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
AIGC 领域的最新工具、开源项目以及行业大事件
AI 陪伴式学习是个潜力巨大的赛道
今天试用一款 AI 儿童英语产品 Heeyo
这个由 AI 小恐龙带你冒险的游戏化产品相当的有趣。
- AI 会让你选择一些小游戏
- 选择之后 AI 开始带领你探险
- 探险过程中 AI 会不断提问交谈
- 还有实时文生图，沉浸感加分
- 全程全英文语音交互
在这个玩小游戏的过程中，不知不觉地沉浸式地练习英语。
比大部分给成年人的口语学习软件都做得好。
虽然是给儿童用的，但大部分中国人的英语口语也就是儿童级，也不是不能用…
这是多邻国的 Next Level
今天试用一款 AI 儿童英语产品 Heeyo
这个由 AI 小恐龙带你冒险的游戏化产品相当的有趣。
- AI 会让你选择一些小游戏
- 选择之后 AI 开始带领你探险
- 探险过程中 AI 会不断提问交谈
- 还有实时文生图，沉浸感加分
- 全程全英文语音交互
在这个玩小游戏的过程中，不知不觉地沉浸式地练习英语。
比大部分给成年人的口语学习软件都做得好。
虽然是给儿童用的，但大部分中国人的英语口语也就是儿童级，也不是不能用…
这是多邻国的 Next Level
「我的第一个产品」与 AI 写遗嘱✨
和新世相合作，想尝试AI 对社会价值不一样的探索，为人文提供新视角思考。今天是中元节，想邀请你一起，与 AI 一起写遗嘱。
这是第一次我从产品设计到全栈开发的独立 project，上线了虽然遇到了一些 bug，还很不成熟很青涩之处请大家还请多多包涵！
感谢@杨远骋Koji 和新世相的朋友们的支持和建议，硅基流动@袁进辉 的模型服务提供
一个人花半天时间做出来的一个简繁体转换小工具，是产品。
7000人花几年时间做出来的飞书也是产品。
当我们说可以用AI辅助程序员写代码，甚至不会代码的产品经理也可以用来做产品时，有人想到的是飞书，然后来杠，你AI怎么做出那么复杂的产品来？
可是，一个刚学写代码的产品经理，为什么要去做一个飞书出来？
为什么不是从简单的产品开始做起？
做任何事情，重要的是开始。
产品做出来是给人用的，只要能够解决需求，就是好产品。
这里很可能就是有一个认知误区，以为产品越复杂越赚钱。
如果只是看赚钱的话，ChatPDF这个产品，年收入我们估算能超过千万美金，其实产品形态并不复杂。
不要用有色眼镜去看不起简单的产品，不要钻入技术人的误区。
多看看数据吧，多看看真实的需求吧。
7000人花几年时间做出来的飞书也是产品。
当我们说可以用AI辅助程序员写代码，甚至不会代码的产品经理也可以用来做产品时，有人想到的是飞书，然后来杠，你AI怎么做出那么复杂的产品来？
可是，一个刚学写代码的产品经理，为什么要去做一个飞书出来？
为什么不是从简单的产品开始做起？
做任何事情，重要的是开始。
产品做出来是给人用的，只要能够解决需求，就是好产品。
这里很可能就是有一个认知误区，以为产品越复杂越赚钱。
如果只是看赚钱的话，ChatPDF这个产品，年收入我们估算能超过千万美金，其实产品形态并不复杂。
不要用有色眼镜去看不起简单的产品，不要钻入技术人的误区。
多看看数据吧，多看看真实的需求吧。
我真心觉得，LLM 是人类目前为止发现的在知识上最强大、最平等的工具，极大的提高了普通人的能力。（过去我们也有一些类似先进的工具，但通常它们要么很贵，要么门槛很高，要么没有普及，通常这三者是一起出现的，但这次几乎人人都可用，而且非常强大）
我们日常几乎所有的任务/事务，以及对这些任务/事务完成效果的区别都非常依赖我们对于信息的操纵和处理能力。
小到决定买一件平常的东西、到考试面试、到决定做产品、如何理解市场、以及投资等等，无所不在都在极大的依赖我们如何操纵和处理信息的能力。
而 LLM 本身就是语言模型，天然就是在处理信息，再辅佐一些自动化设施，一个人就可以比过去在信息操纵和处理能力上提高一个数量级的能力。
但是我也看到了人与人之间因为利用工具本身而逐渐产生的巨大差异和鸿沟。
并非一项技术可以解决所有问题，但几项技术和几种工具的频繁使用，足以让人与人之间拉开巨大的差距。
我们日常几乎所有的任务/事务，以及对这些任务/事务完成效果的区别都非常依赖我们对于信息的操纵和处理能力。
