分享一下自己的微信助手的 AI 工作流：

分享一下自己的微信助手的AI工作流：在构建AI工作流时，有个很大的感知是，目前的AI离普通人（非行业从业者）的想象还挺远，媒体信息会不断地宣扬AI多么多么厉害，但实际应用在一个真实的场景时，会出现各种问题，很难达到可用的状态。例如我输入一段英文，AI怎么判断你想要的是翻译，还是基于内容的讨论？怎么判断你说的一句话是一个待办还是一篇笔记？这些都是目前的AI无法做到的，所以我在搭建这个微信助手时，把它的范围定在“处理日常简单且高频的事项”。通过workflow，使AI变得没那么性感，但输出变得稳定，然后通过工具（API）来使它实现更多的功能。附件图片是完整的工作流，只将一些隐私信息遮挡了下。#AI工作流

ChatGPT下架官方检测工具 承认AI文字无法鉴别

ChatGPT下架官方检测工具承认AI文字无法鉴别对于CloseAIOpenAI不发公告就杀死一个产品这种行为，很多网友是不满意的。但是对关闭AI检测器本身倒是有不少人表示赞同，特别是学生群体。太多老师相信这玩意有效，大量冤枉学生用AI作弊，已经变成了一场猎巫运动。准确率和瞎猜差不多这个官方检测工具，准确率究竟有多低呢？OpenAI自己给出的数据，只能正确识别26%的AI生成文本，同时冤枉9%的人类编写文本。1月份刚发布时就被网友总结为“和瞎猜差不多”。另外有人做过实验发现，市面上各种检测工具会把圣经、美国宪法等历史文本都被判定可能为AI编写，总不能写下这些内容的历史人物都是时间穿越者吧？但还是有很多老师试图用各种检测方法来检查学生作业。最著名的一次，得克萨斯农工大学一位教授差点判定半个班的学生延毕。目前最新的趋势是，教师要求学生用在线文档写作业并检查编辑记录，但聪明的学生也能找到规避办法。最终对于教育领域，有人提出可能大作业/课程论文将成为历史，闭卷考试或口语考试将成为主流。目前的检测方法都能规避网友指出，OpenAI同时开发生成和检测工具本身就是矛盾的。如果一边做的好就意味着另一边没做好，同时还有可能存在利益冲突。但是第三方开发的检测方法，可靠性也不高。最早被称为“ChatGPT克星”的是普林斯顿本科生EdwardTian开发的GPTZero，用复杂性和长短句的变化来衡量文章是否由AI生成。当时GPTZero计划专为教育工作者打造，老师可以把全班学生的作业丢进去检测。但到了7月份，作者承认已放弃了检测学生作弊这个方向，计划下个版本的GPTZero将不再检测文本是否由AI生成，而是突出最像人写的部分。另外一个很受关注的检测方法，是马里兰大学开发的水印法，要求大模型在生成文本的时候就藏下记号，并用统计方法识别。但是规避的办法也很简单，比如有人开发了简单的同义词替换工具，就能破坏统计特征。甚至有人开始怀疑，人们到底是为了什么非要区分这个。就像数字到底是人计算的还是计算机完成的，早就没人在意了。演讲者的稿是自己写的还是秘书写的，不是也没人在意吗。人类行为学研究，正在用AI充当被试无法区分AI和人类的内容，似乎也不全是坏事。已经有心理实验用AI代替人类被试加速研究了。Cell子刊上一篇文章指出，在精心设计的实验场景中，ChatGPT的反应与大约95%的人类参与者的反应呈相关性。并且机器被试不会疲倦，使科学家能以前所未有的速度收集数据并测试有关人类行为的理论。而在最近一篇Science主刊的观点文章上，滑铁卢大学心理学教授IgorGrossman认为：“人工智能可以改变社会科学研究的游戏规则，谨慎的偏见管理和数据保真度是关键。”参考链接：[1]https://twitter.com/KevinAFischer/status/1683898199981928450[2]https://www.reddit.com/r/ChatGPT/comments/159j8rc/openai_quietly_kills_its_own_ai_classifier_citing/[3]https://news.ycombinator.com/item?id=36862850[4]https://www.cell.com/trends/cognitive-sciences/fulltext/S1364-6613(23)00098-0[5]https://www.science.org/doi/10.1126/science.adi1778[6]https://theconversation.com/beyond-the-hype-how-ai-could-change-the-game-for-social-science-research-208086...PC版：https://www.cnbeta.com.tw/articles/soft/1373249.htm手机版：https://m.cnbeta.com.tw/view/1373249.htm

再推荐一下这个册子，详细试读了前两课，牛逼

再推荐一下这个册子，详细试读了前两课，牛逼用来助攻专业学习，副业赚钱，够够的没想到有这么多玩法快2000人已经在学习了，也是牛逼就在我特么还苦苦研究代码的时刻，人家大佬课程都安排出来了，体系化做的这么好，作者大大们，不用上班的么这个老哥联合小米、百度、阿里几位AI业务线的高管朋友共创了一份《普通人的AI编程提效课》小报专童栏。覆盖编程、副业赚钱、提示词、办公等，适合所有有AI提效需求的朋友，小册对标市面千元客单价产品，目前已更新24篇，承诺每周至少更新一篇，至少更新50篇文章。

一个500行Python代码构建的AI搜索工具，而且还会开源，试了一下麻雀虽小该有的都有。

一个500行Python代码构建的AI搜索工具，而且还会开源，试了一下麻雀虽小该有的都有。后端是Mixtral-8x7b模型，托管在LeptonAI上，输出速度能达到每秒大约200个token，用的搜索引擎是Bing的搜索API。作者还写了一下自己的经验：(1)搜索质量至关重要。优质的摘要片段是形成精准概括的关键。(2)适当加入一些虚构内容实际上有助于补充摘要片段中缺失的“常识性信息”。(3)在进行内容概括时，开源模型表现出了卓越的效果。这里尝试：https://search.lepton.run/

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

最近在 kimi 和 ChatGPT 的帮助下，逐字逐句地精读了三篇AI相关的文章，觉得收获非常大。

最近在kimi和ChatGPT的帮助下，逐字逐句地精读了三篇AI相关的文章，觉得收获非常大。很多困扰我已久的问题，在这三篇文章里看到了些线索。比如，生成式AI生成的内容，当前无法实现精准控制，这个问题是否就无解呢？其实不是的，第一篇文章中就提到了他们的解法。再比如，RAG在处理幻觉方面这么牛，各种RAG技术的通用性如何呢？答案可能没那么乐观，因为他们可能只是某个特定usecase上做得很好，但不意味着可以轻易推广到其他所有场景。