AI搜索正在进化:从Embedding到多模态与指令理解
MongoDB旗下Voyage AI的Frank Liu,用10多分钟梳理了AI搜索与检索的现状与未来。他不仅回顾了从BM25到Embedding的技术演进,更明确指出:真正拉开差距的不是“用不用向量”,而是Embedding质量、多模态能力,以及是否具备指令理解与推理能力。
MongoDB旗下Voyage AI的Frank Liu,用10多分钟梳理了AI搜索与检索的现状与未来。他不仅回顾了从BM25到Embedding的技术演进,更明确指出:真正拉开差距的不是“用不用向量”,而是Embedding质量、多模态能力,以及是否具备指令理解与推理能力。
MongoDB收购的创业公司CEO、斯坦福教师腾宇·马,从一线实践出发,讲述RAG在2025年的真实状态:为什么它仍然不可替代、哪些改进已经被验证有效,以及多模态Embedding将把RAG带向哪里。
Charles Frye 用现场基准测试回答了一个被反复讨论却少有数据支撑的问题:今天的 LLM 推理引擎到底有多快?这场分享不讲抽象趋势,而是用真实模型、真实接口、真实延迟,说明为什么“自托管”在 2025 年终于变得合理。
这场来自微软的技术演讲,并没有停留在“AI Agent是什么”的概念层面,而是用完整的工程实践,展示了如何用Azure AI Agent Service真正构建、运行和约束一个Agent系统。文章将带你理解2025年Agent浪潮背后的方法论,以及微软在工程化上的关键取舍。
在这场由微软首席AI布道师Cedric Vidal带来的分享中,评估被重新定义为AI Agent开发的起点而非终点。通过手动评估、Spot Check到代码化和多模态评估的逐步演示,他展示了一条让Agent真正可控、可扩展的实践路径。
这场来自微软的分享,不是教你“怎么用Copilot写代码”,而是展示如何把AI代理真正嵌入软件开发工作流。通过现场演示和大量问答,演讲者拆解了Copilot Coding Agent的工作方式、适合的任务边界,以及最容易被忽视的安全与协作问题。
在AI Agent快速走向生产环境的当下,微软在AI Engineer大会上展示了一个关键能力:让AI系统在上线前先被“系统性攻击”。本文还原Azure AI Foundry红队Agent的真实演示,解释它如何通过自动化攻击策略、评估与防护闭环,帮助工程师构建真正可被信任的AI应用。
这场由GitHub的Christopher Harrison带来的演讲,不是介绍Copilot“能做什么”,而是聚焦一个更重要的问题:我们如何与一个逐渐具备代理能力的Copilot协作开发。通过实验室演示、指令设计和现场问答,视频揭示了Copilot从代码补全工具向“协作开发代理”转变的关键方法。
这场演讲不是在教你“如何用AI写代码”,而是在拆解一个更难的问题:当Vibe Coding从个人实验走向企业规模时,哪些地方一定会出问题,又该如何修正。Harald Kirshner用现场演示和反思,讲清了定制化AI助手的边界与可能性。
这场来自GitHub开发者布道师Jon Peck的分享,没有炫技式Demo,而是从个人使用、团队协作到治理与CI/CD,拆解AI如何一步步进入真实的DevOps体系。你会看到AI不是“开关”,而是一套需要被设计、被约束、被运营的能力。