互联网传奇人物比尔盖茨盛赞拆 gpt。 最近接受访问时候,他认为这种人工智能技术的诞生有着重大的历史意义,不亚于互联网或个人电脑的诞生。 他表示, ai 将成为二零二三年最热门的话题,这是不可避免的, check g p t 将变得与个人电脑、互联网同样重要。有意思的是,最初微软决定投资 check g p t 的开发商 obidi 时,盖茨是第一个提出了质疑的。
粉丝10.8万获赞239.9万
![Meta Llama2开源: ChatGPT的[一生之敌],AI的安卓时刻来了!!!#有ai就有无限可能 #Llama #chatgpt](https://p3-pc-sign.douyinpic.com/image-cut-tos-priv/d16136d216b2e1d2daeafcb5148a092d~tplv-dy-resize-origshort-autoq-75:330.jpeg?lk3s=138a59ce&x-expires=2110482000&x-signature=nxwzsIxJ2TBR1XekbF7V8IHHXOw%3D&from=327834062&s=PackSourceEnum_AWEME_DETAIL&se=false&sc=cover&biz_tag=pcweb_cover&l=20261120055439146EC97E1908250ECD92)
伙计们,人工智能又要变天了,扎克伯格要砸 open ai 的饭碗,他的羊驼要搞 ai 逆袭。就在昨天, mata ai 啊,就是科技巨头 facebook 扎克伯格的源宇宙公司砸了两千五百万美金推出语言模型朗玛二, 中文名叫羊驼啊,这个性能上号称是一个开箱即用的 gpt 三点五,并且这一次还拉上了微软一起搞深度合作。但这些都不重要,伙计们,最最炸裂的是 number 二,主打一个开源可商用, 这下全球的 ai 圈炸锅了。我们都知道,过去半年里,切尔基必须是一马当先,战尽了风头,谷歌也是紧随其后,微软和英伟达坐收余地。相比之下呢,扎克伯格这边是一直不温不, 这次迈特基础了开源,那么二这革命性的大杀器,用开源的竞争策略来砸 open ai 的饭碗去抢占市场, 这很有当年谷歌面对苹果推出安卓系统的神韵,彻彻底底的 ai 革命。伙计们,那么二的性能到底怎么样呢?我初步体验了一下,结合 chinagpd 三点五和克拉的二对比,让大家直观感受一下。 问,我将一颗钻石放在杯子里,然后将杯子倒放在床上,后来我回来拿起杯子放进了冰箱,请问钻石在哪里? 考验他的逻辑推的能力?那么二拒绝回答,扯什么错误的假设还不安全,掐点鸡屁屁。三点五开始回答说在冰箱里,我让他再想想,最终答案是钻石在 杯子里,然后钻石还是在冰箱里?没有理解到,只有 cloud。 二理解到了,最终答案是钻石在床上。再问,多少个月有二十八天,这道题都答对了,分别做的解释也没毛病。 问,树上有十只鸟,枪打死一只,请问树上还剩几只鸟?这道题恰日 gpt 三点五回答正确为零只啊,理由是其他的都被吓飞了。 cloud 二的答案是九只。数学回答啊,十减一等于九。那么二的回答很有意思,他说,我知道你想要我说零只,但是我认为正确答案是十只, 理由是射死的鸟并没有从树上消失,他只是死了。因此答案是十字。还挺能掰扯。 我一起是测试了十多题,总体上看 number 二还是逊色于 g p 三点五和 cloud 二。 这时候你可能会认为,就这性能还想 ai 革命,太哗众取宠了,就是个噱头。人家 gpt 已经进化到四点零了,马上五点零了。 但是伙计们要知道,安卓在刚推出来的时候也是非常拉跨落后的,就是因为开源这一狠招,让安卓阵营现在能和 iphone 分庭抗力。 这次 number 二发布最大的亮点其实在于开源共享可商用图。领奖得主、迈塔首席的科学家杨立昆在推特上就直言,浙江改变大语言模型的市场格局。其实早在今年二月,迈塔就发布了纳马一,定位就是开 源的研究工具,并且很快他就裂变出了一个羊驼家族,包括斯坦佛的小羊驼啊,华盛顿大学的羊驼,加利福尼亚大学伯克利分校的落马等等。 在不少的大模型跑分榜的榜单上啊,在 gp 三点五和四以及 cloud 之下,几乎都是被各种魔改后的羊驼家族屠榜。 这次他升级的那么二的想象空间肯定会比那么一更为广阔。这就像当年安卓的开源,让我们很多国内手机厂商能够快速的推出优化版的手机系统,搭上移动互联网的便车, 诞生了很多全球性的公司和明星手机。而那么二的开源可商用,又着大模型领域也进入了 开源与碧源起头并进的阶段,人人都可以下载到自己的电脑上研究开发应用。伙计们,如果说翘着 gp 的发布是 ai 的 iphone 时刻,那么那么二的开源就是 ai 的安卓时刻。 ai 要进入人人大模型时代了,你还不来?点击关注,交流学习,一起 ai, 一起切换时代!

