AI EngineerAI与知识：微软杰出工程师Pablo Castro谈构建更好的AI应用与智能体
微软杰出工程师Pablo Castro在AI Engineer播客中深入探讨了AI应用中的知识分类：内在知识、外在知识与习得知识。他介绍了微软Foundry IQ、Azure AI Search等工具如何帮助企业构建更智能的AI应用与智能体，并强调了知识系统在AI工程中的核心地位。
在AI Engineer播客的最新一期中，微软杰出工程师Pablo Castro分享了关于AI与知识系统的深刻见解。作为微软CoreAI部门AI Knowledge团队的负责人，Castro领导开发了Foundry IQ、Azure AI Search和Azure Content Understanding等关键产品。他提出了一种知识分类框架：内在知识（模型自带的参数化记忆）、外在知识（企业数据）和习得知识（智能体通过交互学习）。
内在知识是AI模型的基础，例如GitHub Copilot等编码工具利用模型的内在知识提供代码建议。然而，Castro指出，企业级AI应用需要超越内在知识，将外部数据源（如数据库、文档）整合进来，这就是外在知识的价值。微软的Foundry IQ和Azure AI Search正是为此设计，它们能够高效地索引和检索企业数据，使AI应用能够基于真实业务信息做出决策。
习得知识则代表了智能体的持续学习能力。Castro介绍了Foundry agent优化循环，通过反馈机制让智能体从交互中学习，逐步提升任务完成质量。这一循环类似于强化学习，但更侧重于实际应用场景中的快速迭代。
对于中文AI/科技读者而言，这场讨论极具价值。首先，它提供了一个清晰的知识分类框架，有助于理解AI应用的不同层次。其次，微软在知识系统上的实践（如Foundry IQ）展示了如何将大模型与企业数据结合，这正是当前AI工程化的核心挑战。最后，智能体学习循环的概念为构建自适应AI系统提供了方向。