小到决定买一件平常的东西、到考试面试、到决定做产品、如何理解市场、以及投资等等，无所不在都在极大的依赖我们如何操纵和处理信息的能力。
而 LLM 本身就是语言模型，天然就是在处理信息，再辅佐一些自动化设施，一个人就可以比过去在信息操纵和处理能力上提高一个数量级的能力。
但是我也看到了人与人之间因为利用工具本身而逐渐产生的巨大差异和鸿沟。
并非一项技术可以解决所有问题，但几项技术和几种工具的频繁使用，足以让人与人之间拉开巨大的差距。
基于经典计算机架构的AI是打死都不可能出现自主意识的，各类大模型以及混合模型驱动AI严格定义是“类人类智能”，而学术x资本还在不停地加码叠buff，把泡沫吹得更大... 至少在基座大模型没有新的革命性突破时，哪怕GPT-5来了，未来2年的AI，都要将其定位在 智能控制器 与 人类语言预言机的真实定位，并将其融入到具体的生产业务中。世界模型的科研难度还是很大，可能是路线问题，也可能是缺乏某个天才的灵光乍现。
文章说Kimi以一己之力，让其他AI公司都投不起B站了。
Kimi把B站的投放CPA抬到了30多块钱，相当于30块钱买一个注册用户。
其他AI公司抱怨的是，Kimi这么干之后，水涨船高让友商都跟不起了。由此贡献了「AI时代，商业化最成功的是B站」这样的金句，伤害性直逼「5G最大的受益者是B站的某UP主」⋯⋯
哈哈哈，太有意思了。
就我知道的，Kimi竞价高不假，但它只是AI行业的赛道之一，行行大路通罗马。AI视频、AI绘图、AI陪伴、AI办公这些都和Kimi没有直接竞争关系，这意味着投放人群、投放策略并不一致。
据说今年第二季度，B站的AI行业广告主涨幅还是在三位数以上。Kimi预算开闸，或许也是受到了供给拥堵的影响，它又不是地主家的傻儿子，能出20块钱偏要给30块。
还有就是，AI产品的运营指标，留存比转化重要太多，过去一年多来，有太多的刷屏名字都是过把瘾就死，用户来得快，跑得更快，Kimi投得起，必然是因为它能留住人。
B站的内容生态，很适合做留存和心智。如果只把B站当成流量池去大力出奇迹，就必然会得到Kimi不讲武德的结论。也有友商用不同的投放策略而非卷高价，在B站拿用户。
在我看来，AI的竞争还出于抢心智阶段，就像很多技术博主这段时间都在为Claude背书，各种揶揄CahtGPT不思进取，相比之下Claude好用太多，新王当立。
结果一看Similarweb的半年数据，Claude是涨了不少，但抢的全是Gemini的份额，ChatGPT依然稳得不行，另有信用卡平台的佐证，ChatGPT憋大招的期间，续费也没怎么掉。
这就是占领心智的价值。
说「B站成了最大赢家」，这只能说是B站的收成而非躺赢，年轻好学的用户群像，对新技术的接受能力，高活跃度的讨论欲望。
Kimi重视B站的做法，其实很像当年的米哈游，米哈游也把二游的天花板狠狠往上顶了一大截。
其他的AI公司光是眼馋月之暗面是没用的，广撒网也未必是唯一的方法论，这对它的压力也很大。大家都在尝试开发出更加精准和经济性的引流模式，金矿埋在里面，铲子各有不同，就，各凭本事了。
1992 年出生的王鹤，现在是北京大学前沿计算研究中心助理教授和博士生导师。去年 5 月之后，他更为人所知的身份是智能机器人公司 “银河通用” 的掌舵人。
王鹤和银河通用有一些不同于巨头的观点和实践：
1.关于获取数据（这是做人形的难点），他认为Google、Tesla都在用的遥操是大厂游戏，创业公司算不过账，所以 all in sim2real，做仿真合成。
2.更重要的是双手操作能力，而非双足运动。
3.第一天就要思考商业化，美国同行们有多得多的资源，这让他们反而没有从 PMF 出发。
人形机器人和具身智都仍处于极早期阶段，这是一个链条长、技术栈复杂的行业，AI、材料、能源、机械控制；开发、制造、供应链管理、客户拓展，最终活下来的公司不能有短板。
判断赢家还太早。这篇访谈记录了一位年轻科学家出发一年后看到了什么。他现在相信：大公司虽然掌握更多资源，但不一定正确，这是他的机会。
即费曼学习+英文解释+刻意练习
1.将你要学习的PDF上传到GPT或者claude
2.告诉AI你用费曼学习+英文解释的方法帮助你理解这篇材料。
3.向AI提问，让他用英文出问题考你。
4.关键：自己用英文默念回答一遍，如果回答不上来，再去学习相关概念，直到用英文能把概念解释得很清楚。
