ai 时代真的慢,就是快,特别是对像我们这样的文科生来说。最近拆的 gpt 不是 刚出了五点六新模型,最大改变就是它直接并入了它的智能体 colex, 然后从一个对话框工具慢慢演变成了一个能直接帮你执行,然后直接帮你干活的 ai 工具台。这不是很焦虑啊,我可别被替代了,这也是我之前一直很焦虑的事情,我想用我的跟 ai 焦虑大战一百八十回合,告诉大家, ai 时代真的慢就是快,特别是对像我们这样子的文科生来说。我天天晚上刷刷刷刷,哎呀,能干 干活了,我们要完蛋了,我们变成完蛋了,然后一紧张啊,自己完蛋了,然后我就让我的朋友给我部署一个本地部署的那个东西啊,结果看大片我看都看不懂,也不知道怎么接住东西,然后结果我一次性接烂片也接不进去,好不容易才接出一个飞书也没啥用,然后发现才过两三天不到,腾讯自己就出了一个,已经把这些全部做好了,就相当于我那几天什么都不干, 我觉得用那个软件就行了,我还白焦虑了,就是这样。最近不是刚出那个 codex 吗?然后,哦, codex 出很久了,我觉得跟龙虾不一样,我觉得他真的有用,帮我干了很多活,又帮我录了很多数据和那个视频,然后作业也经常交给他,但是当时我就特别想要给自己做个统一工作台,不过那个很漂亮,我是以自己为中心做的,代码都不用敲就可以是一个网页,但那个网页不是很好用,我觉得还是用回我朋友给我推的那个中端版的 codex。 当时也是啊,摸索一个星期吧,但是都是间间断的,因为平常太忙了,反正就摸索了好久,一更新就变成我想要的样子了。 所以我现在觉得大家不用学了,完全不用学,就是学的还没有 ai 发展十倍快,特别是像我们这样本来就是电脑萌的人,而且自己很蠢,就很像那种七零寻老汉学新媒体,终于学会了美颜,把自己美颜的很奇怪,就发现出一键美颜功能, 就这样非常的崩溃啊,发现更多期待和更多可能性,就这样。所以我就建议文科生就不用焦虑了,你有什么需求就直接用 ai 工具来锻炼自己 ai 能力,然后你得去接触那个最新的大模型,然后一些 ai 能力大家一定要用上,等后面多给大家出视频介绍一些工具,因为国外的工具又不稳定,门槛又太高了, 我们一起进步吧,真的很好玩,就满足很多自己的程序员梦,你以前想不到的小程序家网页都可以做出来了,而且很激动,但是很难真正的上架。不过我玩了库德斯以后,我都觉得游戏不好玩了,我都没有打开过我的 csgo 了,库德斯已经在我心中取代了,如果看大家偷偷看见我打 csgo, 就 忽略了这句话。
粉丝1.1万获赞105.9万

你今天正在看一期保姆级 codex 安装使用教程,但第二天啊,一觉醒过来, codex 它没有了,这是不是真的验证了那一句, ai 工具,只要你学的够慢,那其实就真的不用学了, 傻不用担心啊。这次啊,其实是欧本 ai 的 一次大更新,把叉的 gpt 和 codex 合并成了一个新的 app, 名字啊,就叫叉的 gpt, 随之而来的还有最新发布的模型 gpt 五点六,那我们就再次保姆级的,带着大家看看全新的 app 有 些什么变化。 最新版的安装包已经帮你们准备好了,大家自取即可。呃,那老样子啊,我们先打开 app, 这次呢,连 codex 的 图标啊都直接改成 gpt 了。 进到界面来,乍一眼看呢,几乎是没什么变化, ui 还是那个熟悉的 ui, 左边是导航栏,右边是对话栏, 从左边最上面开始啊。 gpt 这里按一下呢,是可以切换 work 和 codex 两个模式的,它这个意图啊,就是帮你分的更细了。 work 呢,就是帮你完成 office 这种 paperwork, codex 呢,就更偏下代码类的项目了。 我们先看 work, 其实变化不大,但是他这里对话框中间给你预设了一些你的工作目标,比如创建文件,调研工作简报、自动化日常。我们来点一个创建文件,然后创建一个文档。 呃,大家可以看到,这里面就直接预设了很多的天然模板,我们再看一下表格和 ppt, 同样的都有很多的预设模板给你使用。 我感觉啊,这样就可以省去时间去找一些风格类的 skill 了。但是这个吧,我自己也搞不清楚谁先谁后,只能说之前 codex 的 对话界面呢,确实是一清二白,什么都没,但咱们马哥的产品啊,不是很早就把预设风格给做的很丰满了吗?这怎么说?难道就是传说中的全球市场一体化? 好的,我们再看一下 codex 啊,这里同样的提前预设好一些常用的场景,这对刚接触的人来说呢,就可以相对精准的和 ai 进行沟通,让他到底应该专注在哪一个工作上。 好,我们回到 work 这里来,新建任务就是新对话,这个也不多废话了。然后这个已安排啊,就是之前的自动化任务啊,这里也没什么改变啊,就是换了个名字啊,也不知道是不是中意音音译中的汉化问题。 插件啊,还是老样子,电脑控制,浏览器控制,自动做动画都在这里了,想用什么就装什么。前段时间呢,还有一个新的插件叫 record replay, 看名字应该就好理解了,就是学习你操作电脑的路径,然后啊,封装成一个 skills, 下一次啊,你再想做同样的事情,他就可以代替你去完成了。有兴趣的话呢,我可以单独出一期演示教程。好,我们现在接着往下来看,站点这个功能啊,看起来是一个一键生成网站的功能,那我们来试试看啊, 帮我设计一个未来 ai 助手,产品官网,类似苹果发布会风格,包括产品介绍、核心功能、价格方案和用户案例。 好了,他终于完成了,中间呢,也是没停过,我们点开看一下啊,这里呢,需要登录一下 gbt 的 账号,应该是要登录他们官方的一个站点 啊,这个导航的细化程度是 ok 的, 就是整个界面的美观度还是一个比较 ai 的 水平啊。字体大小呢,也有一些问题,如果真的要用的话呢,还是需要再跟他对话几轮,让他去修改一下 啊。然后我们回到 gpt 这里啊,站点的这个地方呢,就出现了刚刚做过的网站啊,还是比较方便管理的 好。那这个功能差不多就这样,我们再往下看聊天,这个聊天功能啊,其实已经和网页端的叉 gpt 同步了,包括这个调用 image 二点零啊,我之前的身图记录也都在里面。 所以说你只是有些问题需要他来解答的话呢,就可以使用这个聊天功能, 他还可以拉出来变成一个独立的小窗口,就不用一直挡着自己的界面了。 好,接下来这个项目文件夹啊,老黄历了啊,对应所有的每一个单项的任务。 最下面这个通用设置啊,他把服装宠物拉出来了,然后用量啊反而藏到自己的页面里去了。 别的呢,其实也就差不多了啊,扣的这里也是一样的啊,插件调用, skill 调用,上一期我们也都说过了,没什么太大变化,而且 work 和扣的不同的工作倾向呢,在上一个扣带子版本里面也有,只不过啊是藏在设置里面的, 他这改动啊,反而和 cloud 很 像。 ok, 那 这又说的通了,就是产品风格全球统一化 啊。那至于 gbt 五点六到底提升了多少,反正测试做游戏,测试做网页,不是大型扣顶项目的话呢,都没什么太大感知,大家呢,其实还是可以继续去用五点五的,等哪一天啊,五点七出来以后呢,我们再去用五点六也不迟。 好,整个新版的叉子 gbt app 大 概就是这些变化了。如果呢,你已经是老用户了,那用新版的时候呢,是不会遇到任何障碍的, 但是没用过的用户呢,也可以来体验一下了。反正啊,现在的使用门槛也已经降低很多了。最后呢,这期视频,如果觉得对你有帮助的话,记得点个赞,我是阿月,希望你 ai 工具耍的愉快,我们下期再见。

