粉丝1279获赞7.4万
相关视频
01:22查看AI文稿AI文稿大家好，今天我要给大家演示的是 mamam q 的一个操作流程，首先我们来看到 mamq 的这一个界面里面，然后他这里有一个项目主页的一个这个工作框，首先第一个是盖栏，这个点开呢他就是对文件的一些常规的一些 啊信息的一些提示。然后我们来再来看翻译这个界面，翻译这个界面也就是我们经常会用到的，我们主要是在这个功能下对我们要翻译的工作进行翻译。然后人员这个里面呢可能就是在团队工作的时候需要添加用户，然后再添加一些工作人员。 然后语料库功能，也就是我们经常用到的一些可以是单语的语料，双语的语料等。然后翻译记忆库，就是在我们翻译过程中产生的一些 对以往的翻译的内容的一些记忆库的一个功能，它可以帮助我们以后的翻译，就是仅仅一个辅助翻译，提供一些翻译的依据和标准。还有一个就是我们经常用到的术语库，这个术语库呢就是你可以将自己的术语添加进去，然后保证以后翻译工作中前后术语的一致性。 还有两个功能是片段提示和设置，然后这两个功能呢啊不太常用到，我们了解一下就可以关注瑞科学习更多实体知识。
168南京瑞科翻译有限公司
01:34查看AI文稿AI文稿今天来看文件导入及翻译界面预览，那么首先我们先啊我们先导入一个文档，来看看他在翻译界面里是什么样的。首先点击右上左上角的这个导入功能，然后点击进来之后，我们就用这个大数据的这个文稿作为一个演示。 好，你只要点击他导入，然后他就会弹出一个进度条，然后等一下就可以， 这个文件如果比较大的话，他可能导入的时间比较长。好，导入进来之后呢，他这里就会显显示，然后显示的这个呢就是他的字数，然后这个绿色的呢，这个是你的进度条。好，我们现在把它打开， 双击就可以打开。 好，打开之后呢我们可以看到这一个界面，这个界面呢上面是我们翻译的这个原文， 左侧是原文，然后右侧是你即将要翻译的内容，然后在最右边的这里有一个显示出来的这个，这个就是我们所要用到的记忆库，然后在下面这个提示的呢，他是一个 我们叫做是术语库，然后你看这个数据，他就会给你对应出他的英文翻译成 date， 然后在 最下方这一个部分是觉得比较好的一个功能，他就可以进行一个实事的一个你的这个预览，就可以看到他翻译出来之后是什么样子的。关注瑞科，学习更多开知识。
05:47查看AI文稿AI文稿namok 翻译管理软件综合指南引言在不断扩展的翻译和本地化领域中，技术在提高效率和保持项目一致性方面发挥了关键作用。 namok， 一款多功能的翻译管理系统 t m s。 已成为一款杰出的工具，为语言专业人士提供了旨在简化翻译流程、增强协作能力和优化工作流管理的功能。本综合指南将深入探讨 mok 的世界，探讨其关键特点、优势应用和对翻译行业的影响。 什么是 memok memok 是由 kill gray translation technologies 开发的翻译管理系统 t m s。 它旨在通过为翻译专业人士、意者，项目经理和语言学家提供一个集中的平台来促进翻译和本地 化项目的进行。 namok 提供了广泛的功能，使其成为翻译行业领先的 t m s。 解决方案之一。 namok 的主要特点，翻译记忆 t m namok 包括一个强大的翻译记忆系统， 可存储先前翻译过的文本段落，这使一者可以在新项目中重复使用这些段落， 确保一致性并减少重复工作。术语管理 memok 的术语管理功能允许用户创建和维护术语库，其中包括专业术语及其翻译，这确保了项目中术语的一致。使用 一致性检索 mammalg 中的一致性检索功能使意者能够在翻译记忆和参考资料中搜索特定术语或短语，促进高效且一致的翻译。与机器翻译的集成 mammalg 与各 各种机器翻译引擎集成，允许意者利用机器翻译来加速翻译过程，同时保持质量文件兼容性， memok 支持各种文件格式，包括常见的文档格式、网站软件、本地化文件等。 这种兼容性简化了不同类型内容的处理。质量保证 memok 包括内置的质量保证检查，可识别翻译中的潜在错误或不一致之处，有助于维护翻译质量。协作工具 memok 提供协作功能， 允许多名议者和编辑同时在同一项目上工作，提高了团队合作和项目管理。定制用户可以通过创建和应用项目模板，设置质量保证规则以及调整工具界面以满足其特定工作流需求来定制 memok。 使用 mammog 的好处提高效率 mammog 的翻译记忆和术语管理功能通过减少重复工作，加快项目完成速度，显著提高翻译效率。 增强一致性 memok 中使用翻译记忆和术语管理，确保了项目中语言使用和术语的一致性，维护了品牌的完整性和质量。 节约成本 mok 的效率和质量保证功能可以通过减少翻译时间和减少大规模修订的需求来节省成本。简化协作 mok 的协作工具简化了一者 编辑和项目经理之间的团队合作，提高了沟通和工作流程。管理。