即刻App年轻人的同好社区
下载
App内打开
白马少女
505关注21被关注0夸夸
NewReal 新我 ，AI心灵成长伙伴
Your self-evolution AI companion
新体验，新生命，新自我
白马少女
9月前
排名第一的生命健康，与身体状况有关
排名第二的财务健康，与工作投资有关
这两件事很大程度上，已经决定了你是否足够“自由如风”和“洒脱自在”。
其次才是我们看重的理想或感情追求。
甚至排名第三的心理健康，也完全奠基于前两项指标足够过关的前提之上。

命运决定这两项的上限，努力决定这两项的下限，加油做自己能把控的事情才是人间清醒(ง•̀_•́)ง
00
白马少女
1年前
白马少女
1年前
感觉需要很多的个人“输入数据”，社交平台学习是一种好的公开来源方式，日常笔记也是不错的入口，甚至是网盘，因为网盘里有足够多的照片截图视频个人文件。除此之外，引导用户更多地自我表达，可能录音硬件设备也是好用的。

Bob.ai: 最近在思考什么是AI互联网的基础功能。有一个初浅的思路： 移动互联网的基础功能之一是推荐算法，是基于用户分析，更基于GUI里简单的点和滑的动作在不同场景下的行为，理解其短闭环的心理和行为，执行层面借助推荐在应用中形成飞轮。 AI互联网会是基于新一代的用户分析方法吗？在LUI里，语料是理解用户心智、情绪和行为的基础，能建立用户更多维度和长闭环的模型，执行层面可以在模仿用户、影响用户等基础能力上，配合之前的用户分析方法，更好地预测心理和行为，完成之前不可能完成的任务，包括分身、跨app、超长周期等。随着更多端到端模型和一些能力的提升（目前心智理解还要借助成熟理论做填空），确实有很大想象空间。 最近看到一些优秀的2C产品经理也在思考这条路线，期待更多讨论。

00
白马少女
1年前
「假设用户可以记录他们日常生活中的所有对话，甚至几十年后，如果它一直在监听你，它会学习你，随着时间的推移，它会了解你的个性、喜好、互动。总有一天，你将能够利用 AI 重现自己——创造出这个真正的数字双胞胎。这就是我们的宏大使命，我们认为如果我们能够帮助用户连接到如此多的记忆，那将是非常伟大的。」

完全赞同，虽然监听这个词重了一些。不过涉及到的海量数据对空间占比很大，不知道如何解决这个问题。

李惠子Huizi: Mark 又是期货...

00
白马少女
1年前
论关系的持久，最长久的或许是刀功厉害的修脚师傅，是稳步提升的理发师，是手机里常年买会员的全能扫描王，而不是所谓的亲朋好友，那些人不过是昙花一现地消失在人海茫茫而已。
00
白马少女
1年前
白马少女
1年前
细致

清酒半樽: 最近参加字节有一场AI闭门会，听了不少比较有收获的观点，做了点总结如下。 【AI的阶段】 1️⃣我们可以将AI的发展划分为三个阶段:通用AI能力、行业模型微调、到最终的产业应用落地。现在我们正处于从通用AI能力迈向行业应用的关键时期。 2️⃣通用AI能力已初步成熟,像GPT-4这样的大模型,展现出了超越人类的语言理解和生成能力。 3️⃣但要真正应用到行业痛点,需要在这些通用模型上进行针对性的微调和优化。 最终目标是AI能够嵌入具体业务流程，与人类协作完成端到端的工作，这需要企业有良好基础设施。 【AI的分层架构】 1️⃣AI的技术架构分为三层:底层是强大的通用AI基础模型,提供通用的语言理解、生成、推理等能力。 2️⃣中间层是针对行业场景的模型微调。利用行业专业数据等对通用模型进行优化,增强在垂直领域的性能。 3️⃣外层则是应用层,将AI能力嵌入到具体业务流程中,与人类协作完成端到端的工作。 可以说,中间层的行业模型微调是关键。这需要企业拥有丰富的行业知识和数据积累。 【AI精准性怎么提升】 1️⃣首先是要有高质量的训练数据，这需要大量的数据清洗工作。 2️⃣然后是不断优化模型的训练过程,包括提问、输出观测、标注反馈、参数调整等。 3️⃣最后是提示词优化,让AI的回答更加符合用户需求。 总的来说,提升AI精准性需要大量的人工投入。只有企业具备丰富的行业知识和数据积累,AI才能真正发挥应有的价值。 【AI在电商领域的实践思考】 1️⃣AI应该嵌入到具体的业务环节中,而不是独立的SAAS工具。 2️⃣如果某个业务场景无法嵌入AI,可能是因为这个场景的业务链条还未拆解到位。 3️⃣AI落地需要企业具备完善的数字化基础设施和管理机制,包括数据治理、模型管理等。 企业可以先从内部AI兴趣小组开始,让员工自主探索,再逐步带动全员使用。如果内部力量不足,也可寻求外部服务商支持。 【正确看待和使用AI】 1️⃣把AI视为一个刚毕业的新人,需要不断传授知识和方法,不要有过高期望。 2️⃣如果允许新员工犯错,也要给AI同样的宽容。毕竟它也在不断学习进步中。 3️⃣一次性错误可以接受,只需简单调整。但如果出现反复性错误,则需要更换更高级的AI模型。

