即刻App年轻人的同好社区
下载
国内大模型在编码应用中全线崩盘，Gemini 2.0 Flash Experimental + Think 双模型，重新站到了 o1、claude sonnet 3.5 同一水平线上。
这 2 天一直使用 Gemini 2.0 Flash 系列进行编码层面的应用，无论是代码、数据、提示词、输出质量完全不逊色于 o1 和 claude sonnet 3.5。特别是出海落地页的配色方案 + 截图识别上，效果非常不错。而且上下文 1M 起步，又快，质量又好，趁现在免费，赶紧尝试吧。
截图中，让 AI 简单讲解代码包含的函数、作用和流程。
Gemini 2.0 Flash Experimental VS deepseek 对比。 4o 因为输入内容过长无法作对比。
图 1 ~ 3：Gemini 2.0 Flash Experimental
图 4 ~ 6: deepSeek
这 2 天一直使用 Gemini 2.0 Flash 系列进行编码层面的应用，无论是代码、数据、提示词、输出质量完全不逊色于 o1 和 claude sonnet 3.5。特别是出海落地页的配色方案 + 截图识别上，效果非常不错。而且上下文 1M 起步，又快，质量又好，趁现在免费，赶紧尝试吧。
截图中，让 AI 简单讲解代码包含的函数、作用和流程。
Gemini 2.0 Flash Experimental VS deepseek 对比。 4o 因为输入内容过长无法作对比。
图 1 ~ 3：Gemini 2.0 Flash Experimental
图 4 ~ 6: deepSeek
5 81
hailuo 的 I2V-01-Live 模型使用空提示词，针对角色表现和动作还是略微逊色些，特别是情绪表现力几乎没有，只是针对脸部有丰富表情角色表现得中规中矩，人物的动作设计整体算这一组表现力不错的效果。总而言之，空提示词比较适用于电影过渡、人物说话等等非重要片段。
00:51
0 00
GPT Canvas + Claude Artifacts/Canvas 使用自由啦，Next.js AI Chatbot 3.1 发布。
• 可编辑的 Artifacts/Canvas UI 写作和代码
• Python code execution (via Pyodide and WASM)
• Inline Artifact preview
• 聊天分享
• 消息编辑和反馈收集
• 通过 react-scan 提高性能
体验地址：chat.vercel.ai
• 可编辑的 Artifacts/Canvas UI 写作和代码
• Python code execution (via Pyodide and WASM)
• Inline Artifact preview
• 聊天分享
• 消息编辑和反馈收集
• 通过 react-scan 提高性能
体验地址：chat.vercel.ai
00:19
3 00
WonderWorld 3D 开源了！让梦想照进现实。 它能根据你的移动轨迹和灵感迸发的请求，瞬间编织出独一无二的数字空间。 无论你想要探索神秘的远古遗迹，还是打造充满创意的艺术装置，WonderWorld 都能在 10 秒之内呈现。
- 游戏开发与原型设计：设计师可以说 ‘这里需要一个陡峭的山谷’，或者 ‘那里放一个废弃的城堡’，并在几秒内看到效果。”
- VR/AR 虚拟现实：一个建筑师可以戴上 AR 眼镜，在空旷的房间里走动，并说 ‘这里放一个落地窗’， ‘那边增加一个旋转楼梯’
- 教育与培训： 快速创建生动形象的教学场景。 比如，讲解古代文明时，只需移动并请求 ‘创建一个古罗马斗兽场’，学生就能在几秒内身临其境地学习。 这极大地增强了学习的趣味性和沉浸感，让抽象知识变得触手可及。”
-
Paper：kovenyu.com
开源地址：github.com
- 游戏开发与原型设计：设计师可以说 ‘这里需要一个陡峭的山谷’，或者 ‘那里放一个废弃的城堡’，并在几秒内看到效果。”