多功能性， memo 可对各种文件格式和内容类型的支持，使其适用于不同的翻译和本地化项目。从文档和网站到软件和多媒体内容 可扩展性， memok 可以处理各种规模的项目，从小规模任务到大量内容，适用于个体、意者和翻译机构。 memok 的应用文档翻译 memok 通常用于翻译各种文件， 包括法律协议、技术手册、营销材料和商业报告。网站本地化 memok 简化了网站本地化，确保网站在不同市场上文化适应， 同时保持站点结构和功能的完整性。软件本地话 mammalk 在软件应用的本地化方面发挥了重要作用，确保用户界面，帮助文档和软件字符串得到准确的全球翻译。多媒体本地化 mammalk 支持多媒体本地化， 允许翻译视频，字幕，音频转录和其他多媒体内容。技术。翻译技术文件，如 用户指南，工程规范和科学论文。受益于 memok 的术语管理和质量保证。功能。医疗和制药翻译 memok 用于医疗和制药内容的翻译， 其中精度和术与一致性至关重要。挑战和考虑因素尽管 memok 提供了许多优点，但考虑潜在挑战也很重要。 学习曲线与任何复杂的软件一样，使用 mog 有与之相关的学习曲线。用户可能需要培训才能有效的利用其所有功能。成本 mog 是付费软件，对于较小的自由职业意者或预算有限的组织来说，其成本可能是一个因素。 兼容性，虽然 memog 支持各种文件格式，但一些专业或专有格式可能需要额外的配置或定制。为 维护，定期维护和更新对于确保翻译记忆和术语数据库的准确性和最新性至关重要。结论， manmok 已经成为翻译和本地化行业中强大的翻译管理系统， t m s 在其中扮演着关键角色。 其功能丰富的平台使语言专业人士能够简化工作流程，保持一致性，并增强在项目之间的协作， 提高效率、节约成本和增强质量保证的好处，使 maimog 成为专业一者翻译机构和希望扩大全球影响力的企业的不可或缺的工具。 随着在我们互联的世界中对高质量翻译的需求不断增长， namok 有望继续成为翻译专业人士工具库中的基石，为各种全球受众的内容提供高效、准确的翻译。
03:33查看AI文稿AI文稿大家好，今天我们将一同深入探索 google 最强的 ai 模型系列 gemini。 我 们将重点解析两款旗舰模型， 主打最强推理的 gemini 三点一 pro 以及新进的速度之王 gemini 三点五 flash。 它们代表了当前 ai 技术的前沿水平，在不同领域展现出强大的能力。本次分享将分为六个部分， 首先我们将了解 gemini 系列的基本情况，接着我们会对比两款旗舰模型，之后我们将深入探讨它们的核心参数和功能。第五部分，我们会分析用户体验，并给出选型建议。最后，我们将客观评价及优势与挑战。首先我们来认识一下 google 的 gemini 系列， 目前该系列最强的两款模型是双子星，一款是主打最强推理能力的旗舰 jammin 三一 pro， 另一款是新发布的追求极致速度和性价比的 jamming 三点五 flash， 它们分别在不同维度上展现而 google 的 顶尖技术实力。 接下来我们来对比一下这两款旗舰。 gemini 三点一 pro 的 核心优势在于其无与伦比的推理能力，特别适合处理复杂的科研和工程任务。而 gemini 三点五 flash 则以惊人的速度和极高的性价比脱颖而出，是企业进行大规模部署的理想选择。 在核心参数方面，两款模型都非常出色，它们都采用了万亿级的猫翼架构，兼顾了强大的能力和高效的推理。 更重要的是，他们都拥有百万级的上下文窗口，这意味着他们可以一次性处理海量信息，无论是分析一个庞大的代码库，还是阅读一整部小说都游刃有余。 在核心功能方面， gemini 系列的推理能力堪称顶级。 gemini 三点一 pro 在 抽象推理和科学推理方面排名全球第一，展现了惊人的智慧深度。而新发布的 gemini 三点五 flash 则在全面能力上超越了三点一 pro， 在处理真实世界的复杂任务时表现得更加出色。除了推理， jammin 系列的代码和 a 阵的能力也同样强大。他们在处理复杂软件工程任务时表现出色，能够与顶尖的开源模型相媲美。 同时，他们的 a 阵的能力也非常可靠，能够自主完成长城任务。特别是 jammin 三点五 flash， 在这些方面相比上一代有了显著的提升。在用户体验和选型方面，两款模型各有侧重。 gammi 三点五 flash 以其极致的速度和低廉的成本成为绝大多数场景的首选。而 gmi 三一 pro 则在处理需要极致深度和稳定性的超复杂任务时，依然是不可替代的选择， 您可以根据具体的业务需求来灵活选择。最后，我们来总结一下 gemini 系列的优劣势，它的优势非常突出，技术领先、选择多样，生态完善，但同时也面临一些挑战，比如使用成本依然较高 以及病源带来的灵活性限制。但总体来看， gemini 系列无疑是当前市场上最强大、最可靠的 ai 模型之一。 google 的 gemini 系列模型，特别是三点一 pro 和三点五 flash， 为我们展示了 ai 技术的巨大潜力，无论是追求极致性能还是高性价比， 他们都提供了出色的解决方案。希望今天的解析能帮助大家更好地了解和应用这些强大的工具，感谢大家的聆听。