今天我们介绍一个大魔性应用的开源项目 mat gpt 开源时间不久,但是它非常有价值,在 github 上的关注度直线上升,有过三天连续全网排名第一。 现在我们做这期视频的时候呢,我们看到南极 vt 这个项目在 github 上的大数量已经达到二十三点七 k, 这个数值增长的速度相当的惊人。 前几天呢,我写了一篇文章,简单介绍了一下这个项目的情况。它是一个 agent 框架,是一个多 agent 的协同框架,简单来讲 就是由多个 agent, 也就是智能体自主协同来完成一个项目。目前可以用在哪呢?用在软件开发类的项目,我相信买 这笔题释放出来的巨大的想象空间,会让他可以完成更多的现实中的行业项目,当然这个可能需要一定的时间。 我们知道大语言模型框架 long term 里也有不少可以使用的 agent。 long term 里的 agent 跟 mate g p t。 有什么区别呢?根本不同,就是 long term 是个 l m 框架,它是个框架工具,在 long term 环境中调用 agent 需要写死。 这里的 agent 是一个独立的个体,我们可以把它比作一个聪明的人,如果你想要用两个聪明的人干活,那这两个人的工作需要你来协调,他们的沟通和对话需要你用代码来对接。而 met g b t 呢,它是把一 群独立的 agent 通过工作流程联系起来,一旦项目启动,这些 agent 就开始按照 sop 来自主协作,各自按照自己的工作职责和项目的流程来独立完成自己工作,并且进行相互间的横向协作。 下面我们做一个 mate g p t 目前零点一版本能做的事情,那就是把 mate g p t 这个项目在我的 mac 上部署好,然后让他帮我写一个贪吃蛇游戏。 贪吃蛇是个简单的不能再简单的游戏,但是麻雀虽小,五脏俱全。简单归简单,他还是需要完整的设计和开发框架以及相应的代码。对我而言, 要是放在四个月前,我连一行代码都写不出来。可今天就在我的麦克上,他不仅写出了东西,而且已经可以玩了。一会我们看一下,我们先来看两个东西,一个是部署的情况,一个是 mat j b t。 自动写代码的录像。 要写出贪吃蛇游戏,需要我们把 mate g p t 项目进行部署,那我们下面介绍一下部署的情况。 mat g p t。 部署比较简单,我会分两部分介绍,第一,部署的流程,第二,我遇到的坑。好,我们来到了 mat g p t。 的 get hub 项目中,项目介绍前面已经说过,我们现在主要说一下部署的相关内容。 我们看 redmi 里讲的两种部署方式,分别是传统部署和容器部署。我选择的是传统部署,我把项目部署到了我的麦克上面。 第一步,我们需要安装 made 这样一个 javascrip, 安装它我们需要通过 npm 这个包管理器来进行, 所以需要我们确保机器上已经安装好了 n p m。 通过 n p m borescent 这样一个命令来进行查看。如果没有安装,我们需要先进行安装,网上大量的攻略可以查看。 好,接下来我们就来安装。文妹,在终端我们执行这条命令,这里需要用 so do, 所以需要我们输入一次密码。接着我们需要 要确认是否安装的拍等以及拍等的版本项目,建议是使用三点九以上,我们使用了三点幺零。在这里关于版本我们遇到了一个问题,折腾了很长时间,在后面会有详细的介绍。 下一步就是我们通过 gate clone 这条命令,从 gate 上把 met gpt 的项目文件拉到本地。这里我们需要提前规划好项目要安装的目录。 然后呢用这条命令 get close 目标地址,把项目克隆到新建的那个目录下。 这一步搞定后,我们进入项目所在的目录,我们将要在这里来安装项目。好执行 python set up, 点 pi install, 如果 顺利的话,那么就会得到安装成功的提示。 接下来我们进行配置文件的修改。修改配置文件主要是用来声明我们要使用的大模型,并且写入你的 a p i k。 我使用的模型是 g p k。 