- VR/AR 虚拟现实：一个建筑师可以戴上 AR 眼镜，在空旷的房间里走动，并说 ‘这里放一个落地窗’， ‘那边增加一个旋转楼梯’
- 教育与培训： 快速创建生动形象的教学场景。 比如，讲解古代文明时，只需移动并请求 ‘创建一个古罗马斗兽场’，学生就能在几秒内身临其境地学习。 这极大地增强了学习的趣味性和沉浸感，让抽象知识变得触手可及。”
-
Paper：kovenyu.com
开源地址：github.com
00:10
3 00
超预期：Gemini 2.0 Flash Thinking Exp 141分
OrangeCLK: 和Dify社区的朋友一起用2023年新课标高考数学卷考验了一下推理模型们。 Gemini 2.0 Flash Thinking Exp 141分 Kimi k1-preview 130分 DeepSeek-R1-Lite-Preview 119分 Claude Sonnet 3.5 20241022 60分
1 00
Anthropic 发布 Building effective agents，讲如何构建有效的代理，内容太干太专业
- Agent 是具备使用工具能力的大型语言模型 (LLM)，根据任务需求调用各种外部工具（例如搜索引擎、代码解释器、API 等）来辅助完成工作。
- 何时使用 Agent：调外部数据、与系统交互、精确和复杂计算、多步推理规划、超出LLM 能力
- Agent 图文讲解
图 1：增强型 LLM： 想象你的大脑不仅能记住知识，还能像使用互联网一样随时查找信息，像使用工具箱一样调用各种工具来完成特定任务，并能记住重要的上下文。图 1 展示了 LLM 如何通过整合检索能力（查找信息）、工具使用能力（利用外部功能）和记忆能力（记住上下文）来进行增强，使其不再局限于自身知识，能够更有效地处理复杂任务。
图 2：提示链： 就像写作文一样，我们会将复杂的任务分解成一系列步骤。图 2 描述了提示链技术，它将一个大任务拆分成多个由 LLM 顺序处理的小步骤，每个步骤的输出作为下一个步骤的输入。为了确保流程不出错，还可以在关键步骤设置“关卡”进行检查，就像游戏中的检查点，确保任务始终朝着正确的方向前进。
图 3：路由器模式： 面对不同类型的问题，我们会用不同的方法解决。图 3 展示了路由器模式，它首先对输入信息进行分类，然后将不同类型的信息导向专门处理该类信息的 LLM 模块。这样可以让每个模块专注于自己擅长的领域，避免“一刀切”的处理方式，从而提高效率和准确性。
图 4：并行化处理： 就像多人协作能更快地完成任务一样，图 4 描述了并行化处理方法，它将一个可以拆分的任务同时分配给多个 LLM 并行处理。这种方式在需要加速处理速度或需要从多个角度分析问题以提高结果可信度时非常有效，每个 LLM 专注于任务的不同方面。
图 5：协调者-工作者模式： 对于事先无法预测具体步骤的复杂任务，就像探险一样，需要灵活应变。图 5 展示了协调者-工作者模式，由一个“协调者” LLM 根据当前情况动态地分配子任务给不同的“工作者” LLM 去执行。这种模式的优势在于其灵活性，可以根据实际需求动态调整任务分配，适用于那些步骤不固定的复杂场景。
图 6：评估者-优化者模式： 就像不断修改完善作品一样，图 6 描述了评估者-优化者模式，其中一个 LLM 扮演“评估者”的角色，评估另一个 LLM 生成的结果，并提供反馈，而“优化者” LLM 则根据反馈不断改进其输出。这种迭代优化的方式特别适用于那些有明确评估标准且可以通过迭代提升质量的任务。
图 7：自主代理： 对于那些无法预测步骤的开放性问题，我们需要信任 LLM 的自主探索能力。图 7 展示了自主代理模式，LLM 可以在一定程度上自主地进行多轮思考和尝试，而无需人为预设所有步骤。这种模式适用于探索性任务或目标较为模糊的场景，需要 LLM 具备一定的自主决策能力。
图 8：计算机使用： 就像人使用电脑一样，图 8 展示了 LLM 如何与计算机系统进行交互，完成各种任务。这包括使用计算机程序、访问互联网、操作文件等，极大地扩展了 LLM 的能力范围，使其能够处理更多现实世界的复杂问题。