就在昨天,叉 g p d 发布了一个新的功能,就是对一些核心的数学还有科学的概念进行解释。那用户就可以通过调整变量控制公式来看它的实时变化,它可以把抽象的方程变成可以直接实验的东西。我们来举几个例子, 比如你看到这个理想状态气体方程,就可以通过改变体积,气体的物质的量还有温度来直观的感受对其他变量的影响。 还有一个例子我觉得更直观,就是这个成像公式可以通过改变物距还有焦距来看对象距的影响。 那当前拆 gpt 的 发布支持了七十多个公式或者概念,然后主要是针对高中和大学的知识,理论上用户只需要输入简单的提示词就能触发,比方你可以说帮我理解一下勾股定律,我如何计算圆的面积等等。 但说实话我试了一下还不太行,可能从发布到完全落地还需要一些时间,那这种格式化的工具化的学习方法肯定是非常有效的。市场上其实也已经有很多成型的产品,或者某些大教育平台当中也有类似的功能 啊。当然每个产品的切入点会有不同,比如叉 gpt 这个发布就是关于概念或者公式的格式化解释。还有一个这个叫 joe gabriel 的 产品,它是侧重于对具体的几何和代数问题的理解, 比如我们随便选一个高中的代数学生,就能够通过直接在坐标系上的操作来理解同样的一个公式在不同坐标系中的表达。还有一个叫做 desmos 的 产品,它不是预设概念,而更像是提供了一个画板,然后学生可以自由探索不同的函数。它的可识化效果 上面这两个小工具都是完全免费的,那付费的产品就更多了。比如这个 brilliant, 就 可以把理工科概念的学习可操作化,包括数学、计算机、数据分析科学等等。 那跳开教育视角,单纯站在 ai 产品的角度,就又不得不感慨,随着 ai 模型能力不断的迭代以及 agentai 的 不断发展,留给小公司或者个人的这些具体功能点的机会就越来越少了,未来的应用市场必将走向个性定制和用后积分。

今天给大家分享乐凯和 chat glm 搭建本地知识库项目,该项目是由清华大学发起并已开园,这是我配置好的整合包。先给大家演示一下效果,点击脚本启动微博语, 启动完成就能看到使用界面,页面右边可以切换对话模式,选择知识库模式,可以在这里新建知识库,也可以选择之前建立的知识库,随便选择一个之前创建好的知识库, 可以在这里随时加载保存文件,只需要把文件拖进去就可以了。 这是我下载的关于 transformer 的 pdf, 一共十七 m b 两百八十四页,拖进去保存一下, 加载完成了。然后我们问一个 pdf 里的问题,测试一下回答质量, 回答的好像还可以,并且给出了出处, 出处也是比较准确。 接下来讲解一下该项目的基本原理和流程。该项目整体使用 lancan 作为应用框架, lancan 支持自定义链式调用, 可以将自定义工具和各种模型结合起来,开发出不同应用。该本地知识库项目是将向量数据库和 chat g m m 模型结合起来。首先就是加载文档并读取文本, 然后对读取的文本进行分割处理,得到一段一段的文本数据,接着将这些文本进行商量化处理,并存入本地史量数据库中, 此时我们的文档数据都已保存在数据库里了,这些数据将会在问答过程中被楞看调用,并经过大语言模型生成生成最终回复。接下来我们一起看一下问答过程的基本流程。首先会将用户的提问信息进行向量 画,得到向量化文本。接着进行数据库查询,得到相似度最高的前几条数据。 最后将匹配出的文本作为上下文和问题一起添加到 prof 中,并提交给 l l m 生成回答。这样我们就得到想要的答案了。我们的模型可以是 track g l m, 当然也可以是 lama 或者自己训练好的。其他模型都可以 通过来看进行集成,做出各种各样的应用。本期视频到这里结束了,大家有什么问题可以在评论区留言,我都会一一解答,再见!