费曼学习的核心就是：当你能给人解释清楚一个概念时，才算完全理解。而你能用英文解释清楚时，代表你能用母语人的思维方式去解释一个复杂概念，这个过程中你需要对你的英语表达方式进行整合，并且用口语输出，这个过程很慢，但对你英语有巨大提升。
5.让AI纠正你的问题。这是《刻意练习》的核心概念：通过正确答案的反馈，有目的的纠正自己的理解，语法，表达，词汇，从而让你大脑走出舒适区。建立新的心理表征。
这个过程很痛苦，但是同时学习知识和英文效率很高的方式。
我的 AI 音乐播放器 Melodisco 开源了。🎉
立项当初是想做 AI 版网易云音乐，收录了 30 万首 AI 歌曲。
实现了歌曲发现榜 / 流行榜 / 新歌榜 / 随机漫游 / 歌曲收藏 / 最近播放 / 歌曲导入 / 歌曲分享等功能。
原创音乐播放器组件，支持顺序播放 / 随机播放 / 单曲循环三种播放模式，可控制播放进度，可控制音量。
支持暗黑主题 / 多语言 / 谷歌登录 / Stripe 支付。
服务端渲染歌曲详情构建海量页面，关键词覆盖密度大，SEO 友好。
技术栈包含：
- nextjs + typescript 全栈开发
- tailwindcss + shadcn 前端组件
- google-one-tap 谷歌快捷登录
- next-auth 用户鉴权
- next-intl 多语言
- supabase + pg 数据读写
- stripe-js 网页支付
可一键部署到 Vercel，可通过 Docker 部署。
欢迎 fork，感谢 star👇
https://github.com/all-in-aigc/melodisco
立项当初是想做 AI 版网易云音乐，收录了 30 万首 AI 歌曲。
实现了歌曲发现榜 / 流行榜 / 新歌榜 / 随机漫游 / 歌曲收藏 / 最近播放 / 歌曲导入 / 歌曲分享等功能。
原创音乐播放器组件，支持顺序播放 / 随机播放 / 单曲循环三种播放模式，可控制播放进度，可控制音量。
支持暗黑主题 / 多语言 / 谷歌登录 / Stripe 支付。
服务端渲染歌曲详情构建海量页面，关键词覆盖密度大，SEO 友好。
技术栈包含：
- nextjs + typescript 全栈开发
- tailwindcss + shadcn 前端组件
- google-one-tap 谷歌快捷登录
- next-auth 用户鉴权
- next-intl 多语言
- supabase + pg 数据读写
- stripe-js 网页支付
可一键部署到 Vercel，可通过 Docker 部署。
欢迎 fork，感谢 star👇
https://github.com/all-in-aigc/melodisco
Eric Schmidt 在斯坦福的演讲的时候，因为不知道在直播，所以说了一系列的大真心话，大佬很少这么直白地表达自己真实的看法，所以非常有趣。
上午看完 @foxshuo 的重点之后，我也用 AI 尝试提取了要点，发现结果几乎完全不能用。
绝知此事要躬行，于是我也找到原文读了一下，总结了一些我关注的重点内容。相比 @foxshuo 的劲爆的点，我会更 focus 在行业的趋势上。
我还在结尾附上了原文和双语对照版本，方便大家阅读。
## 未来一年的趋势
- 超长的上下文
- Agents
- Text2Action，文本到行动
这三者将会对世界产生巨大的影响，影响大到还没人能理解，比社交媒体的影响要大得多。
超长上下文，就像短期记忆，它是一个基础。
Agents，现在有人在构建的 Agents 是这样的，它们阅读化学内容、发现化学的原理、进行测试，并将这些过程和结果都添加到上下文中。
Text2Action，文本到行动。我举个例子，如果美国则横幅禁了 TikTok，你就对 LLM 说，给我做一个 TT 的复制品，把所有用户都偷过来，把所有音乐都偷过来，把我的喜好都放进去，30秒做出这个程序，一个小时内发布它。如果它没火，就换一个类似的事情。
这就相当于地球上每个人都有自己的程序员。
而你再也不必为程序员付那么多的工资了。
## 从文本到行动的定义
如何定义？
把「从文本到下一个文本」改变为「从文本到行动」
另一个定义：
「从自然语言到Python」
或者新的语言：Mojo
