skilder：基于角色权限控制的LLM智能体渐进式技能发现治理框架
针对大语言模型智能体在接入海量企业工具时面临的上下文超限、工具选择退化及合规治理漏洞等问题，研究人员提出了名为 skilder 的新框架。传统通过提示词设定的安全策略缺乏硬性约束，而多智能体委托方案又分散了审计日志。skilder 将技能与工具等能力打包为特定角色，通过基于角色的范围划分与渐进式技能发现机制，实现对智能体工具调用的结构化治理与确定性访问控制。
DC AI 热点
全部 AI 动态
9月25日2026-09-25
Meta 推出两款 AI 创作工具，支持在手机端直接生成与发布游戏
在 Connect 大会上，Meta 扩充 Horizon 平台并推出 Horizon Create 与 Horizon Studio 两款 AI 工具。用户通过提示词即可在移动端快速生成 2D 或 3D 游戏雏形，并在浏览器端进行精细化调整，涵盖难度平衡、美术风格与多人模式。生成游戏不仅支持通过 Facebook 和 Instagram 推荐分发，用户还可在社交平台信息流中实现秒级免下载试玩。目前两款工具已开启抢先体验测试申请。
评估评分与提升智能体性能
该条目仅提供了标题“Evaluation Score and improve agent performance”，未提供具体的正文或摘要内容。根据标题推测，其内容可能涉及人工智能智能体（Agent）的评估指标打分以及如何优化和提升其工作性能的方法或工具，但由于缺乏详细背景、技术方案及数据支持，具体实施细节与技术结论目前无法确认。
利用沙箱安全运行智能体生成的代码
该内容探讨了通过沙箱（Sandbox）隔离环境安全执行由 AI 智能体（Agent）自动生成的代码方案。沙箱技术旨在为不可信或自动化程序提供受限的运行时环境，防止潜在的恶意行为或系统崩溃，保障代码执行安全性。由于当前提供的原始素材仅包含标题且缺乏详细正文，关于该沙箱方案的具体实现机制、平台架构及功能特性的细节尚不充分。
LLM网关用于控制智能体模型调用
该内容主要涉及利用大语言模型网关（LLM Gateway）来管理与控制智能体（Agent）的模型调用过程。大语言模型网关通常在应用工程中承担流量分发、访问控制、成本监控及安全审计等职责。由于原始素材仅提供标题，未包含具体的正文摘要与详细技术方案，详细的实现机制、具体功能特性及应用场景等细节尚不充分，有待进一步信息补充。
面向全公司应用的 Fleet 智能体解决方案
本条资讯仅提供标题“Fleet Agents for the whole company”，缺乏具体正文与详细摘要信息。从标题来看，内容主要涉及面向全公司组织范围部署与应用的 Fleet 智能体（Fleet Agents）产品或落地解决方案。具体的功能特性、支持场景、架构设计以及部署细节由于缺乏正文信息尚不明确，有待后续获取更多信息进行补充说明。
抵押贷款文档自动化：重塑贷款审批处理全流程
本文介绍了抵押贷款文档自动化技术如何革新传统贷款处理流程。内容覆盖了从文档摄入、关键数据提取、合规性验证到最终业务系统集成的全链条环节，展示了如何借助自动化与智能处理技术提升金融抵押贷款业务的处理效率、减少人工错误并实现系统间的高效协同。
单次提取为何失效？“深度提取”如何借助智能体验证攻克复杂文档解析难题
本文分析了在处理复杂文档时单次大模型提取方法容易失效的原因，并介绍了“深度提取”（Deep Extraction）技术方案。该方案引入基于智能体的验证机制，通过多步骤交替检查与校验，有效解决了复杂版面和长文档信息抽取的漏检及幻觉问题，为实际落地场景提供了生产级的高准确率信息提取能力。
AI文档分类实用指南：实现规模化自动归类与打标
该指南详细介绍了如何利用人工智能技术实现大规模文档的自动分类、打标与路由流转。文章深入探讨了构建切实可行的文档处理方案的关键要素，并重点剖析了在应对真实复杂业务文档时，高性能处理系统与普通系统之间的核心差异，为工程团队落地自动化文档处理流水线提供了实践参考。
解读 OCR 识别准确率：影响因素、衡量标准与优化指南