16🦞虾壳云🦞
00:32查看AI文稿AI文稿antropic 六月新模型， facebook 的 提示词刚流出， ai 圈炸了，外网论坛已经有人复现了。争议很大。第一，工具调用前必须先看技能文档，杜绝凭空猜测。第二，遇到不确定就联网搜训练，数据会过期。 第三，承认不知道比编造答案更专业。用这套思路重写 hermes agent 的 工程铁律忠实报告，拒绝不重试，先读后改。防幻觉防循环，防失忆，这就是 hermes agent 这次升级的底层逻辑，大家不懂的可以问我。
08:572344刨根问底说AI
04:01查看AI文稿AI文稿elizzy 卖家盼了十年的变化终于来了，最近 elizzy 更新了一个新的 listing 结构，这是一个更加利好 p o d。 卖家的史诗级更新。哈喽，大家好，我是在 elizzy 操盘上百家店铺做到千万级 g m v 的 jackson， 今天我用一条视频帮你捋清楚 elizzy 最新的这次更新所带来的最大的一些变化。如果你现在正在做 elizzy 或者考虑做的话，这条视频你一定要看完。 次更新的主要内容就是大大的丰富了。作为 p o d。 卖家的这个 personalization， 就是 说定制区域的这些内容。在这次更新之前，我们 i d c。 的 卖家只能够通过两个变体加流源框的方式来进行定制，但是在这次更新之后，流源框的方式变成了额外的五个不同的变体，而且还可以让客户来上传他们的照片。这是一个天翻地覆的变化， 大家已经判了很多年。这一次实施的更新部分就是在 item option 这个位置，大家可以看到 variation 这边呢，还是跟之前一样只有两个选，这边是没有什么变化，但是这边的 personalization 大家看一下，点到这个位置以后，我们会出现这三个不同的选项，之前呢就只有一个选项可以让你留一千零二十四个字母，但是现在我们多出来有三个不同的选项， 我们看一下，第一个是 text box， 我 们点一下可以看到，就相当于你要找买家拿到一个定制区域的文字，比如说 name， 好， 你要告诉买家，你要他留的这个名字是放在你的这个产品的某一个区域，比如说我说 name on blanket， 好， 这块就是名字的一个宪字的字母数有多少？好了，假设我们只是把它变成了一个 text box， 直接点到好，我们这边就看到了这个 text box 就 在这边已经产生出来了，我们可以看到它一共可以加入最多有五个 field， 我 们刚才只加入了一个，那这里面的文章就太多了，这会儿我们再看，如果我们继续持续点这个 add new field， 我 们又是会看到刚才那三个地方， text box， list of option 和 file upload 这三个关键词不对，这时候我们再点 add new field， 我 们又会看到 text box， list of option 还有 file upload， 这三个词跟上刚才的那一个是一样的，也就说明这同样的选择我们可以出现五次，但是呢，我测试了以后发现这个 file upload 就是 说上传产品图的这个部分只能出现五次，但是呢，我测试了以后发现这个 file upload 就是 说让它们出现四次。 来举个例子，我们先说让客户上传产品图好了，比如说我说 pet logo 就是 宠物的 pet photo 好 了，就是宠物的照片这块，你会看到它可以上传这么多不同的格式的文件，最多可有一百兆，它可以最多要求它上传十张，当然这个十张并不是说是固定的，它是最多可以有十 个，你每一个可以给他不同的 label， 比如说， ok， you file number one， 第一张图是用来放在哪里，第二张图放在哪里来展示这里，同时还可以给他一个 instruction， 告诉他这边是他的上传的不同的产品图会造成你的产品的怎样的变化？刚才我们测试了 text box， 就是文字框和第二个，我们测试了 file upload， 就是 上传文件。我们再看一下这个 list of options， 这块儿呢，其实就跟上面的变体就 variation， 这两个变体是很相似的一个概念，比如说我们让它选 color， 或者说 fonts， fonts 很 重要，很多我们定制会涉及到不同 字体，比如说 f 一 f 二不同的放肆，让他在这边选，所以他就会在他这边看到一个专门就是用来选放肆的这么一个区间，我们点到看到就放在这里了。