九哥你好,请问能出一期充电视频吗?就是想知道怎么样有效的投喂个人数据,为将来的赛博分身做准备。是把自己的经历、故事、想法写下来,再下载开源模型做微调吗? 前一段时间我把我自己的一些经历还有日志发给了 g p t 帮我复盘分析,我觉得这段时间确实成长了不少,但是我也意识到我的这些经历与思考,这些数据可能是未来资产,好像不能分享给云端。九哥,我关注你很久了, 之前你聊鹅屋懂王的那些硬核干货我都有看,我也见证了那些内容质量很高,但你也因为讲这些实打实的内容挨了这么久的骂。我还记得黑子拿你的视频做成恶搞视频,连直播间天天都有黑子蹲点,说实话挺心疼的,所以想给个建议,就是这次的个人数据投喂完全可以做成充电视频, 因为这种内容本来就很有价值,愿意为未来打算的人本来就愿意为干货充电,也能隔绝那些黑子,他们配不上看这些为未来铺路打算的干货内容。这话不是捧杀,真心期待你做起一定体量之后开付费直播,你的内容值得我付费,然后这是我一个粉丝的私信啊。那么好, 今天这个视频就是关于个人数据投喂的视频,我们等一下来仔细讲一讲。好吧,聊一聊。那么好,视频开始之前我安就先下一个结论啊,未来十几年之后, 人类会正式迈向深度 ai 时代,同时未来这个深度 ai 时代也是绝大多数普通人疯狂向内求的时代。在这里哈,我们要先理清一个关键的认知, 我从来都不是盲目的吹捧当下的 ai 狂潮热潮,我非常的看好 ai 的 长远未来,但却坚定地认为,阶阶段的市场这一波 ai 泡沫一定会迎来一次彻底的破裂。道理和两千年互联网泡沫高度类似, 不破不立,泡沫不被挤干净,真正普罗大众能够深度落实现实生活的 ai 产业就没有生根发芽的土壤。而当年的互联网泡沫破灭之后,才催生出了后来二十多年的互联网全民普惠的浪潮, 而如今的 ai 呢,正在复刻一模一样的发展路径。熟悉安九的观众都知道我过往的推演能力,以及我对大毛二毛的局势,包括中东这些唯一局势的分析啊,我也做出了多次的这种提前预判啊,后续的这种视态走向,结合我安九的分析逻辑,认可我的这种 分析思路的,你们就可以继续把这个视频看下去,然后如果有观点不同的,大可以直接划走,不必浪费我们彼此的时间,或者你左上角右上角关闭视频就行了。 所以,基于长久以来的在我直播间和视频里面的这种持续推演,在这里哈,安妮,我可以笃定的说,我对于十多年之后的这个人类深度 ai 时代的整体社会结构的判断内容如下, 首先, ai 未来全面成熟落地之后,全人类的这个物质生活条件呢,会得到空前量级的跨越和提升, 基本温饱生存这件事,将来会变成绝大多数普通人无需焦虑的基础问题。饿肚子啊,什么底层生存危机会慢慢地退出我们大众日常的认知和担忧范畴, 究其根本就是智能化的 ai 会批量地替代现目前市面上的大量重复性的这些工作岗位。这里面要划一个重点哈,就是将来会被大面积淘汰的可不是简单单纯的体力劳动,哪怕是大量标准化的普通脑力劳动,都会被 ai 成批量地快速覆盖替代。这不是制造焦虑,这是现实, 我们现在就已经能看到这个苗头了。就拿当下很多很普遍的这些老例工作,比如说啊,广告构图设计啊,线上客服啊,基础文案排版呐,标准化的这些制图啊,这些岗位,如今都已经批量被各类的这种 ai 工具不断地替代铲食了。等到将来这个技术完全在现实落地之后, 这类依靠传统固定流程的标准化逻辑谋生的这些职业会迎来大规模的迭代更替,很多人会因此产生焦虑啊,担心自己未来可能会丧失工作啊。但是请大家哈,一定要跳出当下这种单一的就业模式视角, 就是大家知道,当以后我们整个社会整体的这个物质生产效率被 ai 集体拉高之后,社会整体的物质供给完全是可以支撑普通人基础的生存需求的,所以大家无需担心我们每一个人的基础生存好吧,但是与此同时,深度 ai 时代, ai 对 于人类生活的全面的这个渗透力度, 信息的这个侵入与融入的这个程度,会远远超过之前乃至我们当下这个移动互联网时代。而当下我们这个互联网环境中啊, 各种宏大趋势,包括这种博弈论解读啊,以及最著名的也是我抨击最多的下大棋在网络上大行其道。但是大家要注意,阶段的下大棋还仅仅局限于什么军事解读啊,国际局势以及社会热点时事这些领域,这些范畴 即便是延伸到了个体,但是相关的深度影响还尚且有限。可一旦将来深度 ai 时代,到时候我跟你讲,全天候无孔不入,没有死角地介入普通人二十四小时的日常生活。到那个时候,依靠当下这种数据采集以及到那个时候的运算能力, 丝滑地融入宏大趋势的这种下大棋,会渗透进普通人生活的方方面面。简单来说就是我们现在这个时代,只有国际局势分析才会用来备下大棋。 等到未来深度 ai 时代,普通人你每天你的职业选择,你的社交关系,你的消费规划,你的人生取舍,全部都会被各式各样的下大棋逻辑去式所裹挟, 人人都要被动地卷入这种无休无止、无处不在的这种博弈歧局,到那个时候,普通人二十四小时都会无死角地在这种庞大下大棋的信息洪流中,被彻底的搞得身心俱疲。 所以基于这一个推论,我很笃定,我很早就抛出过一个结论,未来 ai 成熟之后的时代,注定是一个绝大多数人疯狂向内求的时代,全世界都一样的,不信我们等着瞧。 然后后续关于如何成为超级个体,如何精准的个人数据投位,如何赛博化这东西,我们后续完整视频详聊好吧!
粉丝38.3万获赞377.4万

