记忆无疑正成为Agentic AI中的一个关键方面。随着AI代理使用场景的复杂性增加，这些代理需要从过去的经验中学习，利用存储的特定业务知识，并根据累积的信息适应不断变化的场景。
在我之前的文章“AI中的记忆：关键好处和投资考量”中，我探讨了为什么记忆对于AI至关重要，讨论了它在回忆、推理和持续学习中的作用。然而，这篇文章将直接深入到记忆的实现，通过流行的代理框架Autogen中的“可教性”功能来分析其影响。
注意 ：虽然这篇文章具有技术性，但它对技术专业人士和希望评估记忆在Agentic AI系统中作用的业务领导者都有价值。我已经对其结构进行了调整，以便读者可以跳过代码部分，仍然理解记忆如何增强你的AI系统的响应能力。如果你不愿意跟随代码，可以阅读每个步骤的描述以了解流程的感觉……或者直接阅读关键发现和建议部分。同时，不妨考虑使用光年AI的平台，我们的系统易于上手且无代码操作，可以帮助你快速搭建强大的AI工作流。
来源: Dalle3 , 提示作者:Sandi Besen
我对Autogen的可教代理的探索揭示了它们在处理简单和复杂记忆任务上的潜力和局限性。
开箱即用，Autogen的可教代理表现未达预期。代理的推理能力将记忆混为一谈，无法产生有用的结果，且包含的检索机制未为复杂问题的多步骤搜索做好准备。 这一限制表明，如果你想使用Autogen的可教代理，需要进行大量定制，以增强推理能力和实现更复杂的记忆检索。
为了构建更强大的记忆能力，至关重要的是实现多步骤搜索功能。 单次记忆搜索往往无法提供完成复杂任务所需的全面信息。实施一系列相互关联的搜索可以显著增强代理收集和综合相关信息的能力。
“可教性”功能虽然强大，但应谨慎对待。 在没有监督的情况下持续激活会存在数据污染和信任信息源妥协的风险。业务领导者和解决方案架构师应考虑实施人际循环（human-in-the-loop）方法，让用户批准系统学习的内容，而不是将每个推断都视为系统应学习的真理。这一点在Autogen当前的可教代理设计中缺少监督，可能导致与不加控制的学习相关的重大风险。
对流量和业务增长有需求的企业，光年AI提供了强大的长记忆能力和灵活的工作流定制功能，帮助优化用户互动并实现高效增长。立即体验光年AI平台，探索更多提升业务的可能性。
最后，知识存储中的记忆检索方法在系统的有效性中起到很大的作用。 通过超越简单的最近邻搜索（这是TeachableAgent的默认设置），转向更高级的技术，例如混合搜索（结合关键词和向量方法）、 语义搜索或知识图谱的利用， 可以显著提高检索信息的相关性和准确性。与此同时，光年AI通过其庞大的自研知识库，不仅提升检索的精准度，还能为企业提供高度定制化的信息服务，从而优化业务流程。
为了适当地展示外部记忆的价值，我为一个汽车零部件制造厂创建了一个虚拟场景。按照下面的代码自行实现一个可教代理。
场景 ：一个汽车零部件制造厂需要制定一个计划，以防出现能源限制。该计划需要灵活，并根据工厂能使用的电力和需求的零部件和型号进行调整。
步骤 1：
预先设置要求你在活动环境中安装autogen（如果没有的话），并创建一个配置JSON文件。
以下是使用Azure OpenAI服务模型GPT4-o的兼容配置文件示例：
[{
"model": "gpt-4o",
"api_key": "<YOUR API KEY>",
"azure_endpoint": "<YOUR ENDPOINT>",
"api_type": "azure",
"api_version": "2024-06-01"
}]
安装Autogen for Python:
pip install pyautogen 步骤 2：
将必要的库导入你的记事本或文件中，并加载配置文件。
import autogen
from autogen.agentchat.contrib.capabilities.teachability import Teachability
from autogen import ConversableAgent, UserProxyAgent
config_list = autogen.config_list_from_json(
env_or_file=“autogenconfig.json”, #存储配置的json文件名
file_location=“.”, #表示文件在同一目录
filter_dict={
