多使用。在自己的工作流中加入 AI 产品。写代码，写周报，脑暴想法，总结文档，翻译等。生活中的问题也可以积极问。
日常使用的 AI 工具
| 应用 | 功能 |
|---|---|
| Poe | 聚合，可以使用 Claude、GPT-4、copilot 等 |
| ChatHub | 聚合，需要登陆状态 |
| perplexity | 查资料,全网搜索主题并给出引用地址 |
| devv.ai | 一个新的面向程序员的 AI 搜索引擎 |
| 蚂蚁 CodeFuse | 蚂蚁自研，IDE 插件，可以完成代码补全、代码优化、添加注释、解释代码、生成单测等编程任务 |
| ChatGPT | 镜像：老北鼻 AI - chatGPT 3.5 turbo、chatGPT 镜像 |
| bard | 支持长文本 |
| Claude | 支持长文本 |
| 文心一言 | 国内版 |
| 通义千问 | 国内版 |
云平台
| 应用 | 功能 |
|---|---|
| Hugging Face | 注册并多逛，有大量开源模型，数据集，以及模型的线上体验 |
| Google Colab | 不用下载配置本地环境即可线上实现很多大模型的框架 |
| Lepton AI | 这个网站把开源的 AI 模型，都做成了云服务，你可以在本地用一行命令调用，也可以在它的网站上试玩这些模型。 |
| 阿里云 PAI | |
| 阿里云百炼 | |
| 魔搭 | |
| 飞桨 | |
| wisemodel | 始智 AI，国内版的 huggingface。 |
Level 2 - Prompt Engineer
AI 往事
太卷了！关于大模型和 AIGC 的 36 条笔记和真话
在这个领域的从业者，更要清晰地看到行业的内卷和客户的痛点，别被大佬的鸡汤迷了眼。
- 大家融到的钱，80%-90%给到了算力，这是现状。要知道，现在还只是训练，训练的成本是可控的，推理的成本是不可控的。
- 在算力紧张的情况下，我们在做一些前瞻性的技术尝试。大家可能都想不到，在我们大模型公司，做基础架构的同学，比做模型的同学要多。他们普遍的价格都还挺贵，也很难招。
- 刚开始觉得模型还挺值钱的，现在又陷入到内卷了。前段时间碰到一个客户，BAT 等都报价了。刚开始报价，还挺贵，1000 多万。大家知道最后的成单价是多少？太卷了。
- 百亿参数的大模型，在某些特殊客户的认知里面，就是免费的。
- 我们要找到一些性感的场景。有几个标准。第一，小切口。第二，跟大模型的优势相匹配。第三，让买单的决策用户有强感知。比如以前获取一些数据、结论或者服务，需要不同的流程，现在通过大模型，决策者在移动设备就能快速获取和完成。
- 大模型想做成功需要三件事：1）能不能拿到足够多的钱去买算力。2）能不能拿到足够多的数据。3）人才密度是不是够厚，不在数量多，而是有没有足够多的高质量的科学家。
- 我们认为机会还是在 tob 垂直模型，核心点在数据和场景本身，这是最核心的。B端最大的bug在于，最后做成了高级的人力外包。
- 我们反而认为 ToC 赚钱比较容易。ToB 有个问题，一个项目的历程时间比较长。客户批预算，再到立项，再到实施，钱的周期是很长的。
- 我觉得现在是机会太多，不要把资源分到你所不是的地方，做战略选择，这个很重要。
- 最近一两年，可能是做创新、做产品的过程，现金的回收周期会相对长一些。
- 绕开模型，绕开算力，可能接下来的机会就是 Agent。
- 大模型玩家，要保证自己能留在牌桌上，才有机会看到下半场新的东西出来
如何打造一个拖垮公司的大模型？
用戏谑的口吻描述企业打造大模型过程中的诸多挑战。有些梗会心一笑
- 先砸 10 个亿买卡
- 从顶流公司挖大牛来坐镇首席科学家
- 定战略、当卷王
- 万事开头难。从数据准备开始，全员加班鸡血加班
- 开始玩命训练，不出意外的话快出意外了
- 内部开始自我修正
- 不管产品行不行市场宣传要先行一步
- 生态伙伴少不了氛围必须搞起来
- 大模型「练」出来了终于
- 及时止损人间清醒
我的朋友开了家 AI 公司，6 个月就把裤衩赔掉了
6 个月，花掉 20 万，挣了 200 块，最终关停了项目。 多数的人只是冲着蹭流量来的。AI 成了一个全新的噱头，什么行业，跟 AI 沾点亲、带点故，就能卖得更香。 大部分投资人的原则是：多看，少投。甚至还有很多人打着投资的名号，在创业者这里恶补 AI 知识。
超级个体公开课：AI 智能体与人类，未来协作方式/合作组织/生产空间
面向数字游民、自由职业、远程办公等群体的一次 AI 时代的超级个体公开课分享。相对全面地介绍了人类与 AI 自动代理、AI 智能体的未来协作方式，将如何重塑未来的商业模式，有助于每个人提前洞察未来并由此做好职业进阶的准备。
