#AI应用

3周前
搞 AI 的不写 Python?现在真不是笑话了。 最近越来越明显——在 AI 应用领域,TypeScript 正在一点点蚕食 Python 的霸主地位。 过去你说搞 AI 的,十个有九个写 Python,模型、数据处理、训练、部署,一条龙服务。 但现在越来越多场景变了:不是“训练 AI”,而是“用 AI”。 用 AI 干嘛?做产品、做 UI、做交互代理、搞插件、接入 SDK… 这些一落地,就全是 TypeScript 的主场。 说几个已经发生的和正在发生的事情: 1️⃣ LangChain 和 LangGraph 现在已经有了 TypeScript 支持,能直接跑在浏览器、Node.js、Cloudflare Workers 上。写 agent、接工具、搞多轮对话,在 TS 世界里越来越丝滑。 2️⃣ OpenAI 的 Assistants API 也不给 Python 独宠,今天还贴心地发布了 TS 版本的 Agents SDK。 3️⃣ JetBrains 的统计显示,TypeScript 使用率从 2017 年的 12% 涨到 2024 年的 37%。在企业里,TS 已经不是前端才用的语言,而是你要做 AI 产品就得学的语言。 这些不是趋势预测,而是已经在开发现场发生的事实。 技术栈正在迁移。你要构建个 AI Copilot、Web 插件、对话助手,Python 行不通。 TypeScript 天然和 UI、API、用户互动贴得更近,类型安全又稳,越来越多团队把它当默认选项。 而且别忘了,过去十年,前端其实一直在默默吞噬后端的地盘。 这波 AI 应用化,刚好又给了前端一记重拳,原来你以为是写页面的,结果人家直接搞起 AI Copilot 了。 再看看 Python 那边,Streamlit、Gradio 这些本该承担AI UI 桥梁的工具,一个不争气,一个半死不活,完全没接住这波热潮。 我看了看趋势,有点慌了……我要去学学 TS 了。 以前是“全栈前端”说说而已,现在是真的“前端越来越吃香了”。 但要冷静两秒(防杠专区): 1️⃣ Python 依然是 AI 训练和科研的王者,PyTorch、TensorFlow、scikit-learn 这些生态太厚实了,训练大模型你离不开它。 2️⃣ TS 在底层 AI 能力上还没那么能打,GPU 加速、模型优化这些,暂时还得靠 Python 打底。 但是,现在 AIGC 丰富的是应用的生态,相比做模型的人,做 AI 应用的人数万倍了吧。 最后,非要有个定位的话,Python 搞理论和模型,TypeScript卷体验和交付。 TS 正在从应用这一层切入,把 AI 真正推向了每个 Web 页面的角落。 爆款 AI 产品,正在越来越多的全栈 TS 了。
2个月前
今天的刷屏推文:Shopify CEO 要求公司全员都必须学习和应用 AI 具体要求包括: - AI 将计入绩效和同行评审条件 - AI 必须融入 Get Shit Done 原型阶段 - 申请更多人力和资源之前,必须证明为什么不能用 AI 完成目标 --- 全文翻译: 各位同仁: 我们正处于一个前所未有的时代,创业者数量可能达到历史新高。我们常说要降低创业门槛,让更多人能走上这条道路。但创业之旅每一步都充满需要技能、判断力和专业知识的决策点。如今,AI 不仅能提供咨询,还能直接为商家完成工作,这是一场颠覆性的变革。 在 Shopify,我们的使命是打造无可争议的最佳平台,让未来最优秀的企业在此成长。我们通过保持技术领先并提供一流工具,帮助商家取得超出自身想象的成功。为此,我们必须始终保持绝对领先地位。 AI 使用已成为 Shopify 的基本要求 如果你已经在积极使用 AI,可能会觉得这封信没什么新意。你已经把AI当作思想伙伴、研究助手、批评者、导师或编程搭档。我自己也经常使用 AI,但感觉只是触及了皮毛。这是我职业生涯中见过的工作方式最剧烈的转变,我也毫不掩饰我对它的热情:在周会、播客、全员大会和峰会上,我都谈到了 AI。去年夏天,我用 AI 助手准备演讲并分享了这个过程,目的是号召大家尝试 AI,消除任何疑虑。许多人响应了号召,我们都惊叹于AI如何增强我们的能力,弥补我们的不足。 我们发现,熟练使用 AI 是一项需要通过大量实践才能掌握的技能,它与其他工具截然不同。之前的号召还不够强烈,这正是我今天要改变的。我们还发现,与大多数工具不同,AI 是一个倍增器。我们很幸运能与一些杰出同事共事,他们的贡献是普通人的 10 倍。这是我最喜欢这家公司的地方。更神奇的是,我们首次看到工具本身也成为 10 倍效能提升器。那些顶尖员工通过巧妙运用AI,挑战以前不敢想象的任务,实现了百倍工作量。 几年前我在《论领导力》中把 Shopify 比作《爱丽丝梦游仙境》中的红皇后赛跑——必须不断奔跑才能留在原地。在一个每年增长 20-40% 的公司,你必须至少提升同等幅度才能保持竞争力。这对我和所有人都一样。 这听起来很有挑战,但考虑到 AI 工具的性质,我认为这个目标并不过分。