实体库 · 期 Buzzwords · 档案重建
EP.11智能体新增 · 待复核
EP.11（2024-07-26）：中间那层表达式为什么必须在。档案重建；5 个故事线 / 专题 · 9 个条目 · 讲到 6 个实体。每个故事线 / 专题 / 条目都是库里的一个节点，连到它讲到的机构、App、模型和人。
- 分享日2024-07-26
- 页面xiaopingfeng.com/buzzwords/11/ · 档案重建 · 当期录播后补建的页面，话题 + 备课笔记的链接清单
- 标题中间那层表达式为什么必须在
- 一句话企业落地要在用户语义和内部业务模型之间加一层中间语言；LangChain 提认知架构；埃森哲 AI 成熟度模型的时间表已被生成式 AI 打穿
- 规模5 个故事线 / 专题 · 9 个条目 · 讲到 6 个实体
故事线与专题 5 个 · 点标题到页面上的那一节；摘要是页面自己的导语（档案重建的期里是话题）
搜索
排序视图
共 5 条
埃森哲的 AI 成熟度模型，时间表已经被打穿了这套东西不新，大概 2020、2021 年就发了。它的说法是：数字化转型从 10% 走到八九成大概要 10 年，AI 转型大概 8 年——注意这是行业增量口径，不是说某一家公司要干这么久。
LangChain 为什么要提「认知架构」LangChain 一直被开发者当成一个 LLM 框架。问题是：如果只在「框架」这个维度上跟 LlamaIndex、Semantic Kernel 比，它没有概念上的高度，也就没有竞争优势。
Anthropic 的 metaprompt：用模型写模型的提示词Anthropic 在提示词这块做得确实强，基本没人敢说比它更强。官方 blog 给的例子很直接：你要做一个教育计划，只需要写一小段说明加几个 topic，它会自己跑一轮提示词优化流程，最后交给你一个完整的东西。
看开源项目的一个实用姿势：直接看 promptLlama Tutor 这个项目发出来时看着挺有意思。打开一看，代码本身是学生级别的框架，没什么特别的东西。
那层看着多余的表达式，其实是落地的关键有个案例是这样：判断「用户是否到期」「为什么是这个 119 的档位」这类策略解释。他们的做法是先把逻辑转成一层表达式，大模型只负责最后一步——把表达式翻译成人话回答。文章里还一直在吐槽这个转换过程有一定概率会转错。
共 5 条 · 数据 2026-11-04
条目 9 个 · 本期资料 9 · 信源徽章与 MUST / TECHREAD / ★ 是页面自己的标记
搜索
栏目
信源
必读
排序视图
共 9 条
共 9 条 · 数据 2026-11-04
这一期讲到的机构、人、App 和模型 6 个 · 名称匹配（名字在标题里记「主角」，只在正文里记「提及」），待复核；按它们在这一期被讲到的条目数排
被讲到最多的（按故事线 / 专题 / 条目数）
共 6 条 · 数据 2026-11-04
机构 · 5
App · 1
- Claude通用助手 · #2 · Anthropic
共 1 条 · 数据 2026-11-04