Leo Xiang

统计数据

69
文章
0
粉丝
0
获赞
195
阅读
avatar
Leo Xiang
3个月前
每天通过Chatgpt 学习一个小时，很快就能初步了解一个方向：
#ChatGPT #学习 #人工智能 #自我提升
avatar
Leo Xiang
3个月前
OpenAI 在协议定义上还是有号召力，Realtime API 的规范也基本成为标准了，看到多家的端到端方案都采用了Realtime API标准，或者是修改版的Realtime API 标准。
#OpenAI #协议定义 #Realtime API #标准化 #端到端方案
avatar
Leo Xiang
3个月前
好消息是：gemini live api 支持中文了 坏消息是： 中文tts效果基本没法听
#gemini live #API #中文支持 #TTS #语音合成
avatar
Leo Xiang
5个月前
OpenAI Agent SDK 仓库中有一个"Research Agent" 的实现， 流程如下： 1、用户输入研究主题。 2、planner_agent 制定搜索计划，列出查询词及其理由。 3、search_agent 并行执行搜索，使用 Web Search 工具获取并总结结果。 4、writer_agent 整合搜索摘要，生成最终报告。 ChatGPT 的 DeepResearch应该也是这个流程，用了更好的模型 + 更好的工程化。
#OpenAI #Agent SDK #Research Agent #搜索流程 #聊天机器人 #DeepResearch #AI技术
avatar
Leo Xiang
5个月前
OpenAI 这套开发工具把Agent开发需要的基础能力都提供了，搜索、RAG、意图识别、内容审核、Computer use 以及 Browser use，整个Agent开发的成本瞬间降低了很多。 预期可见的会出来一批Agent方向的产品。
#OpenAI #开发工具 #agent #搜索 #RAG #意图识别 #内容审核 #Computer use #Browser Use
avatar
Leo Xiang
6个月前
国内大模型公司To B不好做了，大家需求很一致，效果对齐deepseek 或者 直接部署deepseek。
#国内大模型公司 #To B市场 #市场需求 #效果对齐 #技术部署 #DeepSeek
avatar
Leo Xiang
6个月前
看到好几个群里都有在找 deepseek 稳定的api供应商的信息，从这个层面说算力还是远远不够。
#DeepSeek #api供应商 #算力
avatar
Leo Xiang
6个月前
OpenAI Deep Research 输出的研报质量非常之高， 用它输出了两份我所在行业的分析报告，质量应该能赶上工作三年的分析师出的内容。 Deep Research 还只能从互联网上收集信息，如果能支持把私有数据喂给他进行二次创作，效果会更好。
#OpenAI #Deep Research #研报质量 #行业分析 #私有数据
avatar
Leo Xiang
6个月前
经过这几天的开发，RealtimeAI开源项目已经初具雏形，目前项目已经支持了Gemini Multimodel live API 和 OpenAI Realtime API。 主要包括三部分： - AI SDK (WebRTC)： 在客户端侧通过WebRTC协议捕获音视频流并进行处理，如音视频编码、部分前置推理等； - WebRTC Gateway：主要负责信令管理、NAT/防火墙穿透、转发媒体流等工作.； - AI Service ：提供实时推理或实时数据处理能力，如语音识别、图像识别、实时字幕、语音合成、实时大模型交互； 项目地址：
#RealtimeAI #开源项目 #Gemini Multimodel #OpenAI Realtime API #AI SDK #WebRTC #WebRTC Gateway #信令管理 #音视频处理
avatar
Leo Xiang
7个月前
让Operator 去抓取X Timeline 上的10条内容，Operator操作半天给我返回了几条Post的链接，短期之内可能都是用来做做demo，到真正产生生产力还有很长路要走。 1、Operator 会在云端记录你的Session，比如之前登录过再次登录就不需要密码，但这个安全性怎么保证？ 2、Operator 目前的能力还是只能完成点一点，输入文本类似的操作，更复杂的操作就无能为力了。
#Operator #X Timeline #demo #生产 #安全性 #能力 #操作
avatar
Leo Xiang
7个月前
在Deepseek R1 之前，OpenAI 的O1还是领先中国的大模型厂商一代，R1出来之后已经不存在代际差了。 OpenAI如何说服大家购买他的200$ 每月的Pro？
#DeepSeek R1 #OpenAI #大模型 #代际差 #Pro订阅
avatar
Leo Xiang
7个月前
给Gemini 2.0 增加了WebRTC的支持， 实现了类似 OpenAI Realtime API with WebRTC 的方案. Gemini with WebRTC，Like OpenAI Realtime API with WebRTC. 代码开源：
#Gemini2.0 #WebRTC #OpenSource #OpenAI #RealtimeAPI #Technology
avatar
Leo Xiang
7个月前
早晨醒来一想到我的ChatGPT Claude 以及 Cursor还没开始干活就有点愧疚，浪费了这个时代对我们的馈赠。
#ChatGPT #Claude #Cursor #生活 #生产力 #现代技术
avatar
Leo Xiang
7个月前
本周日的直播分享： 超越对话：OpenAI & Gemini实时API构建智能音视频应用
#OpenAI #Gemini #API #智能音视频 #技术分享
avatar
Leo Xiang
7个月前
看到一个语音聊天助手的prompt，分享给大家， 尤其是第四条，让大模型来引导聊天内容，整个对话轮次就上来了。
#语音聊天助手 #引导聊天内容 #聊天对话轮次
avatar
Leo Xiang
7个月前
写代码的时候我会Cursor 和 Claude App混着用，Cursor中有的问题解决不了，反而Claude 能给出更好的代码， 不确定Claude App中加入了什么样的魔法。
#Cursor #Claude App #写代码 #问题解决
avatar
Leo Xiang
7个月前
最近用的比较好的一个Cursor小特性： NotePads 比如最近开发Realtime API的SDK, 就把Realtime API 相关的文档放到NotePads中，Cursor就能自动学习到最新的Realtime API相关的知识了。
#Cursor小特性 #NotePads #Realtime API #SDK #文档管理
avatar
Leo Xiang
8个月前
用Cursor分别用js(通过浏览器) 和 golang 实现了 Realtime API with WebRTC 的通信过程： 1、在浏览器中WebRTC 资料比较多，完全依赖Cursor就能实现。 2、用golang在实现的过程中涉及到音频的采集和播放，遇到portaudio的编译 以及 pion的版本问题，这个时候需要人来一步步来debug，cursor 作为那个实施的人，不过效率也高了很多。
#Cursor #js #golang #WebRTC #浏览器 #音频采集 #portaudio #pion #debug
avatar
Leo Xiang
10个月前
最近深度使用 Napkin，这个工具很不错，大模型 + 图表方向潜力还非常大， 如下图：几分钟就可以出一个。 Napkin 的实现思路有伙伴研究过的没？
#Napkin #大模型 #图表工具 #科技创新 #数据分析