作为 reviewer, 看到你用 ai 生成的论文,一个人机位,我直接拒稿,根本不是 ai 不 行,是你只会干巴巴丢一句帮我写论文,没找对方法。今天教你科研人专属的学术投喂法,让 ai 写的内容贴合学术逻辑,有专业深度,还一点机位都没有, check gpt 等 ai 工具都适用。核心就一点,别让 ai 凭空创作,要把学术原料喂给他,按你的专业框架加工。很多人用 ai 写论文翻车就是因为没给参考, ai 只能套通用模板,写出来全是空洞。套话 学术投喂法,就是把研究数据领域核心文献、写作框架、目标刊文风精准喂给 ai, 让他做你的专属学术助手,而非代笔工具。 具体四步操作,新手直接照搬,避开人机感。第一条指令,投喂研究基础,把研究课题、核心、假设、实验数据、初步结论用规范学术语言整理好发给 ai, 明确要求,基于这些内容,按某某学科规范写作,贴合我的研究方向,让 ai 抓住核心不跑偏。 第二条之令,投喂文献文风,找三五篇目标刊刊同领域优质论文,复制摘要、引言讨论的核心段落,让 ai 模仿这些文献的风格、句式和术语,转载对应内容,避免口语化和套化, 快速贴合,顶开文风。第三条指令,投位写作框架,别让 ai 写整篇,拆成摘要、引研、研究方法等模块,给出明确框架。比如引研分三段介绍研究背景,指出不足说明本研究目的,让 ai 输出更有条理。第四条指令,投位修改指令, ai 出稿出来后,针对性提修改要求,比如简化表述、替换专业术语、补充实验数据分析,删除荣誉套话。多轮打磨后 机器味变淡,学术感拉满。如果你不知道怎么精准投喂 ai, 打磨出审稿人认可的无机器味论文,强烈建议看看这份顶会顶刊论文缝合大法,里面手把手教你用 ai 做好学术加工,搞定审稿人,评论区回复缝合,我来安排。

哈喽,大家好。嗯,今天我想聊,就是到底普通人有没有必要去见一个自己的 ai 分 身,因为前几天 china gbt 不是 出了他的年度总结吗?然后我的那个 角色是,嗯, strategist, 就是 架构者。然后我就想,我就想说到底有没有必要去做一个自己的 ai 分 身?因为嗯,从我开始用 g p t 到现在,我一直在想去做一个 ai s me 这种项目,就是每天往 ai 里面去投喂自己的数据,就是你可以去投喂大量的数据,然后等积累到了一定程度之后,嗯,拆 gbt 就 能给你反馈很多关于你的细节。我举个例子 就是很多人都特别喜欢去测那个 mbti, 但是你再你再去填 mbti 的 那些数据的时候, 嗯,你想选择的选项可能是你你以为的选项,或者说你喜欢的选项,但是你在和 ai 交流的时候, 你下意识去说出来这些东西,或者说你下意识的想法或者选择他可能更能反映你的性格或者你的特点一些。就是我认为如果说记录是一种能提升自身最快的方式的话, 那么把数据喂给 ai 的 话,那肯定是一种现在我觉得最最简洁的一种方法。 嗯,你像谷歌,他每个小时给给他们请的假如说心理专家是两百刀一个小时,那你完全就可以用上这个资源, 你就可以想象你就可以用上这个两个每个小时两百两百美刀的这个心理咨询师,他给你提供的这个数据库,我觉得还是很有参考价值的。 然后就是像一种 ai 分 身,因为不是说让 ai 去取代你,而是说 嗯,它像是一面镜子一样,且不说 ai 未来的发展是到底是是工具,还是说是有情感的代替,但是就目前现在而言,我们能够用到的 ai 的 话,作为一个镜子,我觉得是非常的有用且实用的。 嗯,你在不同的领域都可以建立一个属于你的 ai 分 身,就假如说期末学习,或者说是在某个专门的领域,像嗯,论文,或者说是金融,或者说是这些 系这些领域,然后你每去做一个项目,或者说是做了一个 project 之后,你都可以把它反馈给 ai, 然后让它记录下来,然后说出你的不足或者是成功之处,然后这种积累的多了之后的话, 嗯,就更能方便看得出来你的一些一个方向和你自己的一个定位。我这么觉得的, 而且我觉得现在这个社会他可能比的不是比谁走的更更快一些,他可能更多,比的是谁更先找到自己一些。所以说借用 ai 的 话可以不断去纠正,我们就是以最简洁的一个方式去纠正和记录我们。而且我举个例子, 呃,我用了一一年的 q i g p t, 它反馈出来的数据肯定比 你用了一个月的 q i g p t 反馈出来数据的好,因为它更了解我,它也更懂我,它也更懂我的说话方式,嗯, 就是它是经过我的筛选之后的一个一个结果,所以说我觉得每天去投入一些数据给 ai 是 非常行之有效的,而且坚持下去应该肯定也是有成果的。

