gpt5.5是agent吗
五点四也已经完全够用了， oppo、 nike 疯狂更新，生产力全部拉满。最后啊， gpt 五点五让人觉得又强又贵。不说废话，出发，看看怎么个事儿。 接着再来让我们了解一下 gpt 五点五。看完这次官方释放出来的信息啊，最大的感受其实不是他又更聪明了一点，而是啊，他越来越像一个能真正把事情往前推进的工作搭档了。 如果啊，用一句话概括，我会说， gpt 五点五的重点不是回答问题，而是完成任务。这次官方强调升级最大的几个方向，分别是 a g t 的 coding、 compared use 和 early scientific research。 翻译成更容易理解的话，就是，他不只是会给你一个答案，而是更擅长去理解一个复杂目标，然后自己去拆步骤，调工具，查资料，分析数据，检查结果，再把整件事一点点做完。 我会觉得啊， gpt 五点五真正的竞争力未必只是跑分，而是他有没有机会成为我们日常工作里的默认写作者。当然，能力越强，价格越贵。 就我目前自己的工作习惯来说，五点四也已经完全够用了。如果没有什么大的项目在跑的话，或者你的需求还是集中在日常问答普通写作轻量级的 call 定，那五点五啊，未必会立刻拉开特别明显的差距。 它真正值钱的地方啊，是当任务一旦变复杂，步骤一旦变融长，还同时需要频繁调用其他工具的时候，能做到少返工，少来回，少让你盯着纠错。 所以啊，我现在对 gpt 五点五的判断会更务实一点，它不是一个所有人都必须立刻升级的版本，但如果针对的是平时需要做开发研究、资料整合和复杂执行的人来说，它更像一次工作流的升级，而不仅仅只是模型的升级。 最主要的还是因为他的门槛比 cloud 低多了，不用到处找非官方渠道逃账号，还有被封的风险。有这么能干的酷 max， 再加上一灭就二点零，已经可以解放双手了。好了，这期视频就像这样，希望对你挑选 ai 工具有所帮助。我是阿月，我们下期再见。
粉丝1.4万获赞5.9万
相关视频
00:43查看AI文稿AI文稿爆棚牙彻底疯了！别再刷前天的 g p t， 因为这二了，那已经是老古董了。就在昨天， g p t。 五点五突然空降，不仅成为全球王座，还顺手终结了所有大模型的悬念。然而这次 g p t。 五点五到底强在哪？数据不会骗人，又在最硬核的 colex 编程测试里， g p t。 五点五在复杂逻辑下的爆头率比 cloud 四点六降低了整整一截。 前你用 gpt 五点四或者 oppo 四点七，遇到长文档多 a 阵写作时， ai 经常会失忆或者乱码。但五点五现在的逻辑缜密程度是指哪打哪，几乎没有瓶颈。在日常办公场景上，让 ev 之二先画出极致 ui 五点五幅的逻辑，实现这种视觉与代码的深度协同，让那些还在靠文本堆积的友商显得像上个世纪的产 物。在这个 gpt 再次领先的今天，这不是升级。如果你还没试过五点五，那你可能正在被这个时代所抛弃。
1131美超半导体
01:58查看AI文稿AI文稿我们常说 agent， 但它并不只是一个更会聊天的大模型。更准确地说， agent 是 一个会循环工作的系统，它先理解目标，再选择下一步行动。 agent 执行之后观察结果，然后根据新的反馈继续修正。 一个 agent 的 底层通常有五块拼起来，第一块是模型，负责理解、推理和生成方案。第二块是工具，比如搜索、读取文件、写代码和调用接口。第三块是上下文，也就是当前任务现场。 第四块是记忆，用来保留长期篇好和经验。第五块是反馈，让系统知道刚才那一步到底有没有用。所以， agent 的 核心不是一次性给出答案，而是一轮一轮地推进。他观察当前状态，思考可能原因，制定短期计划， 调用工具去行动，最后再叫验，结果叫验，之后得到的新信息又会回到下一轮思考里。 举个例子，你让 agent 修一个漏洞，他会先读报错日制，判断失败发生在哪里。 然后定位相关文件，提出修改方案，编辑代码，再运行测试。如果测试失败，他不会停在原地，而是把失败日制当做新的反馈，进入下一轮排查。因此， agent 的 能力边界来自四件事的质量。 首先就是模型是否可靠，工具是否真的可用，还有上下文是否完整，反馈是否真实。 理解 agni 就是 理解一个由模型、工具和反馈组成的闭环系统。
