即刻App年轻人的同好社区
下载
置顶这3个月我尝试了将近100款AI工具，有很多是玩具，或者不好用，为了让大家更好使用AI，建立了这个飞书数据库，收录更侧重生产力的AI工具。当你不知道什么场景用什么的时候，可以上来搜一下。
收录的原则是，1个领域、场景尽量只选择前5，这样对普通用户来不需要过分选择。
学霸一支笔，差生文具多，我是个差生，先给大家囤好文具。也欢迎更多朋友一起来和我维护这个文档，所有填表提供新工具的朋友，都可以私信我获得完整编辑权限，把数据变成自己的。
1人公司AI指令库+工具流 - 飞书云文档 (feishu.cn)
p9ngzmlet4.feishu.cn
收录的原则是，1个领域、场景尽量只选择前5，这样对普通用户来不需要过分选择。
学霸一支笔，差生文具多，我是个差生，先给大家囤好文具。也欢迎更多朋友一起来和我维护这个文档，所有填表提供新工具的朋友，都可以私信我获得完整编辑权限，把数据变成自己的。
1人公司AI指令库+工具流 - 飞书云文档 (feishu.cn)
p9ngzmlet4.feishu.cn
355 64263
终于抽出时间体验凯哥的产品：松鼠快看。
信息爆炸的短视频时代，我们都被算法控制，只有少数人会去主动筛选信源，保证自己更好地思考行动。这款类RSS产品让你方便地管理微信和播客，甚至让我想起老版本的即刻，有点小感动。
OpenAI的工程师James Betker（“文生图”模型DALL-E的第一作者）曾写到，模型的差异其实不是关键，决定性的是你的训练语料。“当你谈论Lambda、ChatGPT、Bard或Claude时，指的并不是它们的模型，而是它们的语料集。”
如果把更好的成长看做更好的模型训练，那么第一步，应该是主动筛选“语料集”。
这注定是小众但是有价值的事情。
体验地址：sskk.leozhou.xyz
PS：在未考虑成本情况下，@henu王凯 是否可以支持：
1）一键导入微信订阅号关注列表
2）内置AI搜索/摘要，自动总结某个特定范围的语料信息。
信息爆炸的短视频时代，我们都被算法控制，只有少数人会去主动筛选信源，保证自己更好地思考行动。这款类RSS产品让你方便地管理微信和播客，甚至让我想起老版本的即刻，有点小感动。
OpenAI的工程师James Betker（“文生图”模型DALL-E的第一作者）曾写到，模型的差异其实不是关键，决定性的是你的训练语料。“当你谈论Lambda、ChatGPT、Bard或Claude时，指的并不是它们的模型，而是它们的语料集。”
如果把更好的成长看做更好的模型训练，那么第一步，应该是主动筛选“语料集”。
这注定是小众但是有价值的事情。
体验地址：sskk.leozhou.xyz
PS：在未考虑成本情况下，@henu王凯 是否可以支持：
1）一键导入微信订阅号关注列表
2）内置AI搜索/摘要，自动总结某个特定范围的语料信息。
9 24
很有趣的视角，特别是面对马上到来的520
PUA、雌竞与内卷圣骑士
7 00
很有启发，特别是：“在接口的地方把信息降维了”一点。说人话就是，一个大任务下发，每个环节都在做二传手，信息都折损一点（哪怕10%）连在一起就是乘法原理，3个环节就变72%了，变得不可用。
联想到GPT-4o，多模态比GPT4反应快，他们这次工程化的解决方案是把文字/语音/视频都端到端训练新模型，输入输出都在同一个神经网络处理，而不是像之前，仅把所有东西都由文字转到三个独立模型组成的管道里。
所以是否意味着，谁能在接口端确定行业规范，谁能真正做出好的Agent？
联想到GPT-4o，多模态比GPT4反应快，他们这次工程化的解决方案是把文字/语音/视频都端到端训练新模型，输入输出都在同一个神经网络处理，而不是像之前，仅把所有东西都由文字转到三个独立模型组成的管道里。
所以是否意味着，谁能在接口端确定行业规范，谁能真正做出好的Agent？
Diiiii: 对 agent 的一个暴论：现有 (multi) agent workflow 的模式没有太大价值。Agent 今年（在以吴恩达老师为首的各类大佬的吹捧下）热度很高，但现有的这些所谓的 (multi) agent workflow，本质上是把一个大任务拆分成很多个子任务，每个子任务都有明确的 input 和 output，自己定义一些变量和接口，把这些子任务串起来。这种方式很像是早期的自动驾驶，把感知和规控分开解，或者是上一代的语音助手，把语音转文字、LLM、语音合成这些工作流串起来。 终极的解决方案应该不是这个样子的。现有的 (multi) agent workflow，速度慢先不说，最大的问题还是在接口的地方把信息降维了。这些 input / output 的接口和变量，本质上都是把信息降维到人能理解的维度，这是以高维信息的损失为代价的。每多一层 workflow，损失的信息就多了一次。面对简单问题时， (multi) agent workflow 或许是可行的，但它注定无法解决复杂问题。就好比Waymo 用感知+规控的架构，搭配高精地图，能够在凤凰城和三藩市勉强把本地 L4 跑通，但很难 scale 成一个通用的解法。只有 Tesla 端到端的方案才是自动驾驶的未来。 因此，现有的 (multi) agent workflow方式注定只是一个中间状态，类似自动驾驶中感知+规控+高精地图的拼凑。而最终想要解决复杂问题，需要靠基础模型的进化。当模型能力足够强之后，应该是可以端到端的解决问题。你可以在 prompt 里提示它去使用某些工具，或者采用某些步骤，但应该不需要人为去把 workflow 拆出来。 Agent 的概念依旧重要，但应该回归它更加 native 的定义，即每一个 Agent 应该是独立的智能体，拥有自己的 memory, planning, tool use 等能力，能够端到端地解决问题，而不是需要人类按照自己的理解一口口地把饭喂到嘴里。一个 Agent 就应该是一辆独立的L5 Autopilot 的汽车，而不是一堆弱智 L2 Workflow 凑出来的所谓 multi agents 辅助驾驶杂牌军团。这听起来就很不优雅。
4 01
最近给我力量的是参哥和贾跃亭。真的。
如果钳工（无贬意）和骗子（有贬意）都可以自信地出镜做短视频，整流量，搞付费，那么没有理由自己不行，哪怕是所谓的i人。
被凝视被骂了都是热度，还能给大伙整个乐，只要不伤天害理就行。
如果钳工（无贬意）和骗子（有贬意）都可以自信地出镜做短视频，整流量，搞付费，那么没有理由自己不行，哪怕是所谓的i人。
被凝视被骂了都是热度，还能给大伙整个乐，只要不伤天害理就行。
19 10
