关于我在Al Hackathon挑战赛取得优胜奖这件事

先说结果

先说结果,获奖了。

2023年10月13日官宣开赛,10月31号提交作品,11月2号通知作品入围了决赛,11月8号参加决赛路演。在短短一周的时间,从项目idea构想到项目开发落地,我的独立AI项目「Lofi心情 」最终在「36氪 X Colingo大语言模型应用创新挑战赛 」决赛中取得了「优胜奖」。

图:优胜奖获奖的三支团队代表(右上图的是我)

在获奖且兴奋之余,我想将本次大赛的经历和收获都记录并且分享出来,希望能够给同在AI路上的朋友们一些思考。

参赛起初

我是在11月20号关注到这个比赛的。

在「36氪 」上看到Al Hackathon挑战赛 的时候,其实我还是抱有疑惑的。一方面,LLM的部署和使用有不小的难度,更别说再加上Pre-Tuning和Fine-Tuning等工作,难度就更大了。另一方面,参赛者要在短时间内还需要基于大模型搭建产品项目,还需要有创新思维,这无疑难上加难。

但当我仔细阅读参赛规则和要求后,瞬间来了兴趣。这次Al Hackathon 是36氪 和CoLingo平台 联合举办的,而前面所担心的LLM的所有部署和训练,都可以基于CoLingo这个低代码平台来快速实现,那么参赛者就只需要专注在场景应用上就行了。

于是抱着学习和交流的态度,我扫码添加了主办方运营老师的微信,由于时间紧张(只有7天项目时间),因此毫无准备下的我选择了个人团队参赛,并填写了报名申请表。参赛团队名称也是随便想了下,最后定了个比较搞笑的名字,叫做「长在树上的地瓜」。

考不上清华北大,烤个地瓜也是不错的。

报名完成后,我加入了大赛交流群中。大赛为了让参赛者快速完成项目,CoLingo平台在比赛前期的每个晚上都安排了平台的使用培训和案例介绍,包含知识库问答助手、导购员、简历生成、网页总结、B站视频内容总结......

在学习和众多的案例之后,我陷入了迷茫,可能很多人都会有相同的疑惑:

  • 大模型具备什么样的能力,对话?推理?总结?
  • 我们到底能用大模型能做什么?我们真的需要大模型吗?

在学习的那段时间,我一直在思考这些问题。

灵感乍现

回归实际,当前最紧急也是最困扰的问题是,我该选择一个什么项目参赛?

如果是借助大模型的检索和总结能力,在CoLingo平台上的借助LLM总结B站视频内容的案例让人记忆犹新,先获得B站链接中的BV号,再通过BV号和Http Request Maker网络请求框架获取CID,通过BV和CID来获取字幕文件,最后再把字幕文件交由LLM进行总结......

如果是想做类似抓取和总结招聘网站上的招聘信息的案例的话,使用LLM和Function_Call获得用户输入的内容,当匹配到系统所需条件时,通过Google_Search搜索引擎框架访问招聘网站,而后使用Web_Crawl扫描网页内容,最后将网页内容交由LLM进行分析输出......

要不最简单,使用Knowledge_Search和本地上次的知识库文件,做个知识库问答机器人?

虽说一时间没有想好参赛的项目,但在学习LLM的使用案例时,却是学到了不少内容,对LLM的使用场景有了进一步的认识。

在某天培训完,在家里楼下散步的时候,和对象聊起这个比赛,我说看了很多的项目案例,但是不知道该做什么项目参赛好。对象和说我:

不用想太多,你做你擅长的就好啦。
哪怕最后不能得奖,这次比赛也是一次宝贵的经验嘛~

是啊,其实想那么多干什么,确定一个方向,做出来就好了。

此刻我的大脑快速检索(自问自答)着一连串的信息:

我擅长哪一块?产品设计、iOS开发。那我做过哪一块?iOS独立开发。具体开发过什么内容?笔记类、图片编辑类应用。我想做什么?大概是结合图片最好还有音乐什么的。我能想到什么?类似呼吸或者冥想平复情绪或者提高专注的应用......