- Agent 使用场景分级（根据我的理解，将它进行分级，会更清晰）
L0：无须 Agent 场景。只需向 LLM 提出一个简单的问题或请求，LLM 就能直接给出答案或完成操作，无需借助任何外部工具。如翻译、写作等
L1：信息检索辅助。LLM 识别到需要外部信息，并使用搜索引擎等工具进行简单的信息检索，然后将检索到的信息用于生成答案。Agent 的工具使用相对简单，主要是为了获取信息。如查天气、专业术语等
L2：工具辅助的任务完成。 LLM 识别到需要使用特定类型的工具（例如计算器、API），并能够调用这些工具来完成任务的特定部分。工具的使用是任务完成的关键环节。如 API 调用、查询股票价格。
L3：编排式工具使用。LLM 需要根据任务目标选择并调用多个不同的工具，并将工具返回的结果进行初步的整合和分析，以逐步解决问题。Agent 需要进行简单的规划和决策。如预订机票，需要查找航班、预订信息等
L4：复杂的工具编排与深度推理。 LLM 需要进行复杂的规划，选择合适的工具组合，并根据工具的反馈动态调整策略。Agent 在这个级别扮演着类似项目经理的角色，负责协调和管理多个工具的使用，进行深度推理和决策。
比如：为一个新产品制定详细的市场推广计划，需要调研市场、分析竞争对手、制定营销策略等，可能需要用到市场分析工具、社交媒体分析工具、广告平台 API 等。
自动化一个复杂的业务流程，例如从客户咨询到售后服务的全流程自动化，可能需要集成 CRM 系统、客服系统、支付系统等多个 API。
进行科学研究的辅助，例如根据研究目标自主搜索相关文献、进行数据分析、模拟实验等。
L5：自主学习与适应的 Agent (深度使用)。强化学习平台和框架、自主机器人平台、持续学习和终身学习框架（研究阶段）
原文地址：www.anthropic.com
- Agent 是具备使用工具能力的大型语言模型 (LLM)，根据任务需求调用各种外部工具（例如搜索引擎、代码解释器、API 等）来辅助完成工作。
- 何时使用 Agent：调外部数据、与系统交互、精确和复杂计算、多步推理规划、超出LLM 能力
- Agent 图文讲解
图 1：增强型 LLM： 想象你的大脑不仅能记住知识，还能像使用互联网一样随时查找信息，像使用工具箱一样调用各种工具来完成特定任务，并能记住重要的上下文。图 1 展示了 LLM 如何通过整合检索能力（查找信息）、工具使用能力（利用外部功能）和记忆能力（记住上下文）来进行增强，使其不再局限于自身知识，能够更有效地处理复杂任务。
图 2：提示链： 就像写作文一样，我们会将复杂的任务分解成一系列步骤。图 2 描述了提示链技术，它将一个大任务拆分成多个由 LLM 顺序处理的小步骤，每个步骤的输出作为下一个步骤的输入。为了确保流程不出错，还可以在关键步骤设置“关卡”进行检查，就像游戏中的检查点，确保任务始终朝着正确的方向前进。
图 3：路由器模式： 面对不同类型的问题，我们会用不同的方法解决。图 3 展示了路由器模式，它首先对输入信息进行分类，然后将不同类型的信息导向专门处理该类信息的 LLM 模块。这样可以让每个模块专注于自己擅长的领域，避免“一刀切”的处理方式，从而提高效率和准确性。
图 4：并行化处理： 就像多人协作能更快地完成任务一样，图 4 描述了并行化处理方法，它将一个可以拆分的任务同时分配给多个 LLM 并行处理。这种方式在需要加速处理速度或需要从多个角度分析问题以提高结果可信度时非常有效，每个 LLM 专注于任务的不同方面。
图 5：协调者-工作者模式： 对于事先无法预测具体步骤的复杂任务，就像探险一样，需要灵活应变。图 5 展示了协调者-工作者模式，由一个“协调者” LLM 根据当前情况动态地分配子任务给不同的“工作者” LLM 去执行。这种模式的优势在于其灵活性，可以根据实际需求动态调整任务分配，适用于那些步骤不固定的复杂场景。
