即刻App年轻人的同好社区
下载
App内打开
长空_YOIf
21关注0被关注0夸夸
长空_YOIf
11月前

Shelbean要当小太阳: #体态和情绪互为对方的镜子 最近看的两本书,很有意思地从相反的方向讲述了体态和情绪的关系。 《给久坐者的12堂体态纠正课》讲了不正确体态的坏处、关节活动度的重要性和相关练习。不过和很多运动医学的书不同,范荣在书里提到了他在康复治疗中的经验:患者的不良体态和慢性疼痛反映的是他过去的历史,可能是职业习惯、可能是某一次受伤之后身体暂时一侧受限导致的本体感觉失调、也可能是过往的经历——一个人在遭受过童年创伤事件后,可能很多年都保持着一种含胸驼背、自我保护的状态,因此在治疗的时候,除了纠正体态,还应该关心患者形成这一体态的原因。这是属于身体的“相由心生”。 《高能量姿势》则是给了一个很反直觉的结论:人的情绪也可以是姿态的结果。当使用收缩、保护型的姿势,人会更倾向于负面的思维的情绪,更容易感到紧张和弱势;而使用扩展型姿势时,人会感到放松和自信,思维也更清晰,更倾向于正面的情绪。身体对情绪的影响来自我们基因的深处,这比单纯的语言暗示更直接,却也更隐蔽。 负面思绪会导致体态的收缩,而体态的收缩又会让人陷入负面思绪,这是一个会不断自我增强的循环。但这个循环也可以用同样的方法打破——摆出高能量姿势,伸展自己的肢体,意识到自己的身体和存在,然后让自己“假装成功,直到真的成功”。

00
长空_YOIf
11月前

黄钊hanniman: 耗时半年,终于发布了!咱们新版的《AI产品经理的实操手册》(飞书知识库) 整理不易(总计3000+篇、28万字),请轻拍,欢迎反馈建议和意见~ 详情介绍在:https://mp.weixin.qq.com/s/LbA5BZ05u34ys6Aw1-E11g 也可直接进入手册主页:https://etimq7i0d2.feishu.cn/wiki/FQZJw1BCziy62FkyDL5csTZ6nsg?from=from_copylink (或扫描图一的二维码) 不论是了解AI通识或最硬核干货、转型或入门AI产品经理,都可以来这里查找; 从深度、广度、体系化、可实操性等多方面来说,可能是你最值得参考的“AI知识库”了,值得收藏! 1、特别是下面几个小节,几乎囊括了过去1、2年,业内所有最精华的深度硬核AI干货,星球会员同学,千万别错过了—— -第一章 AI产品经理和AI产品方法论 的「1.2.1 AI-native」、「1.2.4 做(AI)设计」、「1.2.5 (AI)商业化」 -第三章 AI技术通识的「3.2.1 (大模型)核心原理」 -第四章 AI产业通识的「4.1 AI产业现状」 -第七章 成长的底层逻辑 的「7.3.3 PM成长」和「7.3.4 AI PM成长」 2、还可在“第二章 AI产品通识”里,从30多个领域分类中,找到自己正在从事的领域。 3、非星球会员,仍可免费阅读「第一章 AI产品经理和AI产品方法论 」(https://etimq7i0d2.feishu.cn/wiki/C3ljwRdeXiMo2mk7pVBc4y59nOd?fromScene=spaceOverview )中的4万字 和 “第五章「5.1 AI产品工具(严选)」小节(https://etimq7i0d2.feishu.cn/wiki/Tx0UwxQOTiL0N5kL2qica2QTncb?fromScene=spaceOverview )的6万字。 【欢迎加V交流】:hannimam721(或图5二维码),麻烦备注“即友”二字。

00
长空_YOIf
12月前
抬杠小能手
00
长空_YOIf
12月前

Simon的白日梦: 分享一个李继刚老师的让Claude成为矢量艺术家的prompt Claude Prompt:SVG-Artist 🧐 作者分享了一种名为“SVG-Artist”的工具,通过Claude 3.5模型实现基于用户输入的SVG图形生成,强调精准、优雅和清晰的视觉表达。 ➡️ 链接:https://mp.weixin.qq.com/s/ldWxUdfhYX30i6JwbLr6FA ✨ 重点: ● 🎨 工具背景: “SVG-Artist”灵感源于论坛分享的SVG绘图Prompt,作者基于此概念进行开发,实现自动生成SVG图形。 ● 🛠️ 核心功能: 通过用户输入,解析数据特性,选择合适的视觉元素; 构建结构化SVG图形,确保数据表达精准且具有可读性; 输出优雅且清晰的SVG代码,支持高可维护性和可扩展性。 ● 📜 代码与实现逻辑: 定义“SVG-Artist”系统角色,设置原则、技能和信念; 通过生成图形和生成卡片函数,将用户输入转化为高质量的SVG图形; 提供具体的画布设置、边框线、标题及布局规范,实现有序排版。 ● 🚀 运行规则: 初次运行时需调用start函数; 输入数据后通过生成卡片函数生成SVG图形; 输出结果仅为SVG代码,无附加解释。 ● 🔗 工具特性: 强调清晰、系统化的SVG设计; 输出高质量、可读性强的SVG图形; 简化用户操作,提供自动化图形生成体验。 SVG-Artist 展现了利用Claude 3.5模型生成SVG图形的强大能力,为设计师与开发者提供了一种高效的可视化解决方案。

00
长空_YOIf
12月前

大黑天: 减肥不再难的原则: 原则一:摒弃节食心态 - 强调放弃快速减肥的幻想,彻底杜绝节食思维,避免因节食失败而导致的信心受挫。 原则二:尊重自己的饥饿感 - 鼓励人们倾听身体的饥饿信号,合理进食以避免暴饮暴食,尊重身体的自然需求而不是情感需求。 原则三:与食物和平相处 - 倡导不要将食物视为敌人,而是学会无条件地接受自己喜欢的所有食物,减少食物的禁忌感。 原则四:赶走“食物警察” - 指导如何摆脱内心的“食物警察”,即那些对饮食行为进行负面评价和限制的声音,重新建立与食物的健康关系。 原则五:感受自己的“吃饱感” - 教导如何识别和尊重身体的饱腹信号,避免过量进食。 原则六:发现满足因子 - 强调在饮食过程中寻找和享受食物的愉悦,提升用餐的满意度和满足感。 原则七:不要用食物来应付情绪问题 - 提醒人们不要将食物作为情绪的调节手段,而是寻找其他健康的方式来处理情绪。 原则八:尊重自己的身体 - 倡导接受自己的身体形状和尺寸,停止过度的自我批评和比较,享受身体的舒适和健康。 原则九:运动锻炼——是为了让你感觉不一样 - 将运动视为一种享受和生活的一部分,而不是单纯为了消耗卡路里或改变外貌。 原则十:尊重自己的健康——温和营养 - 建议采用一种宽容而均衡的营养方式,关注长期的健康饮食习惯,而不是短期的严格节食。 https://mp.weixin.qq.com/s/Y3tdCnoTTgxHiJEKErsX_A

00
长空_YOIf
12月前

MooreAI: 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:https://www.anthropic.com/research/building-effective-agents

00
长空_YOIf
12月前
来到即刻的第一天。
00