云上个性化推荐——基于PAI和Hologres的个性化推荐最佳实践
常见的个性化推荐系统包括日志收集，数据加工，召回，排序，离在线效果评估等诸多环节，对于中小客户存在技术门槛高，搭建周期长等问题。计算平台基于 PAI，Hologres，MaxCompute，DataWorks 平台产品，可以帮助客户快速搭建个性化推荐解决方案。本次分享，主要从计算平台的推荐系统整体解决方案出发，重点介绍基于 PAI 的向量召回算法和 Hologres 向量检索的整体架构，以及该架构在某社交APP的落地案例和效果分享。
基于阿里云PAI平台搭建知识库检索增强的大模型对话系统
基于原始的阿里云计算平台产技文档，搭建一套基于大模型检索增强答疑机器人。本方案已在阿里云线上多个场景落地，将覆盖阿里云官方答疑群聊、研发答疑机器人、钉钉技术服务助手等。线上工单拦截率提升10+%，答疑采纳率70+%，显著提升答疑效率。
加速数据分析：阿里云Hologres在实时数仓中的应用实践
【10月更文挑战第9天】随着大数据技术的发展，企业对于数据处理和分析的需求日益增长。特别是在面对海量数据时，如何快速、准确地进行数据查询和分析成为了关键问题。阿里云Hologres作为一个高性能的实时交互式分析服务，为解决这些问题提供了强大的支持。本文将深入探讨Hologres的特点及其在实时数仓中的应用，并通过具体的代码示例来展示其实际应用。
MCP+Hologres+LLM搭建数据分析Agent
本文探讨了LLM大模型在数据分析领域的挑战，并介绍了Hologres结合MCP协议和LLM搭建数据分析Agent的解决方案。传统LLM存在实时数据接入能力不足、上下文记忆短等问题，而Hologres通过高性能数据分析能力和湖仓一体支持，解决了这些痛点。MCP协议标准化了LLM与外部系统的连接，提升集成效率。文中详细描述了如何配置Hologres MCP Server与Claude Desktop集成，并通过TPC-H样例数据展示了分析流程和效果。最后总结指出，该方案显著提高了复杂分析任务的实时性和准确性，为智能决策提供支持。
从Lambda架构到Kappa架构再到？浅谈未来数仓架构设计~
Linked大佬Jay Kreps曾发表过一篇博客，简单阐述了他对数据仓库架构设计的一些想法。从Lambda架构的缺点到提出基于实时数据流的Kappa架构。本文将在Kappa架构基础上，进一步谈数仓架构设计。
现代实时数仓和重要性已经越来越高，离线数仓积累的历史数据又很难被抛弃。采用新型的数仓架构，融合实时数仓和离线数仓的优点是一个值得讨论的话题。本文结合ECS的设计模式，探讨了如何设计了一套全新的混合数仓架构。
