AI探索指南

关于AIGC人工智能、思维方式、知识拓展，能力提升等。投稿/合作： @inside1024_bot
AIGC 领域的最新工具、开源项目以及行业大事件

AI探索指南

  3. AI探索指南

    AI 的进步真的太快了！人物一致性越来越不是问题，同一份 Prompt 在同一个对话上下文中，无需参照图人物都能保持很好的一致性

    AI 的进步真的太快了！人物一致性越来越不是问题，同一份 Prompt 在同一个对话上下文中，无需参照图人物都能保持很好的一致性。😍

    小红书网红起号越来越简单了！以后还能分辨的出来吗？🥲

    下面是用 Seedream4.0 生成的，Prompt 见评论

  4. AI探索指南

    推荐学习下微软搞的这个 R&D-Agent 框架，

    推荐学习下微软搞的这个 R&D-Agent 框架，https://github.com/microsoft/RD-Agent ，它是一个让 AI 能够自己做科研的系统——能提出问题、设计实验、验证结果、总结规律，整套科研流程都能自动化执行。

    微软还基于这套框架，构建了一个用于量化投资研究的智能体 R&D-Agent(Q)，https://github.com/microsoft/qlib，并与开源量化平台 Qlib 结合，实现了自动化因子挖掘与策略优化。照这个趋势发展下去，未来的量化研究，恐怕真得交给 AI 来操盘了，😅

    R&D-Agent 的整体架构分为两个阶段：研究阶段（Research Phase）和开发阶段（Development Phase）。研究阶段由四个部分组成：规划、探索路径结构、推理管线和记忆上下文，它们通过反馈机制持续循环，不断在假设、实验与分析之间往复，让系统在多轮探索中自动调整方向、积累知识、优化策略；开发阶段则承接研究成果，主要包括编码工作流与评估策略，前者把想法变成可执行代码，后者负责验证与对比结果，确保系统演化出的改进真实可靠。两个阶段形成首尾相接的闭环，让科研过程实现持续反馈与自我进化。

    从本质上看，R&D-Agent 不是在“模拟科研”，而是在“系统化科研”。它让科学探索从线性的人力流程，转变为并行的智能网络。每一次假设的提出与验证，都会被记录下来，形成一份不断扩展的知识图谱，让科研活动变得可编排、可追踪、可积累。

    相关论文：1）《R&D-Agent: An LLM-Agent Framework Towards Autonomous Data Science》，https://arxiv.org/abs/2505.14738 ；2）《Qlib: An AI-oriented Quantitative Investment Platform》，https://arxiv.org/abs/2009.11189

  5. AI探索指南

    提高AI能力最简单有效的方式：

    提高AI能力最简单有效的方式：

    1、找到领域内优质信息
    2、让AI看优质信息，整理总结方法论
    3、把方法论文档作为上下文喂给AI，让AI基于方法论做事情

    我举个例子：
    - 我把推特公开的算法信息整理了一遍，让AI总结了md文档，我人工review调整
    - 把文档给了AI，让AI基于这个文档调整我们之前讨论的评分算法，重新做了打分拟合
    - AI获取账号推文，批量做了一遍评估，找到了某个领域内的benchmark
    - 按照这个benchmark打分拟合来筛选优质账号

    全程不需要程序员，AI自己就能写python干
    干完了一遍，把这个链路沉淀提示词做成agent workflow就可以了
    甚至你还可以搞个GUI就可以产品化

    基于兴趣的探索，在这个阶段下优势被AI无限放大了

  7. AI探索指南

    没想到机器人在法国那么火，世界上能超越文化和语言去聚拢人的东西屈指可数，机器人算一种，顺便分享朋友若愚的微博观点：

    没想到机器人在法国那么火，世界上能超越文化和语言去聚拢人的东西屈指可数，机器人算一种，顺便分享朋友若愚的微博观点：
    理想汽车负责融资的同学说之前去德国，老外反应都很冷淡，最后有个当地女高管嘟囔：“汽车是我们发明的，你们中国人为什么要尝试来欧洲卖汽车？”；理想的前同事哲伦班长说：汽车文化就是从欧洲兴起的，这是毋庸置疑的事实，今天我们做的所有事情都只是在努力变得更优秀，但打破固有认知很难很难。但机器人这件事，中国从一开始就有机会领先，中国的机器人优秀这件事，恐怕很容易就会被写在全球观众的心智里。
    祝福中国的机器人公司都大有可为，也希望自己在这段路中能为机器人行业做出一些独特贡献，比如探索出有创意的海外落地场景、海外宣传&海外融资机会。

  10. AI探索指南

    学会提问，可以激活AI大量的能力

    学会提问，可以激活AI大量的能力

    当你不为AI添加工具，不给予AI知识库，不提供AI后训练，想单纯依靠AI的基础模型和提示词工程来让AI发挥原始效能，最重要的是懂得提问

    提问从主体上来说，有两类：
    - 人类向AI提问
    - AI向人类提问

    人类向AI提问的相关技巧与使用场景：
    - 脑暴：找AI一起脑暴，找想法，找创意，向AI提问寻找解决方案

    - 讨论：提出一个观点，获取AI的反馈，这里可以使用后退提示词，即告诉AI可以质疑人类的观点，退后一步思考，这种时候AI往往能更睿智

    - 寻求专业建议：比如我在某个技术实现方案不确定，我会问AI，让AI去做Deepresearch，然后提供我对比，方便我了解信息

    - 不断追问：当AI给你结果后，一定要不断追问，因为AI很多时候也会不懂装懂，产生幻觉，当你不断追问时，AI也会不断思考，经过5轮追问，你会掌握更多细节和信息，以便确定AI是不是在欺骗你

    - 交叉验证：问题不确定时，可以使用多个AI互相交叉验证，但我更推荐通过不断追问的方式培养独立的自主思考
    - 提供证明：当AI试图只给你结果时，你要提问让他提供具体证明，比如让他打印请求结果，或者让他定位问题核心关键代码等等

    - 提出要求：比如要求AI先别开发，而是先写文档，通过审查他的文档，来判断AI是否真正理解了任务目标，设置约束条件让AI去满足

    AI向人类提问的相关技巧与使用场景
    - 补充任务信息：人类的描述往往会简化，导致AI难以判断，或者有一些细节，AI未得到确认。所以我们应该要求AI向我们主动提问，我每次任务开始前都会要求它主动提问，它会提出一些细节，这些细节我未在任务过程中明确，也能引发进一步对细节的思考与设计

    - 确认目标：让AI明确下一步的目标，确保AI理解了任务范围，而不是一口气做一大堆事情，明确交付里程碑，控制好每次的小交付，逐渐完善

    - 设计旅程：让AI设计出对应的子任务执行路径，每完成一个小里程碑后，让AI提问我们接下来做哪个事情，并提供出自己的建议，有时候应该先完成一些关键链路，有时候应该先做一些细节，这种情况下，让AI提问询问人类，会获得思考帮助

    - 拓展体验：让AI提问，AI有时候会给出人类没能思考到的建议，从而拓展了产品体验

    - 提供外部信息：让AI提问，AI往往会寻求一些外部信息，比如会询问你是否能提供一些文档，或者他认为在执行任务过程中可能需要使用到的信息

    - 获得反馈：AI需要获得反馈，比如AI开发了一个东西之后，它需要提问获得反馈，比如它可以主动提供console的一些js命令，以便获得进一步的结果进而修正

    ---------
    为AI构建工具的其中一个目标，是为了加强提示词工程，但如果你不懂得构建工具，仍然能让AI发挥出更好的效果，学会这两类提问，就可以激发人类和AI的潜在潜能