有的同学找到我说想学python,然后我说我的课是以js语言为主进行的教学,但过程中会拿python进行全过程对比和讲解,你听完完全可以学会python。 但很多本来想学python的同学总是不信,非想要以python为主的课程。 我不以python为主不是因为我不会python,也不是因为我没有python课但又为了卖给你而给你强推js课(类似于你要买羊肉而我卖你狗肉因为我没有羊肉)。 我在这里做个一次性澄清,我为什么一直以js为主来设计课程: ◎第一,预科班课程以js为主,但全程拿python过来对比语法/函数之类的功能,听完预科班你直接学会两门语言 ◎第二,js语言的语法是c系风格,而学编程,c系风格的语法是绝对绕不开的存在,c/c++,js,java等最常用的语言都是c系风格,但目前主流语言中,只有python的语法风格独树一帜/剑走偏锋,学了pyton对你后续学习其它c系风格的语法帮助不大,甚至还会帮倒忙 ◎第三,js语言也是现代程序员绕不开的存在,原因很简单,你能绕过网页吗?不能,你每天见到的不管是电脑上还是手机上,至少有四分之一的界面其实就是网页,微信小程序是网页。以及不管是为了做些可交互的可视化效果,还是现在的ai,都跟js语言结合更紧密。 ◎第四,js语言一点也不比python差,甚至可以说,现在js语言的基础建设早就超过python了 ◎第五,我选的书本,作者是世界级顶级程序员,书本的副标题“a modern introduction to programming”,译“编程的现代介绍”,作者也选了js而不是python,是作者不会python吗?还是我不会python? 第六,学编程基础,语言本身其实不重要,编程基础与语言语法完全属于两个领域的东西,而课程的重要目标就是教会你编程基础。 所以请不要觉得我是不会python或者是我没有python为主的课而只有js的课,为了给你推课而让你学js,完全不是这样,我没有python课完全是因为从我的专业角度觉得学js性价比要比pyrhon高的多,并且我的课也几乎同步的介绍和讲解了python的语法与用法,你直接学会两门语言。 在我看来纯粹只讲python的课无异于割韭菜。不排除以后我会有纯粹python的课(比如说这个帖子无法说服你们),但即使有,也会跟你在其它地方听到的有很大不同,至少同样会从二进制、编码开始讲起。 听了我预科班课程的同学过来说一下我说的对不对。
今天是第四季度的第一天,在这个季度里,我们会发布全新的产品 CelHive,它会传承 Juchats 的优点,也会朝着的新的目标去努力,大家要的都会有! Say Hi to productivity and creativity! 思考: 我们之前想了很多名称,也想了很多域名,也和大家征集了很多,很多人体验 Agent 这个方向这么火,而且新产品也朝着这个方向去做,应该往这个方向去靠。我们的思考是:Agent 的确是方向,但是对于未来 AI 这个赛道来说,它可能只是浓墨重彩的一笔,不足以完全影响这个赛道的方向,通用 Agent 是必经之路,未来它会朝着真正的用户现实场景任务或落地个人用户PMF做基础建设!而创建这个闭环的基础就是:从生产力转向创造力!没有生产力,没有边界认知,创造力会受到巨大影响! 含义: CelHive = Cell + Hive 从细胞转向丰巢! Cell: 生命基本单元,具有独立功能,协同构成复杂有机体 Hive: 蜜蜂社会性昆虫典范(Intelligence),蜂巢象征高效协作(Collaboration)、分工明确(Productivity)、共同创造价值(Ecosystem)。 方向: 在新的产品设计中,并没有摒弃传统的对话窗口,在和很多用户讨论及观察中,我们发现对于生产力来说,传统对话窗口虽然不像画布那么有延展性,但是,整体的输出更趋向于信息阅读,配合三栏结构,可以产出更多的一目了然的结构信息,当然在交互体验方面产品面向于多元,更倾向于什么场景做什么事儿,这样才是相对符合和友好的状态。从生产力到创造力的转变,是 尝试 → 积累 → 沉淀 → 使用 的完整闭环,我们会着重的努力! 初心: 不忘初心,方得始终!