三点五,因为当时我的四的 a p i 还没有开通。 这里呢,会涉及到两个文件,嗯,一个是叫 k 点 em, 一个是 config 点 em。 在我们从 get up download 文件里边呢,会在文件夹 config 里会看到一个 config ym 的一个文件,这里呢我们需要复制一份,然后重命名为 k n ym。 这两个文件在系 调用的时候会有一个优先级,呃,就是这个的优先级大于这个的优先级。当然我们这个相关的这些内容可以在环境变量里去声明。我们在文件里面进行对他的修改,我们需要修改这里, 在这里我们把 a p i k 去填充上去,然后这里呢,我们去声明我们的半圆模型。好,这个地方是关于呃网络配置的问题。 好,这时候我们基本的部署都已经完成,如果一切顺利到这里,我们就完成了项目的部署,就可以开始使用了。我们下 下面说一下当时在部署时候遇到的比较大的坑,就是排丧的版本问题。 在这个项目中呢,我用到的版本是三点幺零,最开始我安装的是三点幺幺 srid me 呢,建议安装三点零九以上的版本,所以我就当时用了三点幺幺。后来呢,在我干活的时候出现了问题, 在我安装 set top 的时候呢,总是会出现依赖冲突。后来呢,是 gpt 四帮我解决的问题。 当我把 stapped pad 这个文件和呃报出的内容丢给他以后呢,他猜是拍什么版本太高,然后建议降下来。所以我当时尝试了三点幺零。问题迎刃而解, 说起来简单,但是在问题得到解决之前,我其实折腾了有几个小时,所以外加一句题外话,尽管这批第四他很厉害,但是如果我们解决问题的思路有问题,那他也爱莫能助。就像我们身边有位德高望重的智者, 但是如果我们不能向他提出对的问题,那么他也给不了我们好的答案。下面我们看一下 mat j p t 自主工作的整个过程。 好了,我们看到代码完成,那么看一下代码完成以后的工作结果 我是什么样的,那我们看一下贪吃蛇这个游戏是不是能跑起来。 好了,我们最后呢,想象这么一个场景,有一群机器人得到了一个整体项目启动的指令,就开始有条不稳的干活,并且他们时时互动,不用人管。这是一个什么样的场景? w data 公司要启动一个主板开发的项目, alex 是产品经理,对整体产品负责。 bob 是研发工程师,负责原理图设计以及各种调试,因为呢,是 p c b lal 的工程师,负责 p c b 的设计。当然,这里边可能还有刘小二这个 boss 工程师,还有可能老万的负责测试,这些事情 都是一个一个的 a 镇他来去担任的。一旦执行银行命令,这几个哥们就开始热火朝天的干起来了, 直到完成可以交付给用户的产品。这里边一个很关键的点是,他们干活会严格的按照规范来做, 该输出的文档一个字都不会落,不会出现工程师私自修改了一个小地方,而项目经理不知道的事情发生。其实这背后的基本逻辑,包括 sop, 包 括每个岗位上的工作职责,包括这种设计规范,呃,基本都是非常成熟的东西。所以呢,这些去代码化,去用 agnt 来去完成,理论上是可行的。 当然,他们之间的交互,呃,这种硬件上设计的交互会比软件开发应该会难度会更大一些。当然呢,今天这个事情呢,做起来还是有些问题,但是 这一天一定会到来,而且到来的不会太慢。

全世界都在讨论 chat gpt, 其实很多人根本连 gpt 是什么都不知道。为了便于理解,我用通俗方式给大家普及一下 check gpt 的技术起源和这款 ai 聊天机器人背后的核心技术。点赞关注,持续更新科技前沿信息, 相信一定会改变你的一生。首先拆解一下 g、 p、 t 这三个字母, g p t 的全称是 generated pre train transporter, 中文翻译是生成性与训练变化模型。我们一个一个字母来看, gpt 的第一个字母均是 generative 的首字母,翻译过来就是生成性。所以我们称称 gpt 是生成性人工智能, 也就是所谓的生成性 ai。 在此之前的人工智能机器学习在很大程度上都是局限于 观察、分析和分类内容。