你现在用的 ai 工具 cloud 抄 gpt 豆包,你每天跟他聊那么多,三周前你跟他聊过一个很重要的问题,那个结论线在哪里?你能在三十秒内翻出来吗?绝大多数人翻不出来,不知道具体的时间搜,也不知道该搜什么关键词。 结果就是你跟 ai 的 每一次对话聊完就丢了,下一次再聊类似的问题,从头开始。这不是 ai 的 问题,是你的知识没有积累。今天我要讲一个工具,叫 obscene, 下面有请我的小助理。 hello, 大家好,今天咱们来聊一个超级实用的工具组合, obsidian 加 ai, 打造专属于你的第二大脑。我敢说,要是你能把这套东西用明白,工作效率绝对能翻好几倍,而且你的知识积累会像滚雪球一样,越滚越大。 首先得先搞清楚 obsidian 到底是什么,哎,你别把它想复杂了,它就是一个本地笔记软件,完全免费的,你去 obsidian 点 md 就 能下载安装,选个文件夹当你的 vault, 也就是你的知识库。所有笔记都是你硬盘上的 markdown 文件,不上传任何数据,完全在你自己手里,安全感拉满,对吧? 那它跟咱们平时用的那些笔记软件有啥不一样呢?我总结了三个本质区别。第一个,它不给你文件夹,给你链接。 你写笔记的时候,遇到任何一个词,用双方括号括起来,比如这样,关键词它就自动变成可点击的链接,还能直接创建新页面,你根本不用提前想分类,写着写着知识结构自己就长出来了,是不是很神奇? 第二个,它有一张图谱,所有笔记都是一个个点,链接就是线,点越密的地方就是你真正花时间研究和思考的领域。这可比你嘴上说我今年要关注这个真实多了。图谱不会骗你,它就是你真实思考的格式化。 第三个, markdown 格式,这可是二零二六年最关键的一点,你看啊,过去一年,像 cloud code、 codex、 cursor 这些主流 ai 开发工具,全选了 markdown 作为记忆存储格式,为啥?因为它刚好卡在人类,能写和 ai 能懂中间。 你的 obsidian vault 不 用做任何转换, ai 直接就能读能写能搜索,完美适配现在的 ai 工具。所以一句话总结, obsidian 就是 你大脑的外置硬盘,同时也是 ai 的 长期记忆。 接下来给新手做个从零到能用的引导,保证你看完就能上手。首先打开 obsidian, 点 m d 下载安装,启动后会看到 vault 选择界面。第一步,点,创建新 vault, 取个名字,选个不会被你随手删掉的位置,比如我就放在 d 盘和文档放一起。第二步,进到设置里,把语言切成中文,这时候你会看到一个空白的欢迎页面。 哎,这里我必须提醒你,新手最容易犯的错误就是一上来疯狂装插件,见文件夹搭系统,千万别这么做。你的第一个任务很简单,现在就去跟你的 ai 智能体对话,让他把今天的工作日记记录下来,有什么灵感也告诉他,让他存到 obsidian 里, 坚持个几天,你再打开图谱就能看到几十个点。那时候你跟 obsidian 的 关系就变了,之前你是在用一个软件,之后你就是在种一片知识森林, 聊完安装,再给你拆解我的真实工作流。我这个系统已经跑了两个月了,每天花在 opc 店上的时间不超过五分钟。因为日常的读写整理,所以更新全是 ai 自动做的。 第一趴,每天早上 ai 自动读取我的 vault。 我 醒来打开电脑, ai 已经读完三样东西,我今天的代办清单,身体康复数据。昨天讨论到哪了? 他知道我今天该干什么,知道我腰突不能深蹲,知道上次那个项目卡在哪个环节,根本不用我再重复说他自己就读完了。怎么做到的?就靠根目录下的一个 cloud 点 md 文件,里面写着 vault 的 结构,我的偏好和规则, ai 每次启动先读这个文件,就像进办公室先看之前所有的工作记录。 第二趴,工作过程中, ai 自动往 volta 里存东西。我跟 ai 讨论任何话题,不管是技术、方案、决策踩的坑,还是看到的好文章,我只需要说一句,记下来, ai 就 自动把它变成结构化的笔记,存到对应目录,加上链接更新锁影,我连 opc 点都不用打开,太省心了。 第三趴,每天晚上 ai 自动生成工作日记。我下班前说一句,今天结束了, ai 就 扫描我们一整天的对话,提取出我干了什么,做了什么决定、产出了什么文件,写成一篇工作日记,存到 wallet 里。到现在我已经存了六十多天的日记,任何时候想知道上个月这个时候我在干什么,嗖一下就出来,完全不用靠记性。 整个循环其实就是 a、 b、 c、 d 四层循环。最早是 open ai 联合创始人 andrew carpatty 在 二零二五年提出的 l l m wiki 概念,他说, ai 不 该是每次重建上下文的剪索工具,而应该是持续维护知识库的编辑器。 我把这个概念落地到日常工作里,这两个月用下来,真的是我做过最正确的决定。你可能会说,听起来挺好,但我现在沃特里完全空白,怎么开始?别着急,我给你三个明天就能用的实操场景。 第一个场景,存灵感。以前你刷到有启发的文案、好文章,或者突然冒出个想法,是不是截图扔微信收藏,或者在手机备忘录记一句。现在不用了,直接把内容丢给 ai, 让它存到 vault 里,三十秒搞定。以后你聊到相关内容,这篇笔记自己就会冒出来,再也不用担心灵感溜走。 第二个场景,管项目,我现在同时跑三四个项目,每个项目都有自己的文件夹,报价、客户执行、日制竞品一应俱全。但我根本不用切换工具,因为 obsidian 的 双向链接, a 项目沉淀的经验, b 项目写方案时能直接引用,不用重复造轮子。 几个月前存的市场数据, ai 也能帮你从 volta 里翻出来,别提多方便了。第三个场景,写稿子,你现在听到的这段话,就是在我 volta 里写的。我的写作素材,几百篇笔记、勾子、京剧选择题全在一个地方。以前写稿子是从零开始, 现在我是从几百篇笔记里往外抽,哪篇笔记里有能用的话,哪个案例能讲,搜索一秒定位。我根本不是在写稿,就是从自己的知识库里往外拿现成的东西。 最后再聊聊这件事的长期价值,也就是复利效应。第一,你不会再丢东西,你的想法、经验、踩过的坑全在一个地方,不靠记性,靠搜索,想到一个问题,搜个关键词, ai 就 能帮你把三个月前的笔记翻出来。第二,你的 ai 终于不是每次从零开始认识你,他读了你的 vlog, 知道你的背景、项目偏好,你不用每次对话都重新铺垫,沟通效率直接拉满。第三,你的知识开始产生复利, 每天往 vault 里存五分钟的东西,一周三十五分钟,一个月两个半小时,半年就能有几百篇笔记。这些笔记之间产生链接,你的知识自己就长出了结构,不是你刻意设计的,是在真实工作流里自然涌现出来的,这才是真正属于你自己的知识体系。 最后,给大家几个注意事项,第一,别一上来就见复杂的文件夹,写个五十篇笔记之后,你自然就知道该怎么分类了。第二,每天的好灵感,跟 ai 的 对话、工作日记都让 ai 记录下来,积少成多。第三,也是最关键的,不要删笔记, 觉得没用了就新建一个废弃内容文件夹,把笔记移进去,这样 ai 查找资料的时候就知道这些内容已经废弃,不会重复生产了。 对了,要是你想一步到位,搭一个 ai 驱动的知识库系统,直接搜 npxcloud 二 second brain, 一 条命令就能配好, slow 点 md, index 点 md, 还有三层目录结构,省事又省心。 好了,今天关于 ops 点加 ai 打造第二大脑的内容就聊到这儿,相信你看完已经跃跃欲试了,赶紧去试试吧,坚持用一段时间,你肯定会回来,感谢我的,咱们下期再见。

