本帖用于记录我对不断发展的AI的理解和认知。
注意，我的理解和认知可能是错的；我不是想教你、说服你，而是想留给时间来判断。
同时欢迎讨论、拍砖！
-
为什么要记录？
因为AI发展太快，在我跟进AI的过程中，好记性不如烂笔头。 -
为什么放在这里，而不只是微博、即刻等？
大模型发展的早期阶段，博采众长、大家智慧很重要。为了避免信息茧房，我倾向放在公域上，这样搜索引擎可以爬取到。
什么是prompt（提示词）？
其实就是一本说明书、教程、文档。它的核心要求很简单，也很难：
- 你要描述清楚，不要模棱两可
- 你要提供参考样例
- 你要把问题拆解，告诉AI第一步、第二步……应该怎么做
看过《iOS应用逆向工程》的朋友，会发现完全符合1、2、3的要求。所以写过说明书、教程、文档的朋友写prompt，会非常得心应手
什么是AI Agent？
就是小程序/app的进化，我统称传统软件。
传统软件的特点是可以穷举。如伪代码：
if ...
else if...
else if...
而AI Agent比传统软件复杂，它无法穷举。如伪prompt：
你是一名心理学家。我给你一段话，你判断它是积极的还是消极的：……
AI Agent的进化路线是更复杂、更完整，直至人：
传统软件 → 好奇数眸（微信小程序里搜） → 小爱同学 → 铁大（小米仿生机器人） → 人
其中好奇数眸、小爱同学和铁大就是已经存在的AI Agent。
为什么OpenAI是iPhone时刻？
OpenAI定义了文生文的AI范式：以对话（chat）的形式工作，输入prompt，输出completion。
ChatGPT-3.5发布爆火后，所有其他的文生文大模型都遵循了这个范式。
OpenAI是闭源的，它相当于文生文大模型里的iPhone。
与之对应的，文生文大模型里的Android，就是ChatGLM、baichuan、Qwen、Llama等开源大模型
为什么大多数工程师（当然包括我）不应该做基础大模型，而应该做应用？
大多数工程师没有研发基础大模型的能力，这个是博士、研究员、科学家才能干的事。
类比起来，基础大模型是操作系统或内核，应用就是软件、网站、app、小程序等。
其实在互联网和移动互联网时代，做操作系统和内核开发也是少数人，大多数人还是在做应用。
到了AI时代，这条路径不会改变，一定还是少部分人做基础大模型，绝大部分人做应用
感谢分享
开发行业垂类大模型的常见思路
- 先用最好的文生X大模型（往往是闭源的），如OpenAI提供的GPT-4-Turbo和Midjourney，把流程跑通，形成AI工作流
- 用这段AI工作流跑一段时间测试效果。过程中一定要收集高质量数据！
- 用收集到的高质量数据来微调（fine-tune，一般是用LoRA）开源基础大模型，如ChatGLM和Stable Diffusion，从而得到行业垂类大模型
罗列我使用测试过的主流文生文大模型
纯主观，排名分先后
我评价的标准主要有以下维度
- 内容质量，包括中文、英文和代码
- 反应速度
- 提供的API和使用便捷程度
- 性价比
我一般常用的方式是
- 把ChatGPT-4当Google用
- 把Claude当Bing用，我认为是ChatGPT-4的水平
- 把智谱清言当百度用，我认为是ChatGPT-3.5的水平
- 把通义千问当搜狗用，我认为是ChatGPT-3.5的水平
最常用的就是ChatGPT-4、Claude 3和智谱清言
我曾经常用，但明显落后的有
- 文心一言，稳定性不够好，经常用着用着报错，需要刷新
- 百川，曾经跟智谱清言一个水平，但近3个月明显落后了
- 讯飞星火，曾经跟文心一言一个水平，但近半年明显落后了
