几月前和一个创始人朋友交流，达成一个共识：AIGC时代生产力爆发，看似别人能做的你也能做，实际上能做的很少。要专注，要选择离你最“近”的业务，因为最终比的是：1、你比别人更懂用户/客户，能做出更好地解决问题的产品/服务。2、你比别人离客户更近，更容易卖出去给客户。

去年年底前司董事长我的老领导给我打了一个电话，说想见个面，和我了解下最新AI技术进展，以及讨论下如何和业务结合起来，降本增效。

从那天老领导的一通电话，到今天第一单央企业务，好多感慨。也许生产力爆发的时代，最终比拼的就是业务理解力+销售能力。核心都是信任，信任的并不是你pitch得最好，而是你一直以来都是一个值得信赖的人。

就像黄仁勋在斯坦福最新的采访中所说：
“So the thing I learned is, you can make up a great interview. You could even have a bad interview. But you can't run away from your past. And so have a good past, you know, try to have a good past.”

各位在国内做电商的朋友，求问大家有没有用过好用的ai短视频剪辑应用？有位酒厂厂二代朋友，有此需求。

想针对性地咨询下国内电商圈的朋友们（而且不是出海圈），谁用过哪家的工具确实好用，不太想直接从ai圈去了解🙏🙏

感谢AI探索站主理人@Szhans 持续用心curate优质AI内容！也很荣幸入选本期目录❤️

强烈建议大家去看晚点这篇报道原文，太精彩了，评论区也很精彩，PropTech X的群已经讨论炸锅了

沈总的愿景看得我感慨万分。一方面觉得天下苦装修久矣，装修行业也需要一位左晖。一方面又觉得行业水深已久+当下大势如此，这也太tm难了😂

咋说呢，每隔一段时间，就有大佬往传统行业里冲..

还记得王长虎也被龙湖挖去过一段时间，现在拥抱AI去了。还有想改造物业行业的李明远，不知道现在咋样了，哎..

只讨论LLM性能不讨论成本也是耍流氓lol

看大家刷reddit帖子，纠结llama3性能到底是否超过/比得上gpt4，可是别忘了，“比得上”是一个接近的概念，往夸张了说性能打9折甚至打8折，但你看看人家llama 3 70b的token成本，可是只有gpt 4 turbo和claude 3 opus的几十分之一啊！

根据artificial analysis的估算方法，llama 3 70b的成本，每消耗100万tokens才不到1美金。groq上更便宜，都不到0.7美金。

artificialanalysis.ai

我觉得很多人可能没意识到，llama3将以怎样的速度促进企业级LLM应用的广泛落地。

之前大家总讨论为什么在中国企业级的大语言模型应用似乎没怎么实现落地和普及，核心原因之一就是开源模型的能力与gpt4之间巨大的差异。

而llama3的出现，让100%本地化RAG更有实际意义了。

这两天刚好看到llamaindex的创始人Jerry Liu分享了一个用llama3做100%本地化RAG的教程，是lightningai的工程师Akshay刚出的。

核心流程如下：

Step 1 & 2: 加载知识库
教程示意了如何把作为知识库的文档加载到llamaindex。

Step 3: embedding模型
下一步，用embedding模型生成文档的切块chunks和user queries的向量化表达，教程里用的embedding模型是Snowflake的`arctic-embed-m`。

Step 4: 索引和存储
生成的向量化表达embeddings存储在一个向量存储中，并通过在数据上创建索引以实现快速retrieval和相似性检索。llamaindex提供了一个默认的内存中的向量存储，可供快速实验。

Step 5: 自定义prompt模板
在prompt里带入query和检索后得到的context两个变量即可。

Step 6 & 7: 设置query引擎
在上一步基础上，把query和context带入LLM。

Step 8: 创建聊天界面UI
教程中以streamlit为例创建了chat的UI。

最后，小哥也非常贴心地附上了所有的代码并宣传了教程使用的运行环境，也就是他自家产品lightningai，链接在这里➡️ lightning.ai （不知道是不是这两天白嫖的人太多了，现在注册账户都要审核一会😂）

llamaindex创始人转发教程链接➡️ x.com

吐槽一下coze的teams团队协作功能，个人板块里搭建的bot和workflow都不能复制到团队板块里，全都要重新搭建。workflow多且复杂的时候，一个个手动复制，这个体验太糟糕了。

可算搬完家了，进入home office 3.0阶段，终于不用总蹭办公室了😂 用的全日式搬家服务，是很省心，拿走我的银子也带走了我的痛苦。

另外发现家政平台上接单的保洁阿姨已经比我岁数小了，看来是主打一个灵活就业啊，挺好。

天天研究ai ai，这些体力劳动工作是真刚需啊。家务劳动种类繁多，真不知道家务机器人怎么做到比人工成本更低。

值得研究的是，什么才是元方法meta-method呢，以及这是只有最top的技术从业者才能参与的进程么？

求问即友：有没有人写过coze vs dify vs fastgpt vs gpts 对比？

非常有参考价值，想起自己之前踩过的坑，除却个体差异，本质是gen AI时代生产力提升带来生产关系的变化，而组织模式没有跟上带来的必然冲突...