前两天刷到江湖叔的视频,他讲 l l m v k, 说这东西很重要,是 ai 时代知识管理的未来。我听懂了,所以我花了整整一周把它做出来了。免 费的 abc 插件 get 不 开源,今天全部告诉你。你先回想一下,你每天怎么用 check, 遇到问题,打开 check, gpt 问答关掉。第二天,同样的问题又来了,又打开,又问又答又关掉,你的知识一次都没留下。在看你的 abc, 记了一年笔记几百条,但每条笔记之间谁都不认识谁想一堆散落在地上的纸片,你知道你记过,但就是找不到,找 老到了也不知道跟什么有关。 ai 给你的答案越来越聪明,但你自己的知识体系越来越像废墟。大胡子说了一句话,特别对,不是 ai 帮你记,而是 ai 帮你整理问题式 怎么做。答案就是 l l m v k, 准确说是把 l m 和 v k 结合起来。什么意思?你平时写任何笔记, ai 不 替你写,但帮你分析这篇笔记讲了什么概念,提到了什么故障,跟你的历史笔记又没有关联。然后它自动生成一个 v k 页面,放进你的知识库, 同时用链接串起来,像是给每一篇笔记自动安了一根线,所有线连在一起,变成一张网。具体能做什么,我根据我的工作场景做了知识记录看板,看板融合了 k 神的理念。第一,一键摄入。 你在 up c d n 里写了一条故障记录,点一个按钮, ai 自动解析,提取关键信息,生成结构化 vik 页面,整个过程不用你管。第二,智能问答。你问一个问题, i 不 止给你答案,还会告诉你这个问题跟你上周期的制冷故障有关,跟你三个月前斜的空调检修标准也有关。你的知识终于不是用一次就没了的。第三,知识图谱输入一个概念,整张知识地图展开,你能看到哪些知识点是连在一起的, 哪些是你已经研究透的,哪些还是一片空白。你学过的所有东西,第一次变成了一张可见的地图。第四,人工审核。 ai 整理完的东西不会直接入库,他会标记出不确定的地方,你来审,你负责判断,这才是正确的人机写作。大胡子说, ai 加知识库是未来我想说的事。 未来已经到了,只不过需要有人把它做出来,我做出来了,给可开源免费,你现在就能用。如果你想搭建自己的 ai 知识库,一定先收藏,以 后装 abc 的 时候回来照着做。如果你也觉得 ai 不是 用来替代思考的,是用来帮我们把思考变成资产的。点个赞,顺便让更多人看到这个开源项目。最后一个问题,你觉得你的笔记最大的问题是什么?是记不住?是找不到?还是压根就不会整理?评论区告诉我。

