即刻App年轻人的同好社区
下载
7 11
分享些许部署一个智能服务("Agent?")的实践心得。Supported by Deepseek API & Cursor & Midjourney. Learning by Shipping!! 新年快乐!! 🎇
「Project “逐字学习”」 - LLM生产力任务部署实践
6 00
这几天写了一款监控指定Substack信源，不间断推送至telegram bot，并支持直接在对话中把内容发给LLM进行个性化解读的服务，几个感想：
1. 开发完全用的是Anysphere旗下Cursor这款Ai code editor产品，从架构设计到部署代码再到数据库交互，一切都是。AI coding的出现，让毕业后就没怎么写过代码的我可以很轻松的开发应用，而我只需要精准表达需求。这和当年需要为每个服务查询文档手册，为每个bug查stackoverflow，写c++时一遍遍调指针的时代相比，效率提升不止100倍。
2. 所有代码生成用到的都是claude-3.5-sonnet模型，效果非常惊艳。定义好context和需求，给出的代码review一遍几乎不用改就可以直接用。
3. 可哪怕就是这个小小的应用，由于早期对需求定义不清晰和架构思考不到位，其实至少对代码整体重构了2-3次。AI一遍遍的飞速重写代码，补足我思考中的漏洞，还一次次给足情绪价值："您的思考非常有道理！..."。可以想象如果在公司里，工程师心里早翻了一百个白眼了。
4. 我认为程序员的定义已经改变了。理论上我没有写任何一行代码：但我同时也是架构师、也是产品经理、也是需求背后的业务方。未来的组织一定和过去动辄几万人的组织形态很不一样。
5. 更重要的是，一些生活工作中非常niche的需求，例如用matlab非常精确地画个图，或写个脚本批量处理一些数据，我现在第一反应都是能不能丢给代码实现，而不是google搜解决方案。我不再恐惧任何具体的过程实现，而是体会到了创造的快乐。Cursor改变了我的思考方式。
6. 最后，用AI编程工具写一个简单的AI应用这种套娃行为的背后，我发现前者已经实实在在转化成了生产力；反倒后者所谓的summarization需求，由于读者阅读习惯的个性化、作者表达方式的个性化、内容形式的个性化，这三者综合起来的结果就是很难用单一普世的prompt满足所有内容的解读。我们之所以关注一些KOL对特定事件的解读（甚至愿意付费），也无非是信任他们对同样信息能提取出的别样的insight。如果这一环节未来可以被产品化，那生产力场景的信息消费，可能关注的就不会再是fact本身，而是信任的个体对特定信源的「解读参数」。
7. AI真正在特定业务场景中变成生产力也许还有很长路要走，这种知易行难，可能也反映了过去一段时间AI基础设施投资的火热和应用投资的贫瘠。但有了称手的工具，我对未来非常乐观。
8. 我会持续迭代这个产品，先努力在这个信息纷繁的时代下做出一个让自己满意也觉得好用的信息流。
1. 开发完全用的是Anysphere旗下Cursor这款Ai code editor产品，从架构设计到部署代码再到数据库交互，一切都是。AI coding的出现，让毕业后就没怎么写过代码的我可以很轻松的开发应用，而我只需要精准表达需求。这和当年需要为每个服务查询文档手册，为每个bug查stackoverflow，写c++时一遍遍调指针的时代相比，效率提升不止100倍。
2. 所有代码生成用到的都是claude-3.5-sonnet模型，效果非常惊艳。定义好context和需求，给出的代码review一遍几乎不用改就可以直接用。
3. 可哪怕就是这个小小的应用，由于早期对需求定义不清晰和架构思考不到位，其实至少对代码整体重构了2-3次。AI一遍遍的飞速重写代码，补足我思考中的漏洞，还一次次给足情绪价值："您的思考非常有道理！..."。可以想象如果在公司里，工程师心里早翻了一百个白眼了。
4. 我认为程序员的定义已经改变了。理论上我没有写任何一行代码：但我同时也是架构师、也是产品经理、也是需求背后的业务方。未来的组织一定和过去动辄几万人的组织形态很不一样。
5. 更重要的是，一些生活工作中非常niche的需求，例如用matlab非常精确地画个图，或写个脚本批量处理一些数据，我现在第一反应都是能不能丢给代码实现，而不是google搜解决方案。我不再恐惧任何具体的过程实现，而是体会到了创造的快乐。Cursor改变了我的思考方式。
6. 最后，用AI编程工具写一个简单的AI应用这种套娃行为的背后，我发现前者已经实实在在转化成了生产力；反倒后者所谓的summarization需求，由于读者阅读习惯的个性化、作者表达方式的个性化、内容形式的个性化，这三者综合起来的结果就是很难用单一普世的prompt满足所有内容的解读。我们之所以关注一些KOL对特定事件的解读（甚至愿意付费），也无非是信任他们对同样信息能提取出的别样的insight。如果这一环节未来可以被产品化，那生产力场景的信息消费，可能关注的就不会再是fact本身，而是信任的个体对特定信源的「解读参数」。
7. AI真正在特定业务场景中变成生产力也许还有很长路要走，这种知易行难，可能也反映了过去一段时间AI基础设施投资的火热和应用投资的贫瘠。但有了称手的工具，我对未来非常乐观。
8. 我会持续迭代这个产品，先努力在这个信息纷繁的时代下做出一个让自己满意也觉得好用的信息流。
13 04
用社交关系克制分发欲望是微信的灵魂 看一看这个改版太恶心了；什么都不做真的有那么难吗 不知道怎么通过评审的..只能先关闭这个feature了
kyth: 想念几个月前的微信看一看，这几年用过的最舒服的社交推荐文章的产品。
6 01