“AI+”潜在的坑
2024年两会首提“人工智能+”，看上去很美好，但实际落地时可能很骨感。举个例子：
如果某传统行业没有经历过数字化阶段，那么它要么提供不了足够多的数据，要么提供不了高质量的数据，导致你无法训练/微调AI，只能prompt engineering，而无法使用更高阶的fine-tuning和RAG功能，导致大模型能力有限。
而传统公司因为不懂技术，加上营销号的夸张描述，容易高估AI的能力。有了这个预期落差后，工作就会难一个量级。
前几天看到一个访谈，有句话，值得了解：
不要高估短期内的AI水平，不要低估长期的AI的水平
理想确实丰满 但是3-5年 ai没有盈利 资本就舍弃这玩意了，就像以前的ar vr
chatgpt这种国民级应用都已经出来了，世界级别的事件
延伸上面的话题：
需要成为什么样的AI应用工程师/熟手/专家？
长话短说
目标是成为阿里P7级别的AI应用专家，能够一杆到底，提供解决方案，。
业务方的需求
2023年一整年，我接触过一些有“AI+”需求的传统公司。他们的特点是：
- 细分行业前三。因为行业见顶，所以上有瓶颈下有追兵。为了寻求“第二增长曲线”，他们往往会选择“科技+”来破局，例如元宇宙、区块链、数字藏品、AIGC等。
- 他们对科技的理解仅限于营销号的水平，属于典型的没吃过猪肉，但见过猪跑。
他们的需求是：把看上去高大上的AIGC落地到本行业中，实现降本增效。
我方要做的
如何“把看上去高大上的AIGC落地到本行业中”？其实就一句话：为业务从0到1打通AI工作流。
为了能“为业务从0到1打通AI工作流”，你必须能够成为阿里P7级别的AI应用专家，能够一杆到底，提供解决方案。
一杆到底和解决方案
业务方是业务专家，对AI一知半解，他不一定分得清产品经理、提示词工程师（prompt engineer）、软件工程师等岗位的区别；他可能会说“就差一个程序员”，而且他没跟你开玩笑。他对你的期望就是“AI+业务”里，“+”的左边你全都可以撑起来。
而“一杆到底”要求你能身兼产品经理、提示词工程师、软件工程师等数职，“一肩挑”；先作为产品经理跟业务方沟通，把他的“一句话需求”扩充成PRD，然后作为提示词工程师实现业务方的需求，最后作为软件工程师将其标准化、工程化，最终提供解决方案。
为了能够一杆到底，在技术层面，你还要对主流文生文大模型、主流文生图大模型、音频、视频、gradio、flask……的日常使用、API调用、部署……都有所涉猎。这个要求……如果不难，人家找你干嘛？
做不到？做得到！
在移动互联网的混沌时期，所有人都在摸索，远没有现在的互联网这么清晰。iPhone出现了，没人会开发app，怎么办？那么会C++的软件工程师，只好吭哧吭哧学Objective-C，成为了初代客户端工程师；不喜欢写代码但头脑比较灵活的图书编辑，天天体验各种app，就变成了初代产品经理；朋友的淘宝店铺里销量持续走高，忙不过来，拉你帮忙，你不小心就成了初代运营……“世上本没有路，走的人多了，也就成了路。”
AI大模型的混沌时期，所有人都在摸索。你很容易就可以入门，成为初代AI产品经理，初代提示词工程师，初代AI软件工程师，也可以成为初代AI产品经理 + 初代提示词工程师 + 初代AI软件工程师，成为一个初代AI应用专家。
混沌时期，想成为初代，门槛真的不高；很多人是把现在的移动互联网高标准给代入到了当下的AI大模型，自己把自己吓跑了。赶紧调整思路，提桶速来！
大佬有什么好的落地方向，现在大家都在做这个赛道，感觉AI作为赋能能做很多有趣的事
现在AI大模型最成熟的就是文生文和文生图，所以好的落地方向就是离文或图最近的方向