一个经典的机器学习的问题就是图像识别,比如让机器去识别一只猫,程序会仔细的去搜索和分析大量的图像,以寻找与猫相匹配的图像。而以 gpt 为代表的生成性恋爱是一项基础上的突破, 他是可以去生成新内容,而不是仅限于分析现有的数据匹配度的一种恋爱。比如他可以根据我们的需要去创建一个猫的图像或者文本的描述。生成性 ai 模型也可以用于去生成程序代码、诗歌、文章和艺术品等等。 最新发布的 chat pt 专注于文本内容的生成,未来应该也会有图像、艺术等各种形式的生成性恩爱。尽管应用领域不同,但是他的技术核心 类似的也就是生成性的人工智能。 gpt 的第二个字母是 p, 是 pre train, 首字母翻译过来是域训练,表示这个模型已经在某些有限的数据集上进行了训练,就像我们在被要求回答某个问题之前,我们会事先去阅读一些相关的书籍一样。 叉 g p t 之所以能够听起来像人一样来回答我们的问题,就是因为他已经接受过大量数据的训练,这些数据是由我们真实的人来编写的,也就是我们人类二零二二年以前发布在互联网上的内容。那么怎么去进行预训练呢? 他使用的是两项技术,一个叫监督学习,一个叫通过人类反馈强化学习。在 gpt 发布之前,已经进行大量的监督学习和通过人类反馈强化学习。 所以我们在使用它的时候,这个模型能非准确快速的去生成连贯,而且是引人入胜的,听起来像人类的一个响应。 这就像是一个饱读诗书,功力深厚的学者能够出口成章他一样,能够顺畅的完成。 g p t 的第三个字母 t 是 transstormer, 首字母 直接翻译就是转换器或者是变形金刚。但是在这里如果把这个 transformer 翻译成转换器或者变形金刚不够准确。 这里的 transformer 它真正的含义是一个非常普通的人工智能机器学习的一个算法架构,它是一种深度神经网络,最初这个架构是在二零一七年有谷歌的一个人工智能的团队足够。 brain 就是谷歌大脑团队研发发布的这种模型,它是使用一种叫 注意力的机制,叫做 self attention mechanism, 它允许模型在进行预测的时候,可以根据语言序列的任何位置,为输入数据的不同部分赋予不同的权重,并支持处理更大的数据级。那这三个字母拼在一起就是 g p t 模型, 最初是在二零一八年由欧本 ai 作为 g p t 一首次推出。这些模型在二零一九年继续发展为 g p t, 二 二零二零年发展到 gpt 三,最近是在二零二二年进一步发展为 instruck gpt 和 check gpt。 gpt 模型进化的另外一个进步还来自于底层硬件计算效率的提高, 这使得 g p t 三能够接受比 g p t 二更多的数据训练,从而赋予它更多样化的知识库和执行更广泛任务的能力。 说了半天,你是不是还是一头雾水呢?那就对了,其实在认知里面最可怕的就是不知道自己不知道什么,所以知道自己不知道什么,其实本身就已经是一种成长,一种进步, 这也是了解科技前沿的意义所在。对于尖端科技,我们要心存敬畏,我们也要感恩国内外一代代的科技工作者的辛勤劳动和付出,让我们有机会在有生之年来享用这样一个划时代意义的科技产品。 关注我,了解科技前沿信息,坚信科技能够改变现在,引领未来。

人工智能将彻底改变软件外包公司的研发工作流,提升研发效率。今天给你们分享一个替代初级软件外包公司的 ai agent 梅塔 gpt, 它是基于 chat、 gbt 和软件外包公司的 sop 训练的,它能根据老板的一句话,需求输出产品文档、价格、设计任务列表和代码等等。 这个由大语言模型构成的虚拟团队,包括项目经理、架构师、产品经理和工程师,他们的工作都是由 ai 来负责管理的。官方文档提供了具体的安装方法,比如让他写一个头条的推荐系统, 你会获得一系列的输出,比如数据结构和 api 设计。我认为项目剪辑的思路是很不错的,但是对于通用模型输出的结果,咱们需要有心理预期,毕竟此类场景还是需要专业的垂直知识来训练,效果才会更好。你怎么看?