突然那么一刻,灵光一闪!赶紧回到家中打开电脑,一个灵感悄然而生。

思维导图可能是我用过最好用的思绪整理工具了,不一会儿就把想到的灵感具象化了出来。再结合自身产品设计和iOS独立开发的能力,很快就构想了一个「文本+图片+音乐」的冥想类型的应用。

初步的想法是,通过LLM的能力分析用户的情绪,借助本地知识库和Knowledge_Search的能力匹配「文字」部分,借助Midjourney或者第三方API来生成图片,至于音乐部分,如果有现成的Music Agent的API就更好,如果没有的话,就只能自己使用python写一个脚本来合成音乐......

呼~

一连串设想之后,总算是有了大体的方向。

入围决赛

本身赛程时间也比较紧张,而恰巧11月30号、31号作品提交时间赶上了阿里云的云栖大会,由于掘金技术社区的福利(感谢我张哥),我以媒体的身份应邀参加云栖大会要去趟杭州,这样参赛时间的安排上就更加紧张了。

在前期我还可以在B站、油管等渠道看看如何结合AI工具来实现图片和音乐部分。到越到往后的时间,心情也更加急躁,索性遇到问题就自己来。Midjourney、SD暂时用不了,就改用一些图片的API,Music AI倒是找到了些国内外的解决方案,但大体上都需要付费而且没有API,那么没办法了,也自己来吧。

还好技多不压身~

就这样,在CoLingo平台 上大体完成了情绪分析、情绪-疗愈文字匹配、和弦和旋律生成的工作后,剩下的图片部分用了第三方的API,音乐合成部分将CoLingo通过Agent API的形式与Python写的方法桥接合成音乐,最后快速使用SwiftUI开发一个简单的iOS应用用于画面呈现。

在最终效果完成的那一刻,压力得到了释放,听着优美的音乐,看着文字和图片效果,我感觉被自己设计的应用治愈了。本来只是想做个项目参赛,没想到真有效果,好像。

在11月31号晚上,在CoLingo的主办催促下,在杭州的酒店,我提交了这个项目。

2天后,我收到了决赛入围的邀请。

决赛准备

Al Hackathon挑战赛决赛以「产品演示 」的方式进行,每位参赛者需要准备一个演讲的PPT,并且为了避免现场演示"翻车",因此主办方建议可以录制一段产品演示的DEMO。为此,主办方还将PPT模版分享给了我们,这省了不少事情。

说实话,在B端领域工作了那么久,设计PPT和路演应该算是我最擅长的事情。项目背景、解决方案、技术方案、产品亮点......由于决赛路演方式是5+3 的模式(5分钟展示,3分钟问答),那么在PPT内容的准备上不能太多,大概每个部分的内容一张PPT。

为了让参赛作品更加具有吸引力,在PPT中所有的配图基本都是使用AI设计的,当然,也包括我的「自我介绍」部分的头像。

PPT完成后,其实远没有结束。虽说可以现场自由发挥,但为了呈现最好的效果,对于第一次参加Al Hackathon挑战赛的我来说,还是需要做好全面的准备。

为了现场发挥稳定,我根据每张PPT的内容写了一份演讲稿。下面是我准备的讲稿部分:

各位评委老师,以及一起在AI领域探索的同行者们,大家好,我是「长在树上的地瓜」团队的队长,今天所带来的AI作品叫做「Lofi心情」。

在这个信息爆炸和快节奏的时代,在都市打工的我们常常感受到焦虑和不安,可能是由于工作所带来的压力,或者来自于家庭,亦或者是对自己过高的要求所带来的负担。我们希望和人诉说今天的心情、今天的焦虑,或者今天遇到的事情,当我们诉说后,也希望有人将倾听自己的心声。