同时呢，你看我们还可以再加三个，因为最多可以用五个嘛，我们现在尝试给它填满，比如再加一个 text box， 我 说一个 hold 好 了，再加一个 list of option， 这里我们可以写一个 color， 比如说 black blue， 这样 测试一下。嗯，但最后呢，我们再把刚才说的那个 file upload 拉回来，比如说 pad photo， 大家可以看到现在我们这五个不同的定制的区域都已经给它写满了。同时我们可以通过左侧这个位置来调整用户可以看到的这个顺序，这时候我们可以填一下 preview， 好 了，我们能够看到我这个产品 font 可以 选择三个 font， 这边也可以留言这个 color， 这边也可以留 言。最后呢，这边可以上传你的产品图，这样子，这块儿因为是在 preview 的 状态下，这边是看不到的。这个时候我们在 publish 你 的产品已经融合了很多的五个更多的定制维度， 结合这五个不同的定制维度和之前的两个变，我们可以相信我们现在相当于有了七个不同的维度来定制一个产品，这已经大大的满足了我们像之前只有三个维度的这样的一个差别。这次功能的大更新其实并不是一个简单的更新，它是一个从 i c 底层逻辑上来看，它换了新的 ceo 以后，它更加注重了这种高度定制化的可能， 所以它才会添加出来这么多的变体，其实这些变体已经可以满足阶阶段 p o d 产品的定制维度了。从这次更新来看， l c 一 直在鼓励卖家把定制标准化、流程化、自动化。后期你还想看哪些方面的内容？欢迎给我留言，有任何的问题也可以随时来咨询我，那我们下一期视频再见啦！
475Jackson聊Etsy
16:32查看AI文稿AI文稿大部分人用 cloud 都是一个人在跟他聊，但高手早就不这么干了，他们让一个 cloud 只会五个 cloud 干活，今天就拆给你看这是怎么做到的。第一期，我们聊聊 skill， 今天我们来一起回顾一下 skill 是 教 cloud 怎么做，把你脑子里的经验套路全部写下来，让他每次跟着来。这期讲 sub agent。 先记住一句话，如果说 cloud 是 教 skill 怎么做，那 sub agent 就是 给 cloud 配一组专属的助理，每个助理都在自己专属的房间里干活，然后干完活之后把所有的结论拿出来。第三期，我们讲 agent teams 组一个自己能互相通话的一个团队。今天我拿一个我正在用的小红书 skill， 直接给你演示，它内部就封装了五个 sub agent。 我 们边看边讲，今天目标很明确，这十几分钟看完，你不仅知道 sub agent 是 什么，更知道的是自己会做一个能把它用起来。先说一下 sub agent 是 什么， 你跟 cloud 在 主对话里干活，就像在一张工作台上，你每读一个文件，每跑一次搜索，每出一版稿子，这个台子上就会多出一些内容来。对到一定程度呢， cloud 就 开始忘事，把你之前告诉他的一些内容全部忘记了， 这就是上下文被充满了一个样子。 sub agent 干的事呢，就是把一摊活分别丢给不同的一个助理，让他去一个单独的房间里干。这个房间是字面异常的独立， 他有自己的上下文窗口，自己的提示词，自己能用的工具，以及自己的一个权限。他在那个房间里翻得再乱，都跟你这个主台子是没有任何关系的。干完了呢，这个 sub agent 只把一份结论拿回来给你。所以记住这四个独立的东西，上下文、 提示词、工具、权限。在深入讲 sub agent 之前，我先带你把我自己的小红书 skill 整体过一遍，因为你第一眼大概率看到是一堆文件夹，你可能会蒙，不知道里面到底是什么内容，但别急，其实它就是六样东西，我一个个把它们说清楚，你就知道这个 skill 应该怎么用了。 最顶上是 skill 一个总导演 skill 是 只管调度，不装知识。这是什么意思呢？就像一个剧组里的总导演，只负责告诉大家流程怎么走，喊清楚先排哪场，再排哪场，应该谁上。至于具体怎么演，台词怎么写，和总导演其实无关，它只需要交给各个部门去负责就好了。 其实是写 skill 的 一个非常重要的原则，总导演要做得少，不要把所有内容都放在自己的身上。再多说一句，为什么少很关键，因为 skill 每次启动都会把所有内容都加载一遍， 如果你东西写的越多，它就越占地方，你越容易让模型分心。很多人经常会遇到一个问题，就是对话的太久，他会把前面的一些指令全部忘掉。这就是因为上下文的内容太多了，所以一个好的写法就是把方法论丢给 reference， 把流程交给 workflows， 自己的手里只留一张，先派哪场，后派哪场演员谁上的一张表。拆开之后，最大的不同就是， skill 始终是一张简单的分场表，改流程，动它，改改方法论，就懂 reference， 两边互不干扰，一个能长期维护，越改越顺的 skill， 和一个改一两次就乱成一团的 skill， 区别其实往往就在这里。 