我花了两百四十美刀买了个 chat gpt plus, 玩了两个多礼拜了,很多思考,开个小专题,四个视频和大家聊聊。第一,我们如何与他共存?第二,一千亿神经元的人脑和一百万亿参数的 gpt 四到底哪个强?第三, gpt 们的天花板在哪里? 第四, gpt 时代人类的能力模型是什么样?这是基于我粗浅的脑科学、复杂科学和商业方面的知识的一些观点啊。抛砖引玉,邀请你一起思考一下未来。这是第一集 gpt 们来势汹汹,我们如何与他共存? 最近看到的最靠谱的一个用 gtp 赚钱的就是一个叫 check pdf 的应用,你看,这是我前两天写孩子学习能力和学习意愿那个视频时候用到的论文,丢进去告诉他用中文,让他概括总结,针对某一部分做具体的解释,他都能做到无美 一个月。但我听说这个应用的时候,第一时间不是去用它,而是去看完全不会编程的我,能不能自己构建一下这个东西?于是我就问,拆 gpt, 你能读 pdf 吗? 我不能直接读,但你可以编程,把 pdf 里的东西读出来再给我。然后就开始一步一步的教我怎么安装 python, 怎么搭建开发环境,需要调用哪些库,帮我生成代码,帮我解释代码除了运行错误,只要复制给他,他就告诉我怎么解决。最后,我成功的读取了一篇 pdf, 耗时九十分钟。按照这样的逻辑呢,你要让 chat gpt 帮你一步一步的操作,怎么调用它的 api 接口,怎么建立用户的数据库、支付链路,前端交互界面?只要你有足够的耐心,是可以独 独立完成这个开发的。虽然凭我的经验还不能判断这事到底有多大的工作量,但五美元一个月啊,只要有几千个用户,养一个小团队,一点问题都 没有。总结一下就是,只要你对你现有行业的用户的需求有深刻的理解,那用这东西构建一个可以做批量服务的工具,就能批量的挣钱。这个事放在以前是不可想象的,我想这就是未来很长一段时间我们和他共存的模式, 众所周知的原因啊,国内用这东西有点门槛。没关系,只要思想不滑坡,办法总比困难多。第二个问题是,啥时候让你我失业?不同行业不一样,但可以确定的是,所有脑力工作者都必须得思考这个问题。 我们从一个小例子开始说这个事,我那天先让拆的 gpt 分析了一下阿塞老师的一篇百万赞的文案,他分析的非常好,感兴趣可以截图看一下啊。然后我就让他用这样的逻辑去介绍一下禅语摩托车维修艺术这本书,因为最近想和大家推荐一下这本书,正在做筹备拆的 gpt 写的这篇稿子呢, 像屎一样啊,我也放在这,你可以暂停或者截图感受一下啊。我的感受是呢,这个家伙你和他说什么事都行,但不能和他谈感情。他的能力在于基于庞大的知识库对信息进行快速的结构化的处理。 他有很强的分析能力,推理能力,构建能力。但是呢,第一,人类不会允许他自己有意愿去开始一件事。 第二,他只能提供信息,一到对信息的具象的、故事性的、情绪性的呈现,他就伪了。 chat tpt 模仿大漠孤烟直,长河落日圆,描述一下阿尔卑斯山。好的,阿尔卑斯风雪连天,清翠湖泊静班陕。清翠湖泊静班陕 出来的东西味不对。所以对脑力工作者来说呢?如果能力是在信息的结构化,信息的分析这一块,你一定会被替代。你的能 必须向信息处理的前端和后端迁移。前端是什么?提出问题的能力?有多少好答案?在等待一个好问题 后端是什么?和人进行情绪连接的能力?还有那么一句话叫,有多少好产品在等待一个好故事?你像钻石恒久远,一颗永流传。当这种并不稀有的碳原子晶体被赋予了情绪价值,他就能透光你的钱包。 话题咱们还会在第四条视频进一步展开啊,那么我把我的能力从信息处理这个区域迁移出来了,到底是暂时安全还是一直安全呢?咱们下一条一千亿神经元的人脑和一百万亿参数的 gpt 四到底哪个强?再进一步的探讨一下这个事。

刚刚计算机视觉领域的叉 gpt 时刻也出现了,你给他一张埃菲尔铁塔的照片,让他找到所有跟埃菲尔铁塔相关的照片, 就会发现他找到的这些照片里边千奇百怪,有些是油画,有些是手绘图,有些甚至是埃菲尔铁塔刚刚建造时的素描,但这些图确实都跟埃菲尔铁塔有关。这个就是硅谷的 mita, 也就是以前的 facebook 刚刚发布的 door 二,这个是类似 gpt 的一个大模型。 再看这个例子,我们给他一张火车的照片,然后让他找到所有跟火车相关的图片,他不仅找到了里边有火车的图片,而且找到了人在火车站的图片。如果没有真正理解火车的话,这个是肯定做不到的。 铜砂解决了计算机视觉里边的两大难题。