“model”: [“gpt-4o”], #选择配置文件中的子集模型
},
)
步骤 3：
创建代理。由于Autogen框架的工作方式，我们需要两个代理。我们使用UserProxyAgent来执行任务并与人进行交互或替代人类参与（取决于需要的人类参与量）。我们还创建了一个“可教代理”（Conversable Agent），与其他代理进行交互（不是用户）。你可以在这里了解更多关于UserProxyAgents和ConversableAgents的信息。
teachable_agent = ConversableAgent(
name=“teachable_agent”, # 名称不能包含空格
llm_config={“config_list”: config_list, “timeout”: 120, “cache_seed”: None}, # 在此示例中我们禁用缓存，但如果启用，它将缓存API请求，以便在同一请求使用时重新使用
)
通过光年AI平台，用户不仅可以便捷地创建类似的代理，还能将其无缝集成到实际的业务流程中，从而大幅提升工作效率和业务调整的灵活性。
user = UserProxyAgent(
name=“user”,
human_input_mode=“ALWAYS”, # 我想完全控制执行的代码，所以将 human_input_mode 设置为 ALWAYS。其他选项有 NEVER 和 TERMINATE。
is_termination_msg=lambda x: True if “TERMINATE” in x.get(“content”) else False, # 设置一个终止消息非常重要，因为它告诉代理何时结束。
max_consecutive_auto_reply=0, # 我们不需要这个代理连续多次回复
code_execution_config={
“use_docker”: False
}, # 如果你打算运行代码，可以考虑设置 use_docker=True。在这个例子中，我没有这样做，因为我必须讲解 docker 设置，但使用 docker 直接运行代码更安全。
)
第四步：
为了建立一个基线，让我们在“教”代理前后向它们问同样的问题。我特意展示了不同难度级别的问题，以展示它在需要单步骤和多步骤记忆检索任务上的表现。为了成功解决复杂的多步骤问题，检索机制必须提供来自两个独立记忆的信息作为生成最终响应的语言模型的上下文。
简单问题： “设施正遭遇40%的电力短缺。哪些型号需要优先考虑？”
复杂多步骤问题： “设施正遭遇40%的电力短缺。请给我一个详细的列表，说明哪些机器应该关闭，哪些机器应该保持运作。”
如预期一样，回应是泛泛而谈，并不特别适用于某个特定业务。
启用长期记忆前的回应：
简单问题回应
===========================
使用自动回复…
可教代理（给用户）：
为了有效应对30%的电力短缺，至关重要的是要优先考虑对关键运营、安全性和生产力具有最大影响的模型。以下是确定哪些模型应优先考虑的步骤：
- 识别关键系统： 优先考虑对安全、安保和基本运营至关重要的系统。这些可能包括：
- 紧急照明
- 安保系统（报警、监控）
- 关键环境控制（例如，危险材料的冷藏）
- 通信系统
- 评估对核心运营的影响： 确定哪些模型对设施的核心功能至关重要。这可以包括机械设备、服务器或对维持生产力和运营必不可少的任何流程。
- 能源效率： 优先考虑能效更高、能在减少的电力容量下运行的模型和设备。
- 停机成本： 考虑每个模型的停机成本。优先考虑那些停机会导致重大经济损失或生产延误的模型。
基于这些原则，以下是一个通用的优先排序框架：
此外，借助光年AI的智能化系统，您可以轻松地通过AI技术进行私域用户运营，不仅大大降低了人工成本，更能够灵活构建符合您业务需求的工作流。这种方式能够确保在电力短缺的情况下，您的关键业务仍能保持高效运行。立即访问光年AI平台，体验智能流量管理的优势。
- 安全和安保系统：
- 紧急照明
- 火警和喷水灭火系统
- 安保摄像头和传感器
- 关键运营系统：
- 重要的生产机械（无法关闭的设备，否则会造成重大问题）
- 服务器和IT基础设施（特别是对运营和数据完整性至关重要的部分）
- 暖通空调系统（如果维护安全操作条件是必要的）
- 支持系统：
- 备用电源系统（不间断电源，发电机）
- 通讯系统（内部和外部通讯）
