AI探索指南

  1. 特别理解baye,一个想法到落实的步骤很多,有人分担自然可以减轻自己的工作量,但对齐成本陡增,权责问题变得复杂,一个想法落地到最后走形的几率也更大

    特别理解baye,一个想法到落实的步骤很多,有人分担自然可以减轻自己的工作量,但对齐成本陡增,权责问题变得复杂,一个想法落地到最后走形的几率也更大。
    自己一个人,靠技术能力就够了。
    人多起来,还要靠组织能力。

    Baye aka 威力狈: 最近想做的产品越来越多了,“十倍工程师” 也吃不消了,感觉我当务之急也许是找个增长伙伴…… 或者我自己去搞一搞增长。再或者,现在失业的人好像也越来越多了,也许可以和人合作搞些产品(当然这个靠谱度太低,能预见到各种分歧)

  2. 昨天和 ChatDOC 的朋友聊天,一个深刻的感悟:

    昨天和 ChatDOC 的朋友聊天,一个深刻的感悟:
    在巨头看不上的领域,dirty work 做得很多,反而成了壁垒。
    文档内容提取、分块、AI处理,这个流程看起来每个公司都能做,但要做好每个细节都不容易,需要很多的积累,这些步骤每个打折 10%,结果就打折成了 72.9% .
    他们要出大招了,值得期待。

  3. 寻隐/Queryable 免费&开源了

    寻隐/Queryable 免费&开源了。

    过去半年,这两个产品给我带来的大致收入:1- 3月份最高,当时Queryable上了Hacker News首页,寻隐被差评和果壳推荐,月收入大概1-2万。从4月份起稳定在每月3000左右。我想,相比以这样的收入为代价让很多人无法使用,将它免费,也许可以帮到更多人。

    许多美国人不信任中国开发者,害怕被窃取相册隐私而不愿使用,一些开发者常给我发邮件询问技术细节。既然都免费了,不如将源代码也放出来吧。地址是:https://github.com/mazzzystar/Queryable

  4. 我的AI自动洗稿博客

    我的AI自动洗稿博客 https://www.finan.club 停更了,机制是自动抓取付费文章标题(来自华尔街日报👨‍💻彭博...)进行AI创作,自动调用Midjourney 配图,每天都会产出十篇左右的文章。

    由于大模型的不稳定性⛔🙄,文章终究有一些是废的💩,每次发布还需要筛选一下再发布😠,我连这点时间都不想付出💤,更不用说去推广,比如优化SEO,运营一个推特🐦去互动宣传......

    源码贴出来 https://github.com/etrobot/etrobot.github.io/blob/hugo/genPostAI.py

    其中最值得分享的,就是以『news photo about』这三个单词为开头再拼上AI提取的文章标签作为midjourney提示词,结合🐍python脚本就可以批量生成贴合文章的精美配图🖼️这一实践。

    虽然这个脚本似乎可以拓展成更成熟的媒体工具🛠,有可能商业化💸,但目前兴趣不在这里,就放弃了😣...

    目前更感兴趣的是如何用AI做一些更高维度的事情,如何把现实世界转换成文本描述📖让AI进行重要紧急性评判🚨,甚至沙盘推演来对未来做预测🔮......

  5. 为了规范GPT的答案,尽可能实现她的潜力

    为了规范GPT的答案,尽可能实现她的潜力。
    我觉得可以这样:

    1. 先要求GPT不要回答,向她说明自己想要解决什么样的问题,以及为了得到启发,自己打算怎样设计语境。
    2. 让GPT”列出自己的任务清单“,检验她是否理解了自己收到的任务。
    3. 根据改写答案调整提示词,让GPT回答。

    期间可能会发现新的问题,这时把问题记录下来,递归地按照以上步骤开启新的对话就行。

    一次对话应该会得到不少收获,只是需要画个思维导图解放一下大脑。。。

    以下做的是第二步的工作(检验输入效率)

    “作为提示词工程师,你觉得上一条提示词的表述如何?我是否清晰地表达了自己的想要解决的问题和预期?请对上一条提示词给出你的见解,包括三个亮点分析和三个方向上的改写建议。并以你的见解为基础,改写上一条提示词。最后请你针对该提示词所面向的问题,指出如何提高当前提示词设计的可执行性,并列举出对于该问题,我可提供的有效背景信息。

    如果你不知道怎么回答,请按照以下模版进行写作。

    ‘
    # 见解
    【回答】

    - 亮点
    1.【子答案】
    2.【子答案】
    3.【子答案】

    - 建议
    1.【子答案】
    2.【子答案】
    3.【子答案】

    # 改写
    【写作】

    # 优化
    【提示】
    ’

    注意,在以上模版中,【】所包括的内容均为可替换的文本,请你参考以下文本以执行相应的任务。

    【回答】:对整个提示词进行宏观地回答。
    【子答案】:根据母节点的语义执行任务。
    【写作】:根据主要任务,开始改写提示词。
    【提示】:根据改写结果本质提供优化建议。
    ”

    最近的体悟是,英文GPT的表现一般要比中文版本更加优秀,更加不着AI痕迹。现在把整个思路理完,又要翻译英语版本的提示词,泪。

  6. 继续玩ChatGPT的代码解释器上瘾了,尝试了一下数据分析功能,卧槽,真的牛皮

    继续玩ChatGPT的代码解释器上瘾了,尝试了一下数据分析功能,卧槽,真的牛皮。
    我的AIGC周刊是在竹白上更新的,而竹白的用户订阅数据是可以导出的,我就想看看能不能从里面找到一些比较有用的数据和规律。
    👇下面是具体的分析过程:

    导出的文件都是json格式的,刚开始我把订阅用户的邮箱文件发给它,想看一下订阅用户中不同类型的邮箱的比例,显然他完成的很好因为这个json文件里只有邮箱地址。
    从结果来看跟预期的差不多Gmail占了40%第二大的就是QQ邮箱占18%。

    之后就是比较复杂的挑战了,我把包含所有用户的json文件发了一下,这个json的格式就比较复杂了。
    然后我先让它分析了一下订阅用户订阅渠道的数量和比例,微信订阅还是多,大概是邮箱的两倍多一点。还有2%的同学两个渠道都订阅了,可能是怕我跑了。哈哈

    最后是比较深入的分析,我让他分析了一下最近一个月订阅用户增长的趋势。
    这里有一个比较有意思的事情是,由于不能联网它不知道现在的时间,我让他分析最近一个月的数据,他给了我22年12月的。我补充了现在的日期以后就没问题了。
    这里我原本因为会在周一的用户增长比较多,没想到是周三和周四。神奇。

    之后我又想看一下最近半年每个月的趋势,这里可能是数据量有点大,它失败重试了好几次才搞定。
    这里最后的数据跟我想的差不多,基本上跟AI相关热度的趋势是一样的,三月份最高,然后逐渐降低。最近差不多见底了。