然后就是我们的 agent 文件夹，这个是今天的主角，里面有五个 markdown 的 文件，其实就是五个 sub agent。 这个我们也会重点去拆解，这五个 sub agent 分 别是 选择题分析师、文案创作师、视觉策划、黑粉、审查员和编辑。为什么要拆成五个，而不是用一个 agent 从头写到尾呢？因为这五件事其实需要五个不同的脑子去做。选择题要发散，文案要网感，审查要挑剔，主编又要克制。 如果你全部塞到同一个 agent 里，他就会一边夸自己写的好，一边又要挑自己的刺，就会在左右脑互搏，最后出来内容其实会很没有逻辑。拆开带来一个不同，就是每个 agent 只有一个要求，上下文很干净，单点的质量会更高。而且如果你觉得哪一部分有问题，你就单独去换那一部分就好了，不需要把所有内容都去动。 接下来就是 workflows， 就是 分厂的脚本， skill 只说了一个大概的流程，但具体到派每个 sub agent 去做什么的时候，到底跟他说什么话，或者说哪些 agent 可以 同时去开工。这些具体的细节就放在 workflows， 等于 skill， 就是 总导演那张 分厂表， workflows 就是 每场戏的详细分镜脚本。为什么这些的话术要单独拎出来放到一个 workflows 里呢？因为要具体做的那些内容，其实是需要改动的。今天可能想让文案更加口语化，明天可能就更专业化，或者说 调整一下病发的顺序，都只需要在 workflows 里改几句话就好了，不用去改 agent 本身，这样的话，流程和角色其实就互相结偶了，角色定义始终是保持稳定的。然后我们的调度策略其实是可以随时迭代这条流水线，就可以一直在优化，一直在迭代进步。 下面三个关键词其实有一个共同的特点，就是它们是用来给 sub agent 干活的时候按需索取用的。第一个就是 reference， 其实就是方法论，比如说里面装着小红书的爆款公式， 一些标题的钩子，一些平台的规则算法，怎么算，偏好哪些内容，还有最终 ppt 的 一些配色的要求。同样的，这些内容也不是全部塞在 sub agent 里面的， 因为就像我们刚才说的，如果全部写到 sub agent 里面，每次调用就会进行一个完整的读取，而且很难去更新。如果平台的规则一变，或者我们想把一些内容具体的一变，我们整个 agent 都要重写，放进 reference 之后，我们就是按需要才进行查找，这样的话变成了一个可单独为外挂资料库 更新一处，对全员都生效。 agent 的 内容也不需要去写很多，只在需要用到某一段的内容时候，他才自己进行去翻阅。接下来就是最终产出的格式规范，它规定出来每个 agent 最后交付的样子，是以什么格式，长什么样子，有哪些字段。为什么需要这个呢？因为最后的主篇是要把五个 agent 的 内容拼在一块儿， 大家的格式必须对得上，不然会出现问题。这个是 sub agent 的 写作的一个前提，统一写作带来的结果就是写作从碰运气变成了可预期，每个 agent 都照着同样一份要求去输出内容，主线就能稳定地汇总在一起， 整条六十线才真正能跑得通，可敷用。最后呢，是 script， 一个确定性的脚本，这里放着一个六百多行的 python 脚本，专门生成最终的 ppt 用的。这里有个非常重要的点，声称 ppt 这种要求精确不能出错的事，其实不应该让 ai 去即兴发挥。 ai 写文案这种内容其实非常有创造性，但是我们如果让 ai 一个像素一个像素的去摆这个 ppt 的 位置，它其实每次出来的内容其实是不太固定的，会影响我们每次交付的质量。所以我们这个 skill 的 做法就是让 sub agent 只负责产出数据，真正 要做的 ppt 交给一个固定写好的脚本，判断的活交给确定性的活交给代码。有了这个分工思路，其实你以后在不同的 skill 上都能用得上。 ok， 现在你就能看到整个 skill 的 逻辑了。 skill 当总导演照着 workflows 里的奋进喊谁上拍哪场， 然后五个 sub agent 在 各自的房间里去干活，需要方法论呢，就去 reference 里查最后的产物，就按 assign 里要求的去交付。最后总导演都要用 script 里的 ppt 脚本直接生成最终稿。做这个 skill 其实就是从头到尾把自己当成领导组织和调度一堆 sub agent。 这里可能会有一个分不清的问题， skill 和 sub agent 其实长得几乎一模一样，都是一个 markdown 软件，加上几行配置，那它俩有什么区别呢？先说结论，它俩不是二选一， 你看我打开这个 skill， 给你看一眼 skill， 点 m d， 里面的文件其实写得很清楚，五个 sub agent 互有分工，组成一条协助的流水线。也就是说，这个 skill 本身就是用来组织和调度一堆 sub agent。 