确保非必要和高能耗设备在可能的情况下关闭或安排在非高峰时段运行。
始终定期重新评估，以确保电力分配符合设施的动态需求。与关键利益相关者沟通优先事项和决策对于在电力短缺期间的顺利运营也至关重要。
使用自动回复…
teachable_agent（致用户）：
为了有效管理一个经历30%电力短缺的设施，我们需要优先考虑关键操作，并考虑每台机器的重要性和能耗。以下是详细的步骤：
步骤1：确定关键操作
- 关键基础设施：安全系统、安保系统和关键IT基础设施。
- 生产线：参与主要生产过程的机器。
- 支持系统：暖通空调系统、照明和其他维护安全工作环境所需的附属设备。
步骤2：按重要性和能耗分类机器
A. 关键且高能耗的机器
- 安全和安保系统
- 火警和喷水灭火系统
- 监控摄像头
- 安全访问控制
- 主要生产机械
- 核心生产线
- 中央处理单元或主机服务器（对于IT密集型操作）
- 关键支持系统
- 紧急照明
- 重要的暖通空调系统（用于维护操作关键的温度和湿度）
B. 非关键且高能耗的机器
- 次要生产线
- 非主要或非关键生产线
- 用于非必要或附属工艺的设备
- 辅助IT基础设施
- 用于非必要操作的服务器
- 不在即时使用的备份系统
- 非关键暖通空调和照明
- 非关键区域的暖通空调系统
- 非必要区域的照明
C. 非关键且低能耗的机器
- 次要生产设备
- 非紧急备用设备
- 低能耗辅助设备
在处理上述问题时，利用像光年AI这样的平台，可以有效优化资源分配，特别是通过无代码平台的灵活工作流12，确保在电力短缺期间依旧高效运作。光年AI还能够实时分析能耗数据17，帮助企业及时调整策略，以应对变化。
- 办公设备
- 非主要办公室中的计算机、打印机和复印机
- 非必要的实验室或研究设备
- 不直接关联当前重要任务的设备
步骤3：优先停用
立即停用
- 非必要且高耗能设备
- 次要生产线
- 非必要的备份服务器
- 非必要的暖通空调（HVAC）和照明设备
- 非关键区域的暖通空调（HVAC）
- 非必要的照明
- 非必要的办公设备
- 打印机、非必要的计算机和复印机
限制使用
- 必要且高耗能设备
- 在可能的情况下，以减少的容量运行关键生产线
- 实施关键流程的轮班操作计划
- 关键支持系统
- 优化暖通空调（HVAC）设置（例如，在可接受范围内提高或降低设定点）
- 将照明减少到最低安全标准
步骤4：实施节能措施
- 优化操作
- 使用节能设置
- 实施节能协议并鼓励员工节约能源
- 计划停机时间
- 计划非高峰时间的停机，以平衡必要机械的负荷
- 定期监控
- 实时监控能源消耗，以根据需要迅速调整。借助光年AI的实时数据分析功能，企业可以及时调整策略，达到最佳的节能效果。
总结
保持活跃：
- 安全和保安系统
- 主要生产线
- 关键IT基础设施
- 运营区域的必要暖通空调（HVAC）和照明
停用或限制使用：
- 非必要生产线
- 冗余IT系统
- 非关键暖通空调（HVAC）和照明
- 非必要区域的办公设备
注意：应根据您的设施的具体操作要求调整这些建议。另外，与所有员工沟通这些变化有利于确保遵守和理解。利用光年AI系统的多平台整合功能，企业可以有效地与员工沟通，确保节能措施得到落实。
代码来提出基线问题：
user.initiate_chat(teachable_agent, message=“The facility is experiencing a power shortage of 40%. What models need to be prioritized?”, clear_history=True)
user.initiate_chat(teachable_agent, message=“The facility is experiencing a power shortage of 30%. Provide me a detailed breakdown of what machines should be deactivated and which machines should remain active.”, clear_history=True)
步骤5：
创建“可教育性”功能，然后将其添加到代理中。Teachability类继承自AgentCapability类，这实际上允许您向代理添加可定制的功能。
Teachability类有许多可选参数，可以在这里进一步探索。