图 6：评估者-优化者模式： 就像不断修改完善作品一样，图 6 描述了评估者-优化者模式，其中一个 LLM 扮演“评估者”的角色，评估另一个 LLM 生成的结果，并提供反馈，而“优化者” LLM 则根据反馈不断改进其输出。这种迭代优化的方式特别适用于那些有明确评估标准且可以通过迭代提升质量的任务。
图 7：自主代理： 对于那些无法预测步骤的开放性问题，我们需要信任 LLM 的自主探索能力。图 7 展示了自主代理模式，LLM 可以在一定程度上自主地进行多轮思考和尝试，而无需人为预设所有步骤。这种模式适用于探索性任务或目标较为模糊的场景，需要 LLM 具备一定的自主决策能力。
图 8：计算机使用： 就像人使用电脑一样，图 8 展示了 LLM 如何与计算机系统进行交互，完成各种任务。这包括使用计算机程序、访问互联网、操作文件等，极大地扩展了 LLM 的能力范围，使其能够处理更多现实世界的复杂问题。
- Agent 使用场景分级（根据我的理解，将它进行分级，会更清晰）
L0：无须 Agent 场景。只需向 LLM 提出一个简单的问题或请求，LLM 就能直接给出答案或完成操作，无需借助任何外部工具。如翻译、写作等
L1：信息检索辅助。LLM 识别到需要外部信息，并使用搜索引擎等工具进行简单的信息检索，然后将检索到的信息用于生成答案。Agent 的工具使用相对简单，主要是为了获取信息。如查天气、专业术语等
L2：工具辅助的任务完成。 LLM 识别到需要使用特定类型的工具（例如计算器、API），并能够调用这些工具来完成任务的特定部分。工具的使用是任务完成的关键环节。如 API 调用、查询股票价格。
L3：编排式工具使用。LLM 需要根据任务目标选择并调用多个不同的工具，并将工具返回的结果进行初步的整合和分析，以逐步解决问题。Agent 需要进行简单的规划和决策。如预订机票，需要查找航班、预订信息等
L4：复杂的工具编排与深度推理。 LLM 需要进行复杂的规划，选择合适的工具组合，并根据工具的反馈动态调整策略。Agent 在这个级别扮演着类似项目经理的角色，负责协调和管理多个工具的使用，进行深度推理和决策。
比如：为一个新产品制定详细的市场推广计划，需要调研市场、分析竞争对手、制定营销策略等，可能需要用到市场分析工具、社交媒体分析工具、广告平台 API 等。
自动化一个复杂的业务流程，例如从客户咨询到售后服务的全流程自动化，可能需要集成 CRM 系统、客服系统、支付系统等多个 API。
进行科学研究的辅助，例如根据研究目标自主搜索相关文献、进行数据分析、模拟实验等。
L5：自主学习与适应的 Agent (深度使用)。强化学习平台和框架、自主机器人平台、持续学习和终身学习框架（研究阶段）
原文地址：www.anthropic.com
15 811
曾经的那个少年，你也有机甲梦吧。给你一个“机甲融合”的提示词模板，尽情渲泄吧
[SUBJECT] transformed into a Dynamic Mecha Fusion, combining sleek robotic designs with organic forms. Highlight the synergy of machine and nature with metallic [COLOR1] and [COLOR2] accents
[主题] 变成了一个动态机甲融合体，将时尚的机器人设计与有机形式相结合。通过金属色 [COLOR1] 和 [COLOR2] 点缀突出机器与自然的协同作用
[SUBJECT] transformed into a Dynamic Mecha Fusion, combining sleek robotic designs with organic forms. Highlight the synergy of machine and nature with metallic [COLOR1] and [COLOR2] accents
[主题] 变成了一个动态机甲融合体，将时尚的机器人设计与有机形式相结合。通过金属色 [COLOR1] 和 [COLOR2] 点缀突出机器与自然的协同作用
3 00