当你在学习或者工作的时候,我们需要保持高度的专注,我们常常会找一个舒适的环境,戴着耳机,放着轻音乐,专注于当下的事情,不被外界的事务所打扰。亦或者在上下班路上,在嘈杂的人群中寻找一份安静。在这一刻,我们不属于任何人,只属于我们自己。

Lofi心情是一款可以帮助你缓解焦虑和提高专注能力的应用,我们可以简单的对话的形式,诉说我们的心情、情绪,或者想法,通过大模型的能力,我们可以得到专属定制的lofi音乐场景,包含唯美的图片、抚慰内心的文字,以及舒心的音乐。在心情焦虑时,也可以通过Lofi心情来让自己平静下来,Lofi心情像是有人陪伴着你身边,倾听你的烦恼,并且为你排解焦虑。在你在努力的时候,Lofi心情也可以在此刻为你打造专注的音乐场景,让你感受着音乐,沉浸在专注的世界里。

下面是一段产品Demo的演示。

在过去传统的C端产品开发中,要完成这个作品可能需要做很多方面的准备,需要了解当前用户的情绪状态,还需要通过复杂的乐理知识和音乐方案来创造这样的产品。而现在,借助于大模型的能力,我们可以以对话的形式得到用户当前的心情状态,我们构建了情绪分析师的角色,来获得用户输入的内容的情绪状态,并通过Knowledge来进行向量匹配,获得疗愈的文字话术,这一部分我们实现了文字展示的内容。

Lofi音乐场景部分,和以往需要专业的音乐人参与不同,我们通过另一个心理医生的大模型,通过用户的情绪状态,来设想一个治愈的音乐场景,比如一首平静的、钢琴、美丽的环境、令人放松的曲子。我们让心理医生创建了这样的提示词。下一步我们构建了一个"作曲家"的角色,让作曲家根据心理分析师的构想的音乐场景,设计和弦和旋律,后面我们通过本地的python音乐库生成脚本生成音乐部分。最后,我们将文字、音乐、图片相结合,在APP的载体上呈现最终的效果。

核心能力方面,非常感谢CoLingo平台提供的大模型的整理能力,可以很方便地调用大模型来分析当前用户的情绪,并且通过本地知识库来匹配治愈的文字。在整个作品设计过程,我们使用到了多个Language Model提供的能力,以及通过本地知识库构建Knowledge Search 来做文字向量匹配,通过Code来整理和输出信息,最后使用Agent API与移动端产品相链接,最终实现Lofi心情的整个项目。

最后,再一次感谢36k AI协同创新中心和CoLingo平台,以上就是我们团队的作品介绍,谢谢大家。

讲稿写完后,其实也不是一次就结束了,在比赛前我还做了另一件事情,就是「预演」。

许是为了准备充分,或者增加自己的底气,也是为了控制演讲的时间,我大概是做了3、4次预演练习,为此也都删除了部分讲稿的内容(时长原因)。

路演现场

11月8号下午,由于是工作日特地请了半天假。

路演当天开幕式后,先是线下(北京现场)的团队进行路演,线下路演的效果比线上路演效果要好太多,这是在看直播时候的直观感受。

但其实也发现一个问题,大多数团队其实作品都非常不错,但由于时间或者前期准备的关系,大多数团队都没有将自己的作品完全展示,这非常的可惜。

于是在边看其他团队路演过程中,我也在不断调整自己演讲的交稿的内容。最后,下面是我的路演的直播视频:

整体来说,已然是对自己比较满意了,毕竟这个过程没有太多的卡顿,而且时间把控得也还好。最后,也获得了不错的结果,下面是颁奖典礼的直播视频:

视频中我只截取了本人参赛内容和颁奖的部分,后面其实还有「总冠军 」(总冠军是一等奖,我是二等奖优胜奖)的团队颁奖,当然其他团队的作品也可以在「36氪」完整的重播中见到,非常推荐大家去看重播~

完整重播地址:

36kr.com/live/247832...