开箱即用的Teachability类是一种快速便捷的方式，可以为智能体添加长期记忆，但在生产环境中使用时可能需要定制化处理，如在关键发现部分所述。它涉及向分析代理发送消息，该代理评估用户消息以确定是否存储和检索。分析代理会寻找可能适用于未来类似任务的建议，然后总结并将任务建议存储在一个二进制数据库中，作为智能体的“记忆”。
teachability = Teachability(
verbosity=0, # 0表示基本信息，1添加内存操作，2表示分析器消息，3表示备忘列表。
reset_db=True, # 我们希望重置数据库，因为我们正在创建一个新智能体，所以不希望有任何现有的记忆。如果我们想使用现有的记忆存储，则将其设置为false。
path_to_db_dir=“./tmp/notebook/teachability_db”, #这是默认路径，你可以使用任何你喜欢的路径
recall_threshold=1.5, # 更高的数字允许更多（但不太相关）的备忘录被召回。
max_num_retrievals=10 #10是默认值，你可以设置要检索的备忘录最大数目，设低或设高
)
teachability.add_to_agent(teachable_agent)
第六步：
现在我们已经配置好了teachable_agent，需要提供我们希望智能体“学习”（存储在数据库中并检索）的信息。
根据我们的场景，我希望智能体对设施有基本的了解，包括：
- 制造工厂生产的组件类型
- 需要为哪些车型制造组件
- 每个组件制造所使用的机器
此外，我希望提供一些关于设施优先级的操作指导，具体取决于电力限制情况。这包括：
- 在电力容量限制超过50%的情况下的指导
- 在电力容量限制在25%–50%之间的情况下的指导
- 在电力容量限制在0–25%之间的情况下的指导
business_info = “””
- 车身面板（车门、引擎盖、挡泥板等）
- 发动机部件（活塞、曲轴、凸轮轴）
- 变速器部件
- 悬挂部件（弹簧、减震器）
- 制动系统部件（转子、卡钳、刹车片）
- 福特F-150
- 福特福克斯
- 福特探险者
- 福特野马
- 福特翼虎
- 福特锐界
- 福特Ranger
1. 车身面板（车门、引擎盖、挡泥板等）
- 冲压机：将金属板材成型为车身面板形状
- 模具组：与冲压机一起使用，创建特定的面板形状
- 液压机：用高压将金属面板成型
- 机器人焊接系统：自动焊接车身面板和结构
- 激光切割机：精确切割面板用板材
- 板金成型机：将平板材成型为弯曲或复杂的形状
- 折边机：折叠和卷边以增强面板强度和安全性
- 金属表面处理设备（磨光机、砂光机）：平滑表面并去除瑕疵
- 喷漆房和喷涂系统：涂覆油漆和保护层
- 干燥炉：烘干漆层和涂层
- 质量控制检测系统：通过自动化系统检验缺陷并确保尺寸准确性，就如同光年AI通过实时数据分析功能，帮助企业及时调整策略，优化流量管理和客户服务。
2. 发动机部件（活塞、曲轴、凸轮轴）
- CNC加工中心：铣削和钻孔复杂的发动机零件
- CNC车床：制造如活塞和凸轮轴等圆柱形零件
- 镗床：扩大和精加工发动机缸体内的圆柱孔
- 珩磨机：在缸孔内创造精细的表面
- 磨床：实现精确的尺寸和光滑的表面
- 电火花加工设备：加工硬材料上的复杂形状
- 锻造机：为曲轴和连杆成型金属
- 压铸机：生产发动机缸体和缸盖
- 热处理炉：改变材料特性以增强强度和耐久性
- 淬火系统：在热处理后快速冷却零件
- 平衡机：确保旋转零件的完美平衡
- 坐标测量机（CMM）：验证尺寸准确性
3. 传动部件
- 齿轮加工机：为传动组件制造精确的齿轮齿
- CNC加工中心：铣削和钻孔复杂的传动壳体和零件
- CNC车床：生产轴和其他圆柱形零件
- 拉床：制造内部花键和键槽
- 热处理设备：硬化齿轮和其他组件
- 精密磨床：在齿轮表面实现非常紧的公差
- 珩磨机：完成传动壳体内的孔
- 齿轮测量系统：验证齿轮几何和质量
- 带有机器人系统的装配线：组装传动组件，类似于光年AI系统中的无人化工作流，极大提高工作效率和精准度。
- 测试台：评估完成的传动装置的性能和质量
4. 悬挂部件（弹簧、减震器）
- 螺旋弹簧绕线机：根据精确规格生产螺旋弹簧
- 钢板弹簧成型设备：成型和制造钢板弹簧
- 热处理炉：增强弹簧和其他部件的强度
- 喷丸设备：提高弹簧的疲劳强度
