1. Customer Support(客户支持)

Decagon:AI客服代理(Agent),帮企业自动化处理聊天、邮件、电话等客户支持,能处理复杂对话,已服务Duolingo、Notion等大客户,估值曾快速增长。
Giga:企业级AI支持代理,擅长语音和复杂工作流,支持DoorDash等,强调快速部署和高准确率。
Sierra:构建品牌化AI客服代理,帮助企业创建更人性化的客户体验,支持多渠道(聊天、语音)。
wonderful:客户支持相关的AI工具(具体细节较新,可能专注特定体验优化)。

2. Legal(法律)

Finch:AI辅助个人伤害诉讼(pre-litigation),结合AI代理和人工,自动化案件 intake、记录获取、保险沟通等,降低律所成本。
Harvey:最知名的法律AI平台,为律所和企业法务团队提供合同分析、尽调、合规、诉讼支持等,已估值超百亿美元,被大量顶级律所使用。
LEGORA:法律AI工具(可能专注特定法律工作流)。
Spellbook:法律文档生成/审查AI(常用于合同起草)。

3. Clinical Documentation(临床文档)

ABRIDGE(Abridge):环境AI(ambient AI),实时将医生-患者对话转为结构化临床笔记,集成EHR系统,减少医生文书工作,已在Kaiser Permanente等医院大规模部署。
Ambience(Ambience Healthcare):类似Abridge,AI帮助临床医生实时文档记录、编码,提高效率和收入完整性。
Freed:临床文档AI工具。
Suki:语音驱动的临床助手,帮医生做笔记和命令。

4. Logistics(物流)

augment:物流/供应链相关的AI优化。
boon:物流AI工具。
HappyRobot:物流机器人/AI自动化。
VoomA:物流/运输AI(可能专注特定场景如最后一公里)。

5. ITSM(IT服务管理)

CONSOLE、Ravenna、Risotto、Serval:IT服务台、事件管理、自动化运维相关的AI工具,帮助企业内部IT支持更智能。

6. Coding(编程/代码生成)

Cognition:AI软件工程师(知名产品如Devin),尝试自主完成编码任务。
CURSOR:非常热门的AI代码编辑器(基于VS Code),极大提升开发者生产力,很多开发者日常使用,已有高估值。
poolside:AI代码生成工具。
Sourcegraph:代码搜索与AI理解平台。
Zed Industries:Zed代码编辑器(高性能),可能结合AI功能。

7. Evaluations/Observability(评估/可观测性)

arize:AI模型评估和可观测性平台。
Braintrust:AI应用评估工具。
LangChain:构建LLM应用的流行框架,也做评估相关。
raindrop:AI评估/监控工具。

8. GTM(Go-To-Market,销售/营销)

AURASELL、clay、MONACO、Reevo、unify:AI驱动的销售自动化、线索生成、营销工具,帮助企业更好地做市场推广和销售。

9. Inference(推理/模型部署)

baseten:模型部署和推理基础设施。
fal:快速AI推理平台。
Fireworks AI:高性能模型推理服务。
Modal:服务器less云平台,专注AI/ML工作负载。

10. Reinforcement Learning(强化学习)

Adaptive ML、Applied Compute、Deeptune、Fleet、Mechanize、Patronus AI:专注RL、AI代理训练、优化或安全相关的公司。

