BITWU.ETH 🔆
1个月前
🧐我每天都在用AI重塑自己的思维 —— 有些心得,分享给你们—— 早上跑完步看了一篇万维钢老师的文章《我怎样使用AI(2025)》 惊奇于我在 AI 的使用习惯上和他几乎如出一辙,如何使用AI是个人教不会的东西,大家可以参照,但是一定要自己动手,大多数东西都是实践出来的: 我认为我们正站在历史拐点上: 一个比绝大多数人都聪明的智能体,已可以随时为你所用,未来认知的分水岭,不在于你有没有用AI,而在于你有没有用对AI。 AI 可以快速重塑你的认知; 他并不是为了快一点查资料,而是为了让你成为更深、更敏锐、更有判断力的人。 这就是万维钢老师提到的:洞见! 当AI成为导师,人的任务,不是重复世界已有的答案,而是不断追问:「有没有比这更深的洞见?」 下面是一些总结和反思: 一、四个核心洞见—— 1️⃣ 模型已比人聪明 AI(特别是o3),这里我也推荐 chatGPT,可能是我一家之言,但是用完所有模型后,chatGPT给我的冲击是最大的,具备超越大多数人的智能,能解释复杂理论、引用最新论文、生成高价值洞见。 相对其他AI模型 o3和GPT的深度研究,更像导师甚至智能体。 他会和你对话,寻找你的根本和内核思考。 2️⃣ 学习任何问题应追求「当前最佳理解」 借助AI,普通人也能快速获得接近专家级的认知,不再依赖过时或模糊的“主流判断”。 AI能实时整合、解释最新研究成果,帮助你达到高水平理解。 3️⃣ 长期交流AI会改变大脑 与AI互动是高度主动的过程,会训练你敏锐捕捉高价值信息、厌恶低质信息,提升思维层次。 这种交流是信息获取方式的飞跃,像“软脑机接口”。 4️⃣ 洞见高于正确 正确固然重要,但更追求“洞见”——在复杂模糊区间里一针见血的理解。 AI擅长提供深层洞见,能不断引导你追问“有没有更深的洞见”。 二、三个关键用法建议 1️⃣ 即时交给AI处理 任何想法、疑问、信息,第一时间扔给AI去调研、解释、核查。 保持即时性,趁着好奇心高涨阶段深入挖掘。 这个很重要,因为你如果不即时寻求,我们的好奇心是有限的,容易造成我们后面失去兴趣或者犯懒的状态而失去机会。 长期养成习惯后,对世界的认知深度会大幅提升。 2️⃣ 充分利用AI的agent能力 把AI当成“做任务”的智能体,而不仅是问答工具。 可以交代复杂任务,比如为投资筛选,新书推荐,做深度情报搜集, AI能主动高效完成。 未来AI在专业信息处理上的价值巨大。 3️⃣ 寻求有个人印记的输出 通过ChatGPT的记忆功能,培养AI对你个人偏好、风格、目标的了解。 gpt 我用的最久,所以他对我的了解很深,他可以给我创建独特的思路和思考。 用得越久,AI的内容应越来越符合你的独特需求,避免千篇一律的回答。 未来,AI对你的理解甚至会超过亲友,成为高度个性化的认知助手。 我们要常问AI“针对我个人,你还有什么建议?” → 促进AI对你理解的深化。 就像是 万维钢老师所言:从另一方面说,如果AI输出的内容是谁都能问出来的,那也就不稀缺了。你必须确保它知道你是谁、你想要什么,让它了解你的具体情境。
ginobefun
1个月前
#BestBlogs 聊聊 AI 应用架构演进 | 阿里云开发者 文章梳理了 AI 应用架构从简单调用到复杂 Agent 模式的演进过程与关键技术组件。 摘要: 文章循序渐进地阐述了 AI 应用架构的演进路线,从最初用户直接与大语言模型交互,到逐步引入关键增强层。首先,强调上下文增强(如 RAG)的重要性,用于弥补模型知识的时效性和领域局限性。接着,讨论了输入输出防护(Guardrails)对用户隐私和系统安全的重要性,并列举了常见的 Prompt 攻击类型及防御思路。文章进一步介绍了意图路由和模型网关的设计,以支持多功能应用和统一管理异构底层模型。随后,探讨了缓存机制在提升性能和降低成本方面的作用。最终,架构演进至具备规划和外部交互能力的 Agent 模式。文章还分析了 AI 应用的可观测性指标及通过批处理、并行计算等优化推理性能的方法。 主要内容: 1. 上下文增强(RAG)弥补模型局限性,提升特定场景输出质量 -- 通过动态检索和补充外部知识,确保模型能处理时效性信息和特定领域问题,输出更准确关联的数据。 2. 输入输出防护是保障用户隐私和系统安全的关键架构层 -- 在用户输入和模型输出端增加隐私脱敏、恶意内容检测和过滤,有效防范数据泄露和 Prompt 攻击。 3. 引入 Agent 模式赋予 AI 应用规划和执行外部操作的能力 -- 使 AI 应用从被动问答转变为主动解决复杂任务,具备思考、使用工具及与外部环境交互的能力。 4. 模型网关统一管理底层异构模型调用,提升扩展性和运维效率 -- 为上层应用提供统一的调用接口,并处理访问控制、负载均衡、监控等非功能性需求。 5. 推理性能优化(批处理、并行计算)是提升 AI 应用响应速度的核心 -- 通过 Batching 和 Parallelism 等技术,有效降低 Time to First Token 和 Time per Output Token,提升整体吞吐。 文章链接:
朱韵和
1个月前
当今网络上报道中共的监控体系时都说它是奥威尔的《1984》式的,完全是靠技术。但是裴(敏欣)教授认为:中共最拿手的并不是它的技术,而是组织。中国引进高精尖技术是在过去大概20年的时间内,但苏俄列宁主义式的严密的监控体系早就存在了。 裴著还第一次涉足了中共的“监视对象和规模”以及晚近出现 的“高科技监视”等议题。对于前者,裴敏欣教授根据中央和地方的数据推理,中共监控体系主要有两大监控项目,一类是很正规的,叫“重点人口”,专门有公安机关(派出所)管理,而且公安部有明文规定如何管理……对于后者,裴著认为,中共把高科技用于监控是从90年代开始。 中国的高科技计划的实施是有步骤的,第一个是信息化,把公安系统的信息管理系统达到世界水平,同时中国防火墙要过滤外来信息,这就是金盾工程(2001-2006),到2006年基本上就完成了。第二步是它建造的天网工程(2004),天网工程就是摄像头跟各种各样的监视感应器,在城市里建立监视体系。第三步是雪亮工程。从2015年开始建造。它基本上是一个天网工程的扩大化,是“天网工程”向农村的延伸(也包括天网工程的升级),由政法委管理。 等到习上来的时候,中国这套系统已经是很完美了,所以习近平对整个中国监视体系的贡献,基本上没有概念上的突破和组织上的突破,他只是在投入上加了一个雪亮工程和现在正在试验的社会信用体系。目前还有“网格化管理”,这是劳动密集和技术密集的结合。 ---宋永毅|《哨兵国家》书评:揭开存放于黑箱中的中共监控史的机密 图1:北京市天安门广场上的监控探头,拍摄于2012年。 图2:西藏拉萨市某处的监控探头,拍摄于2012年。 图3:天安门广场上的监控探头,拍摄于2009年。 图4:警察在北京天安门广场的安全摄像头前。 (法新社)