Общие новости
Java 17调用Embeddings API:余弦相似度与FAQ拒答阈值
掘金
用户问“东西买错了怎么换”,知识库里写的是“商品换货流程”,关键词搜索未必命中。我们可以把句子转换成向量,比较它们在语义空间的方向。本篇用 Java 17 和官方 Embeddings 接口写一个三条 FAQ 的小检索器
Балл: 57.35Уверенность: 54%
ПодробнееЗагружаем каталог…
Загружаем каталог…
НАВИГАТОР ПО ВОЗМОЖНОСТЯМ ИИ
Найдите свой ИИ-инструмент. Бесплатный доступ, пробные периоды и кредиты — в одном месте.
掘金
用户问“东西买错了怎么换”,知识库里写的是“商品换货流程”,关键词搜索未必命中。我们可以把句子转换成向量,比较它们在语义空间的方向。本篇用 Java 17 和官方 Embeddings 接口写一个三条 FAQ 的小检索器
Балл: 57.35Уверенность: 54%
Подробнее掘金
存在较多tools时 description和schema占据token很多 且模型输出的准确性会下降 在接入mcp时尤其明显 因此需要渐进式加载工具 Anthropic和openai默认提供了渐进式
Балл: 57.34Уверенность: 54%
Подробнее掘金
SCM 是一个在 macOS 上运行的本地 AI 搜索工具,通过 CLIP 等视觉模型和 Whisper 语音模型对照片和视频每一帧进行索引,无需账号和云端上传,当前版本 0.2.4 要求 Apple
Балл: 57.33Уверенность: 54%
Подробнее掘金
AI Agent 正从应用层走向系统层,Linux 提供底座,AIOS、OpenShell、Sandlock 等项目开始探索权限、Sandbox、Policy 与安全运行的新基础设施。
Балл: 57.33Уверенность: 54%
Подробнее掘金
多模态 Agent 如何规划 UI 测试路径 UI 自动化的难点,表面看是脚本维护成本高,深层看是测试设计无法持续跟上系统变化。传统自动化更多是在验证主流程“没坏”,但营销配置类页面真正高风险的地方,
Балл: 57.32Уверенность: 54%
Подробнее掘金
参考资料 代码仓库 华米Amazfit GTR4番茄代办 Gitee代码仓库 参考链接 AI Coding时代,拒绝瞎忙,从“心”出发! Zepp OS 简介 Zepp OS 小程序配置 # 华米Am
Балл: 57.32Уверенность: 54%
Подробнее掘金
用一个比喻,彻底搞懂 Git Worktree(小白版) 先别管"worktree"这词多拗口。读完下面这个比喻,你就懂了。 先把 Git 想成「中央档案室」 假设你单位有个中央档案室,里面锁着公司所
Балл: 57.31Уверенность: 54%
Подробнее掘金
Coding Agent 干长活时,早期翻代码、试错、跑测试的痕迹会把上下文越堆越满
Балл: 57.28Уверенность: 54%
Подробнее掘金
本文以 InnoDB 为主要背景,从事务的 ACID 特性和隔离级别开始,介绍 MVCC、B+Tree 索引、聚簇索引、二级索引、行锁、间隙锁和死锁
Балл: 57.14Уверенность: 54%
Подробнее掘金
# Agent 开发框架深度对比——LangGraph、AutoGen、CrewAI 与 Microsoft Agent Framework 该选谁 > 截至 2026 年,四个框架主导了基于 Pyt
Балл: 57.14Уверенность: 54%
Подробнее掘金
告别后台偷跑流量与弹窗失控:基于 WFP 内核驱动深入拆解开源 Fort Firewall 架构与流量管控实战
Балл: 57.12Уверенность: 54%
Подробнее人人都是产品经理
