即刻App年轻人的同好社区
下载
App内打开
相羊Mola
437关注101被关注0夸夸
只有受脑与心智启发构建的智能模型才有可能实现科学意义上的人工智能吗？
相羊Mola
25天前

Sepine_Tam: 再也不参加任何国内高校的AI“培训”了/::)一个个做的一点质量都没有，去了之后就是放录好的视频，讲的内容还是人尽皆知的信息（甚至谈不上知识）点名清华大学的团队，质量只目前见过最差的一组 讲就讲嘛，质量也是真的差劲👎，但凡去看看这个东西是什么呢？明明是用ChatGPT的API搭建了的一个web，结果说是自己团队独立开发😅 说一下最乱的几个点。 1.把AI，chatbot，ChatGPT，GPT，人工智能这些概念是完全混淆，认为人工智能就是ChatGPT。 2.论文灌水，摊明自己的很多论文都是用“AI”做出来的，居然还投了三篇《管理世界》，检索了一下这人，不知道怎么去说这个东西。 3.所谓的“赛”和提前的报名，有一种套方案的感觉，把优质的方案拿走，然后去训练自己的模型；报名的前置问卷纯粹是用来训练AI（没实质证据，但是参考Duolingo创始人的大学产品——图片验证码，最后都是被拿去训练AI了）。 然后回到这个差劲的“培训” 先是说prompt的这个点，讲的无非就是都知道的P.C.A.C.，但凡你是说你有一点新的东西呢？你有什么创新呢？哪怕你把@李继刚老师的那套拿出来说说呢？至少是有点新东西吧，哪怕就是从商业这个角度上讲。是不是应该也参考一下Anthropic他们的那套prompt工程呢，但凡看过他们的index页也都知道这个所谓的“培训”的质量有多拉垮😕 AI赛道未来的趋势仍然是AI Agent，从这个角度看Apple的Apple Intelligence倒是蛮前卫的有潜力的开创者。

00
相羊Mola
27天前
这个有意思

Alchian花生: 早上用Cursor辅助，大概1小时完成了专利申请，过程太丝滑了，也许有很多我未发现的专业性陷阱，但流程确实很快跑通了。 当然，前提是我对这个“专利”本身的可行性预期不高，所以更多是想完成这个动作和尝试，实际使用的流程如下： 1、我甚至不知道我应该申请“发明专利”还是“外观设计”专利，我让Cursor读取项目代码，扮演专业的中国专利律师为我提供建议，他建议我选择“发明专利”；并且告诉我应该如何申请，需要准备哪些材料； 2、在专利局网站上申请时，“权利要求书”“说明书”“说明书摘要”都直接由Cursor完成了撰写，因为这种公文在大模型语料里的数据足够多足够好，所以以我浅薄的经验判断Claude写得真的还不错； 3、专利申请需要附图，原本Cursor是建议我找人找专业机构帮忙绘制，因为它天然认为自己不能画图；但是我知道这种流程图完全可以通过大模型的代码生成，再转化为图形，所以也要求它直接帮我干了。 4、遇到了一些和效果预期不符的流程图，我把图像重新丢给Cursor，让他理解当前代码生成图片效果和预期的差异，让他进行修正。 如果这件事找机构做的话，我估计沟通时间都会远远超过1小时，尤其当想要讲清楚项目的背景，提供充足的项目实现逻辑信息时。而用大模型帮忙，你丢几个代码文件作为上下文就可以了。过段时间申请有进展了我再来同步下看看实际效果如何。

00
相羊Mola
28天前
相羊Mola
28天前

MasterXDai: 我发现 StackBlitz 也就是bolt news 的团队效率真的很高。我看他们团队开周会的时候也就10个人不到。但是产品的更新效率和运营的回复速度都已经超过我在国内认识的几个初创团队了。 这就让我想起一年前我一个同事和我说斩钉截铁的说：“软件出海可能是红色药丸。因为过去中国团队的迭代快速的优势无非是建立在低工资高人效的基础上的，所以早年才会有所谓欧美建立基础设施，亚太地区建立应用有优势的说法。 但随着ai在某些方面的普及和渗透，这一类的优势不复存在。欧美研发可以以高工资来支付token服务的溢价，而东南亚研发会以更低成本来抢占另外的市场。 这就导致了最后我们的工资不如别人，效率也未必别人强。” 我当时还不以为然

