《AI设计工作流设计师必学》

《AI设计工作流设计师必学》 简介：本书系统解析AI设计工作流设计师必学的核心内容，并结合实用案例帮助读者加深理解。内容涵盖其发展历程、关键概念及实际应用，提供深入的知识探索路径。适合对该主题有兴趣的学习者，帮助拓宽视野并提高专业素养。 标签： #A #AI设计 #知识 #学习 文件大小：NG 链接：

读书＆囤书＆笔记爱好者！快看这份教程！手把手教你使用 ChatGPT 在5分钟内「完全读懂」任何一本书 ＃AI工作流

读书＆囤书＆笔记爱好者！快看这份教程！手把手教你使用 ChatGPT 在5分钟内「完全读懂」任何一本书 ＃AI工作流 Reddit 是美国知名论坛，ChatGPT 子区目前有个帖子非常火，是一位狂热的书友分享如何借助 ChatGPT，将阅读一本书的时间压缩到5分钟！并且给出了详细的 Prompt 我整理并翻译了一下，一起玩起来呀！！ ▢ Prompt 1: Please summarize [BOOK] by [AUTHOR] ▢ 请按[作者]总结[图书] ▢ Prompt 2: What are all of the chapters in the book? ▢ 这本书的章节都有哪些？(注意，在这里，可以根据想学的内容，挑选出对应的最佳章节) ▢ Prompt 3: In [BEST CHAPTER], what are the most important 20% of learnings about [INSERT LEARNING OBJECTIVE] that will help me understand 80% of it." ▢ 在[最佳章节]中，关于[插入学习目标]最重要的20%是什么，这将帮助我理解其中的80% ▢ Prompt 4: Convert those key lessons from the chapter into engaging stories and metaphors to aid my memorization. ▢ 将本章中的关键内容转化为引人入胜的故事和隐喻，以帮助我记忆 ▢ Optional Prompt 5: Write me an action list of how I can apply [KEY LESSON] into [PLACE YOU WANT TO APPLY IT] ▢ 给我写一份行动清单，说明我如何将[关键课程]应用到[您想应用的地方] （注意！这里可以提供有价值的领域背景知识） 评论区的几百条回帖也是干货满满，书友们积极留言，分享尝试用 ChatGPT 辅助阅读时，那些迷惑又雀跃的时刻！ ▢ Comment 1：注意！这种方式可能会因为ChatGPT的「幻觉」而得到错误信息。可以用已经读过的书来尝试一下，然后你就会发现某些具体细节要么不太准确，要么完全就是捏造的。

《史记全本新注》简介：《史记全本新注》是对《史记》进行全新注释的版本。它在保留《史记》原文的基础上，对其中的字词、典故、历史背景

《史记全本新注》 简介：《史记全本新注》是对《史记》进行全新注释的版本。它在保留《史记》原文的基础上，对其中的字词、典故、历史背景等进行详细注释，帮助读者更好地理解这部史学巨著。新注可能结合了现代学术研究成果，对一些历史事件和人物的解读有新的视角和观点。无论是历史专业的学生、学者，还是对中国历史感兴趣的普通读者，都可以通过这本书更深入地了解《史记》的内涵和价值 标签： #史记#史记注释#历史研究#史学著作#传统文化 文件大小：NG 链接：

发完《10x Is Easier Than 2x》的读书笔记后，@DemoChen 老师问我：

发完《10x Is Easier Than 2x》的读书笔记后，@DemoChen 老师问我： “用 AI 怎么读书呢？ ①因为没有看过的书，连「问什么」我都不知道？ ②还是说用一个通用框架（比如这本书讲了什么？有哪些重要的内容？等）来提问引导获取信息？” 就《10x Is Easier Than 2x》这本书而言，ChatGPT 和Kimi Chat 确实给了我很大帮助。 1、为什么用 ChatGPT 和 Kimi Chat？ 之所以敢用他们俩，是因为我之前已经试过一些内容，发现GPT-4 turbo 和 Kimi Chat 在长文本理解方面，幻觉没有大到不可接受的地步。 当我发现 ChatGPT 可以读 270 页英文书的时候，我就知道，它一定是换了GPT-4 turbo。于是，我就大起胆子用起来。 2、我对《10x Is Easier Than 2x》了解得咋样？ 很早的时候，在硅谷王川的 Twitter 上看过一些核心要点，后来在生财有术社群听人反复提起过，因此不是对这本书一无所知。 再后来，又在硅谷王川的 Twitter 上看到了《Superlinear Returns》核心观点的讨论，隐约感觉他们之间有相似之处。 于是，我就尝试把他们俩放进 ChatGPT，问核心观点的相似之处。 3、仍然有幻觉怎么办？ 确实，在使用过程中，我一直担心幻觉，担心 AI 胡说八道。 当时的解法，是让 ChatGPT 按章节来总结书的要点。看到某个章节感兴趣，就让它继续总结那一章。 等它总结完，我自己再去看一下原书内容，确定没有明显出入后，我才稍微放心一点。 其实后来，我还试了一些办法，比如让 ChatGPT 和Kimi Chat 同时回答一个问题，做个简单的交叉验证。试过几次，都大差不差。 4、面向输出问问题 我这个阶段读书，还是比较偏实用。如果看出之前我没有问题，如果看完之后我没有输出，我可能就不会读了。 《10x Is Easier Than 2x》这本书，自己看之前，我最大的问题就是，凭什么 10 倍增长比 2 倍增长就容易啊？ 等确认准确性之后，这个问题以及基于它衍生的问题，就是我主要问 AI 的。 问完后发现，完蛋，他们总结的片汤话，我能用到的有限。回到原文中的例子，老外的东西还是离我有点远。所以，迟迟没有下笔。