11. Browser Infra(浏览器基础设施)

Browserbase、Browser Use、kernel:浏览器自动化、AI代理控制浏览器环境的工具。

12. Web Search(网络搜索)

exa:AI驱动的搜索引擎(更智能的搜索)。
Firecrawl:网页爬取和数据提取工具。
parallel、tavily:搜索/研究代理相关工具。
全部评论

相关推荐

03-30 20:14
东南大学 C++
一、项目 / 求职方向1.先介绍一下自己。2.你觉得这段实习经历,你的成长有哪些方面?3.你为什么考虑投后台开发这个岗?4.你能大概介绍一下你了解的后台开发相关内容吗?5.结合你之前的实习项目,你接触到的后端相关内容有哪些?6.你端上的 SQL 用的是什么数据库?7.设备特征缓存优化这一块,也是端上做的吗?8.除了这段实习,你还有哪些后端相关经验?9.你对后端开发是怎么理解的?二、高并发 / 网络编程 / epoll / 协程10.高并发你怎么理解?11.评估高并发有什么指标吗?12.你怎么判断一个系统是不是到了高并发场景?13.你怎么判断系统已经到瓶颈了?14.高并发场景下,一般什么资源会先被打满?15.如果不考虑外部 IO,只看服务器内部处理,怎么判断它已经满了?16.纯高并发网络框架场景下,一般是 CPU 先满还是内存先满?为什么?17.你写过 epoll,也了解过 Go 的协程,你觉得它们在设计思路上有什么区别?18.你觉得 epoll 和协程哪个更好?为什么?19.如果 epoll 已经很好了,为什么后来还会出现协程这种设计?三、基础算法 / 排序20.排序算法介绍一下。21.堆排序适合解决什么样的问题?22.堆里取最大值或最小值的复杂度是多少?23.快速排序的时间复杂度是多少?24.快速排序最坏情况是什么复杂度?25.什么情况下快速排序会退化到最坏情况?26.有什么优化措施可以减少快速排序退化的情况?四、操作系统27.进程和线程有什么区别?28.进程和线程切换,哪个更快?为什么?29.进程切换主要慢在哪里?30.进程的寻址空间大概有多大?31.32 位系统和 64 位系统的寻址空间一样吗?32.你怎么理解线性地址、逻辑地址和物理地址?五、数据库33.MySQL 的索引数据结构有哪些?34.为什么 MySQL 索引常用 B+ 树,而不是红黑树?35.索引为什么要考虑磁盘存储特性?六、网络 / HTTPS36.HTTP 和 HTTPS 有什么区别?37.HTTPS 是怎么解决信任源问题的?38.如果证书不是权威机构签发的,会有什么问题?39.浏览器为什么能识别哪些证书机构是可信的?七、AI / Agent / 大模型基础40.你比较擅长哪些技术方向?41.Agent 的设计模式有哪些?42.ReAct 是一种什么思想?为什么会有这种模式?43.为什么模型会出错或者产生幻觉?44.如果模型缺少信息,它直接回答“缺少信息”就可以了,为什么还要继续设计 ReAct 这类模式?45.现在这些主流大模型,用的是解码器还是编码器?46.GPT 和 BERT 的区别你知道吗?47.既然你对 AI 开发感兴趣,那你怎么理解模型的能力边界?八、编程题48.有 N 个人围成一圈,从第 S 个人开始报数,报到 M 的人出列,然后从下一个人继续,直到最后剩下一个人,输出一下出列顺序。
点赞 评论 收藏
分享
04-04 11:16
已编辑
中山大学 算法工程师
一.实习 拷打28min二.项目12.1 现在有了Claude Code,为什么还要去重复的做一个类似的项目呢?2.2 这个项目和Claude Code相比,核心差异是什么?有什么比他做的好,什么不如他?2.3 分层上下文管理,每一层管的是什么?2.4 摘要生成器使用什么模型做的?这个摘要质量要如何保证?2.5 有没有尝试一下关于subagent的探索?启动多个agent的作用是什么?2.6 主agent和子agent的通信是怎么实现的?2.7 有没有遇到过agent陷入死循环的情况?有什么解决方案?三.项目23.1 GRPO和PPO的区别?3.2 KL散度,具体是怎么加入的?这个值太大或者太小有什么问题?3.3 Qlora的rank怎么设置的?3.4 训练参数是怎么选的?有没有调参测试?3.5 lora和qlora的区别是什么?3.6 量化之后对训练的效果影响是怎么样的?3.7 梯度检查点的原理。它对训练速度大概减缓多少?四.随机提问4.1 平时用过哪些Ai agent的工具?4.2 你觉得Ai工具,最大的帮助场景是什么?4.3 有没有遇到过Ai应用或者工具无法解决的场景?4.4 平时写的代码或者实习写的代码有多少是Ai生成的?4.5 openclaw有没有实际使用过?有没有做相关的了解?比如它的架构设计上的优势是什么?4.6 你觉得类似于openclaw或者Claude code,它现在还有哪些地方是可以改进的?4.7 Claude code源码泄露,有没有去了解它,有什么比较创新的东西?4.8 从开发者的角度,做agent最难的部分是什么?4.9 自己做agent的时候,踩过最大的坑是什么?4.10 一个好的prompt和一个差的prompt的区别?4.11 除了Qwen3VL,还有没有使用过其他的多模态大模型?4.12 有没有了解一些端侧部署的模型?五.python八股5.1 python中的深拷贝和浅拷贝的区别?5.2 python中的修饰器知道吗?5.3 python中的字典的底层原理?5.4 死锁的条件是什么?5.5 哈希表的原理?六.Code无code
点赞 评论 收藏
分享
03-30 17:50
门头沟学院 Java
点赞 评论 收藏
分享
评论
点赞
收藏
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务