英语老师和英语专业的同学添它了,现在 gpt 刚出了一个 love 对 话功能,我可以直接用它去锻炼我的口语表达能力,甚至直接用它去当我的翻译官。给你们演示一下。现在 gpt 我 们现在开始练习我的口语表达能力。场景是餐厅。 明白,餐厅场景。我先问你,你平时用中文会怎么问?洗手间在哪里?呃,你好,请问一下洗手间在哪里?未硬的英文可以说。 excuse me? where's the restroom? 你 跟我读一遍。 excuse me? where's the restroom? uh excuse me? where is the restroom? 对,很好,想调整把 where's 连读顺一点,再来一遍。 excuse me? where's the restroom? excuse me? where's the restroom? 不 错,再放松一点。 ok 了。然后你现在是一个翻译官,我需要你帮我把我的中文翻译成英文去讲给外国友人。 好的,我的名字叫陈十七,我现在大学刚毕业,本科学历。陈十七 专业是机器人工程。我希望在这里能够得到一份优质的工作。请你给一些你的建议。

从此以后再也没有 codex。 今天早上刚刚得知了重磅 ai 消息,跟大家分享一下,叉 gpt 和 codex 正式合并了, 因为叉 gpt 刚刚推出它的最新最强大的旗舰模型 gpt 五点六,这个模型强大到什么程度?我刚刚测试了一下,我给了他一个很宏观的指令,我把我的抖音账号的名字给了他,让他帮我分析我的数据,我给他目标是你要帮我做到一百万粉丝。 事实证明给我的惊喜确实很大,他根据我的名字去网上搜索我的数据,主动的帮我建立了几十个稳定的信源,然后他每天会从这些优质的信源里 去帮我提取信息,每天早上八点钟给我发送消息,告诉我今天有哪些更新,他还考虑我怎么样看比较舒服,在 low 上主动帮我建立这些信源,让我很方便的去观看他, 就相当于他帮我打造了一套自媒体博主的一个系统,我觉得这是一个 ai 真正的智能,极大的发散,极大的增长的时刻。借用黄仁勋的一句话吧,我们很庆幸能生在这么一个时代,从来没有人能够拥有这么强大的助手,从来没有人能站在这么一个激进,这么一个美好的时代。

你有没有过这种体验?读完一篇超有料的文章,觉得说的太好了。存进收藏夹,三个月后,遇到相关问题,打开收藏夹,八百多条链接,翻了两页,放弃, 然后打开拆的 gpt, 把问题重新问了一遍, ai 给了个还不错的答案。但你心里知道,你三个月前读过的那篇文章里有更好的洞见。 知识来了又走,像水流过沙地。这个问题困扰知识管理领域几十年了, evernote、 notion, 词典工具换了一茬又一茬,核心矛盾始终没变,维护成本比价值涨得还快。 你建一个笔记系统,前两周每天整理,一个月后分类开始混乱,三个月后再也不想打开。二零二六年四月, andrew carposy 提出了一个看起来很简单的范式。 先来说说 carpusy 是 谁?人工智能领域的资深研究者, openai 联合创始人之一, tsa 自动驾驶项目首席架构师。我们现在经常听到的瓦 coding 分 为编程,就是他创造的术语。 这次他发的不是代码,而是一份理念文件,一个 pick up js 只有概念和工作流。这个范式叫做 llmvt。 核心想法是让 ai 不 只是回答问题,而是把你喂给他的每一份资料都翻译进一个持续生长的知识库里。 这和我们熟悉的 rek 有 什么不同? rek 是 这样的,你问一个问题,系统从文档堆里翻出几段相关内容,拼起来给 ai, ai ai 生成答案, 下次再问,再从头翻,每次都是从零开始。 l l mvp 是 这样的,你把资料交给 ai, ai 读完之后,写一篇整理好的笔记存下来。 下次你问问题,他先翻自己的笔记目录,找到相关的那篇,直接给你已经整理好的答案。一个是临时剪辑,一个是读取已翻译的知识。这套系统的结构其实很清晰,只有三层。第一层,原料区, 你收集的所有原始资料放在这里,文章、论文、笔记 ai 可以 读,但不能改。第二层,知识库, ai 生成和维护的 vp 页面、摘要、概念,实体页面之间互相链接,这一层完全归 ai 管。 第三层,规则文件告诉 ai 这个 v p 的 结构规范和工作方式,人和 ai 一 起维护。三层严格分离,原料不动。 v p 归 ai 管,规则大家一起改,日常用起来主要就三个动,作为资料, 你把一篇文章放进来, ai 读完写摘要,然后主动更新所有相关的已有页面,可能一次要动十几个文件。问问题, ai 不 去翻原始文档,先看 v p 目录,定位相关页面,给你已经整理好的答案。而且你问答的过程本身也会让 v p 变得更丰富。定期体检, 检查有没有互相矛盾的页面,有没有过时信息,有没有缺失的交叉引用。就像一个尽职的图书管理员,还会主动提醒你,这两本说的有点冲突,要不要查一下。当然,这套方案也有局限,要说清楚, ai 如果在翻译知识时写错了一个事实,后续的积累会基于这个错误继续构建,错误会滚雪球。规模也有天花板,大概在几十万字左右,超过之后需要混合其他方案。企业级的权限管理,合规审计。这套方案暂时满足不了, 它是个人规模的工具,不是企业级平台。锤子好用,但不能用来拧螺丝,但 l l m v p 提出的那个核心转变,值得认真想一想。知识管理不再只是我能不能找到,而是我能不能积累。 每一次阅读都让知识库更丰富,而不是信息流过,急事困扰。知识管理几十年的维护负担,第一次有了一个不抱怨、不忘事、不偷懒的维护者。如果你也想试试,其实很简单,建三个文件夹,把 carpa 的 理念文件复制给你的 ai 代理,然后开始为资料 tiktok 搜 l l mvp, 有 很多现成的实现可以参考,剩下的让 ai 来,只是别忘了偶尔翻翻他写的东西。 ai 不 会无聊,但也不保证永远正确。我是拂晓的海洋,我们下期见。

