。

龙腾AI白云
2026-06-18 23:26:11

 243

 4

#tornado #知识图谱 #人工智能
计算机毕业设计YOLO+LLM多模态大模型+人脸识别+视频检索的智慧公安综合研判平台智慧警务研判系统(Vue+Flask+AI算法)

智慧公安综合研判平台聚焦警务实战，具备视频检索、身份档案、案件研判及AI助手四大核心功能，助力办案人员高效定位线索、核实身份、梳理案情并生成智能结论。系统采用前后端分离架构：前端基于Vue3、Element Plus和Electron构建桌面GUI研判工作台；后端以Flask提供统一服务，并集成YOLO目标检测、人脸特征提取与多模态大模型等算法能力，实现技术闭环与业务支撑。

haochengxu2022
2026-07-13 14:48:29

 405

 12

#知识图谱 #语言模型 #大数据 +1
从RAG到GEO：如何利用知识图谱解决通用大模型在垂直领域的“幻觉”与“无记忆”痛点？

通用大模型在垂直场景落地时面临知识缺失和幻觉问题。星络通平台提出结合GEO与知识图谱的解决方案，通过结构化行业知识、图检索推理和动态Token调度，构建高可用的行业数字分身。与传统RAG相比，该方法在农机、中医等场景显著提升了回答准确率和逻辑连贯性，同时保障数据隐私和7×24小时服务。文章强调垂直领域AI落地需深度融合行业知识与工程化改造，并提供了技术交流渠道。

xL15885
2026-06-19 10:42:16

 272

 6

#知识图谱 #人工智能
零基础自建知识图谱网站——换一种方式构建

我的开发方式是逐步完善整个网站（毕竟大家不是产品经理，没办法想好所有网站细节），这么做适合一开始不太清楚整体方案的情况，但是耗时比较长，大量内容需要推倒重来。

Python_金钱豹
2026-06-19 21:23:54

 212

 7

#知识图谱 #人工智能 #milvus +1