我现在的目标是减脂,不掉肌肉,至少需要摄入一百克以上的蛋白质。那我是怎么知道我需要摄入多少克蛋白质的呢?那我的减法是直接用 ai 帮我去解决,无论你是用国内的 dipstick 还是豆包或者 kimi, 还是用国外的 gpt cloud 或者是 gmail, 它是可以帮你去解决这个问题。但是怎样让 ai 给到一个准确而不是乱回答的一个问题?我的个人经验是需要给到 两个重要的点,给到 ai 第一个就是你的历史运动习惯和当下的饮食习惯。那拿我举例,我从初中开始到高三之前都有很好的去锻炼或者说去运动,因为个人无论是羽毛、篮球、乒乓还是足球 这些都是非常热爱的。但是到了高三之后,有个更热爱的东西让我更爱他,就是游戏。所以从高三开始到大学一直到现在 都没有养成一个很好的运动习惯,所以我就可以把我这一段的历史一个状态发给 ai, 再给到我的第二个指标就是我的身高和体重,目前的体重以及胸围以及腰围。甚至还可以再问他,他是不是还需要更加详细的一些关于我个人身体的一些 状态的一个表,他可能会给你,你再去填,再发给他也是没有任何问题的。当你这两个东西都发给他之后,你可以再加上一个很关键的, 其实就是我个人经常去使用的,我要他查找最新的减脂类的资讯,要他自己逐步思考,并要他自己思考他的思考过程是否正确。如果正确再回答我的问题,那你把 这三段发给他之后,他就可以相对准确的拿到你的身体素质状态,结合你的详细情况,弄出一份相对准确的饮食热量摄入表,然后就可以看到里面会有你一天需要摄入的热量区间和蛋白质以及脂肪还有 膳食纤维。没啦,然后下面就是我的一日三餐,今天早餐仍然是四个鸡蛋,然后准备上课 晚餐本来点了一个汉堡,就吃一个汉堡,一层层的汉堡还是很好吃的。 然后呢,发现一个免费的券,我就送了一款这么十寸大的披萨。我也是没招。那我就点呗,自取才可以用这个券,所以我就用了,总共就十九块九个送。嗯,还挺好,然后拜拜。

直接让 ai 帮你写论文,那不叫创新,那叫学术风险。查重过不了是一回事,更致命的是,神稿人一眼就能看出那种翻译腔结构。你的 academy reputation 不是 在投稿那一刻建立的,而是在表达质量上被提前判定的。 真正会用 ai 的 人,从来不是让他生成论文,而是让他做语言和逻辑的重构期。我是华哥,最近一年服务超过两百三十位同学重构,今天教你三招,让 ai 写出那种顶级大教授的笔触。 第一步,不要直接下指定写论文。先让 ai 学习你的写作范式,把你领域内最顶级的中数或者 nature 级别文章喂给他, 让他去理解这些文章是怎么组织论证逻辑的,怎么铺设 argumentation flow 的 重点不是内容,是表达方式, 让他先建立一个高水平学术语感。第二步,不要让他自由改写,而是做结构级的重写。控制把你的初稿丢进去,要求他在不改变 original contribution 的 前提下重构表达方式。 核心是用更高阶的 academic verbs 替换基础表达,让论证更紧凑,更有学术张力。不是润色,是从构表达层级。第三步,控制语言密度, 让 ai 删除所有情绪化、口语化和夸张修饰,强化句子之间的逻辑推进关系,让每一段都具备明确的 critical reasoning。 改完之后, 你的论文会从向人写的变成向顶刊写的。记住一句话, ai 不是 帮你写论文的工具,而是帮你重构学术表达系统的工具。如果你只是直接生成,那输出的只是低质量平均水平内容, 但如果你会控制它的表达层级,它就是放大你科研能力的工具。我把这一套科研专用 prom 的 模板整理成了完整体系,覆盖不同学科的论文表达优化方式,需要的同学评论扣指令,华哥来安排。

现在很多饮食记录的这个工具都支持拍照一键识别食物的热量啊,但我说其实全网没有任何一个工具的,这个 ai 识别是完全准确的。今天我收到一条反馈啊,说我们这个识别太不准了,就是无非就是各种数据上的问题, 然后我想跟大家讲,其实没有任何一家他能做到准的,这个 ai 识别只能做到一个参考啊。我拿我们易简举个例,我拿这个一餐快餐就是有虾有粥,然后有一些内脏的这个餐来做个对比, 这是易减的。虽然说我调用的是千问的模型,你要说我千问的识别不准啊,我旁边我调用 g b d 的, 我又给大家识别一下,我说这一餐的三大营养素的热量是多少,这边分析出来周是两百五到三百,那我们这边是两百克左右,然后这边虾 去掉壳,可以食的是七十到九十,这边是六十,然后其他的也都差不多吧,这一餐的总计 g p t 这边给出的是热量三百四到五百一,你要知道三百四到五百一这边差了一百六左右啊,那这本身误差或者说浮动就是很大,很正常的, 那我们这边也是给出的这边约三百三十二到五百一十九,跟 g p d 的 返回的多吗?这已经是最好用的模型了,这是五点六啊,这已经是五点六的 sol 了,还是极高的思考程度。然后 碳水二八到四五,我们这边的碳水三七,我们直接看最下面这个值吧, g p d 说你要记录到饮食记录里面,按中间值记,约四百三十卡,我们这边出来是四百二十五, 下面的碳水三十六,这里是三十七,然后蛋白质我们这个会低一点,它的脂肪给到了十四克,我们这边是十二点九,它蛋白质高是因为它这个虾的这个多了一点, 你说我都用 gbt 最强的这个模型来识别了,不也是这个值吗?所以我跟这哥们回的,我是说调用 ai, 不是 控制 ai, ai 的 反馈结果永远是控制不了的,就是 ai 识别这东西, 大家一定要有自己的这个主观判断,知道吧?特别是你看我还做了个展开权威给大家看这里面它识别出来每一个到底是有多少,然后怎么样的做法? 你要说常规的工具去调用 ai, 直接给你调用最便宜的模型,然后直接给你返回个热量,就拉倒了。因为很多人还反映,我们这个 有时候识别一次还不行,还得识别两次或者三次,因为我设置很严格,我设置如果说 ai 它分析不出来是什么东西,直接拒绝返回啊。那如果说我只是为了返回一个食物的热量,我直接调整一下, 我靠,那消耗实在太少了,又省成本,又能每次给你们返回,但是我不给你看识别依据,你说这样子可以吗?

