即刻App年轻人的同好社区
下载
App内打开
白给牛奶不加糖
0关注2被关注0夸夸
白给牛奶不加糖
2天前
“用 AI”喊了这么久,但到啥水平算会,行业里一直没个直观的度量衡。
周末干脆自己动手做了一套出来——九境(9jing.top),用修仙体系给 AI 协作能力分个级。
整个产品最让我较劲的一处设计,是把这九重境界硬生生切成了两截:

1️⃣ 外功·个人修为(凡人 ➔ 化神):衡量你自己用得有多溜。看的是提示词控制、自动化工作流和框架迁移。
2️⃣ 内功·影响力(返虚 ➔ 道祖):衡量你的用法能不能影响到别人,甚至改变别人的工作流。

这两段中间有一道巨大的断层。个人修为可以靠堆时间一路练到化神,把 AI 用得飞起,但始终卡在“我很强”的阶段。 想跨进内功那半截,靠的不是熟练度,而是把东西做出来、讲出去、被人用。技能能靠练,影响力得靠产品和输出。后半截才是真天梯,也是大多数人根本没意识到存在的那一截。
🛠️ 一些技术细节: 整个站是提示词 + AI 协作生啃出来的,部署在 EdgeOne 上顺便踩了一路坑(之后可以单独写个复盘)。

盲测版:6 题快速定位
正卷:24 题深度评估 + 八脉雷达图 + 破境指引(每一境还配了该读的书)

传送门:9jing.top

欢迎各位即友去测测自己在第几重,更欢迎产品和 AI 圈的道友来锐评一下这个评估框架。
#独立开发的日常 #提示词工程 #AI的神奇用法
00
白给牛奶不加糖
24天前
试了一圈本地知识库方案,最后没用 RAG。

不是 RAG 不好,是不匹配。我文档量几百份,
不是几百万份;要求答案能点回原文核对,
不接受向量召回那种"语义相近就行";
素材是中文 + 行业黑话,通用 embedding
帮不上多少忙。

最后用 ripgrep + 提示词约定搭了一套,
本地跑、断网可用、答案带文件路径和行号。
跑下来比预期好用。

最大的体会是:现在 LLM context
100K-200K 起步了,让全文检索找几个相关
文件、原文塞给 LLM,远比向量召回精确。
LLM 自己就是世界上最好的 chunker。
00
白给牛奶不加糖
7年前
这个怎么回……
10