AI 工作流入门: 环节拆分与分步实施的自动生产线
这一课解决一个非常具体的问题：你想让 AI 稳定地干一件复杂的活——比如每天产出一篇合格的公众号文章——但你发现，把所有要求塞进一段超长提示词里，结果时好时坏，坏了还不知道坏在哪。学完这一课，你会掌握”工作流”这个解...
标签索引 / 第 2 页
AI 应用
这个标签下有 475 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
智能体入门: 用一段提示词构建最简 AI Agent
这一课解决三个问题: 智能体(AI Agent)到底是什么, 为什么一段写得好的提示词就能构建出一个最简版本, 以及这种”纯提示词智能体”的能力边界画在哪里。学完你可以自己动手做一个能用的智能体——不写一行代码。 很...
构建 Prompt 的场景拆解法: 把业务需求翻译成提示词
你大概遇到过这种场面：老板说”给客服系统加个 AI 总结功能”，你打开对话框写下”请总结这段对话”，跑了三次，三次结果长得都不一样——有时五百字，有时两行，有时结尾还带一句”希望这...
Vaibhav Gupta 用 slop 对抗 slop
Vaibhav Gupta 的题目叫 “fighting slop with slop”。这个标题很口语，但讲的是一个严肃问题：AI 产出的粗糙内容，能不能用另一套 AI 工具链来治理。 原视频：https://ww...
Codex 的用法正在从写代码变成分派工作
Jason Liu 的 Codex 分享很实用。他没有停在 “让 AI 帮我写一个函数”，而是把 Codex 当成能接任务、查资料、跑验证、回报结果的工作单元。 原视频：https://www.youtube.com...
AI Engineer 2026 开场讲的是最高的 loop
swyx 的开场只有几分钟，但它给这一天定了调。他没有把 AI Engineer World’s Fair 讲成一个普通大会，而是把它叫做 “the highest loop”：人聚在一起，讨论下一轮该把...
豆包 AI 优缺点实测: 对比 ChatGPT、Claude 与 Kimi
豆包是字节跳动的 AI 助手，2024 年 5 月上线，背后是 Doubao-Seed 系列大模型。它在国内是装机量最大的 AI 应用之一，但「好用」和「值不值得你用」是两件事。 我把豆包当主力工具用了一段时间，也拿同样的任务喂给 Chat...
大型多模态模型的真正捷径,是给冻住的语言模型接一根线
过去三年,做”语言+图像”的人几乎都在重复一个动作:拿一个已经训得很大的语言模型,死死冻住它,然后在它前面接一个很小的转接头,把图像、视频、传感器数据翻译成它认识的”词”。听起来像凑合,但这条...
大模型的胜负手已经不在结构,而在效率
Paul 这一讲一开场就先打了个预防针:今天讲的是高度浓缩版的内容,MIT 隔壁的 ALP 那门课才是正经讲大模型,这里只是个高空俯瞰。听到一半我反而觉得,这种”俯瞰”才是真正值钱的。他把一个被无数公众号、技术博客、...
AI 的下一步不是更大的模型,是学会跟人合作
一门课的最后一讲,最能看出讲者真正在想什么。前面 11 讲是在搭骨架,数据、架构、对齐、融合、跨模态迁移、基础模型、强化学习,一块一块拼上去。到最后一讲,Paul Liang 不再讲新算法,而是退一步问:这些东西攒齐了,下一步应该长成什么样...