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
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/
8 月 13 日消息，被称为“扫地机器人第一股”的科沃斯面临隐私安全的质疑。两位安全研究人员发现，通过蓝牙连接科沃斯机器人后，黑客可以通过产品自带的WiFi连接功能对其远程控制，并访问其操作系统中的房间地图、摄像头、麦克风等功能和信息。
8 月 13 日，科沃斯回应称，这些安全隐患在用户日常使用环境中的发生概率极低，需要专业的黑客工具且近距离接触机器才有可能完成，故用户不必为此过虑。同日，客服回复表示，新闻中提及的相关产品在店铺均已下架。（21世纪经济报道）
在飞书里体验了一天的智能会议纪要功能，AKA职场刚需、摸鱼帮手、效率神器、办公副驾、免费小秘、废话扫地机⋯⋯呃，编不下去了。
讲真确实好用，相当于飞书终于在会议场景的原生应用层接入了大模型，在把会议内容转成文字这个基础上，新增了对整场会议进行精细梳理的能力。
在很多时候，开会其实是工作里最无效的行为，但是出于管理协同的目的，开会又是最主流的对齐手段，几个小时的头昏脑涨下来，很容易丢失关键信息。
使唤AI梳理会议纪要，其实是一个很普遍的呼声，它本质上带有RAG的成分，也就是并不太需要AI去创作什么——创作会带来幻觉风险——而是把冗余信息全都丢过去，让AI推理并满足那个人人都向往的需求：
用最简单的语言，把重点有序罗列出来，组织成为汇报文本。
费曼说过一句话，大意是寻找简单的规则往往需要建立复杂的系统，大多数时候一件事情无法简化，就是因为系统不够强大，现在的大模型动不动就是万卡集群来做训练，担任复杂系统的角色再适合不过了。
简而言之，就是AI的刚需用途一定是省时省力，再也不用困在从一堆信息里找那一两句有效信息了，每一个用完智能会议纪要的，一定都会离不开它，我把话放在这里，有用完不服的回来找我。
另外还有就是，在我的测试过程里，发现这套智能会议纪要系统也不是先转文本-再做分析的步骤，而是在「听」语音时就让AI介入了，不止是识别发言者说了什么，还会判断情绪和转折，对各执一词的讨论得出准确结论，最后到底拍板按谁的提案来执行。
如果是深度的飞书用户，也就是团队协作都放在飞书上，会议纪要里的指名还能对应上具体的成员，比如总监说了这个项目由谁负责，最后生成的待办事项甚至可以直接at那个人，是不是很方便？
还是那句话，workflow的搭建很容易，在飞书还没上这个能力的时候，我相信已经有很多人串起各种工具来满足类似的总结诉求了，真正的能力差别，在于模型的智能化水平。
既不怕总结差，也不怕总结慢，怕的是总结错了，本来是图省事，反而让人多事。
我的个人使用场景还有去做播客摘要，此时的入口就不是在飞书会议里了，打开飞书妙计，上传音频文件，直接在转成文本的同时也能把精华信息全都整齐列出，而且带有逻辑，不是平铺展示。
据我所知，虽然目前用的模型是豆包，但飞书还是只提供应用层的服务，未来用户可以自己选择接入哪家的模型，不是必须要死绑豆包。
如果再多想一点的话，我觉得给用户开放自定义Prompts的功能也挺好的，比如我对不同播客节目的精要需求也是不一样的，商业类的可能我会需要AI着重注意有关数据的信息，人文类的则希望AI可以多留意对话里的故事性，不要自顾自的觉得不重要就替我压缩了。
反正就很能get到科技以人为本的精髓，真正演示了什么叫脏活累活都给AI来办，为创造力节省珍贵的脑细胞。（狗头.jpg
讲真确实好用，相当于飞书终于在会议场景的原生应用层接入了大模型，在把会议内容转成文字这个基础上，新增了对整场会议进行精细梳理的能力。
在很多时候，开会其实是工作里最无效的行为，但是出于管理协同的目的，开会又是最主流的对齐手段，几个小时的头昏脑涨下来，很容易丢失关键信息。
使唤AI梳理会议纪要，其实是一个很普遍的呼声，它本质上带有RAG的成分，也就是并不太需要AI去创作什么——创作会带来幻觉风险——而是把冗余信息全都丢过去，让AI推理并满足那个人人都向往的需求：
用最简单的语言，把重点有序罗列出来，组织成为汇报文本。
费曼说过一句话，大意是寻找简单的规则往往需要建立复杂的系统，大多数时候一件事情无法简化，就是因为系统不够强大，现在的大模型动不动就是万卡集群来做训练，担任复杂系统的角色再适合不过了。
简而言之，就是AI的刚需用途一定是省时省力，再也不用困在从一堆信息里找那一两句有效信息了，每一个用完智能会议纪要的，一定都会离不开它，我把话放在这里，有用完不服的回来找我。
另外还有就是，在我的测试过程里，发现这套智能会议纪要系统也不是先转文本-再做分析的步骤，而是在「听」语音时就让AI介入了，不止是识别发言者说了什么，还会判断情绪和转折，对各执一词的讨论得出准确结论，最后到底拍板按谁的提案来执行。
如果是深度的飞书用户，也就是团队协作都放在飞书上，会议纪要里的指名还能对应上具体的成员，比如总监说了这个项目由谁负责，最后生成的待办事项甚至可以直接at那个人，是不是很方便？