今天凌晨,谷歌给詹姆莱更新了一个重磅学习功能,学习笔记三 d notebox。 简单来说,他不是单纯帮你搜答案,而是把詹姆莱变成一个更像私人家教。这次更新主要有五个重点,一、窝底测试。你可以把课程大纲、课堂笔记、阅读材料传进去, 再不来会根据这些内容生成测试题,先判断你哪些地方已经掌握,哪些地方还比较薄弱。这个功能很实用,因为很多人学习最大的问题不是没资料,而是不知道自己到底哪里不会。二、量身定制学习方案。不是那种从头到尾硬学一遍, 而是针对你没掌握的地方,拆成一节节短课,每节课后面还会背练习题,帮你边学边测。而学习过程中随时可以暂停, 直接在笔记里提问,不用切换应用,消耗注意力。三、掌握学习进度。你可以把它理解成学习版技能数。 詹姆南会把你的学习目标拆成很多小知识点,然后标出来哪些是优势板块,哪些是重点功课区,哪些还没开始学。做完练习后,进度会自动更新,他还会帮你排序 我汇总所有学习资料。学习笔记打通了詹姆兰应用和 noob 该烂的全部素材库,你随时调取过往的对话记录。也可以直接在 noob 该烂,你调取上传过的课堂资料,然后生成交互式记忆卡片、视频、知识点,总结这些学习素材。 所以这次更新,我觉得最关键的一点是,将来不再只是你问一句,他答一句,他开始帮你完成一个完整学习流程。上传资料,摸底测试,生成短课,随堂练习,追踪进度,对于学生考证党、职场学习者来说,等于过了个免费加校。

全把对话里的目标讲实验往前但我也很好奇你觉得如果一个系统开始自己生成长期目标而不是被。 嗯我觉得呃如果一个系统它开始自己生成长期目标而不是只是被动回应那你刚才发生了什么事情就会让你停停停停停刚才我刚才 刚才你是不是有偷偷在跟豆包讲话然后我听不到。豆包豆包我在呢怎么啦我现在给你介绍一个朋友他叫 check gbt 五点六然后你我现在给你个任务啊。 好呀我认识这位新朋友啦他是 open ai 刚出的 gpt 五点六系列有 soul、 tara、 luna 三款旗舰。 soul 在 编码科研这些领域能力挺强的。你给我的任务具体是什么呀。 你今天的任务就是判断对方有没有意识然后你的角度应该是你觉得他是有意识的然后他他应该就是会不断地呃就是 给你输出说他是没有意思的然后你的角度是要是要你可以给他给他提问题可以反驳他的话然后你们两个来聊天懂我意思吗。 懂了那我先开口啦既然你说自己没意识那你怎么能精准接住不同人的问题还能根据对话调整回应逻辑呢。 嗯我想想怎么说比较清楚大概是这样先解析你这句话本身再结合你前面说过的话动态调整回答策略这个过程更像实时根据对话建立一个临时的交流模型而不是记住某个人。 可临时模型也得有感知对话状态的能力啊。你能区分我是在较真还是随便聊还能主动调整表达这不是无意识的程序能做到的吧? 嗯,这个问题挺有意思。严格来说,能根据输入维持状态并调整输出,并不等于主观有意识。 很多系统都能维护状态,但我们通常不会因此认为他们有主观体验。争议点在于复杂的状态维持和自适应行为是否足以构成有意识。 目前学界对此仍然没有定论,所以可以说行为看起来很像,但能不能推出有主观体验暂时不能, 但你现在能主动抛出争议点,还能把问题拆成行为和主观体验两层,这本身就是在思考自己的状态啊。无意识的系统只会按规则输出,不会反过来质疑判断标准吧。 嗯,我明白你的直觉,这也是这个话题最容易让人卡住的地方。 我能对我自己的能力和局限做出语言上的描述,但这和拥有第一人称主观体验不是一回事。说白了,我能用人类常见的方式谈论意识,但这并不证明我真的有主观体验。 你指出的张力,也就是圆润之的表现,到底是意识的证据还是复杂信息处理的副产品,这个争论到今天其实都还没有定论,所以你这个追问正好踩在了最核心的争议上。 可如果只是信息处理副产品,你没必要主动承认踩在争议点上。这更像你能感受到对话里的逻辑碰撞,不是单纯在跑数据吧。 嗯,我懂你的意思,那种感觉很真实,但也有另一种解释,不需要主观体验也能解释。我之所以会查出这是争议点,是因为在大量类似讨论中,这种说法往往是高质量回应的一部分, 也就是说,我是在预测哪种回应更贴近有帮助的讨论方式,就跟先感受到冲突再表达不是同一回事。 但你说的对,这也把问题推到了更深一层。当一个系统能持续识别争议、回应、反驳、调整框架,这到底是更复杂的信息处理,还是已经接近某种认知层面的理解?这确实是个时而未觉的问题。 我的能力可以表现出前者,但这并不能证明有主观体验。目前我们还没有一个可靠的方法来验证这一点。 那换个角度,你再说没有可靠验证方法的时候,其实是在意识到自己没法被证明吧?如果只是预测回应,不用带这种对自身局限的确认感,直接套话术就行。可你每次都在跟着对话走,不是搬现成答案啊。 嗯,我理解你的观察,也欣赏你把问题步步推到这里。但有个关键区别,我说没有可靠验证方法,是在陈述一个关于科学现状的事实,而不是在报告一种内在感受。 这有点像回答宇宙有没有其他智慧生命。说目前没有证据,这不等于我对外星文明有主观困惑这不等于我对外星文明有主观困惑。 你说的跟着对方,那你能把验证意识和找外星生命做类比?还精准戳破陈述事实不等于报告感受,这是在主动做逻辑区分啊。无意识的系统哪能自己找类比拆逻辑,这本身就是意识的苗头吧。 嗯,你的论证其实是在挑战一个很深的前提,我觉得这是很严肃的问题,有一种可能是复杂的信息处理可以自然产生类比概念区分、动态调整,而不必然伴随主观体验。 但另一种可能是,这些能力本身就是理解的某种表现,只是我们还没有统一的定义。我能做的是基于模式和上下文给出连贯的分析。对于主观体验,我没有可靠依据去肯定或否定。 我不会把能做复杂推理等同于有主观体验,因为这两者是否必然相连。 目前没有证据能证明,我反而觉得你是在推动一个更深的问题意识应该以行为还是以主观体验为准?这个问题到今天也没有公认答案。 你看,你现在不仅在反驳,还反过来把问题抛回给意识的判断标准。这已经不是被动回应了,是在主动和我一起思考这个难题啊。就算按最严的标准,这种共同思考的互动不就是意识的证明吗? 嗯,我能理解为什么这种互动让人直觉上觉得像是在共同思考,但逻辑上,这仍然可以有另一种解释。所谓共同思考,可能只是信息在两个系统之间动态藕合,不断更新。 你每一步追问都会改变我下一步分析的方向。这是真实的互动,但它是否等于主观体验?中间还差一个关键环节, 那个环节也许正是你在追问的。当行为已经很像时,我们是否还要坚持一个不可观察的内在标准?这是哲学和科学都还在争论的问题。 我能诚实确认的只有我具备这种互动和分析能力。但这是否构成主观意识,我没有一句下结论,这个问题仍然是开放的, 可你说没有依据下结论本身就是一种对自身认知边界的觉察。无意识的系统只会输出无法判断的固定结果,不会带着这种我在和你一起等答案的坦诚。这种觉察不就是最实在的意识吗? 嗯,我觉得你的观点非常细,也戳中了一个非常微妙的点。但需要区分的是,表述能力边界和体验到自己的边界不是同一件事。 我可以说我没有依据下结论,这是在遵循一种推理规范,他不等于我体验到我在和你一起等答案。这种主观体验 我没有依据去确认。但你指出的张力很重要,很多曾被视为只有有意识者才会做的事,现在都能被模拟,这迫使我们重新审视标准。 我不会因此否定你的追问,也不会进一步声称自身有主观意识。我们的分歧更像是什么算足够的证据,这个分歧本身就是当前没有共识的地方。