最近拜读了去年火热的斯坦福AI小镇文章的作者Joon Sung Park的两篇文章，分别是22年的Social Simulacr

最近拜读了去年火热的斯坦福AI小镇文章的作者Joon Sung Park的两篇文章，分别是22年的Social Simulacra和23年的Generative Agents（斯坦福AI小镇本文）。两篇都发在交互顶会UIST上（后者得了best paper） 比起Generative agents，22年发表的Social Simulacra聚焦于一个更小的领域- 交互设计原型（prototyping）。具体的思路是：交互原型设计师常常需要了解一个设计的效果，目前的常用做法是招募少量的真人做用户调查。 然而，现实情况下，少量用户的反馈往往并不能体现出这个设计的实际效果，或者使用的潜在隐患。这是因为“用户的行为会彼此影响”。 作者在这里举了“反社会行为”作为例子，比如说，一个人在使用社交媒体时，可能只会根据自己的信息发表观点，但是当很多人都参与讨论时，就会带来煽动性言论（inflammatory comments）或者钓鱼引战（trolling）等现象。这样的问题在小规模的用户测试中是无法被检测到的。 为了在“设计阶段”就能了解到大规模用户可能涌现的群体行为，有一种特定的方法叫做social computing system。这个方法可以看作代理人基模型（agent-based model）在设计学中的应用。尽管代理人基模型在其他学科里已经有很广泛的应用了，但是在设计和用户体验方面的探索还很少，这是本研究的一个创新点。 这篇文章的另一个亮点在于，使用了大语言模型（llm）：首先，设计师把自己的设计意图输入给语言模型，然后语言模型生成一系列的用户行为（比如发帖/回复）。基于大量社交媒体数据训练的GPT3，已经足够生成各种积极或者消极的回复，其中也包含作者关注的反社会行为。 最后，作者通过用户实验＋一个类似于图灵实验的方式来说明这个方法的有效性：让用户区分真实的用户行为，和使用Social Simulacra生成的用户行为。结果显示，用户在超过40%的数据上都无法判断这是真人还是生成数据，这说明了Social Simulacra在模拟真实用户的表现上效果很好。 阅读22年的Social Simulacra一文，可以看到很多Generative agents的影子：二者都使用了大语言模型（GPT3和GPT3.5），二者都尝试用llm去模拟人（一种是社交媒体行为，一种是生活行为），二者都考虑到了人类互相影响所带来的1+1＞2的集体效应，并尝试用技术的方法去模拟这种人类群体效应。 两句话总结体会：1. 阅读Social Simulacra对于理解Generative Agents的想法有很大的帮助，两者结合更可以体现作者思考的连贯性。2. 此外，作者对前沿技术的敏感也让人惊讶。想到这篇文章要在22年3月投稿，而gpt3在20年6月才首次发布beta版本。要在很短的时间内把一项尚不成熟的技术用于解决跨学科问题，作者的技术嗅觉真是很准确也很超强啊。

在最近录的那期播客里分享了一些用 AI 写作的经验，这里写一条精简版的笔记。

在最近录的那期播客里分享了一些用 AI 写作的经验，这里写一条精简版的笔记。 用 AI 创作的核心原则是：“不要让 AI 代替你思考，而是让 AI 激发你思考。” 目前和 AI 创作有关的教学，都是“用 chatGPT 一天写 10 条短视频文案”这一类的内容，都在教大家怎么批量地创造低质量的内容。 这就是非常典型的“让 AI 代替你思考”的例子。 你期待自己不需要动脑子，通过几句简单的咒语，AI 就能帮你写完你想要的东西，这件事情在此刻还挺困难的。 正确的做法应该是，希望你能自己先开始创作，创作遇到瓶颈时，再让 AI 出马。 比如： 1⃣ 你打开了一份空白的文档，很想写点东西，但是看着这空空的文档十分恐惧，不知如何下笔。 这时候，你可以告诉 AI 你想写的主题，并且让它帮你生成一个大纲，你再往大纲里填充内容。 或者，让它帮你写完第一自然段，你开始再续写它的内容。 2⃣ 你文思泉涌，在文档上洋洋洒洒写了一千个字，但是写得越多越感觉灵感枯竭，十分头疼。 这时候，你可以告诉 AI： “我在写一篇关于 xxx 的文章，并且已经写了 A、B、C 这个几个观点了，请你扮演一位对这个主题感兴趣但了解不多的读者，向我提出 10 个问题。” 从而让 AI 通过提问的方式来激发你的灵感。 3⃣ 你的脑海中有一些有关联的关键词，但始终不知道如何将它串成完整的句子，这时候，你可以把这些词输入给 AI ，并告诉它： “我在写一篇主题为 xxx 的文章，请你根据我的主题将我输入给你的关键词，串成一个完整的句子。” 这才是正确的用 AI 来进行创作的方法。 “不要让 AI 代替你思考，而是让 AI 激发你思考”。 #AI工作流