<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom" xmlns:content="http://purl.org/rss/1.0/modules/content/"><channel><title>全部文章 on 用 AI 武装大脑</title><link>http://aitip.tech/posts/</link><description>Recent content in 全部文章 on 用 AI 武装大脑</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Tue, 17 Nov 2026 09:00:00 +0800</lastBuildDate><atom:link href="http://aitip.tech/posts/index.xml" rel="self" type="application/rss+xml"/><item><title>AI Spec 驱动开发：我们为什么选 OpenSpec</title><link>http://aitip.tech/posts/openspec-spec-driven/</link><pubDate>Tue, 17 Nov 2026 09:00:00 +0800</pubDate><guid>http://aitip.tech/posts/openspec-spec-driven/</guid><description>用 AI 写代码，需求只活在聊天记录里，换个会话就丢。Spec 驱动开发把需求写进仓库，但 Spec Kit、Kiro、Tessl 的做法差别很大，也有人批评它是瀑布流回潮。本文对比主流工具和业界的批评，说明我们为什么选了 OpenSpec，以及在十几个仓库、一百多次变更里形成的用法。</description></item><item><title>AI 短剧的角色一致性：资产产物链、连续性锁和参考图</title><link>http://aitip.tech/posts/ai-drama-consistency/</link><pubDate>Mon, 16 Nov 2026 13:00:00 +0800</pubDate><guid>http://aitip.tech/posts/ai-drama-consistency/</guid><description>只用 API 做 AI 漫剧时，角色、道具和场景跨镜头保持一致靠的是参考图和固定文字。本文用一部原创动画的实测图说明：为什么源头图要先审，参考图和给人看的设定板要分开，连续性锁要原样复用，一个场景要按机位出一组空镜，以及怎样逐镜检查。</description></item><item><title>AI 短剧制作流水线的设计：共用阶段和资产库，按类型换 Skill</title><link>http://aitip.tech/posts/ai-drama-pipeline/</link><pubDate>Mon, 16 Nov 2026 12:00:00 +0800</pubDate><guid>http://aitip.tech/posts/ai-drama-pipeline/</guid><description>付费短剧、漫剧、小说推文、电商广告，节奏和检查规则各不相同。本文的做法是：剧本、资产、分镜、视频四个阶段和资产库所有类型共用，类型之间的差异写成一份 Skill，叠加到每个子 Agent 上。对比了开源短剧工具和多 Agent 论文的做法，附可翻页的交互演示。</description></item><item><title>94% 的字段正确，然后呢？扫描件抽取的两阶段架构与实测</title><link>http://aitip.tech/posts/two-stage-document-extraction/</link><pubDate>Mon, 16 Nov 2026 08:00:00 +0800</pubDate><guid>http://aitip.tech/posts/two-stage-document-extraction/</guid><description>38 份扫描件、4,732 条字段断言：传统 OCR 路线达到 94.08% 的字段通过率，却只有 6 份文档全部通过。结合逐页转写、文本抽取和大 Schema 实验，讨论如何拆开识别与理解、保留原文证据，以及为什么双模型一致仍不等于正确。</description></item><item><title>知识库切块方案：统一维护 Markdown，按标题结构切块</title><link>http://aitip.tech/posts/pdf-to-markdown-chunking/</link><pubDate>Sun, 15 Nov 2026 11:00:00 +0800</pubDate><guid>http://aitip.tech/posts/pdf-to-markdown-chunking/</guid><description>知识库维护的是一份 Markdown：PDF、网页、人工资料和问答都转成同一种约定，切块只读 Markdown 的标题树和块结构。本文介绍这套约定、PDF 的转写与校验、按标题层级切块的规则，并用检索评测说明为什么一个标题一个片段效果最好。</description></item><item><title>企业知识库的搭建方案：内容模型、Git 发布与混合检索</title><link>http://aitip.tech/posts/knowledge-base-architecture/</link><pubDate>Sun, 15 Nov 2026 10:00:00 +0800</pubDate><guid>http://aitip.tech/posts/knowledge-base-architecture/</guid><description>知识库像一座图书馆：分类、书和版本、目录、段落，一级一级缩小上下文，把准确的知识交给对话模型。本文结合一个约 1,800 份文档、中英双语的知识库项目，讨论如何先定义内容模型，用 Git 做审核和发布，让精确取文和混合检索并存，并用评测集而不是直觉来选择检索方式。</description></item><item><title>多环境、跨区域容灾的 AWS 基础设施即代码方案</title><link>http://aitip.tech/posts/aws-terraform-iac/</link><pubDate>Fri, 13 Nov 2026 16:50:00 +0800</pubDate><guid>http://aitip.tech/posts/aws-terraform-iac/</guid><description>用 Terraform 管理一个容器化业务系统的多套环境和异地灾备。从工具、环境组织、状态拆分、账号、执行、密钥、灾备七个选择入手，逐一对比常见方案和它们各自会在哪里出问题，最后给出一份可以直接照着搭的仓库目录结构。</description></item><item><title>AI 辅助填写合同的 Agent 设计</title><link>http://aitip.tech/posts/contract-fill-agent/</link><pubDate>Fri, 13 Nov 2026 16:00:00 +0800</pubDate><guid>http://aitip.tech/posts/contract-fill-agent/</guid><description>基于市场监管总局的合同示范文本：AI 从证件、截图和对话里整理事实并注明出处，代码套用条款、生成大写金额并逐条检查，人补齐空白、选定矛盾后生成合同。附可翻页的交互演示。</description></item><item><title>基于分类路由的模板回复 Agent 设计实践</title><link>http://aitip.tech/posts/template-reply-agent/</link><pubDate>Fri, 13 Nov 2026 14:00:00 +0800</pubDate><guid>http://aitip.tech/posts/template-reply-agent/</guid><description>来信先分类，再按优先级路由到唯一的标准模板，模型只负责填空，代码负责检查，业务人员审阅后发送。以外贸询盘为例，附可翻页的交互演示。</description></item><item><title>对话式询价 Agent 的 UI 设计方案</title><link>http://aitip.tech/posts/conversational-quote-agent/</link><pubDate>Fri, 13 Nov 2026 12:00:00 +0800</pubDate><guid>http://aitip.tech/posts/conversational-quote-agent/</guid><description>以新能源汽车线上询价为例：模型负责听懂和解释，报价和金融服务负责价格，卡片负责选择与确认。附可翻页的交互演示。</description></item><item><title>基于邮件的业务处理模型：一个准实时的通用架构</title><link>http://aitip.tech/posts/email-triage-realtime/</link><pubDate>Fri, 13 Nov 2026 11:00:00 +0800</pubDate><guid>http://aitip.tech/posts/email-triage-realtime/</guid><description>一个通用的“共享邮箱驱动业务处理”架构：Lambda + SQS 准实时处理，决策与执行分离、邮箱即事实来源、幂等与降级，并用 LLM 做内容意图分类。</description></item><item><title>让 AI 当客服的“副驾驶”：一个客服 Copilot 原型的设计思路</title><link>http://aitip.tech/posts/agent-assist-design/</link><pubDate>Fri, 13 Nov 2026 10:00:00 +0800</pubDate><guid>http://aitip.tech/posts/agent-assist-design/</guid><description>与其让 AI 直接回复客户，不如让它坐在客服旁边：起草、引用、澄清、护栏与反馈闭环——一个保险客服 Copilot 原型的设计记录，附可交互演示。</description></item></channel></rss>