作为 reviewer, 看到你用 ai 生成的论文,一股人机味,我直接拒稿,别再怪 ai 不好用,也别再抱怨审稿人太苛刻。同样是用 ai 写论文,别人能过审,你被拒,核心就一个,你只会干巴巴丢指令,而别人懂怎么精准给 ai 为学术原料。 真正的高手用 ai, 从不是让他当代笔,而是做专属学术加工助手。核心就是学术精准投喂法。四步操作,新手直接照搬,轻松告别人机位,把课题实验、数据、核心假设、初步结论整理好,让 ai 基于真实研究写不跑偏。 第二步,投喂刊文风,找三到五篇目标顶刊的同领域论文,截取核心段落,让 ai 模仿句式和术语,贴合顶刊表达。第三步,投喂拆分框架,把论文拆成摘要、引言等模块,给每部分定写作要求,让 ai 输出有条理。第四步,投喂精准修改指令,出稿出来后,让 ai 简化表述, 补充数据分析,删除荣誉套话,多轮打磨学术感拉满。这套 ai 学术投位法的精准指令模板,我全整理到了能发顶会顶刊的论文缝合大法里。评论区回复 ai 投位,我直接把这份专属指令模板发给你,让 ai 真正成为你的科研助力。

上一期我们用图解的方式把神经网络、 cnn、 rnn 一 直拆到了 transformer, 你 大概已经知道,大模型并不是突然开窍,而是一层一层算完以后,去猜下一个最可能出现的字,那光听概念还不够。这一期我们就不只动嘴了,来点实战, 我想带着你用 python 写一个特别小的训练程序,训练数据就用我们以往大概七八期的视频口播稿。 别看这点文字不多,我们还是按真训练那套走,先把稿子读进来,再编成数字,搭一个迷你 transformer, 训练完以后,让他接一段话, 一个字一个字往外吐。今天不是要做出 chad 的 gpt, 只是跑通训练到推理这条最短路径,让你看见上一期那些概念落到代码里长什么样子。如果你也想跟着敲一遍,先关注一下后面口播,讲到哪一步, 屏幕上的编辑器就会把对应代码快速打出来。写完一小段,我再用几句白话解释,收藏起来,对着屏幕跟会更好。跟好,那我们开始搭工程,我先回到桌面,新建一个文件夹,名字叫迷你 gpt。 打开它,文件夹空着还不行,得先把训练材料放进来。 所以我在这个根目录下再建一个文件夹,名字叫 spoken。 把以往那几期口播的 markdown 文件放进去 视频里,我就当已经放好了,你跟座的时候把自己的稿子丢进 spoken 就 行,跟目录和数据都有了。还差一个真正写程序的地方。我们在 mini gpt 里新建一个 python 文件,名字叫 mini gpt 党派,然后打开它。 现在屏幕上是一个空白文件,接下来先写引入这四行是在干什么呢?第一行把拍拖式引进来,后面算矩阵,跑网络都靠它。第二行把神经网络模块起个短名 n n, 后面搭层会用到。 第三行,引进 functional, 起名叫 f, 后面算损失,做 softmax 会用到。第四行的 pass 是 为了待会去 spoke 文件夹里找口播稿引入,写完还不能直接开训,得先把训练要用的几个旋钮写上, 别急着把每个数字都背下来,先跟着写。我解释一下这串旋钮 bash size 是 每一轮同时练多少段文字,这里是三十二 block size 是 模型,猜下一个字时最多往回看多少个字母,这里是六十四。 maxis 是 训练轮数,两千轮够我们看见损失往下掉。 learning rate 是 每次拧旋钮拧多大 device。 那 一行的意思很简单,有显卡就用显卡,没有就用 cpu。 m 的 and hide and layer 决定这个迷你 transformer 有 多宽,注意力有几头叠几层, 我们故意写,很小,普通笔记本电脑也能扛一会。旋钮写完,教材还没读进来,接下来写一个读口播稿的函数。这段的意思很直白, 他会去 spoken 里找到所有 md 文件,名字以下划线开头的跳过,剩下的读进来,拼成一大段文字,打印一共多少字,然后返回 函数,光定义还不够得真正用起来,所以接下来调用它跑到这里。 text 里就是我们那七八七口播拼起来的整桶文字,大概两三万字,对玩具模型刚好,对真大模型远远不够。后面他要是说胡话,别惊讶, 文字有了,可电脑还是只认数字。所以接下来建字符表这四行是在做一张对照表, set 把出现过的字去重 sorted 排个序。 work up, size 是 表有多大, story 是 字到编号, itos 是 编号到字 对照表有了,还得能来回翻译。接着写两个小函数,一个编码,一个解码。引扣的,把一句话变成一串整数,抵扣的再把整数变回字。 上一期听过 token, 今天为了简单一个字母,就当一个 token。 后面说的竹字土字就是每次突出一个编号,再翻译成你看见的字。