依稀记得,2023 年,我们第一次给王川总介绍产品的时候,他问我:“这个产品的方向是如何的”我说:“AI + Human 让 多模态 产出 可用” 这一句话中的每个字,每个词,从 AI 真的发展阶段到现在,想做好都是非常艰难的,可以这么说!我们会持续努力的,我们也会更尊重用户的想法! 核心: 在 CelHive 中,曾经大家需要的,在我们的 Issues List 里面都有记录。 产品侧:我们会用更适合的模型来完成 Hive 体系,多模态模型也会根据生产力,通过我们自研网关接入(文 / 图 / 视频)模型,及完善的知识库体系,让产出更丰富。同时,也会控制产出结果,是时候为产出的最后 100 米做努力了! 运营侧:运营这个方向一直在尝试,之前也没有做的很好,新的产品中,我们会融入更多的用户社区、用户帮助、以及开放我们的 Roadmap,可以让大家来共创起来! 价值: 我们认为这个赛道,商业化是让用户安心的基础,同时行业价值才是根本,CelHive 会不断的产出领域或者核心功能的「最佳实践」,把这些最佳实践变成对行业真正有落地性、推动力的产出!也会做一些开源方向。这个赛道本来就没有护城河和所谓的壁垒,它的发展之快,让世界每天都发生变化!
LLM 出来之后,在应用层的折腾从未停歇。从 Prompt 调优到 Workflow 配置,再到 Agent 构建,最终目的都是一样的:让 LLM 更好地为人类干活,把机器的性能压榨到极致。 对 LLM 的压榨,可以分为两个维度。一是帮助它找到最优算法,让推理少走弯路。 为此我们几乎把能想到的路子都走了一遍,让 LLM 学会反思(reflection、self-consistency、self-critics),学会推理和规划(reasoning、planning、chain-of-thought、tree-of-thought);学会记忆(short-term memory、long-term memory),不至于对话一长就失忆;学会找知识(RAG、knowledge graph),在外部世界里补充事实;学会构建上下文(context building),在有限 token 里塞下更多有效信息;学会用工具(tool-use,function calling,MCP),把事情交给外部程序去跑,而不是光靠自己生成;等等。 这些东西,说到底都是技巧和机制,本质目的是让 LLM 更快理解人类要干啥,围绕目标(goal-oriented)尽可能找到一条代价最小的路,跑到最优解上去。 第二个维度,是对时间的压榨,让 LLM 可以做到 7×24 小时不停歇。当我们对 LLM 有了更深入的理解之后,很容易想到把它打造成属于自己或组织的“数字员工”,它不知疲惫、不会抱怨,可以持续运转、不断学习。 大部分人今天用 AI 的方式,还停留在查资料、总结内容、写周报月报这些单点场景上,如果要真正构建一名“不停歇的 AI 数字员工”,光靠这些还不够。我们需要先规划出属于自己的 AI 数字工厂 ——想清楚要造出来的“产品”是什么,是沉淀知识的系统,是自动化的业务流程,还是一个可以长期迭代的服务。 在这座工厂里,AI 是生产线上的执行者,它负责具体的加工与产出;而人类的角色发生了转变,从“亲自干活的工人”变成“监工与管理者”。 人类不再亲手完成每一步,而是要设计流水线,设定规则,制定指标,监控质量,并在需要时调度资源。换句话说,AI 的价值不在于替我们“干一点活”,而在于帮把整条流水线跑起来,而人类更像是“数字工厂的管理者”。 当这两个维度结合起来时,真正的拐点就出现了。LLM 不再只是一个冷冰冰的工具,而是逐渐变成了可以长期协作的伙伴。它既能承担重复性劳动,也能在复杂问题上提供洞见。它不仅仅是“帮你做事”,更是“和你一起做事”。 未来的差距,不在于谁能写出更漂亮的 Prompt,而在于谁能把 LLM 真正融入到自己的时间和组织里,形成稳定的生产方式。 因此,会不会用、用到什么深度、能否持续优化,这些才是长期的竞争力来源。谁能把 AI 运行成“工厂”,让自己从执行者转为监工和管理者,谁就能在未来的日常工作和业务中,获得真正可复用、可累积的优势。
indigo
1周前