## 模型未来的机会在大公司还是小公司
六个月前，我坚信模型之间的 gap 正在变小，但是现在我认为 gap 在变大。
所以我投了很多小公司，但是我现在我不确定了，我在跟大公司谈。他们需要 1000亿、10000亿。我计算了钱、能源，结论是电力会成为稀缺资源。
我去了白宫，主张和加拿大搞好关系，因为他们有懂 AI 的人，以及大量的水电。
美国自己搞这件事是不够的，或者和阿拉伯人合作，让他们提供资金。但他们不如加拿大人好，毕竟你懂的。
## 为什么英伟达市值达到2万亿而其他公司苦苦挣扎？
从技术上来说，原因就是现在大部分的代码需要和 CUDA 一起运行，而目前只有 NV 的 GPU 支持 CUDA。
CUDA 是 GPU 的 C 语言。我一直认为它很糟糕，然而它却成了主流。
## 为什么讨论 Nvdia 和 Cuda？
如果 3000 亿美元全部流入 Nvdia，你知道该买谁的股票了吧？
我们需要大量的芯片。美国政府正在资助英特尔，AMD 正在韩国建厂。
AMD 搞了一个大事情，将来可以把 CUDA 架构翻译成他们的，叫 Rockum。虽然目前还不能用。
当年英特尔也是垄断市场的，如今 Nvdia 也是垄断的，但是它不可能一直垄断。
## 谷歌的问题
当年谷歌的天才们发明了 Transformer
但是现在失去了主动权。不仅输给了 OpenAI，还输给了 Claude。
谷歌现在觉得工作生活平衡比胜利更重要。在家办公，一周只去一天。
而创业公司，一直非常地努力工作。有一次我和马斯克吃饭，晚上10点飞过去，发现他正在和xai的人开会。还有台积电，他们有个规定是让名牌大学的 PhD 去工厂的地下室工作。在美国这根本就是不可能的事情。
## 我们需要疯狂的想法
我们处在一个增长最大、收益最大的时期，在这样的时期需要最疯狂的想法。
比如微软和 OpenAI 的交易。相当于把人工智能这么重要的事情外包给 OpenAI 了，我当时觉得这太愚蠢了。除了微软，没人会这样做。
但是他们正在成为最有价值的公司。和苹果公司齐头并进。
## 政治和军事
这部分完全跳过。感兴趣的自己看原文。
只能说美国人对中国的情况一无所知。
## 知识的本质
以前，人们能够理解一些东西，然后才能创造出来东西。
现在，人们可以直接创造，但并不真正理解这些东西的内部是什么。
知识的本质是否在发生改变？
这就像青少年，你知道他们是人类，但是你无法完全理解他们在想什么。
但是我们的社会其实已经适应了青少年，而且青少年最终会长大成年。
## TikTok
我不是鼓励你们都去跟 TT 一样盗版使用音乐。
但是你成功了，会有一堆律师去给你收拾烂摊子。
如果你不成功，也没人会告你。
## 为什么对 AI 的潜力乐观？
第一个原因是，实际上现在任何的投资实际都是 AI 投资。我将 AI 定义为学习系统，实际可以学习的系统。
第二个原因是，有一些非常高级的新算法，非 Transformer 架构。在巴黎，在斯坦福，都有很多新东西。
第三个原因是，市场有一种信仰，智能的发明会获得无限的回报。
原文和双语对照版本：
https://github.com/orange2ai/note_files
上午看完 @foxshuo 的重点之后，我也用 AI 尝试提取了要点，发现结果几乎完全不能用。
绝知此事要躬行，于是我也找到原文读了一下，总结了一些我关注的重点内容。相比 @foxshuo 的劲爆的点，我会更 focus 在行业的趋势上。
我还在结尾附上了原文和双语对照版本，方便大家阅读。
## 未来一年的趋势
- 超长的上下文
- Agents
- Text2Action，文本到行动
这三者将会对世界产生巨大的影响，影响大到还没人能理解，比社交媒体的影响要大得多。
超长上下文，就像短期记忆，它是一个基础。
Agents，现在有人在构建的 Agents 是这样的，它们阅读化学内容、发现化学的原理、进行测试，并将这些过程和结果都添加到上下文中。
Text2Action，文本到行动。我举个例子，如果美国则横幅禁了 TikTok，你就对 LLM 说，给我做一个 TT 的复制品，把所有用户都偷过来，把所有音乐都偷过来，把我的喜好都放进去，30秒做出这个程序，一个小时内发布它。如果它没火，就换一个类似的事情。
这就相当于地球上每个人都有自己的程序员。
而你再也不必为程序员付那么多的工资了。
## 从文本到行动的定义
如何定义？