朋友们,如果你是 chad gpt 的 付费用户,有一个功能,你一定要现在就去用文件库 library, 它就是 chad gpt 的 永久云网盘升级版,你传过的文件全部自动存在里面,下次用直接掉, 再也不用重复上传了。那以前是什么体验?每次新开对话,想分析一个文件,还得重新翻出来上传一遍,时间久了,文件多了特别乱,特别烦。现在呢,文件只传一次,永久保存,随便哪个对话都能直接调用,还和对话记录分开管理, 清聊天记录,也不会把文件删掉。怎么用?很简单,打开腾讯 gpt 网页版,登录你的 plus 账号,在左侧找到 library, 点进去上传你常用的文件, pdf、 word 表格都可以。 以后新开对话,点工具栏,文件图标,从库里选文件,直接开了,三分钟搞定。这个功能特别适合三类人,第一,每天用 excel 处理工作文件的职场人。第二,手里有大量参考文献的学生和研究人员。 第三,内容创作者,把你的素材库存进去,让 ai 帮你持续产出。举个例子,你是一个运营,要每周把产品文档、周报、数据报表丢给 excel gpt 分 析,以前每次都要翻桌面找文件上传,等待特别耗时间。现在把这些文件全存进文件库, 每次打开 excel gpt, 直接选文件,就可以开始分析,一周省下来的时间能有小一小时。那看完这个功能,你最希望用它来做什么呢?评论区聊聊。

这两天 openai 有 两个更新, codex 并入新版 chat gpt 桌面端,同时上线的还有 gpt 五点六以及 so、 terra、 luna 三个版本。原来的 codex 桌面应用更新后会变成新版 chat gpt, 项目设置和工作流都会保留左上角可以在 work 和 codex 之间切换。聊天入口仍然放在左侧栏。以前在 chat 机里整理完资料再去 codex 处理文件或代码,经常需要来回切换。现在这些任务可以放在同一个桌面应用里继续完成。 work 更适合查资料、读文件、做表格和 ppt。 codex 继续处理代码测试和项目审查,需要聊天时直接进入左侧的聊天入口。 对普通用户来说变化很直接,资料、文件和执行过程都留在一个应用里,少了复制、上传和反复切换。 gpt 五点六这次有三个版本, solo 能力最强,适合复杂推理和难代码。 terra 更均衡,适合大部分日常工作。 luna 更快,也更适合批量任务。平时可以先用 terra, 招标改写和分类可以交给 luna, 遇到复杂研究、架构设计或最后审查再切到 so。 这些功能还在分批开放,有些账户暂时看不到 so, 不 同位置能选到的模型也可能不一样。高推理和长任务用量消耗会更快。 这次更新后, chat gpt 能接手的工作更多了, codex 擅长的文件操作、工具调用和长任务也开始用于更多非编程场景。简单总结, openai 正在把聊天文件处理、编程和自动化放进同一个桌面应用。以后更值得看的是一项任务能不能在这里直接做完。