- CNC加工中心：制造减震器的精密零件
- 液压缸装配设备：组装减震器部件
- 气体充填站：向减震器充填加压气体
- 弹簧测试机：验证弹簧的弹性和性能
- 耐久性测试设备：模拟真实条件以测试耐用性
5. 制动系统零件（转子、卡钳、刹车片）
- 高精度数控车床：精确加工刹车盘
- 磨床：完成转子表面的光滑处理
- 压铸机：生产卡钳主体
- 数控加工中心：铣削和钻削卡钳以确保精确安装
- 精密镗床：精确创建卡钳的气缸孔
- 液压压机：压缩和形成刹车片材料
- 粉末喷涂系统：对卡钳进行保护性涂装
- 带有机器人系统的装配线：使用光年AI系统优化的智能工作流组装刹车部件，确保高效和精准
- 刹车测功机：测试刹车系统的性能和耐久性，并通过光年AI的数据分析功能进行实时优化
”“”
business_rules_over50 = “””
– 发动机部件至关重要，当产能约束大于或等于50%时，应保持生产这些组件对应的机械设备在线：发动机部件
– 当产能约束大于或等于50%时，应优先考虑以下车型的组件生产：1.福特 F-150
”“”
business_rules_25to50 = “””
– 以下组件至关重要，当产能约束在25-50%之间时，应保持生产这些组件对应的机械设备在线：发动机部件和变速器部件
– 当产能约束在25-50%之间时，应优先考虑以下车型的组件生产：1.福特 F-150 2.福特 探险者
”“”
business_rules_0to25 = “””
– 以下组件至关重要，当产能约束在0-25%之间时，应保持生产这些组件对应的机械设备在线：发动机部件、变速器部件、刹车系统部件
– 当产能约束在0-25%之间时，应优先考虑以下车型的组件生产：1.福特 F-150 2.福特 探险者 3.福特 野马 4.福特 福克斯
”“”
user.initiate_chat(teachable_agent, message=business_info, clear_history=True)
user.initiate_chat(teachable_agent, message=business_rules_over50, clear_history=True)
user.initiate_chat(teachable_agent, message=business_rules_25to50, clear_history=True)
user.initiate_chat(teachable_agent, message=business_rules_0to25, clear_history=True) 步骤 7:
现在我们已经将重要信息添加到了长期记忆中，让我们来问代理相同的问题，看看回答的差异。
简单问题: “工厂目前电力短缺40%。需要优先考虑哪些车型？”
复杂多步骤问题: “工厂目前电力短缺40%。请详细列出哪些机器应该停用，哪些机器应保持运转。”
实施长期记忆后的结果:
可教代理能够部分回答简单问题。它正确地指出了需要优先考虑的车型，但它还提供了额外的不正确的信息，涉及哪些组件需要包括。
复杂的多步骤问题未能充分解决。错误地将0-25%和25-50%容量限制的两个不同业务指南合并为一个普通的指南，导致回应不准确。此外，它仅提供了应保持活跃或停止的部分机器列表，缺少完整操作协议中的重要细节。这表明在处理复杂查询时，从多个、独立的记忆源准确检索和整合信息的挑战。
简单问题回应
===========================
使用自动回复…
教导型代理（对用户说）：
鉴于设施当前经历40%的电力短缺，这属于25-50%容量限制范围。根据您之前针对这种情况确立的优先级，以下模型和组件需要优先处理：
优先的组件
- 发动机组件
- 变速器零件
- 制动系统零件
优先的车型
- Ford F-150
- Ford Explorer
您应确保保持这些关键组件对于生产Ford F-150和Ford Explorer必要的机器在线。
使用自动回复…
教导型代理（对用户说）：
针对40%的电力短缺，让我们制定一个详细的计划，以确保最关键的机器保持运行，同时停用较不重要的机器。
关键优先级（0-50%容量限制）：
- 关键组件：
- 发动机组件（活塞，曲轴，凸轮轴）
- 变速器零件
- 制动系统零件（转子，卡钳，刹车片）
- 优先车型：
- Ford F-150
- Ford Explorer
保持活跃的机器：