它们两个分工是这样的，主对话扮演主编 skill， 告诉主编这个流程是怎么走的，具体的分工 分析，写作，跳次，派给在五个独立房间里的不同 sub agent。 所以 记住这个关系， skill 呢，只管流程和编排，是总导演手里那场分场表。 sub agent 就是 按分场表里上场的一些人员，每个人呢，都守在自己的岗位上，一个是负责怎么组织，一个是负责在隔离的环境里把一堆活干完。 那么为什么我们一定要用 sub agent， 只用一个 agent 从头跑到尾？那你可能会一个一个的冒出来。 第一呢，上下文可能会越来越乱，选择题的分析，不同标题的草稿，配图的思路，挑刺的意见，都会在一个对话里越来越多，就像我们刚才提到的，写到后面，模型就会被这些内容所撑乱，然后开始忘事。第二呢，一个脑子干不了互相打架的活， 写文案的时候呢，我们需要他有些网感，但审查的时候呢，又需要他挑剔严格。如果让同一个 agent 又当运动员，又当裁判，他只会一边写，然后一边夸自己好，根本挑不出来真的毛病。第三呢，就是如果出了问题，要从头全部再来，单 agent 一 条龙输出。如果你对某一段不满意，你很难去单独修改那一段， 往往你要让它从头再生成一次，又费时又费头肯。如果我们拆成 sub agent 之后呢？这三个问题其实就可以被一一化解。首，首先，每个 agent 有 自己独立的上下文，不会被其他内容所干扰或污染，最终的主对话只收到一份干净的结论，然后再把它们汇总到一起。或者说 同时呢，一个 agent 只有一个 prompt 或者指令，文案就是文案，审查就是审查我们的黑粉审查员，甚至被故意设定成不准有建设性的内容，直至刻薄，质量呢反而会更高。最后呢，如果我们发现哪一环输出的比较弱，直接把某一个 sub agent 换掉就 ok 了，或者说修改一下内容， 不需要动整个流水线，选题不行就调选题，分析师文案太硬，我们就调整文案创作式。简单来说呢， dunk skill 就是 一个人包揽所有的货，用 sub agent 就是 一个专业的主编，带一个专业的小队 一起去完成一个事情活，一旦多，要求一旦变高，前者的话很容易去崩溃，后者是越复杂越能体现出它的优势。这也是这个小红 skill 其实可以用一个 agent 去凑合，但是我们一定要拆成五个 sub agent 的 原因，这是因为它的质量其实会非常非常高。那说了这么多，一个 sub agent 到底长什么样子？ 我们来打开看一看。我们挑一个最有意思的 a 阵黑粉审查员，这个 a 阵的作用就是抬杠，别的 a 阵显得越开心，他就抬杠的越爽。打开之后我们会发现，其实他长得跟 skill 非常像，也是一个 markdown 文件。然后开头有几行配置，第一个就是 name， 他 叫小红书 hitters reviewer， 然后是 description 描述他要干嘛， 什么时候才能被叫出来。下面有个非常关键的一行叫 tools 锁工具权限，这个审查员我们只给了读 写和联网的权限，没有给他任何能改中稿的权限，他只能去挑刺，写一份意见是改不了别人的内容。这个是 sub agent 独有的 skill 却做不到的事情，单独给一个角色锁定，他能做什么事情和不能做什么事情。 再往下呢，是这个 sub agent 的 系统，即视词，这个部分非常重要，因为里面有个设定是，你不需要有建设性，你只需要很刻薄，专门去站在那些准备划走 点，举报骂博主的那一面，让他真正的扮演一个黑粉。为什么我们要专门搞这么一个 sub agent 呢？其实有很多原因啊， ai 的 多个 agent 写作其实会有一个问题，选择题，文案，视觉。这几个 agent 其实各自都会觉得自己写的东西非常好，每个单看其实都很自洽，但是合在一起就会出现一些问题，可能 ai 位很重，然后又会自嗨。所以我们需要一个完全独立，不被前面几个 agent 所影响的黑粉审查员。这就是 sub agent 的 隔离性最好的一个体现，因为他的独立的房间里有自己独立的上下文，他不知道前面几个 agent 有 多满意自己的一些内容， 所以他真的可以去客观的挑刺。这个是一个单独 skill 做不到的，因为 skill 跟主对话共享一个内容，没有办法自己反驳自己看完了具体 sub agent 长什么样子，那这五个 sub agent 是 怎么互相干活的呢？整个 skill 的 工作流率其实有两个点非常值得去讲。第一个是串行， 我们的选题分析师必须要先跑完所有的内容，因为后面写文案或者做视觉都需要依赖他的结果，这个是有依赖的关系的，所以要排队。第二呢是并发，文案创作时和视觉策划时其实可以同步进行，因为这两个内容互相不依赖，一个写文字，一个排版，可以同时干活， 没有必要互相的省时间。这就是 safari 的 比单县城强的地方，该排队的时候排队，该并发的时候可以并发。一个人在主对话里只能一件一件事来，但一对助理可以同时开工。