#GPT

问：什么是 RAG？ RAG（检索增强生成，Retrieval-Augmented Generation）是一种结合了信息检索和生成式人工智能的技术。通俗地讲，它先通过检索，从数据库或互联网等外部知识源中找到与问题相关的内容，再利用生成模型（如GPT）基于这些内容生成答案。这种方式让模型不仅依靠训练时学习到的知识，还能实时获取最新信息，从而更准确地回答问题。 举个简单的例子：假设你问AI：“20

GPT-4o 生成广告画提示词：复古宣传海报风格，突出中文文字，背景为红黄放射状图案。画面中心位置有一位美丽的年轻女性，以精致复古风格绘制，面带微笑，气质优雅，具有亲和力。主题是GPT最新AI绘画服务的广告促销，强调‘惊爆价9.9/张’、‘适用各种场景、图像融合、局部重绘’、‘每张提交3次修改’、‘AI直出效果，无需修改’，底部醒目标注‘有意向点右下“我想要”’，右下角绘制一个手指点击按钮动作，左

用 GPT 把你的照片变成吉卜力卡通风格 忘记哪位网友推荐的“吉卜力风格化”提示词很好用👍 模型选 ChatGPT 4o，输入框上传图片，然后从 ... 图标选择“Create image (Updated)” （这一步不必要），提示词只要写：“吉卜力风格化” 或者“把图片变成吉卜力卡通风格” 就可以。后续会话只需要上传图片即可，不需要再写提示词。

这两天在 Mac Mini M4 16GB 上用 LM Studio + MLX 跑 14b 的模型，输出速度可以达到 12 Tokens 每秒，而且效果还不错，不禁觉得 GPT 套壳软件可能要在 25 年迎来第二春了，未来本地跑自己的模型会是一个很有想象力的场景

deepseek在英文圈已经被吹上天了，发现中文圈还有很多非AI业内人士，对deepseek的能力没有一个清晰的认识，所以用中文发一条，先说结论，我认为行业贡献而言：GPT>deepseek>gemini>llama及其他 很多人的着眼点在于他用很少的卡也能训练出效果差不多的模型，但这是结果，更重要的他能做到这一点的技术： deepseek这次最亮眼的是证明了纯粹的outcome reward

不要把deepseek拿去跟GPT做比较，是不可同日而语的东西 Hugging face上这种论文、垂直模型多如牛毛。市场关注亮点不过是中国在“没有”算力卡成本很低也能训练出效果差不多的模型。且说中国真没囤H100么？ deepseek是个工程方法，大厂不屑于做，浪费精力做这个模型能力要落后对手 炒作背后很多利益，或许大家想表达禁令没啥用，推动打开禁令卖卡给中国？

o1 pro 200刀/月 值得吗？ 最近1个月 四开 gpt 、claude、gemini、grok 对比体验 gpt o1 、claude sonnet 3.5、gemini 2.0 thinking后， 感受到gpt o1明显更优，但苦于50次/周，超过就降智 看到有推友在用o1 pro，不限次数， 有一点心动 请万能的推友分享下o1 pro的使用体会

看有人分享了个GPT用法：“看到一个用AI自学方法：网上找视频教程，用通义听悟转文字，结合其他基础资料喂给ChatGPT ，叫ChatGPT 开始给自己讲课。” 我觉得这法子还不够好，更好的方法是你自己当老师，让ChatGPT当一个聪明又爱提问的学生，答不上来的时候另开一个会话去找ChatGPT咨询，保管你学习效果翻倍！

今年可以称之为科研几何级数加速的元年，很多人不信永生即将到来，那是因为你还没看懂这其中的奥秘。2025年里，关于人工智能在科研落地里的加速，可以预见到一些事： 1、从GPT、Claude到豆包、混元，这些超大模型的知识库越来越大，推理能力越来越强，行业垂直模型也在加速建设，科研领域在今年，日常事务、研发、工程落地各端都会100%引入AI辅助。 2、今年全国各大高校，211以上至少都要建设一个自

网友分享： 你好宝老师，我想投稿大模型的使用体验。我是理工科，国内土博，材料专业。使用强度不是很高，但是集中分析的时候会连续追问和讨论。 关于推理模型，我想说说我的使用体验。我使用的较多的时gpt o1，O1mini，还有谷歌的新出的thinking。 我想说o1目前还是当之无愧的第一，因为具有很庞大的知识库。我使用都是在分析化学的情况下，比如红外图谱和核磁图谱的分析。然后O1是说的最靠谱。我

中国最强的两个模型是开源的：Qwen, DeepSeek 美国最强的两个模型是闭源的：Claude , GPT