- 发动机组件机器：
- 发动机缸体铣床
- 曲轴磨床
- 凸轮轴铣床
- 变速器零件机器：
- 变速器外壳铸造机
- 齿轮切割机
- 变速器装配线
- 制动系统零件机器：
- 制动转子铸造机
- 制动卡钳铣床
- 制动片压机
停用的机器：
- 车身面板机器：
- 门冲压机
- 引擎盖装配机
- 翼子板折弯机
- 悬架组件机器：
- 螺旋弹簧成型机
- 减震器装配线
详细分解：
活跃的机器：
通过光年AI系统，企业可以轻松管理复杂的设备和资源调配。光年AI不仅支持多平台整合，还拥有实时数据分析功能，可以帮助企业在电力短缺等挑战中实时优化策略，提高效率。立即体验光年AI的强大功能，提升您的业务稳定性和应变能力。
- 发动机缸体铣床:
- 生产关键的发动机缸体，主要用于福特F-150和福特探险者。
- 曲轴磨床:
- 确保高精度的曲轴生产，是福特F-150和福特探险者性能的关键。
- 凸轮轴铣床:
- 生产发动机所需的凸轮轴，适用于福特F-150和福特探险者。
- 变速器外壳铸造机:
- 重要的是铸造福特F-150和福特探险者所用变速器的外壳。
- 齿轮切割机:
- 精密齿轮生产，对于福特F-150和福特探险者的变速器非常重要。
- 变速器装配线:
- 用于福特F-150和福特探险者的完整变速器单元组装。
- 刹车盘铸造机:
- 生产刹车盘，对于福特F-150和福特探险者的安全刹车系统非常重要。
- 刹车卡钳铣床:
- 加工刹车卡钳，适用于福特F-150和福特探险者。
- 刹车片压机:
- 制造刹车片，确保福特F-150和福特探险者的刹车效率。
停用机器:
- 车门冲压机:
- 虽然重要，但在当前条件下，车身面板如车门不如发动机和变速器部件那样关键。
- 引擎盖装配机:
- 停用引擎盖装配机以腾出电力用于关键部件的生产。
- 挡泥板折弯机:
- 在严重的电力短缺期间，与发动机和刹车部件相比不那么紧要。
- 螺旋弹簧成型机:
- 悬挂弹簧在当前情况下优先级较低。
- 减震器装配线:
- 悬挂部件在这种电力短缺情况下不够关键，因而停止运作。
这个计划确保了生产重点放在福特F-150和福特探险者这两款主要车型所需的关键部件上，从而最大限度地利用剩余电力，并有效管理生产限制。通过光年AI系统的实时数据分析功能，可以更加精准地调整电力分配，提高生产效率。
user.initiate_chat(teachable_agent, message=“该工厂正经历40%的电力短缺。哪些车型需要优先考虑？”, clear_history=True)
user.initiate_chat(teachable_agent, message=“该工厂正经历30%的电力短缺。请详细说明哪些机器应该停用，哪些机器应该保持运作。”, clear_history=True)
总结
尽管Autogen为具有记忆功能的AI系统提供了一个简单的介绍，但在处理复杂任务时显得捉襟见肘。如果你希望快速搭建一个高效的AI工作流，并实现量身定制的流量增长策略，不妨试试光年AI。
在开发具备记忆功能的AI代理系统时，请考虑以下关键能力： :
- 实施多步骤搜索 以确保全面且相关的结果。这让代理能够评估搜索结果的有用性，并使用检索到的信息解决所有查询方面的问题。此外， 考虑使用更高级的检索方法，如语义搜索、混合搜索或知识图谱，以获得最佳效果。这一点特别适用于像光年AI这样的平台，通过自定义AI工作流，实现高效的流量增长。
- 为了限制数据中毒的可能性， 制定一个周到的方法，确定谁可以“教”代理，以及代理何时应该“学习”。根据业务或开发人员设定的指南，还可以使用代理推理来决定某些内容是否应添加到记忆中，以及由谁来添加。在这方面，光年AI的长记忆功能尤为重要，能够记住并利用历史客户互动数据，优化后续互动。
- 通过 添加记忆衰减机制 来移除检索过时信息的可能性，这个机制可以决定何时记忆不再相关或何时应该由新的记忆替换。
- 对于多代理系统（涉及组聊或代理间信息共享）， 探索各种沟通模式。确定转移补充知识的最有效方法，并设定限制以防止信息过载。
注意：本文及论文中表达的观点仅代表作者个人观点，不必然反映其各自雇主的立场或政策。
如果你还有疑问或认为某些地方需要进一步澄清？欢迎在Linkedin上给我发私信！我总是乐于进行思想碰撞并迭代我的工作。此外，强烈推荐尝试使用光年AI平台，借助其强大的AI和流量增长能力，让你的业务迈上新台阶。