这也正是我们最优秀员工想要的环境:一起学习,与同样追求成长的人共事,解决有意义且富有挑战的问题,这正是 Shopify 创建的宗旨。这既是机会也是要求,与我们的核心价值观"持续学习"和"拥抱变化"息息相关。这些不只是口号,而是作为世界级团队一员的基本要求。这是我们创始人的愿景,也是我们一直在建设的。 这意味着什么 有效使用 AI 现在是 Shopify 对每个人的基本要求。它已成为各领域的必备工具,重要性只会与日俱增。坦率地说,我认为拒绝学习如何在工作中应用 AI 是不可行的;你可以尝试,但我必须诚实地说,这在今天行不通,未来更不会。停滞不前几乎必然导致失败。不进则退。 AI 必须融入你的 Get Shit Done 原型阶段。任何项目的原型阶段都应该大量运用 AI 探索。原型的目的是学习和创造信息,AI能极大加速这一过程。你可以在极短时间内创造出团队成员可以查看、使用和思考的成果。 我们将在绩效和同行评审中加入 AI 使用相关问题。学会有效使用AI是一项需要培养的技能。我发现很多人在第一次提示没得到理想结果后就放弃了。学习如何提问和提供上下文很重要,同事的反馈将非常有价值。 学习是自主的,但要分享所学。你可以使用各种前沿AI工具: 已运行多年;开发者可以使用代理、Copilot、Cursor、Claude code 等工具。我们将一起学习和调整。在尝试新AI功能时,我们会分享成功和失败的经验,并在月度业务评审和产品开发周期中专门讨论AI整合。Slack 和 Vault 上有很多分享提示技巧的频道,如 #revenue-ai-use-cases和#ai-centaurs。 在申请更多人力和资源前,团队必须证明为什么不能用 AI 完成目标。如果 AI 助手已经是团队成员,这个领域会是什么样子?这个问题能带来有趣的讨论和项目。 每个人意味着每一个人,包括我和管理团队。 前进的道路 AI 将彻底改变 Shopify、我们的工作和生活。我们全力押注这一变革!我想不出比在这里参与这场前所未有的变革更好的地方了。你不仅能近距离见证,还能与整个公司一起学习和推动进步。 我们的使命是探索AI普及后创业的新形态。我希望我们能做到最好,为此我需要大家的帮助。我已经在今年的主题中列出了很多 AI 项目,我们的路线图明确,产品将更好地实现我们的使命。成功的关键是我们集体的技能和雄心,乘以AI的力量,为商家创造价值。 Tobi Shopify CEO
3个月前
继续分享今天的Manus使用实例。 起因是看到有媒体转载了A16z刚刚更新的Web端AI应用50强,编辑用红圈标出了其中的国产AI应用,用以佐证赢麻了的主题。(图1) 这就是我说小厂千万不要害怕营销风评的原因,在很多时候你连曝光权都不会得到平等对待,编辑只认得大厂出品的图标和名字,但实际上这里图还有一堆中国公司推出的AI产品,就这么被开除国籍了。 那么,如果要核实这里面到底有几家中国公司,怎么办?Claude会用知识库的截止日期来做筛选,Grok 3的Deep Research轮次不够,OpenAI的Operator应该可以但200美金我是真没开,最后用Manus解决回放在这里你们可以自己看: manus点im/share/AppolsjmuwQW9EevzVrRlN?replay=1 manus点im/share/KJDn3CJL4kVXBXiV0mANeU?replay=1 我的指令词是:「这张图上有50款AI产品,请确定其中哪些产品是由中国公司推出的,不要遗漏也不要偷懒,老老实实的对每一家公司进行核实,最后给我一份报告。」 这是一个纯体力活,如果给人(实习生)来做,就是让他把每一家公司的名字写下来,然后一家家的去查,最后给出一个报告,券商之类的机构把工作拆解到执行端,都是这么干的。 AI Agent至少能够起到等量价值,Manus的todo列得很清晰,先用OCR提取图片文本,列出1-50家公司,接着一家家的去做查询,包括搜索关键词、访问官网、确认总部、了解新闻、甚至阅读LindIn,最终告诉我列表里实际上有12款由中国公司推出的产品。(图2) 这个交付成果我是认的,有些带争议的判断,比如它没有把PixAI算进去,是因为PixAI本身总部就设在新加坡,实控团队在国内的消息比较隐蔽,按Manus给自己定的验证标准来看不算遗漏。 这么说吧,如果你要解决类似的需求,你是自己机械性的操作几个小时,不停的开关窗口更新文档,还是把活儿丢给AI Agent牛马去干,只负责验收结果? 另外,从实测体感出发,「不要遗漏也不要偷懒,老老实实的对每一家公司进行核实」这句话也是必加的,原因和我前几天说的模型偷懒本能有关,不刻意强调的话很容易被AI偷工减料。 就像以前的提示词技巧会有情绪勒索的偏方,比如说你要是不认真回答这个世界就会有一个无辜的人死去,然后立竿见影的AI就会用心多了,后来几次训练迭代之后AI已经变聪明了,情绪勒索不再管用,但「请调用你的单次Token消耗上限」这样的明确命令还是偶尔能有奇效。 这次任务也超出了Manus的单任务算力上限,所以拆成了2次完成的,还是那句话,AI Agent发展路上的最大拦路虎,永远是计算资源的分配,芯片会是个好生意,而且不应该只是英伟达的好生意。