#应用层

avatar
Manus 爆火之后，我们做了一套框架来验证这件事儿的可行性，就像我们 CTO 说的，技术是没有护城河的。我一直觉得，只要在 AI 这个赛道，应用层不是难事儿。 这套框架基本原理就是：CoT + DoT + Model + Agnets + Artifacts 完成，其实我一直在思考，Sonnet3.7 ReFlect 这么强，到底要不要做用户侧 CoT！ ○ 用户提问（通过 Query扩写拓展） ○ 条件思考（通过 CoT 激活反问机制） ○ 调用模型（通过 Sonnet3.7 发散推理） ○ 思维图序（通过 DoT ≈ DAG + ReFlect 不断循环节点反思，直到对单节点结果满意） ○ 调用代理（激活 Computer/Browser Use 针对 DoT 处理） ○ 产出内容（根据 DoT 产生的最终结果生成报告） ○ 动态页面（通过 产生的多模态报告，调用 Artifacts 来生成可视化页面） 以上是 Juchats Team 的一些思考！
#Manus #ai赛道 #技术护城河 #应用层 #CoT #DoT #model #Agents #Artifacts #Sonnet3.7 ReFlect #用户侧
avatar
qinbafrank
5个月前
严格来说deepseek对Ai未来的影响在本周是对市场影响最大的呐。这是根基性问题，是不是影响到未来的算力消耗？影响到哪个阶段，早期的模型训练会有影响，那么后期大规模应用呢？会不会是一个拐点，市场真正要从基础设施往应用层上切换？ 在这个问题之外再看财报，还有宏观数据的发布了。
#DeepSeek #AI未来 #市场影响 #算力消耗 #模型训练 #大规模应用 #拐点 #基础设施 #应用层 #财报 #宏观数据