GraphRAG 不靠“新”:企业 AI 真正需要的是关系、证据和边界过去两年，很多企业做 AI 应用的第一反应是 RAG：把文档切块、向量化、塞进向量库，再让大模型根据相似片段回答。 但一旦问题变复杂，向量 RAG 很快会露出短板。比如在医药研发和医疗场景里，用户真正想问的往往不是“哪一段文字最像我的问题”，而是： 这个药物和哪些靶点、疾病、人群、试验、指南证据有关？这些关系从哪里AI 课程与技术刘浩南作者原文16.2 KB
OpenAI 最新技术分享:AI 正在怎样参与真正的数学研究这次选题我没有继续碰今天已经生成的那篇文章，也没有再选 GitHub 项目或纯评测。新的对象只锁定 OpenAI 官方在 2026 年 8 月 1 日发布的这篇 Publication： Ten advances in mathematics and theoretical computer science OpeAI 课程与技术刘浩南作者原文12.3 KB
最新 AI Native 分享:真正的分水岭,不是模型能力,而是基础设施本周按“AI native”重新检索后，我没有优先选医疗，也没有选 GitHub 项目。原因很简单：当前最新、公开、标题直接命中 AI-native，而且技术内涵足够硬的一手分享，是 DAC 2026 TechTalk 里的这场： DAC 页面给出的时间是 2026 年 7 月 28 日 11:15-12:00，地点AI 课程与技术刘浩南作者原文34.8 KB
AI Engineer 2026:750+ 场专家分享里,大家到底在讲什么AI Engineer 官网放出了一份报告，标题是 The 10 Themes Defining AI Engineering in 2026。公开页面给出的描述很直接：这是一份 68 页报告，来自 6 场会议、750+ 专家分享、10000+ 参会者和 2000 万+观看量。 它不是一家公司单独写的趋势稿，也不是一AI 课程与技术刘浩南作者原文18.9 KB
14 个案例讲透:医疗设备企业怎么做 AI转型这一期我没有继续选开源项目，也没有选纯评测。你给的聚焦点是：传统医疗设备行业企业怎么做 AI 转型方向。 一个以硬件研发、注册、生产、销售、装机和售后为主的医疗设备公司，怎么反向升级成能持续交付 AI 软件、数据服务和临床工作流价值的公司？ 所以本期只锁定一个对象：McKinsey 在 2026 年 7 月 15 AI 课程与技术刘浩南作者原文43.1 KB
OpenEvidence 为什么在美国能落地,在国内却落不了地,真正差的不是模型但如果只从模型能力看它，基本就看偏了。它真正厉害的地方，不是多会聊天，而是把美国医生、权威医学内容、真实临床问题、广告和药械商业化、专业身份验证、责任边界这几件事，做成了一个能转起来的系统。 所以问题不是“国内有没有能力做一个类似问答框”。国内当然能做，而且很多团队已经做过医疗知识库、指南问答、院内临床助手、药学问答AI 课程与技术刘浩南作者原文18.2 KB
把一本书、一门课,甚至老师的授课方法蒸馏成 skill——cangjie-skill很多人看完一本书、听完一门课、收藏了一场长视频，最后只得到几页笔记。真正到了工作里，还是不知道“什么时候该用哪一步”。 cangjie-skill 这个项目有意思的地方，就在这里。它不是把一本书、一门课、一场长视频压缩成摘要，而是把里面真正能迁移的方法论，拆成 Agent 可以调用、可以组合、可以测试的 skillsAI 课程与技术刘浩南作者原文17.8 KB
Hadi Hasan 团队,分享的 CareConnect 比市面上卖的课都要好,最值钱的是这套可上线边界如果你最近在看医疗 AI Agent，最容易被带偏的地方，是把所有问题都塞进“智能问答”。 CareConnect 值得拆，不是因为它又做了一个会聊天的医疗助手，而是因为它反过来做了一件更克制的事：把 Agent 的工作范围压到医疗后勤流程，尤其是预约、改约、取消、医生可用性和机构信息查询。 这类系统的关键不是模型AI 课程与技术刘浩南作者原文13.5 KB
Microsoft,分享的 HealthAgentBench 比市面上卖的课都要好,最值钱的是这套真实医疗 Agent 验收场HealthAgentBench 最值得收藏的地方，不是它又给模型排了一张榜，而是它把医疗 Agent 的评测对象换了。 过去很多医疗 AI 评测仍然像考试：给一段病历、一个问题、几个选项，看模型能不能答对。HealthAgentBench 换成了另一种问题：把 Agent 放进一个真实感更强的工作环境，给它原始患者AI 课程与技术刘浩南作者原文11.4 KB
KAUST IVUL,分享的 MedCTA 比市面上卖的课都要好,最值钱的是这套临床 Agent 评测路线图MedCTA 把“医疗 Agent 到底应该怎么评测”拆得很细：任务怎么设计，工具怎么调用，证据怎么记录，模型在哪里失败，最后又该怎么验收。 如果你正在做临床智能体、医学多模态模型、院内工作流工具，MedCTA 最值得学的不是某个模型分数，而是一套评测路线图。 MedCTA 的完整标题是 A Benchmark fAI 课程与技术刘浩南作者原文12.4 KB