赛后感悟

以上,就是Al Hackathon挑战赛的全过程,回顾整个比赛历程(好吧,我说实话,看了几次重播),从参赛准备到路演,整个过程应该是比较完整和具有参考意义的,也是我学习路上一个重要的脚印。

对于这次大赛比较深刻的我觉得有几点:

  1. 当新技术来临的时候,我们应该尽可能将新技术与自身的能力相融合,拥抱新技术。

一直以来我所擅长是产品设计和iOS开发,而LLM本身所具备的能力可以弥补我后端上的不足,也使得一个作品从创意到落地可以在非常短的时间实现,这本身就是一件非常"可怕"的事情。

  1. 多去尝试新领域和新事物,先完成再完善。

本次大赛170多名选手报名,组成70多支队伍,提交作品并入围只有30支队伍,而最后也只有4只队伍得奖(1支总冠军,3支优胜奖)。说实话,可能看到这次Al Hackathon挑战赛的可能特别多,而最终有勇气报名的却很少,但不去报名可能永远没有机会被看到。而报名参赛后,我猜最后提交作品参赛可能又筛选了很多人,这个阶段我感觉「完成」并「做好」更重要,首先时间很短,单单有个创意就很不错了,在有限的资源、有限的时间内做到最好,这已经很不容易了。其次「完成」才有机会,「没完成」就失去了被发现的机会,哪怕你的作品再优秀。

  1. 撕开1米的口子,打1000米的纵深。

如果是看商业化能力,那么决赛中有很多队伍都比我强很多,甚至有些企业的作品已经投入市场进行验证了。如果是看团队背景,有些团队的成员title简直吓人,各种清华北大、研究生、海外留学生。如果是看技术能力,那么运用GPT4或者将AI与自家系统相结合的案例更是数不胜数。但如果看作品是否有趣,作品是否简约,作品是否吸引人,我感觉自己的作品还是很不错的。它就是一个很简单的东西,就面向一个很垂直的领域,就是做一件很有意思的事情。

"你要找到你真正想做的事情,那种可以让你一直想做下去的事情....."前公司CTO(我的老领导)这么和我说道。

这次的Al Hackathon挑战赛对我来说只是一次开始,它开启了我人生中关于AI这一方向的新篇章,它似乎向我展示一条全新的道路,这条道路可能还不太明朗,需要一步一步开拓新的地图。

但人生,不也是这样吗?

相关推荐
狼爷14 小时前
看懂了历史,为什么你反而更怕 AI
aigc
Csvn15 小时前
同一个问题问 100 遍,钱就扣 100 次?精确缓存让它只扣一次(C02)
人工智能·aigc·agent
90后的晨仔15 小时前
Xcode 27.1 下,老工程如何在 iPhone Duo 模拟器上跑起来
ios
90后的晨仔16 小时前
Xcode 27 升级后满屏 deployment target 报错?一文搞定
ios
ZhengEnCi19 小时前
AI 规则越多越费 Token:无关规则让每次回答多耗 46% 的规则体检提示词
aigc·ai编程·claude
二流小码农19 小时前
鸿蒙开发:router组件升级,彻底告别手动配置
android·ios·harmonyos
字节跳动开源19 小时前
OpenViking 3D理解模型上线轴测八视图及PMI解析
人工智能·开源·aigc
Nturmoils21 小时前
文件明明在本地,为什么自动验收仍说没交?我的 SoduWork 使用记录
aigc
小虎AI生活21 小时前
最近爆火的 Chrome 新 skill 装进 WorkBuddy,AI 写代码起飞了
aigc·ai编程
Dawson Zhu1 天前
【分布式训练⑧】通信优化:NCCL、Ring AllReduce与计算通信重叠
人工智能·语言模型·架构·aigc·agi