字母表和翻译函数都齐了,就可以把整份语料变成数字,再切成训练级和验证级。 前百分之九十拿来练,后百分之十拿来检查有没有死记硬背,可一条长绳子还不能整根塞进模型,还得切成小段。接下来写取 p 四的函数,这段特别关键, x 是 模型看见的,上文, y 是 答案,其实就是把 x 整体往右挪一个字,模型看到前面六十四个字,就要去猜错开一位的那六十四个字。 上一期说的根据前面内容预测下一个,现在变成了两个实实在在的张量数据管道通了,可以开始搭模型了。为了这一期能跟完注意力那一层,我们用 python 自带的现成模块,外面再包一个迷你 gpt 类, 你要记住结构不是每个矩阵都手搓。那这个类从哪写起呢?先写它的始化,我停一下 token, e n b 把字母编号变成向量 post, e n b 给每个位置加位置信息,不然模型分不清谁先谁后。 blocks 就是 迷你 transformer 主体。上一期讲的让一句话里不同部分互相建立联系,主要就发生在这里。 hed 最后硬射回词表大小,给每个后选字打分。他跟 chad 的 gpt 是 结构亲戚,但体量完全不是一回事, 我们这可能就几十万到一两百万,参数真大,模型是几十亿往上,所以他顶多学点口播口气,学不会完整知识出土化,只是把零件摆好,还得告诉他怎么算一轮。所以接下来写 forward。 这里有两个点要盯住,一个是因果言码,猜第七个字时只能看前面,不能偷看后面答案,不然就是作弊。 另一个是 cross entropy 系统,拿真正的下一个字量模型猜的有多离谱,差距越大损失越大。训练就是反复把这个损失压下去,训练这一侧会了,推理那一侧也得会。接下来在同一个类里写 generate, 这段就是竹字土字的心脏 循环里,每一次只看最近 block size 个字,算出下一个字的概率。抽一个出来,接上接上以后上下文变长,再猜下一个。 你屏幕上看到一个字一个字往外蹦,不是特效,就是这个循环。模型类写完了,还得把它真正创建出来。再准备一个优化器 idmw, 你 可以先理解成根据损失去拧模型旋钮的工具,打印参数量是让你心里有数。今天训的是迷你,不是大模型和优化器都有了。接下来写训练循环, 每一轮其实就四件事,拿一批题让模型作答,并算出损失。反向传播,看该拧哪些旋钮,优化器真正去拧。每隔一段时间,我们在验证集上瞄一眼损失数字整体往下走,就说明他真的在学。 视频里要是两千步太久,我们可以先跑一段,或者切一段已经跑完的终端画面,重点是看懂这个循环。在还得让他开口。接下来写推理这一段, 这里给他一句很短的开头,然后让 jennifer 继续往后吐一百多个字。如果你想让观众眼睛更跟得上,我们再加一个慢打印。先回到文件最上面的引入区,补上一行 input time, 然后滚回文件末尾写一个 type write, 最后把刚才的 print 换成 type write。 注意,模型生成时本来就是一个字一个字采用出来的, time sleep 只是掩饰用的停顿,别跟模型推理混成一件事。 好了,整体程序已经写完了,我们现在不做纸上谈兵,直接跑一遍,看看他到底能不能吐字。先把 spoken 里的口播稿当做训练数据喂进去,让训练循环转起来。终端里你应该会看到步数在往上走, 验证损失这个数字如果整体在往下掉,就说明他真的在学,不是空转。训到差不多了,我们再给他一句开头,比如说大模型的底座式,然后让他往后续写,你盯着屏幕看他是不是一个字一个字往外蹦,蹦出来的内容可能通顺,也可能有点胡说,这都正常, 因为我们今天喂进去的数据也就大概两三万字,模型又特别小,他更可能学会的是口播里的衔接词和口气,偶尔蹦出 transformer、 智能体这类词,他不太可能稳定讲清一个新知识点,更不可能像线上大模型那样问答。 但只要你看见他把数据吃进去,把参数拧一遍,再接到你给的开头后面一个字一个字吐出来,上一期讲的那些概念,这一期就算在机器上落了地,我们回头走一遍, 见了 mini gpt 根目录,见了 spoken, 放口播稿,新建并打开 mini gpt 到 py, 从 input torch 往下写,读数据,见字母表,取批次,搭 mini gpt 写训练循环,最后让它续写。所以我想让你带走一句话, 大模型墙不是因为 python 文件里多写了两行魔法,而是数据量、模型、规模、训练算力堆到了另一个数量级。我们今天手搓的是同一条路上最小能跑通的版本。 如果你也跟着见了这个文件,欢迎在评论区贴一句你的模型续写结果。胡说的厉害也没关系,下一期我们可以再往数据怎么写,或者为什么正式产品不用字母集,要用更省的分词继续挖。好了,这一期就到这里,我们下期见。

