知鸦日报2025-07-19

Finch是优步开发的AI助手，集成于Slack，通过自然语言查询实时获取财务数据。它结合生成式AI、RAG和自查询代理，简化数据检索流程，提升效率。Finch具备上下文理解、自动SQL生成、权限控制等功能，支持数据导出至Google Sheets。其架构模块化，依赖OpenSearch索引和LangChain Langgraph，确保高精度和实时反馈。Finch优化了财务团队的数据访问体验，助力快速决策。

前端物料库建设方案：基于Nexus3打造统一管理平台，整合npm包、UMD组件和SVG图标。通过bpm工具实现统一鉴权发布，支持monorepo项目批量发包；优化搜索功能，引入MeiliSearch引擎；完善文档体系，新增外部文档和产物预览功能；建立四维分类标准提升物料复用效率。解决原有cnpm系统功能单一、搜索薄弱等问题，显著提升前端开发效率。

探索了FLUX.1-dev模型在原生2k分辨率图片生成上的微调经验。通过超清图片微调和多分辨率混合训练，解决了位置编码外推和细节缺失问题，提升了模型生成超清图片的质量。微调后的模型在发丝、眼睛等细节上表现优异，兼容社区LoRA，未来将拓展更多艺术风格和高质量打标，进一步提升美学性和人物质量。

【代码迷宫破局记】新人李明初入职场，深陷无文档、难传承的代码泥潭。灵机一动用AI串联零散知识：①建索引关联需求与代码；②训练智能体解答历史问题；③构建三阶知识体系（基础查询-知识关联-智能提示）。最终实现代码追溯、需求解析、开发辅助一条龙，让团队知识从碎片走向系统。未来还需优化代码生成质量和召回精度，但已迈出破局关键步！

有赞通过混部技术提升集群CPU利用率，解决了在线与离线业务资源使用不均的问题。采用Koordinator和龙蜥Linux内核架构，实现负载均衡调度和重调度，优化资源分配。通过节点分时复用、常态混部和动态感知离线资源池等措施，在线集群CPU利用率提升至40%，资源成本下降20%，活动成本显著降低。

这篇教程教你用Java打造一个极简ReAct Agent，通过200行代码拆解"思考-行动-观察"的循环机制。以补货审批场景为例，演示Agent如何解析用户需求、调用工具链并动态响应，两次对话触发4次大模型调用的过程尤为精彩。核心在于用代码实现ReAct的决策闭环，适合开发者动手实践AI决策逻辑的底层原理。

Qwen3-Embedding是阿里通义实验室推出的新一代文本嵌入模型，支持多语言和灵活维度定制，在语义搜索、推荐系统等场景表现优异。通过PAI或百炼平台可快速部署，支持微调定制，相比大模型延迟更低、成本更优。实验显示其响应速度达毫秒级，成本仅为LLM的1/4，适合高并发场景。提供缓存、降级等工程优化方案，助力开发者高效构建智能应用。