还有一个贯穿的设计，正好印证了我们在开头 b 房间的那个比喻。这个 skill 里反复强调了一句话， 每个 safari 干完活之后，产物直接存成一个文件，在主对话的上下文里只保留一个读取路径， 不留具体的内容。 subagency 可能写了很多东西，我 subagency 写了五份东西，加起来可能有上万字，但在主对话里面其实只多了五条路径。所有的脏货都在各自的房间里，你的总台子始终是干净的。这个其实就是 subagency 的 非常核心的一个地方。 ok， 看完了整个 skill 的 逻辑，现在我就教你怎么做一个自己的带 subagency 的 高级 skill 和上期一样，其实你不需要把每个细节都想的非常清楚， 初稿完全可以让 cloud 帮你去搭。就拿我这个小红书 skill 来说，我对话题结构、文案其实没有什么特别大的要求，直接可以跟 cloud 对 话，让他帮我先组建出版内，我真正想要的其实就是让整个 skill 从文案到最终生成的 ppt 一 条龙帮我全部生成，这样我最后只需要把 ppt 导成图片，就可以直接发到小红书上去了。 和在我们和 cloud 对 话之前，我们可以先想清楚我们需要几个 sub agent， 你 具体要负责什么事情，想清楚了我们就可以直接打开 cloud 去下命令。比如说这里帮我做一个写小红书的 skill， 需要五个 sub agent， 分 别是选择题分析师、文案创作师、视觉策划师、黑粉、反方审查员、主编，主编最终要输出忠告便生成 ppt， 你 看整个文件就已经出来了，打开之后就是视频最开头给你看的那套。这里我们可以先把整个 skill 下载下来，然后解压，把里面所有的内容直接复制到我们点 cloud skill 跟目录下面，这样的话 cloud code 下次启动的时候就会自动识别。同时还要注意一个事情，我们同时要把这五个 sub agent 也要复制出来，放到点 cloud slash agent 跟目录下面。我们可以单独建一个和 skill 同名的一个文件夹，把五个 sub agent 单独放进去，不然的话如果我们后面的 skill 越来越多， 我们 a 阵的也会越来越多，我们自己如果想修改的时候可能会很难去找到，这样的话用文件夹去分类更方便我们后期的修改。全部上传好之后，我们就可以打开 cloud code， 这里要记住一个点，要么用 cloud desktop 里面的桌面版 app 的 cloud code， 要么就直接用终端的 cloud code， 我 们的网页版 cloud， 或者说是桌面版的 cloud， 对 话里是用不了 sub agent 的 这个功能，只能在 cloud code 里面去用。 这里呢，为了方便演示，我们就直接用 desktop 版的 cloud code， 看起来呢也会更加直观。你看我在这里直接在对话框里去输入 slash 小 红书 writer， 然后我们再输入我们的提示词，比如说帮我给 wen g m 九写个小红书，我们一会车 就可以了。好，让我们一起来看看效果。你看它最终生成完之后，会直接打开这个 ppt， 整个排版其实没有问题，但可能会觉得有点欠缺，我们再让这个排版继续美化。所以我们的 skill 就 像第一期一样，需要不停地去打磨，才能最后生成一个完美的结果。 ok， 这里再多说一句， 跑完一轮下来，你可能会发现，有些内容是不需要那么强的模型的。你可以让干重活的那个 agent 去用 opus， 让打配合的 agent 用 sonet 或者海库。道理和吃饭一样啊，想吃硬菜，我们去馆子里吃，想随便吃点就在家里整整泡面啊，没有必要顿顿去吃米其林一个任务里呢，混用着不同的模型，可以把整个任务的 token 节省下来很多。 比如说像这条小红书的流水线，挑刺出中稿，我们需要用最强的模型 opus， 我 们用纯排版的内容，其实就用最便宜的模型就 ok 了。举个例子，像我们的黑粉审查员，他本来是长这个样子的，我们直接在 top 下面新建一行 model， 写上我们想要的模型，比如说 sony 或者 opps 就 ok 了。最后再给你说两个容易踩坑的点，第一呢， sabotage 不 能再派其他 sabotage 防止你进行套娃。第二呢，他自己干完活端回来，那份结论也是要占用你主对话的上下文的，所以不要滥用，不是越多越好，有些活呢，拆开反而更慢， 效果更差。 sabotage 是 用来切走能独立完成的脏活，保证你主台字是干净的，记住这个初心就不会乱用。 最后呢，再和你说一个进阶的东西， hooks 钩子，它其实不属于 sub agent， 是 cloud code 里独有的一个机制，但它和 sub agent 配合起来其实非常像。 hooks 是 什么呢？它可以在某些固定的时间点自动地帮你执行一条命令，不需要你每次手动地去确认，你可以把它简单，如果发生了 a， 就 自动开始作弊。 