还是那句话，workflow的搭建很容易，在飞书还没上这个能力的时候，我相信已经有很多人串起各种工具来满足类似的总结诉求了，真正的能力差别，在于模型的智能化水平。
既不怕总结差，也不怕总结慢，怕的是总结错了，本来是图省事，反而让人多事。
我的个人使用场景还有去做播客摘要，此时的入口就不是在飞书会议里了，打开飞书妙计，上传音频文件，直接在转成文本的同时也能把精华信息全都整齐列出，而且带有逻辑，不是平铺展示。
据我所知，虽然目前用的模型是豆包，但飞书还是只提供应用层的服务，未来用户可以自己选择接入哪家的模型，不是必须要死绑豆包。
如果再多想一点的话，我觉得给用户开放自定义Prompts的功能也挺好的，比如我对不同播客节目的精要需求也是不一样的，商业类的可能我会需要AI着重注意有关数据的信息，人文类的则希望AI可以多留意对话里的故事性，不要自顾自的觉得不重要就替我压缩了。
反正就很能get到科技以人为本的精髓，真正演示了什么叫脏活累活都给AI来办，为创造力节省珍贵的脑细胞。（狗头.jpg
最近跟一些AI创业公司创始人，以及大厂做AI业务（是业务不是技术）的人聊，我都一直在表达一个观点：我现在每天看得最多的AI类消息，特别不高大上，一个是政府和央国企的AI招投标信息，一个是全球和中国的各行业 AI to B 案例。两个东西气质风格完全不搭，但都是非常接地气的、鲜活的AI。
比如我听说有一家AI Startup，主要帮基层政府做基于国内模型api的微信Bot，回应社区和乡镇居民诉求，几千基层单位在用了，我听了就还是很感兴趣的。但整体上现在其实使用场景还不够多，开发者还没真的完全活跃起来，资本市场也不给他们钱，哄哄模拟器和胃之书这样的放10年前，分分钟融到钱。而开发者放不开手脚，用各种API和Infra工具就放不开手脚，整个生态就起不来。
所以我说我们接下来做的非常重要的一个工作就是用各种办法调动开发者更聪明、更便宜、更高效地使用算力、工具和消耗token，把这个变成我们跟生态共振的一个方式，进而成为我们一个新的二道贩子商业模式。不能光头部的六家大模型四小龙，那些做工具、框架、存算解决方案、Agent和应用的能融到钱，能发展，我们才能过得更好。
看得起我，想让我当二道贩子的基座模型、infra、算力、应用，以及VC朋友们，欢迎来骚扰。
比如我听说有一家AI Startup，主要帮基层政府做基于国内模型api的微信Bot，回应社区和乡镇居民诉求，几千基层单位在用了，我听了就还是很感兴趣的。但整体上现在其实使用场景还不够多，开发者还没真的完全活跃起来，资本市场也不给他们钱，哄哄模拟器和胃之书这样的放10年前，分分钟融到钱。而开发者放不开手脚，用各种API和Infra工具就放不开手脚，整个生态就起不来。
所以我说我们接下来做的非常重要的一个工作就是用各种办法调动开发者更聪明、更便宜、更高效地使用算力、工具和消耗token，把这个变成我们跟生态共振的一个方式，进而成为我们一个新的二道贩子商业模式。不能光头部的六家大模型四小龙，那些做工具、框架、存算解决方案、Agent和应用的能融到钱，能发展，我们才能过得更好。
看得起我，想让我当二道贩子的基座模型、infra、算力、应用，以及VC朋友们，欢迎来骚扰。
AI 与教育的未来：聊聊可汗学院创始人 Salman Khan 的新书《Brave New Words: How AI Will Revolutionize Education》( 勇敢的新词：人工智能将如何革新教育 )。
这本新书英文版发布于 3 个月前（2024 年 5 月 14 日），被众多大咖推荐，其中比尔·盖茨（Bill Gates）评价其为“A timely master class for anyone interested in the future of learning in the AI era”（对于任何关心人工智能时代学习的未来的人来说，这是一堂及时的大师课）。
这本书集思考、实践与指导与一体，推荐给每一位对 AI 和教育感兴趣的朋友，欢迎收听👇
昨晚 Genie 宣布自己打造出了世界上最强的 AI 编程 Agents 产品。
在 SWE-Bench 评估中获得了 30.08% 的分数，在 SWE-Lite 中获得了 50.67%。
可以完美模拟人类工程师的认知过程、逻辑和工作流程。
目前需要申请才能访问：https://cosine.sh/blog/genie-technical-report
Invalid media: video
在 SWE-Bench 评估中获得了 30.08% 的分数，在 SWE-Lite 中获得了 50.67%。
可以完美模拟人类工程师的认知过程、逻辑和工作流程。
目前需要申请才能访问：https://cosine.sh/blog/genie-technical-report
Invalid media: video
