写了个 大模型应用开发的教程，公开免费

“因为自己淋过雨，所以想给别人撑把伞”，只为了像我一样的工程师/产品入门大模型开发 少走点弯路。

面向小白，尽量通俗易懂且实用。

找到一个快速提升代码能力的方式，找一个熟悉的领域的大佬“从0实现 xxx 功能”的 YouTube 视频，看下他是怎么思考的，如何解决问题的，只是看他的编码方式（如何使用 AI辅助) ，如何检索资料，都会很有帮助。

一般这种视频都会很高效，不超过一小时，就能了解10x engineer 到底是如何工作的。

去简单测了下， 安全对齐果然没做好，不管是r1，还是蒸馏过的小模型。问题相当严重了。

发现大部分人都在用 文科生的问题，问理科生。

OpenAI 纯纯的理科生，大直男一个
Gemini 美国保守的文理双修，文理都不错，不过有点过于政治正确了
Deepseek 走火入魔的理科生，在文科生面前狂秀理科知识，反而让很多人觉得，好牛逼！

新年第一篇，如何用好 o1/deepseek 等推理模型，让你跟别人拉开差距，真正让 推理类模型提高生产力的技巧。

感觉不错的，可以关注下，新年第一篇，还有两篇，一如既往，免费开源，嘿嘿。

Deepseek R1 给应用开发带来了新的思考，有没有可能 workflow 是错的路线，不限规则自由探索，只用结果对齐的 cot 路线是更好的路线？

不限制 思考过程，AI尽情发挥，用任意语言，emoji，比喻，反思，代码等任意格式，进行自由的语义探索。

新的一年，做到 0到 1的大模型应用开发者，都应该思考下，能否用 cot 做到去 workflow 化了。

非常值得一看的文章 ：www.zhihu.com

有点被 Greg Kamradt 的新视频震撼住了，原来开发一个 应用 使用sass 服务这么简单。

关键词，语义搜索用 meilisearch, 数据库用 supabase，支持列函数执行，有界面（像excel 一样定义函数，查看数据），自动生成 rpc 调用。部署用 railway。全部免费开源，震惊了😲。

每个服务都有 UI 界面，拖拉拽，每个服务不超过一个小时从熟悉到上线。

之前都说前端要被淘汰，感觉后端也不用了啊， gpt 写个前端， supabase作为数据库， 数据导入下 meilisearch, 自动生成搜索引擎， railway 一键部署上线了啊。

发现有两种思考方式，一类是出现问题，看有什么方式，以在表面打补丁的方式快速解决，另外一类是以第一性原理，找到根源在哪，从根源解决问题。

虽然第二种方式起初会花费更多时间和精力，但长期来看，依赖表面修补的项目会变得越来越难以维护。而采用第一性原理思考，尽管心智成本更高，但随着时间的推移，会积累显著的优势，逐渐拉开与仅仅打补丁方法的差距，达到第一种无法追赶的的境界。因此，在开始行动前，一定要深入思考。如果没有思考清楚，就不要下笔。

这就是我理解中的工程师的“第一性原理”。

从微软最近开源的 PromptWizard 聊一下这类 prompt 自优化框架

“AI味”已经是个过时的概念了，去试试 Gemini 2 , Claude 3.5，最新的 GPT-4o 就知道了