把「从文本到下一个文本」改变为「从文本到行动」
另一个定义：
「从自然语言到Python」
或者新的语言：Mojo
## 模型未来的机会在大公司还是小公司
六个月前，我坚信模型之间的 gap 正在变小，但是现在我认为 gap 在变大。
所以我投了很多小公司，但是我现在我不确定了，我在跟大公司谈。他们需要 1000亿、10000亿。我计算了钱、能源，结论是电力会成为稀缺资源。
我去了白宫，主张和加拿大搞好关系，因为他们有懂 AI 的人，以及大量的水电。
美国自己搞这件事是不够的，或者和阿拉伯人合作，让他们提供资金。但他们不如加拿大人好，毕竟你懂的。
## 为什么英伟达市值达到2万亿而其他公司苦苦挣扎？
从技术上来说，原因就是现在大部分的代码需要和 CUDA 一起运行，而目前只有 NV 的 GPU 支持 CUDA。
CUDA 是 GPU 的 C 语言。我一直认为它很糟糕，然而它却成了主流。
## 为什么讨论 Nvdia 和 Cuda？
如果 3000 亿美元全部流入 Nvdia，你知道该买谁的股票了吧？
我们需要大量的芯片。美国政府正在资助英特尔，AMD 正在韩国建厂。
AMD 搞了一个大事情，将来可以把 CUDA 架构翻译成他们的，叫 Rockum。虽然目前还不能用。
当年英特尔也是垄断市场的，如今 Nvdia 也是垄断的，但是它不可能一直垄断。
## 谷歌的问题
当年谷歌的天才们发明了 Transformer
但是现在失去了主动权。不仅输给了 OpenAI，还输给了 Claude。
谷歌现在觉得工作生活平衡比胜利更重要。在家办公，一周只去一天。
而创业公司，一直非常地努力工作。有一次我和马斯克吃饭，晚上10点飞过去，发现他正在和xai的人开会。还有台积电，他们有个规定是让名牌大学的 PhD 去工厂的地下室工作。在美国这根本就是不可能的事情。
## 我们需要疯狂的想法
我们处在一个增长最大、收益最大的时期，在这样的时期需要最疯狂的想法。
比如微软和 OpenAI 的交易。相当于把人工智能这么重要的事情外包给 OpenAI 了，我当时觉得这太愚蠢了。除了微软，没人会这样做。
但是他们正在成为最有价值的公司。和苹果公司齐头并进。
## 政治和军事
这部分完全跳过。感兴趣的自己看原文。
只能说美国人对中国的情况一无所知。
## 知识的本质
以前，人们能够理解一些东西，然后才能创造出来东西。
现在，人们可以直接创造，但并不真正理解这些东西的内部是什么。
知识的本质是否在发生改变？
这就像青少年，你知道他们是人类，但是你无法完全理解他们在想什么。
但是我们的社会其实已经适应了青少年，而且青少年最终会长大成年。
## TikTok
我不是鼓励你们都去跟 TT 一样盗版使用音乐。
但是你成功了，会有一堆律师去给你收拾烂摊子。
如果你不成功，也没人会告你。
## 为什么对 AI 的潜力乐观？
第一个原因是，实际上现在任何的投资实际都是 AI 投资。我将 AI 定义为学习系统，实际可以学习的系统。
第二个原因是，有一些非常高级的新算法，非 Transformer 架构。在巴黎，在斯坦福，都有很多新东西。
第三个原因是，市场有一种信仰，智能的发明会获得无限的回报。
原文和双语对照版本：
https://github.com/orange2ai/note_files
AI Landing Page Generator，卷起来🤓 @blankwebdev
刚刚跟创始人聊了一个多小时，完全 bootstrap，不到 10 个人，竟然把产品做的这么完整（虽然延时的时候还有一些 bug），但基本满足了作为 podcaster 和内容高频消费输出者的 90% 需求，而且 customed prompt by section 的概念非常打动我！
我诚意推荐跟我一样，在做大量视频或音频输出和二创，编辑以及剪辑的朋友试试！！
介绍如何使用 RAGAs 框架评估 RAG 应用的性能。
并通过构建元数据链和记录到 CometML-LLM 来监控复杂的生成过程。
详细教了 RAGAs 的评估指标、评估数据集的准备、评估过程的实现，以及如何使用 CometML 监控和记录评估链的每个步骤。
教程地址：https://www.comet.com/site/blog/rag-evaluation-framework-ragas/