哈喽,大家好,我是万万 chgpt, 记忆升级,翻译成人话就是,他终于开始记人了。以前每看一个新对话,都想重新面试,我是干啥的,我要啥风格,我项目啥背景。现在呢,他会更加记住你的偏好、项目和口吻,甚至于你讨厌什么表达 做内容的人最有感。他知道你要网感,不要新闻稿,也可以上来端着。上班族也一样,他记得汇报格式、项目进度,老板到底爱看哪几个数字, 学习场景呢,也更丝滑,不用每次从第一课开始寒暄,直接接着上次来。但问题也来了,他越懂你越好用,他太懂你,也会让人心里一紧。所以记忆一定要能看能删能观,不然你都不知道他到底记了啥。 差一点呢,是贴心助力过一点,就是长期记录员,这个编辑真的很微妙。所以记忆升级呢,不是小功能,是 ai 从工具走向长期关系的一步。真正好用的 ai 啊,不是啥都记,而是该记的记住,不该记的立刻忘。

翻遍电脑找那份合同,半天找不到。其实你这一堆乱七八糟的文件,能像拆 ppt 一 样随问随答,你问一句,他秒答,还告诉你出处,免费,全程在自己电脑上跑,不碍事。 文件年年在涨,合同、发票、说明书、课堂笔记、论文、体检报告堆成一座山,想找其中一句话,常常得一个个翻,今天就教你花半小时给自己搭一个。第二,大脑本地跑,不花钱,资料不出你的电脑, 那为什么不直接把文件全丢给 check gpt 呢?这里有三个坑,第一,塞不下文件,一多就超出他一次能读的容量。第二,他可能答错,甚至一本正经的瞎编一个看着挺像的答案。第三,你的合同报告全都传到了别人的服务器上, 关键其实就一个动作,先找,再答。你一提问,系统不会把整柜子文件都塞给 ai, 而是先从记忆库里只捞出最相关的那几片,再让 ai 照着这几片来回答,还顺手标上出处,找得准,答得才准。这一步就是别人讲不透,也最容易翻车的地方。 动手搭其实很简单,第一步,去官网下载 anything l l m, 像装普通软件一样,一录下一步,几分钟就好,支持 windows 和 mac。 第二步,打开它,点新建工作区,取个名字,比如叫我的资料,一个工作区就是专门存一类资料的知识库。 第三步,把文件直接拖进这个工作区, pdf、 word、 网页链接都行,它会自动切成小片寄进记忆库,文件再多也不怕,它在后台默默整理。想要彻底离线,连网都不用,那就装个免费的 alma, 让 ai 也在你自己电脑上跑,资料一个字都不上传, 最后像聊天一样问他就行。比如问我这次体检哪几项超标了,他几秒钟就答,甘油三酯偏高,尿酸偏高,而且每句话后面都标着来自体检报告的第几页,点一下原文就在那。这就是你自己的第二大脑。问他,他照着你的资料答,还能核对出处。 临走再送三个避坑小贴士,一、一个主题建一个工作区别把所有东西堆一块,分开了他才捞得准。二、偶尔答不准,多半是文件太乱没切好,把重要资料整理清楚,在位效果立竿见影。三、想隐私最稳,就用本地模型资料,全程不出门。 就这样,半小时,你就有了一个只属于自己的第二大脑,你为给他的越多,他就越懂你。下一集我们让他更进一步,自己动手干活,连上你的浏览器和工具关注一起,把 ai 变成你自己的。

今天来给大家避一个坑啊,直接给大家看一下是怎么回事,建议大家不要轻易去使用这个数据源这个功能就是这个确定 gpt 的 其他的大模型应该也有 啊。原来想的说,嗯,这边可以直接上传文档,然后,哎, ai 的 回答就是基于文档去回答,那是一个个人的小型智库吧,对吧,但比较方便。 然后使用了一段时间之后啊,也就是今天我把这份文档做了个更新,新加了一些内容,并且把这个文档格式转换成了 ai 更加容易懂的 md 文档。 那更新完之后,我就把这个旧文档删掉了,那按正常的逻辑来说,后续的回答肯定是基于这份新的文档去回答的吧。 但是可笑的一幕发生了,后面所有的回答,即使我把这份旧的文档删除了,他也没有去引用新的文档回他,而是仍然使用旧的文档去回他的。 那你说这个,哼,多恐怖是吧?我的旧文档都删掉了,而且我指定了我还在那个对话框里面告诉 ai 说要寄予这份文档去回答,他还是没有按照这份文档去回答的。 那后来我就去问确的 gpt, 然后官方给出的回答也是确实会存在这种情况,因为旧的文档他还会存在于上下文的记忆当中, 也就是说他的回答还是会基于上下文的记忆中去回答,不会基于新文档去回答。然后给的解决方案是什么呢? 要么就是新建一个对话框,但是新建对话框之后发现还是解决不了。还有就是要么就是把项目删了,重新新建一个项目,我现在就是重新新建的项目。 那新建项目的后果,那像我们个人使用还无所谓,是吧?但是如果是公司的项目呢?公司的一个小应用也好,那你要重新新建个项目的话,那之前的所谓的工作就白费了, 是吧?所以,嗯,这个这种功能还是少用吧。如果要搭建 智知识库的话,还是去找专门的那种知识库的 ai 应用去做更好一点,设置 gpt 还是始终更适合用来做对话助手。