它们形态上其实最大的区别就是 skill 是 整个一个文件夹， sub agent 是 一个点 m d 的 markdown 文件，而 hoops 不是 单独的一个文件，它是写在你的配置文件里的。你可以在你的 cloud 文件夹里下面发现一个叫 setting 检测的一个文件，它是一段代码。 这 hoops 怎么用呢？比如我希望每次 sub agent 生成完 ppt 之后，系统自动地帮我导成一个图片，放到指定的一个文件夹里， 这也是我不想每次手动的去做，跟着在任务结束的时候，这个节点挂一个 hook， 那 自动跑一个导出的脚本，两者叠加起来呢？你的 skill 就 可以从能跑变成。用法上你只需要记住三步，第一，想清楚你要在哪个时间点去触发。第二，写好这个时机，你要执行一个脚本。第三，把它直接配置到 cloud code 里就 ok 了。 sub agent 解决的是谁来干，在哪干？ hooks 解决的是在什么时候帮你直接补一刀，等你的 skill 跑顺了之后，再用 hook 把那些重复的手动操作直接自动化， 你的体验会更上一个台阶。 ok， 到这里我们整个 skill 就 已经讲完了， sub agent 是 什么？为什么值钱？怎么做一个怎么用。现在你可以开始尝试做一个自己的专属 skill 了。那你可能会发现小红书流水线这条 skill 呢，有一个问题，五个 agent 呢，就全部只跟主编去汇报，他们彼此之间是不沟通的，文案创作师不知道视觉策划师是怎么想的， 黑粉审查员呢，也只能把挑逗刺直接汇报给主编，不会直接找文案创作师吵一架。那如果我想让这些 sub agent 互相沟通，互相当面之议， 就像一个真正的团队那样，可不可以呢？这个就是我们下一期的主角 agent teams， 让几个 agent 互相在同一个对话里去吵架，最后活下来，那个就是最核心的一个观点。关注我们下期见。
101AI产品经理Number
02:29查看AI文稿AI文稿今天我们来聊 token 和 point 这两个词，你在用 ai 的 过程中一定非常常见，如果你搞懂了，你 ai 使用的能力一定上一个台阶。先说 token， token 呢就是 ai 在 处理文字时最小的计量单位，你可以把它简单理解为就是 ai 眼中的这个字数，大概怎么换算呢？一个汉字等 于一个 token， 一个英文字母大概等于一到一点五个 token。 举个例子啊，比如说你跟豆包说帮我预测一下今年的世界杯冠军，那你用了十三个 token 跟我有什么关系呢？其实关系很大，现在很多的 ai 产品都是按照你 购买的 token 来计费的，你充值的那些额度消耗的本质上就是 token。 就 好比啊，你买了一个五十九块钱的手机卡，里面包含五十 g 的 流量，你发视频呢，消耗流量就多，你给别人发发消息啊，这个消耗的就少。 ai 其实也是一样，比如说你让他写长文章， 让他做视频，做设计，写代码的时候，那他消耗的 token 就 越多，不然你给豆包简单的聊几句天儿，他消耗的 token 就 很少。接下来我们说 point， 用的这个词，中文名叫提示词，也叫指令。简单来说，就是你在使用 ai 产品的时候，那个对话框里面你输入的文字，或者给他发一条语音，都是你的 point。 但是这里可能大家没有意识到，同一个问题，你用不同的问法得到的答案呢，是天壤之别。这个就是你 point， 或者是你给的指令的准确性和答案的不同。比如， 比如说你要去找工作了，你问 ai， 你 说帮我写一个给面试官的自我介绍， ai 可能给你的是一个通用的，没有任何特征的一个模板给你，但是如果你换一种问法，你说我是一个拥有三年内容创业经验的九五后，我现在需要去互联网公司求得一份内容运营的岗位，希望这岗位的薪资是多少多少， 根据我上面的情况写一个一百五十做左右的一个介绍，要能够突出我之前的工作经历和工作业绩，以及过去的一些特别的成绩。 ai 给出的两个答案 可能是完全不同的级别，所以 point 或者提示词，它不是简单的一个一句话的指令。你给 ai 的 信息越具体，越细致，那它给你的答案可能越符合你想要的期望。所以一个好的 point 通常包括你是谁， 你要什么，你想要什么样的风格和结果。记住了这三点，你跟 ai 对 话的质量一定会有一个很大的提升。最后啊，总结一下， token 呢，是 ai 计量文字的最小档，它跟你的使用成本和 ai 上下玩的这个记忆是直接关联。 point 呢，你给他指令的质量决定了他给你生成的你想要的交付件儿的 质量。今天讲的这两个词啊，是咱们用好 ai 或者理解 ai 最基础的两个词。后面呢，我也会陆续的把其他词给大家来科普和讲一下，如果你觉得感兴趣呢，或者讲的不错呢，麻烦给分享给身边的朋友，或者帮我点个赞，支持一下，谢谢大家。
111有点墨水
