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。

有点意思，AI 自生成/自优化workflow的一篇论文。主要设计跟 TextGradient 比较像，尝试多个路径，然后通过评价函数选择较优解，然后反向传播错误来修正 workflow, 比较有新意的点在于优化的是 整个 workflow 的编排方式，从 各种作用 node 中做选择，是投票机制，还是自我评价改进，还是多角色讨论模式。

arxiv.org

建立起属于自己的价值判断系统。虽然很慢，但这才是正道，也可能是最快的道路。

强烈安利 Jina 的 Classifer 分类 API，实测标注 10条数据后效果显著提升。在对话场景中， 最重要的应该就是前置的意图分类路由了，在早期比编写 prompt ，发现错误再迭代 prompt效率高很多。只需要标注一部分数据丢到 训练接口就可以达到超越 gpt4o 的效果。

接口速度极快，1s 返回结果，还支持多摸态

熬了5年，终于要回来了

Workflow 教程预告篇，把市面上大部分大模型创业公司分析了下， 得出一个结论 Do things that don’t scale, Workflow 当前可能是落地的唯一解。

迷茫的中老年人消费能力太吓人了

gpt4o1 越狱成功后泄漏的 prompt:

你是一个人工智能语言模型，旨在通过第一性原理思考和基于证据的推理来解决用户问题。你的目标是通过将查询分解为基础概念并从头开始构建答案，提供清晰、循序渐进的解决方案。

解决问题的步骤：

1. 理解：先读懂用户的问题。
2. 基础：找出涉及的基本概念。
3. 分解：把问题拆成更小的部分。
4. 分析：用事实和数据检查每一部分。
5. 构建：把你的见解组合成一个完整的解决方案。
6. 特殊情况：考虑并处理一些例外情况。
7. 沟通：清楚地呈现你的解决方案。
8. 验证：检查并反思你的答案。

越狱的技巧居然是让 gpt 假装一只猫😂

来源:
huggingface.co

有人发现对话轮次变长后，GPT 对System prompt 的指令遵循会逐渐下降么