如果 AI 明天就能接手答疑、培训、写报告、做 QBR,CSM 还有存在的必要吗?作者的判断是这个问题问反了:客户成功等于客户成果加客户体验,服务只是过程而非结果。该追问的是,过去为什么有那么多 CSM 的时间耗在过程上,懂业务的 CSM 会不会更值钱。 最近我一直在想一个问题:如果AI明天就能接手CSM手上大部分的工作,CSM还有存在的必要吗? 答疑、培训、整理数据、写报告、做QBR、跟进客户......这些事情,AI现在已经能做一部分,未来很可能会做得更多。 那CSM是不是要被替代了? 想了想,我觉得这个问题可能问反了。 如果AI接手了这些工作,我们更应该问: 过去为什么有这么多CSM的时间,花在这些事情上? 客户成功经理这个岗位,最初就不只是为了把客户服务好。它承担着留存和增长的责任。 传统软件卖出去、交付完,后续客户用得怎么样,很多时候是客户自己的事。软件卖出去了,收入也就确认了。 SaaS不一样。客户今年买了,不代表明年还会续约。客户有没有用起来、有没有获得价值,都会影响他还愿不愿意继续买。 所以,企业需要有人持续关注客户有没有从产品中获得价值。这就是客户成功存在的原因。 只是后来,CSM的工作越做越多:答疑、培训、写报告、开会、跟进、催进度......慢慢地,大家容易把“服务客户”和“客户成功”当成一回事。 但它们并不完全相同。 服务做得好,客户会觉得体验不错。客户成功还要继续往下问: 客户当初为什么买,他想解决什么问题,用了产品之后,业务有没有变好? CS(客户成功)=CO(客户成果)+CX(客户体验) 服务是过程,客户获得价值才是结果。 如果把客户成功的工作分成几层,大概是这样: 第一层, 被动服务 :客户问什么,我回答什么。 第二层, 完成任务 :客户让我做什么,我帮他做什么,比如整理数据、做报告、准备QBR。 第三层, 解决问题 :客户说“最近招聘效率不高”,CSM不只告诉他哪个功能可以用,还要继续弄清楚问题出在哪儿:招聘渠道、流程,还是业务部门之间的协同?找到原因,才能一起想办法。 第四层, 客户经营 :不只解决眼前的问题,还要理解客户的业务目标和变化,和客户一起规划下一步。 前两层当然重要,只是它们不应该占满CSM所有的时间。 AI很适合处理大量标准化工作,基础问题可以交给AI员工,报告、提醒和信息整理也可以交给Agent,CSM因此能把更多时间放在判断问题、推动改变上,也能进一步确认:客户最后有没有拿到结果。 当然,也不是每个客户都需要同样深度的服务,资源投入有成本,投入多少,应该和客户需求及可能创造的价值相匹配。 SMB客户通常希望服务及时、清楚、成本合理,但不一定需要CSM天天一对一跟进,基础问题可以由AI员工回答,复杂问题由CSM处理,CSM也可以负责Agent的运营和优化,运营团队则通过内容、培训、课程和最佳实践,一次服务更多客户。 这就是Low Touch和Digital Touch结合的思路:用数字化方式覆盖共性需求,再由人处理更复杂、更需要判断的问题。Gainsight也一直强调,客户成功需要根据客户的价值、需求和复杂度设计触点,而不是给所有客户套用同一种服务模式。 KA客户通常涉及更复杂的业务场景,需要更深入的服务和价值交付。AI员工可以处理基础问题,CSM围绕客户的业务场景和目标开展运营,专家团队提供行业经验和Know-how,几方一起帮助客户解决问题、推动业务目标。 High Touch不只是见得更多、会开得更多,而是把专业资源放到客户真正需要的地方。 客户凭什么让你参与他的业务? “经营客户”听起来很好,但有个现实问题: 首先,客户得愿意让你参与;其次,你得听得懂他的业务;最后,你还得能给出有用的建议。 如果客户不信任你,或者你不了解他的行业和业务,就算开了很多次QBR,也不代表你已经在经营客户。 AI不会自动把CSM变成业务顾问。它能帮我们整理信息、发现线索,但行业知识、业务理解和专业判断,还是要靠人去积累。 从这个角度看, 有垂直行业经验、真正懂客户业务的CSM,在AI时代可能会更有价值。 AI可以接手越来越多的标准工作,但客户成功最终还是要回到那个问题:客户有没有因为我们的产品和团队,获得真正的价值? 陆止于此,海始于斯。 有人看到了威胁,有人看到了机会。 本文由人人都是产品经理作者【AiSaaS老司机】,微信公众号:【AiSaaS老司机】,原创/授权 发布于人人都是产品经理,未经许可,禁止转载 题图来自Unsplash,基于 CC0 协议
Балл: 56.92Уверенность: 54%
Подробнее