本文系统探讨了光学字符识别（OCR）技术的准确率问题。内容涵盖了 OCR 精度的衡量指标、制约识别表现的核心影响因素，并针对实际文档处理工作流提供了具体的性能提升策略。该指南旨在帮助开发者和技术团队优化落地流程，在真实业务场景中有效提高文本提取与文档处理的稳定性和精确度。
非结构化数据抽取：利用 AI 与大模型将文档转化为结构化洞察
本文探讨了如何利用人工智能、自然语言处理（NLP）以及大语言模型（LLM）实现非结构化数据抽取。该技术方案能够有效将文档、PDF 和各类非结构化文本转化为高价值的结构化洞察，从而满足企业在大规模数据处理和自动化分析方面的业务需求。
我们如何构建知识库系统
本文题为《我们如何构建知识库》，主要探讨知识库系统的搭建方法与实践经验。由于当前提供的原始输入仅包含标题而缺少具体的正文摘要内容，关于该知识库的技术选型、架构设计、数据索引与检索方案以及具体的落地场景等细节信息不足。建议读者参考原文以了解完整的构建流程与工程实践细节。
智能体OCR重塑收据识别：破解传统流水线应对多版面的失效难题
传统收据OCR技术在面对多变版面设计以及繁杂硬编码规则时往往容易失效。本文探讨了智能体OCR（Agentic OCR）的应用方案，阐述其如何通过动态理解与推理重构收据中的单品明细、总额及核心结构化数据，进而解决复杂凭证解析难题，为业务自动化处理提供更稳健的技术支撑。
基于LlamaParse的发票OCR技术：高精度与高速度的数据提取方案
本文介绍了如何利用OCR技术优化财务运营流程。文章重点探讨了通过LlamaParse工具实现发票数据的自动化提取，不仅能够显著降低人工录入错误，还能大幅提升应付账款的处理速度与准确性，展示了大模型文档解析能力在企业财务数字化中的具体落地应用。
面向应付账款的 OCR 技术：优势、挑战与最佳实践
本文探讨了光学字符识别（OCR）技术在企业应付账款（AP）业务中的实际应用。文章分析了 OCR 如何实现发票处理的自动化，在提升数据处理准确性、削减运营成本的同时，将提取的结构化财务数据无缝集成至 ERP 系统中。此外，内容还涵盖了企业在部署该技术时面临的潜在挑战及相应的工程落地最佳实践。
OCR文档处理：为何仅提升提取器性能无法减少人工审核队列
文章探讨了企业在文档智能处理中面临的实际工程瓶颈：单纯提升OCR提取器的模型识别精度并不能显著缩减人工复审队列。要真正优化文档处理流水线并减少人工干预，系统设计必须结合自动化验证规则、精细化置信度评分机制以及端到端的工作流编排自动化，从全局工程角度解决业务吞吐量受限的问题。
9月24日2026-09-24
单模型能否搞定一切？面向智能客服的大语言模型微调策略选择研究
本文探讨了生产级智能客服系统中的核心部署问题：针对意图分类、问答、摘要和工具调用等多项技能，究竟应采用多个专用模型，还是通过多任务微调、连续更新或模型合并训练单一模型。研究团队基于 Qwen、Gemma、Llama 和 Mistral 等 5 个模型家族的 13 款模型（涵盖 0.6B 至 32B 参数），在 4 个公开及 4 个专有客服数据集上展开了系统性评测与策略比较。
AI改变跨平台技术选型：Shopify被曝弃用React Native转投原生开发
据相关消息披露，随着人工智能技术的演进，移动端跨平台开发的成本效益取舍正在发生变化，电商平台Shopify已决定弃用原先采用的React Native框架，转而重回Swift与Kotlin进行原生开发。目前输入素材仅包含简要标题，尚未提供具体的技术迁移细节、实施时间表以及AI如何在其中降低原生开发门槛的深入分析，更多具体信息仍有待后续详细披露。
9月23日2026-09-23
Harvey 接入 GPT-6 Astra 模型：强化法律上下文理解与文书起草能力
法律 AI 平台 Harvey 宣布借助 GPT-6 Astra 模型，将复杂的法律业务上下文转化为结构更严谨、感知力更强的法律文书草案。通过提升文档起草的结构化和语境理解表现，该方案旨在帮助律师等专业人员从繁复的文本撰写事务中解脱出来，将更多精力投入到核心法律战略工作中。具体技术参数与落地细节素材未予详述。