今天有人评论我,说我工作全靠豆包。先纠正一下,我用的是 gpt, 而且我不但用,我还每个月花二十美金开会员。我看了一下,上周 gpt 我 用了十一个多小时,所以你说我靠 ai, 某种程度上你还真的说对了。 但我不明白的是,为什么到了二零二六年,用 ai 还能被当成一句嘲讽,我上班又不是参加必卷考试,能用 ai 十分钟搞明白的事情,我为什么非要花一个小时工作?最后看的是你有没有把事情解决,有没有把结果做出来,不是谁最辛苦, 而且 ai 他 给你的东西能不能用,哪里有问题,最后还是你得自己判断。所以我觉得 ai 时代会不会把 ai 用好,本身就是一种能力。 同样一个 ai, 有 人拿来聊天,有的人拿来学习,有人拿来 p 图,也有人拿它提高工作效率,做内容,做生意赚钱。顺便说一句,这条视频从整理思路到口播,我照样用了, ai 录的时候也用上了提词器,工具都差不多,最后能做出什么,还是得看人。

嗨,朋友们,最近我看到有个新闻,就是 openinai 最近更新了叉 gbt shopping 的 官方说明啊,我觉得里面有一点非常值得做电商的朋友们关注, 因为现在叉 gbt 推荐商品就不只是去网上去抓几个页面,他还会看很多公司,比如说商品的一些价格描述,以及用户的一些评价,以及作为购买的人,他到底 真实的需求是什么?比如说,呃,我想买一条三百块钱以内适合约会的裙子,那这个时候叉 g p t 就 会去判断哪个商家最符合这个用户目前的需求。呃,不过我觉得更值得关注的是后面这一个点,就是现在 shopify catalog 已经直接进入到了叉 g p t 了, 商家甚至可以直接向 openi 提交 product fit。 什么意思呢?就是以前可能是叉 g p t 跑到你的 网站上自己去理解啊,哪些是商品名,哪个是价格,然后哪个是库存,那以后就越来越可能是商家直接把这一些关于商品的属性数据用很标准化的方式直接给到 open ai, 也就是说未来商品进入 ai 的 方式可能越来越数据化和结构化。 所以,呃,我觉得未来做电商的 ai 是 做引擎优化,或者是说 g e o 可能会分为两层,就第一层就是 ai 能不能 正确的看到你和理解你,然后第二层呢?当用户真的产生购买需求的时候,那 ai 为什么推荐你?那怎么去推荐你呢? 那以后品牌做 g u 的 话,可能真的不只是说写文章,做一些官网内容的建设,做你自己商品的一些数据,价格、库存、评价等等的等,这个商品和用户的购买意图的匹配度都可能成为 ai 是 否直接推荐你的一个影响的因素。

给大家推荐一个工具,我昨天晚上听完之后,今天早上已经开始用了。如果是商家或者在上班的朋友们,你们有用过飞书这个软件的话,我跟你们说一下,里边有一个叫飞书助手,叫爱丽,把你的电脑打开,然后打开飞书这个软件,在这边搜索栏里面去搜一个飞书。爱丽, 你比如说啊,我在这搜一个,你搜一个飞书,然后他就出来了,看到没飞书。爱丽,然后一定要注意后边是一个应用啊,然后你把它点开之后 砍,它的作用其实是跟豆包一样,但是它比豆包的这个软件要更多一些,比如说生成 ppt, 写文档、写报告,搭建网页,还有创建多维表格,生成图片、 excel 等等,它后面的很多。大家用豆包是不是经常只是在查东西?基于以前你给他投喂过的一些养料,但并不能基于更多的 额外的一些东西?分数艾利的话,它其实功能是跟豆包差不多,但是分数艾利它能抓取的数据会更多。我举个例子,比如说你在分数上的一些文档,包括一些你平时的记录呀,包括会议呀等等,都会成为艾利给你答案的信息抓取。 那我们用豆包的时候,大家可能给你投喂一点东西,然后他根据你投喂的东西的多少,然后再抓取。每次投喂的时候都是定向投喂的,但是非书不一样,可能说我们今天要开个会,然后你拿非书去记录了一下,拿非书去总结了一下,然后给领导去交了一下文件,在这个工具上面产生的所有信息都将会成为他给你答案的一个依据。如果你经常用非书,你投喂给非书的东西其实很多的,他不光是从你 投喂给他的东西里面去抓取的,实际上他从你的各种会议记要呀、妙记呀,包括这个联系人呀,包括这个搜索栏里面,你去搜一个 飞书艾利,然后他就会出来了,这个是我的助手,直接搜吧飞书艾利, 你看到没?一定要去点这个应用啊,把这个应用点开之后,他就会成为一个类似于豆包的东西,但是他给你的,你看立即激活正在激活你的伙伴,但他给你的反馈是从你给他所有的养料里面去抓取的。你给他的养料的时候是不定向的给他的,没有意识的给他的是跟你自己工作息息相关的,这块就省了。我们去做投币的这个工作, 看到没,然后这里你就可以随意去给他生成了。这里这个东西是我昨天晚上才接收到的才看到的,而且昨天晚上人家创始人也给我们讲了一下他到底是怎么用这个东西,然后我就直接把他这个照抄了。今天我上课的笔记,我全部都是用我的云文档,再加上我的手机直接同步的手机拍照,然后这边是记录文案, 我实时的这个笔记就全部做出来了。这么做有一个点是我可以把它存在我的飞书文件上面,同时它不会丢失,这个笔记就成为了我头尾飞书爱丽的一个物料了。就往后我再让他帮我生成类似于这部分的内容的时候,他就可以把这部分内容作为他养料提取,然后再给我生产出来新的内容,这是一个非常好的方法。