超级个体是掌握先进生产力 (AI)、生产关系 (Web3) 以及生产空间 (Metaverse)，拥有自己的 AI 团队与自动化任务工作流，基于 AI Agent 与其他超级个体建立更加「智能化」与「自动化」的协作关系。
三大技术叙事融合趋势：提出 Web3、AGI 和元宇宙三大技术趋势正在交织影响社会，需要理解它们的交互作用。例如：人类与 AI 协同的三种方式， embedding、copilot 和 agent 三种人机协同方式。超级个体经如何经营一人公司，讨论了超级个体具有自动化核心运营的一人公司模式。自动化品牌营销公司 - AutoCorp：描绘了一个基于 AI 实现营销自动化的虚拟公司。超级个体与智能体的竞争博弈关系：分析超级个体与智能体博弈找到最优解的重要性。
构建外脑 / 智变时代的个人知识管理
如何用新工具来帮助扩展大脑思维与记忆的边界，以及知识工作流的新方法，激发潜能，构建外脑。
大模型时代，程序员如何实现自我成长
作者就是一位开发，分享了过去一年总结积累的思考和经验，并回顾过去一年大模型领域的发展情况。
文章会分成了四个部分:
- 从初次接触 ChatGPT 追 AI 新闻，
- 亲身实践并利用 LLM 进行一些有价值的工作
- 以开发者视角总结一年来大模型各个层面的发展
- 浅谈 AI 未来展望
同时作者给出了包括优质信息源、基础和进阶课程、标志性的开源项目、基础模型服务商、中间层、体验不错的 LLM 产品等等清单和链接。
探讨人工智能对经济的影响
来自桥水（bridgewater）的报告：《探讨人工智能对经济的影响》
从历史来看，像电力和计算机这样能广泛应用于整个经济的通用技术，通常在诞生后一到三十年后开始显著影响生产力。
AI 对生产力的提升速度将超过过去的通用技术，但真正的高峰期仍然遥远。
2024 年科技领域的重大创新思想
a16z 发布的关于 2024 Tech 创新的预测，虽然没有 AI 的单独介绍，但 AI 却贯穿生物健康、消费技术、Crypto、Fintech、游戏、企业与基础设施、还有美国的国防与安全产业：
- 语音优先的应用将开始融入我们的生活；
- 消费级 AI 的战场从拼模型转向用户体验；
- 我们需要量身定制的 AI 助手：ChatGPT 也许是最通用的，但它不太可能 "胜任 "所有任务。新公司会围绕使用场景打造新模型 or 工作流，用户需要定制化，而且越窄越好，这也是新机会；
- GenAI 将创作的边际成本降至近乎为零，我们将看到全新的消费行为出现：Midjourney、Runway、Eleven Labs、Glif 这些新的创作工具会更多融入到创意工作流中，用户也会消费更多的 GenAI 内容，新模型和新界面将会继续涌现。AI 将帮我们再造创意；
- AI 将为金融与顾问服务产业提供动力：随着 GenAI 和 LLM 的发展，更多的工作可以实现自动化，包括管理任务、研究过程（收集和摄取数据、搜索信息）、总结以及生成报告。利用 LLM 的初创公司将捕获现有操作系统难以收集的数据，同时自动标记和存储这些数据，我们可能会看到一直由软件寡头垄断的细分市场进入一个新时代；
- AI 将推动拉美中小企业走向数字化：许多拉丁美洲的商家都使用 WhatsApp 来提供客户服务和支持。这些交互主要涉及消费者期望快速响应的任务，例如报价、排期和物流。目前，商家的响应时间可能会根据代表的可用性和请求的复杂性大相径庭。AI 助手可以大大简化这些耗时的任务，为商家和消费者创造价值；
- LLM 让我们有机会建立一个更智能的 RPA 系统：系统可以根据上下文理解输入和执行的操作，并能够动态调整，从而创建一个更强大的解决方案；
- 我们将在 2024 看到第一批 AI 优先设计的游戏：它们会利用 LLM 来实现新颖游戏系统和互动机制，游戏世界本身将不再是渲染出来的，而是在运行时利用神经网络生成的；
- 我们与 AI 的对话将和 FaceTime 对话一样自然：随着响应延迟的降低、文本到语音技术的进步以及音频驱动的面部动画，我们与 AI 伙伴的对话将越来越具有感知力、存在感和个性化。娱乐将继续从被动体验向主动体验转变，电视节目和互动游戏之间的界限将变得越来越模糊；
- 去中心化的开源 Crypto 网络将使 AI 创新民主化，而不是集中化；
- AI 模型将寻求可解释性，这个在高安全领域十分必要，例如机器人和自动驾驶；
人工智能即将全面改变我们使用电脑的方式
比尔盖茨新写的一篇博客。盖茨认为人工智能即将全面改变我们使用电脑的方式并彻底重塑软件行业。并且他还自嘲了当年 Office 推出的傻傻的回形针机器人。他无比看好未来的 AI 智能体，相信未来五年每个人都能拥有一个自己的 AI 助理。