00
白马少女
1年前
okay

云舒的AI实践笔记: 最近一个月都在不断的写prompt，不断尝试用AI写出来不错的内容，近期企业内部AI写内容的工作流跑的还不错，来汇总一下写prompt的思考： 1.对不同AI边界能力的认知是头等大事，需要不断的去体验试错。 建议大家非研发系统化做预算的时候，去跑MVP或者小团队应用的时候，只用这几个模型就行了：gpt4o、gemini1.5pro、claude3-sonnet，别的模型都可以不碰。 任何的AI需求都可以先用这三个模型来验证，比如说多模态的视频识别，你只能选gemini1.5pro；如果这三模型都搞不定，那其它的AI模型一定搞不定。 这三个模型代表着AI能力的天花板。 2.mvp验证完如何标准化产出 没有研发资源且小团队用，对知识库quary没啥诉求，还想低成本的话直接dify+gemini1.5pro就行了，谷歌给了很多免费额度，小团队直接够用了。 没有研发资源如果还想做一些知识库quary的事情，可以用coze做意图识别，这样省事一点，coze的rag相对dify简单一点。 没有研发资源尽量不要搞复杂rag，用心整理好文档才是头等大事。 又研发资源要算成本，产出内容不是很复杂，上deepseek，1元50万token，真的太香了，模型能力在国内也是属于靠前的水平。 在之后再考虑glm、kimi、通义模型等，主要就是看模型能力和算账的问题了。 gpt4o和claude主要是麻烦在还得给API充值，小团队慎用，白嫖gemini更好一点。 大的团队就无所谓了，反正成本hold住用啥都行。 3.拆工作流，拆的越细越好。 比如说我在mvp验证阶段的时候写了一个prompt，这个里边有3个核心workflow分别是：整理商品卖点、产出商品文案、商品文案精修。 在用dify或者研发化的时候把它们每个都拆成一个LLM来解决，每个LLM只干一个事情，来保证产出的结果变化较小，同时方便向下取兼容模型。 当你用gpt4o跑出来的prompt，直接给deepseek是跑不通的，但是你拆成3-4个步骤这个事情就有可能跑通了，因为复杂的事情被简化了，达到了模型能够解决的水平。 4.通过搜集前人经验和与AI对话来帮助自己搞定不懂的地方 比如说我现在要去写抖音文案了，但其实我是不懂抖音文案内容的，那这个时候我希望AI写出高质量的内容我该怎么办呢？ 去找讲抖音文案的老师，把他们讲的逻辑都抽象出来： - 开头要讲一个震惊的标题。。。。 - 中间的结构是xxxx 把这些内容选择和你的目标匹配的项扔到AI里边去，调试AI看看能不能产出预期的内容。 同时和AI进行多轮对话，让AI根据你希望的内容来倒推规则，然后把规则放到prompt进去继续调试可行性。 这样能够很好的让我们在一个没有涉足过得领域快速的有一些不错质量的产出。

00
白马少女
1年前
白马少女
1年前