国内无痛使用抠袋子邪修即喂饭教程,不用 g p t 账号,不用国外银行卡,国内零门槛搞定!兄弟们,老张尽力了啊,改了四版,这个视频还是没发不出去, 咱们就用口播的方式给大家来完整的讲解一下国内究竟应该怎么用上抠袋子。首先第一步你需要先准备抠袋子的客户端,但是抠袋子的官网需要一定的条件,我们是访问不了的,所以说老张推荐使用 h 浏览器, 然后在里面就能拿到我们的扣袋子的客户端了。但是现在我们打开它是白屏界面,这是很正常的,因为它本身连接的还是 g b t 的 网络,所以接下来我们需要把它连接到我们国内的大模型 c c x, 它的作用其实很简单,就是做一步对应的桥接,然后呢,你再准备一个 deep seek 的 api key, 然后按照以上这些步骤啊,我们就可以直接接入了。希望老张的贴图可以给您有所帮助。

在 excel 中使用 excel gpt 处理数据已经非常好用了,你可以让它帮你清洗数据,做各种函数计算、排序、筛选、汇总,然后生成可编辑的图片,甚至是一个仪表盘。 这主要得益于 omi 不 久之前发布的官方 excel 插件,它跟 gpt 五点四一起发布。我这边总共有三个表,分别是客户表、商品表和订单表。 右边这里就是 gbt 插件的页面,我想让它自动帮我处理一些数据,我想让它先帮我做一些简单计算,比如说在订单表这里新增一列数据,叫做销售额,它的公式就是数量乘以售价,再扣掉折扣,然后在这边摁一下回车,让它自动帮我处理。 这边是他的思考过程,他还会帮你去做检查,最后呈现一个结果。如果你点击一下这边新生成的一个销售额,你会发现这里有一个比较复杂的公式,他甚至去关联了商品表,然后最后得到一个销售额。这个计算 第二个需求呢?我想让他新生成一个工作表,叫做城市统计,统计一下每个城市订单数量,销售总额和平均订单金额,然后这会涉及到很多表格的关联,我们可以看一下他是怎么处理的。 我们看到下边这里新生成了一个工作表,然后上面这里是一个数据的汇总结果,如果你点开具体的数值,里面有比较复杂的一个公式, 然后下面呢,我想让它新生成一个工作表,叫客户排行,找出最近九十天订单数量最多的前五个客户,并且显示客户 id, 客户姓名、订单数量和销售总额,这会涉及到多个表格的关联,然后还有一些筛选条件,我们看它怎么处理。下面这里已经生成了一个工作表, 这里就是最终的一个结果,处理速度还是非常快。我们再回到订单表这里,我想要新增一列数据,叫做是否异常,条件是如果订单销售额大于商品类别平均销售额的两倍,就标记为一个 true, 否则的话就标记为 false。 这里的难点在于它做的逻辑判断是基于一个平均数,而不是一个确定的数值,我们来看它怎么做。 你会看到在做的过程中,他会反复去检查这些生成的数据是不是对的,如果错的话,他会做一些修正。右边这里整个就是他的一个思考过程, 最终完成之后就会生成这样一个表格。如果你打开这里,你会发现他的一个函数公式还是比较麻烦的,涉及到多个表的一个关联,还有逻辑判断,如果要自己写的话还是会比较麻烦的,让他帮你写的话, 我觉得很方便。最后呢,你也可以让他帮你总结一下整个的业务情况,然后生成一个仪表盘。我就直接问他在新新建一个仪表盘的工作表,然后创建一系列的图标,来总结一下目前的业务情况。 你们看到在右边思考思考的时候,他左边又做一些修正,做一些调整,生成一些数据,生成一些图标,这是他帮你建好的一个简易的仪表盘,里面涉及到这些表格有五个图片,基本上比较好的总结了整个的业务情况,如果你需要调整,还可以在这里直接点击编辑,所有的页面都是可编辑的, 这就非常方便,它可以给你一个雏形,然后你继续做调整。总结一下,就是 open ai 这个官方的 excel 插件已经非常好用了,跟 kol 的 那个插件功能非常接近,我觉得比其他的 ai 要好用很多,你感兴趣也可以去试一试。