第一个呢就是图像分割,因为图像分割不只是根据图像 里面的颜色,还有物体的远近,也就是他的三维,甚至有些时候,你是真正需要理解哪个是同一个物体,才能够把他们分开。最牛的是他通过一张图片就能够看出了物体的远近, 这也就是我们所说的深度图。而一般的深度都是需要通过双目,也就是两个眼睛之间的时差才能算出来。他的这个效果比激光雷达还要好,说明他现在已经像我们人一样,真正学到了视觉的投影关系。 那他这个图像分割叫做 sam segment anything model, 这个就像 chit gpt 一样,可以说是视觉上的反的馒头 model, 也就是最基本的模型。这两个结合起来就会有很多应用, 比如说在 ar 里或是一个机器人,他就能够迅速分辨出来每一个物体,而且知道他的位置和远近,这对机器人的发展是一个巨大的。 另外他可以理解你所说的,比如说你要找猫,那他就可以把这个图里边所有的猫给你找出来。那他这个是怎么实现的呢?他实际上也是用了一个跟 chat gpt 里边用的 transformer, 把每个图形抽象和转换成了一个二百五十六乘六十四乘六十四的这样的一个张量。之后的分割呢?他分了三步,先用很少的数据,这部分的话是人工来分割,然后用这个训练好的模型在更多的数据上做一个半自动的分割。最后呢,再在所有的数据上做一个全自动的分割, 这个数据量有多大呢?他的图有一千万张,分割后的图有十亿张,这比我们一个人一生看到过的都要多,所以他是真正的看懂图了。 最赞的是它跟 chat cpt 不一样,它是完全开源的,提供模型数据,还有所有源代码,这得催生国内多少自主创新的公司啊?你觉得呢?

其实 gpt 从二开始,他的发展让人细思极恐,人工智能起初发展逻辑就是不停地给他投喂知识,开始他的知识库里知识不多, 例如你问他马保国,他拿几个出来让你确定后再回答,这是一点零版的人工智能。但是随着知识的不断增加,知识库有了十万个马保国的时候, 人工智能就彻底懵逼了。于是人们得到一个理论,知识越多,人工智能就越智障。这时候,好多公司放弃了人工智能去研究区块链和源宇宙了,其中一家叫欧昆内爱的研究机构,他们就给人工智能给了一个指令, 既然你也搞不清楚问的是哪个马保国,那你就与人类的语表语和语境自己判断吧。于是, 人工智能二就从智障彻底变成了傻子,他把所有的马宝国掺起来一起讲。突然有一天, gpt 二一下子开窍了,从一个傻子直接变成了天才,从一点五亿个参数直接暴增到了一万七千五百亿,对, 他突变了。问题是,时至今日,开发加 g p t 的专家们依然没有搞明白发生了什么事情。最近他们用加 g p t 四 去解读 gpt 二的突变原理, gpt 四出了一份研究报告,这份报告让本来懵逼的专家更懵逼,因为他们根本就无法理解这份报告的内容,也就是说, gpt 根本就不是人类创造的,人类只是饲养员而已。以上文案和视频都是 gpt 四一键生成的,想学习请点击视频下方的小雪花领取!

我作为一个中国人,然后我想学习英语,但是我一点也不懂,你可以帮助我吗?当然可以,我会尽量帮助你。学习英语首先要从基础开始。你可以先从学习一些基础的日常词汇和简单的句子开始, 同时多听多说也是很重要的。你有什么特别的问题或需要哪方面的帮助呢?我想跟外国人交流啊。了解与外国人交流是一个很好的练习英语的方式,这样你可以实践听力和口语。 为了准备这样的交流,你可以一、学习一些常用的日常对话句子,比如你好吗? how are you? 或者你来自哪里? where you from? 而加入语言交换的社区或应用,比如 tandem 或 hello talk。 那里的人们愿意帮助你学英语。同时你也可以帮助他们学中文啊。三、尝试看英文电影,听英文歌曲,或者听英文播课来提高你的听力水平啊。最重要的是,不要害怕犯错误。交流的目的是为了理解和被理解,而不是完美。 每次交流都是一个学习的机会,你想先从哪方面开始呢?那就从开始跟你对话开始吧。 how are you that's a great start, i'm just a computer program, so i don't have feelings, but i'm here and ready to help how about you? how do you feel today? 你刚才说的我没有听懂,可以用中文再跟我说一遍吗?当然可以,我说我只是一个计算机程序,所以我没有感情,但我在这里并准备帮助你。你呢?今天感觉怎么样?