段落

第 276 頁

Posts

Semantic Kernel：企業 agent 真正需要的，不是更多魔法，而是可組織的模型、工具與流程

Continue：AI coding 真正卡住的不是補全，而是團隊能不能掌握自己的開發工作流

Haystack：RAG 真正需要的不是又一個聊天範例，而是可拆、可測、可替換的 pipeline

Weaviate：RAG 上線後你才會發現，向量搜尋其實是資料平台問題

MLflow：AI 團隊真正缺的常常不是模型，而是能追蹤、評估、交付的生命週期

Composio：agent 會不會做事，常常卡在工具整合，而不是模型智商

CrewAI：多 agent 真正難的不是多叫幾個模型，而是把角色、流程和責任邊界收住

LanceDB：RAG 的資料層不只要會向量搜尋，還要能承受多模態資料和工程迭代

LlamaIndex：RAG 和 agent 真正難的，不是接上模型，而是把資料入口做成可維護系統

vLLM：開源模型上線真正難的，不是跑出第一個 token，而是把吞吐、延遲和成本一起撐住