00
相羊Mola
1月前
各位亲爱的即友、网友！ 请问有什么微信或者QQ群的讨论主要是关于各个垂类AI产品的嘛？

因为我是心理学的学生，如果讨论和＂产品的功能与用户的需求之间的连接＂这样的主题相关就更好了！
31
相羊Mola
1月前
相羊Mola
1月前

艾逗笔: 聊几点我对 Anthropic MCP 的看法： 1. 并没有像自媒体鼓吹的那样夸张，还不至于让 AI 行业变天，依然有很长的路要走； 2. 可以简单理解跟大模型已经支持的 Function Calling 是同一个东西，本质是为了让大模型可以调用外挂的服务，对接更多的数据和能力，再作为补充上下文回答用户的问题； 3. 区别点在于：Function Calling 由大模型通过 HTTP 请求第三方的外挂 API，而 MCP 是由大模型通过 RPC 请求第三方的外挂服务； 4. 从接入方式上看，Function Calling 更简单，第三方只需要写一个 API，再在大模型配置对 API 的请求参数即可。MCP 接入起来要复杂一些，第三方需要写个服务，实现协议里定义的 RPC 方法，再在大模型里面配置服务地址和参数，大模型客户端在启动的时候需要做一次服务发现，再连接到配置的 RPC 服务，才能在后续对话过程调用； 5. Function Calling 和 MCP 的核心和难点都在于大模型侧的意图识别，用户随机提问，如何找到匹配的外挂服务，实现 RAG，这是所有大模型面临的通用难题（比如 ChatGPT 有几百万的 GPTs 应用，如何根据用户提问路由到最匹配的那个 GPTs 来回答问题），MCP 协议并不能解决这个问题。Claude 客户端目前的实现方式，是让用户自己写个配置文件，告诉大模型有哪些可以调用的服务，再由 Claude 在对话时自动识别，跟 ChatGPT 之前让用户选择使用哪些 Plugins 的逻辑一致； 6. MCP 的亮点是定义了一套标准且相对完善的协议，对于大模型和应用的生态协同有很大的指导意义。类似由微软提出并在 VS Code 实现的 LSP 协议一样（定义了编辑器如何与第三方语言服务交互，实现代码补全/类型约束/错误提示等功能）。MCP 协议的适用对象主要是大模型/应用客户端和第三方服务，跟 LSP 不同的是，编程语言的数量相对有限，最多几百个语言服务，社区协同下很快就能全部支持，编辑器可以根据文件的后缀快速定位到要调用的语言服务。MCP 适用的第三方服务是海量的，MCP 的发展取决于有多少第三方服务愿意基于这套协议去实现 RPC 服务，最关键的还是大模型/应用客户端对海量 MCP 服务的路由寻址问题（没有固定的后缀，只能靠意图识别或者人工配置）。 7. OpenAI 最初开放的 API 协议已经成了一个约定俗成的标准，后来的大模型在开放自家 API 时都会选择兼容 OpenAI 的 API，主要原因有两个：一是 OpenAI 的 API 开放的早，很多应用接入了，兼容它对第三方接入友好；二是 OpenAI 的 API 实现的确实很规范，照着模范生抄作业何乐不为。MCP 会不会也跟 OpenAI 的 API 协议一样，成为行业内的新标准，这个问题取决于先有鸡还是先有蛋：如果有足够多的第三方服务基于这套协议开放了自己的服务，其他大模型/应用客户端应该会跟进；如果主流的大模型/应用客户端都支持了这套协议，那么作为一个第三方，也肯定愿意按这套协议开放自己的服务（比起为 GPTs / Coze / Dify 分别写一个 API 给智能体调用，MCP 服务只需要写一次，可以在任意支持 MCP 的客户端调用）。 8. MCP 目前不支持 Remote Server，不能在网页版调用，只能在 Claude 桌面版使用。我写了一个用 Claude 客户端分析群聊记录的程序，结合实例来看 MCP 的应用，很好理解。MCP 的想象空间还是很大的，未来可期。 个人经验之谈，有表达不当之处，欢迎补充讨论。🌚

00
相羊Mola
1月前
能不能训练一个神经网络来达到＂京中有善口技者＂那样的表现力昵
00
相羊Mola
1月前
在过去半个世纪中，美国劳动力市场发生了一个更大的变化，那就是工资结构的改变。在二战后的几十年里，经济增长迅速且惠及广泛，不同背景和技能的工人都经历了实际收入（经过通货膨胀调整）的快速增长。而现在情况已不再如此。新兴数字技术无处不在，为企业家、管理人员和一些投资者带来了巨额财富，但大多数工人的实际工资几乎没有增长。自1980年以来，没有大学学历的人平均实际收入下降，甚至拥有大学学位但没有研究生教育的人，其收入增长也非常有限。
10
相羊Mola
1月前