<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>AI编排 on AI内参</title>
    <link>https://www.neican.ai/tags/ai%E7%BC%96%E6%8E%92/</link>
    <description>Recent content in AI编排 on AI内参</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <lastBuildDate>Tue, 23 Jun 2026 09:40:06 +0800</lastBuildDate>
    <atom:link href="https://www.neican.ai/tags/ai%E7%BC%96%E6%8E%92/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>从“超级智能”到“超级指挥”：Sakana Fugu如何重构AI的竞争边界</title>
      <link>https://www.neican.ai/insights/sakana-fuguai-20260623094006231-0/</link>
      <pubDate>Tue, 23 Jun 2026 09:40:06 +0800</pubDate>
      <guid>https://www.neican.ai/insights/sakana-fuguai-20260623094006231-0/</guid>
      <description>Sakana AI的Fugu系列模型通过编排器架构，将AI竞争从参数堆砌转向系统调度能力，这一范式创新为资源受限下的AI主权和复杂任务解决提供了新路径，但也带来了对底层生态高度依赖的商业挑战。</description>
    </item>
    <item>
      <title>AI编排层：驾驭提示词之乱，构建智能企业新秩序</title>
      <link>https://www.neican.ai/insights/article-20250619042004381-0/</link>
      <pubDate>Thu, 19 Jun 2025 04:20:04 +0800</pubDate>
      <guid>https://www.neican.ai/insights/article-20250619042004381-0/</guid>
      <description>随着AI应用在企业中日益普及并趋于复杂，如何管理和协调海量AI模型（尤其是LLM）的交互成为核心挑战。AI编排层通过结构化提示词管理、统一工作流和自动化，将零散的AI调用整合为高效、可控的智能工作流，从而将“提示词混乱”转化为清晰的业务流程。这项技术不仅提升了AI系统的效率和准确性，更对未来的AI治理、伦理责任和人机协作模式提出了深远考量。</description>
    </item>
  </channel>
</rss>
