#经验学习

4周前

我现在比较推崇实用性学习，就是先干事儿做一半发现不懂的时候再去专项针对性的学习，整起来效率高很多

#实用性学习 #先干后学 #效率高 #经验学习

1个月前

有粉丝留言说：虽然一直关注着ai，但除了语言模型的普通对话，几乎没有深度使用它们的能力……这是我们这些失去了学习探索能力的普通人的悲哀……甚至于，哪怕想学，都已经不知道从何处入手了，时代要抛弃谁的时候，连招呼都不会打。我觉得这个代表了很大一部分人的想法，AI更新太快，跟不上最后索性就不跟了。就像我一个开发者朋友，说一开始还跟上各家Ai的版本号，最后太快，索性也不跟了。确实AI时代真是知识大爆炸，我自己每天都要学习无数的新东西，大脑带宽岌岌可危。但是得动起来啊，想学习什么时候都不晚，放到时间长河里，随时都是开始。另外我觉得AI的学习不能用工业时代的理论学习思维，觉得通过自己的努力能掌握全貌，这是技术思维的特征。AI的本质是动态和不确定性，怎么可以用稳定去试图掌控AI呢？其实，现在还是aI的极早期阶段，给自己护城河不是ai技术，而是动起来的“势能”。 ai不是理论学习，而是经验学习。目前没有一本教科书，只能去迷雾森林里面采集猎物。只能各自走学习，然后交换。

#AI焦虑 #知识爆炸 #经验学习 #动态AI #学习方法

1个月前

背就完事了，我之前让公司的人干了一个事。3人一个小组，把21年-25年所有能涨跌30%以上的新闻，最开始的1min走势，市值都背下来，然后写个总结报告，每日复习。结果不了了之了，但是阿水说是全都看了一遍，后来新闻交易的敏锐度比以前高多了。

#新闻交易 #阿水 #经验学习 #股票涨跌 #数据分析

11个月前

Memary - 为自主 Agent 打造的开源记忆层框架 TL;DR Memary 通过模拟人类记忆机制，为 AI Agent 提供自动化的知识积累和经验学习能力，让 AI 能够持续进化并提供更智能的个性化服务 Memary 是一个为 AI Agent 提供记忆能力的开源框架，模拟人类记忆的工作方式,让 AI Agent 能够: 1. 自动生成和存储记忆 2. 追踪用户偏好 3. 随时间学习和进步 4. 能够回溯历史记忆主要组成部分： 1. 记忆模块: - 记忆流(Memory Stream): 记录所有实体和时间戳,反映知识的广度 - 实体知识库(Entity Knowledge Store): 追踪实体被引用的频率和时间,反映知识的深度 2. 知识图谱: - 使用图数据库存储知识 - 采用递归检索方法搜索知识 - 可以处理多跳推理 3. Agent 系统: - 基于 ReAct Agent 实现 - 内置搜索、计算机视觉等工具 - 可以添加自定义工具主要优势： 1. 低代码实现 - 开发者可以轻松将记忆功能集成到现有 Agent 中 2. 自动化 - 记忆会随着 Agent 交互自动更新 3. 可视化 - 提供仪表盘查看 Agent 的记忆和进步情况 4. 多用户支持 - 可以为不同用户创建独立的 Agent 实例

#Memary #开源框架 #AI Agent #人类记忆机制 #自动化知识积累 #经验学习 #持续进化 #个性化服务