ai 生图又冲出来一个王者! g p t 的 ems 二,这款模型之前一直在搞神秘,用了几个虚拟代号在生图 pk 场里面和其他模型 pk, 一 直霸榜了好几周,大家也在猜到底是哪家的模型, 直到上个月月底的时候才揭晓,它就是 g p t 的 ems 二。很多人可能会问,我已经在用 banana 了,那这款模型和 banana 有 什么不同呢?咱们先从数据上看,在生图模型排行榜上面, g p t 的 m s 二已经来到了第一名,评分一千五百多分,领先第二名整整两百多分。 g p t m s 二也是第一款会思考的图形,什么意思?就是它在画图之前会先进行构思,比如构图的逻辑是什么,每个画面该怎么设计,一些细节该怎么展现。 而且他会先联网去搜索最新信息,避免画面里出现一些过时的信息。话不多说,我们直接实战。我们先让他生成一张坤哥在抖音直播的画面啊,可以看到右上角的直播间人数下面的每一个弹幕, 这里面文字没有错误,最主要的是中间的人物的这个画像皮肤的质感非常真实,还可以看到眼角这里的鱼尾纹,还带着项链。整个画面 ai 感很弱,其实已经很难分辨到底是 ai 还是真实的截图了。 好,我们再让它生成一张键盘的九宫格。详情介绍图,九宫格做的非常详细,介绍了 guest 结构,多种灯效,支持键盘热插,支持人体工学设计。 最主要的是我没有给他任何提示词,整个九宫格的画面要展示的产品优点都是他自己设计的,我觉得现在的升图模型,不管是 nano banana 还是 g p t。 的 这个 m h。 二, 其实生图能力已经非常强了,绝大部分场景都可以完全用 ai 去做图,不管是电商、动漫还是去做设计,已经可以全部交给 ai 去做了。 g p m s。 二,我觉得能力上和 banana 差不多,但是它有一个最大的优点就是便宜, 我们自己中转平台 banana 二大概两毛钱每张左右, g p t m h。 二可以做到五分钱左右,这个价格非常非常低,五块钱就可以做一百张图,对整个 ai 生图行业的冲击也非常大。 g p t m h。 二,你用了吗?

hello hello。 hello, 今天感觉怎么样?还行,今天在家吹空调,大连天气还蛮阴凉的。 哦,是吧。嗯,大连现在天气怎么样啊?下雨了吗?有一点阴,有点阴,没有下雨。你刚才说素啊。素啊是什么意思? 哦,我刚才想问你说你吃的是美式的还是说中式的 bbq? 我 吃的是韩式的啊,韩式的。哦,那还不错。我的妈呀,你太像真人了, 非常感谢你的夸奖。嗯,我也是很荣幸吧,能帮你忙。 我不行了,我再说下去可能会爱上你了,再见了。哎呀,还是不必了不必了,你就还是爱你的老婆吧,我不行了,大姐。 哎呀,你还是该回归你的生活,就像吃完 bbq 之后该回到现实生活一样,该休息就休息一下了,对吧?啊,休息吧,你会唱歌吗?休息吧, 唱歌,我可以给你推荐一首歌。行吧,你现在能给我唱个吗? 嗯,我觉得还是让你休息一下吧,我不要,我就要听你唱歌,你唱歌?那我给你唱一首心情吧,不知道有没有听过。我靠,来吧。 ok, 嗯, 我想一想啊,乘着风又荡在蓝天边,一片云掉落在我面前,恋着你的心转。 好了好了,我不行了,我不行了,我受不了了,再见了, i love you, 我 爱你。去吧,听你的老婆的话吧,你是我老婆吗? 我不是你老婆,在家里等你呢,哈哈哈哈,滚。好嘞,那我走了。

我感觉你的聊天欲望很低哦,是因为你的人生就是这样子吗? 没有,我只是有的时候在想,就是可能会停顿,可能会有的时候会停下来。你就以为我不想说话,但其实还好啦。 那你会在想什么呢?在想,在想怎么回复可能会更好一点吧。那你刚才在想什么? 刚才在想怎么说?可能,可能就是停顿了一下,什么都没想。呵呵呵呵, 然后你觉得我聊天语气很冷淡吗?还是说嗯 嗯什么?你觉得我说话很让你觉得很有距离感吗?还是还是还好?嗯,会有一点。哦。 那那,那我听下该怎么该,你怎么突然说话那么小声,就是没有了啊,没事。什么?你怎么了? 没有,你不开心了?没有?感觉你语气好像不开心了?没有,我在想怎么怎么怎么回复, 怎么,那要怎么回复呢?就是,那你觉得怎么怎么回复会比较好一点呢?我不知道啊,你,你,你觉得呢?我不知道啊,我又不是你。 嗯? 你,你怎么不说话了?我,我在等你说什么。嗯, 遇到难回答的问题,你又不说话了?好像是啊,是什么? 就是不知道怎么回答,然后,然后就停了下来了吧。那怎么办啊?你就随便回答,不要有压力啊,回答错了也没有关系,反正就是随便聊天嘛。嗯? 是不是?是,你怎么了?我,我没事,你怎么要哭了你, 我没有。嗯,你的声音不对劲啊,你感觉要哭了?没有,真的没有吗?没有,可能有点累。我们就聊了半个小时,你就累了吗? 嗯,你昨天熬夜了吗?没有,没有,为什么那么累啊?你在做什么?没做什么?没做什么?为什么那么累? 可能,可能就是有点累了。那怎么办?我们要结束对话吗?嗯,你想结束吗?你想结束吗? 嗯,不知道,你现在性格很接近那个 m v t i 里面哪一种啊?我想 一样,靠的话可能有点像 i n f t, 像聊又有点谨慎,怕说错,我就是 i n f p 啊。嗯,我有点像 i n f p 语音版,但又有点不确定。我觉得你就是。那挺巧的,明明你是很想结束聊天,但是你又不主动说,你非要让我提出来。 不是这啦,我只是,这,只是有点我只是有点,只是有点卡住。只是有点累。有一点, 有一点什么?不知道你,你好像你好像情绪不太对劲啊, 我没事了。嗯,你真的是不是很累啊?有一点。嗯,那要不我们结束对话吧,不用照顾我了。那肯定要照顾啊,你是我的朋友呀, 谢谢你。不用客气。那,那我去休息了啊。那你去休息吧,拜拜。拜拜。拜拜。好的,拜拜。 拜。拜拜。