49-苍穹-
02:36查看AI文稿AI文稿嗨，大家好，无奈帮凶事业最近 ai 圈的大新闻接连不断，第四个 v 是 前脚刚上线 gvt 五点五，后脚就跟来了这两个核弹直接把 ai 市场炸成了两级。 我这两天试用了一下 gvt 五点五，很直接的感受是它比上一代逻辑更严谨，解答更全面，是真的在帮你把问题想透， 但代价就是回答更长，偷看消耗更多。所以它不是用来随便聊天的，而是用来干重活的。这是 gpt 五点五的核心升级，不是单纯的聊天更聪明，而是转向了真实工作， 写代码四条，查资料、做数据分析、软件操作。它能自主规划、调用工具，甚至在模糊信息中推理推进任务。 这标志着 ai 从问答机器人进化成了能持续工作、能持续执行任务的 ai 员工。 这次发布对 open ai 来说直观重要，因为在 gvt 五点四阶段，口配其实是下滑的，无论是测评还是用户实际反馈，都不及 cloud office 四点六和 jamie 奶三点一 pro 的。 很多人慨叹 openai 正在走向陨落，但 g p t。 五点五的发布是是强势的回归，它在 agent 能力、编程长、上下文处理上直接对标，甚至超过了刚发布的 cloud office 四点七。现在，高端 ai 市场重新进入了三足鼎立， openai 靠着 g p t 五点五抢回了能力天花板 and stopik 靠 cloud office 守住了代码推理，谷歌靠 jammin 三点一稳住了生态，但另一个市场正在被低 six 微四改写 deep six 微四很聪明，它不跟巨头应聘上线，而是寄出了性价比杀手锏。它的输入成本只要一块钱人民币，是美国凶熊的三十六分之一，以至于需要反复为大量代码、财报、客户数据的企业应用来说，这简直是降维打击。 所以，未来 ai 市场不会再有谁最强的争论，只有谁最划算的博弈。高端复杂任务，比如核心代码架构、复杂推理、科研分析用 g b、 d、 五点五、 cloud 或者 jimmy 奶都可以。而海量文档处理、内部支持库清量级 agent 的 流程，必选 deepsea 微视模型，能力在网上冲加 价格再往下卷。未来大家不会再问哪个 ai 最强，而是会问这个任务用哪个模型最划算。接下来，我会用真实代码和业务场景，把这几款模型拉出来做一次详细对比， 不只是看保分，而是看他们在真实工作里，到底谁能解决问题，谁更适合落地。感兴趣的朋友关注点个赞，评论区里聊聊你们的想法，拜拜！
01:11查看AI文稿AI文稿最强的 ai 军团我们已经打通了哈，我们把飞书或者微信已经接入到了本地的最强龙虾啊，我们用的是 homers 那 个智能体， 然后再用上最强的最牛逼的宇宙第一强的 gbt 五点五这个模型，然后再加上各种自定义的技能 skills， 只有这四个部分加在一起，我们才说它是最强的 ai 军团，因为它有最便利的社交通讯工具，就是飞书和微信。 第二块就是它有最强的执行力，就是 hummer。 第三块就是用上宇宙最强的要么第一要么第二的大模型 gbt 五点五，第四块就是接上你们自己行业的 skills 技能，就这四块就能组成最强的 ai 军团智能体，给你们看一看啊， 这个是那个，我们的微信就用的是那个 hummer 啊，全部是跑在本地哈，这个是我们我们设置个 windows 的 嘛，所以都在 c 盘，然后项目的工作目录都在 e 盘 啊，这个是微信的 humulus 的 智能体，这个是非输的智能体啊，这个是非输的智能体也接入到了呃，这 humulus， 然后 gpt 五点五中国的网络都能搞定，剩下的都是接入到 skill 的 了哈。
16北京小王云智
03:35查看AI文稿AI文稿gpt 五点五， openai 都会王座今天， openai 正式发布了 gpt 五点五代号， spot 翻译过来就是土豆， 这个代号不是随便取的，背后有一段故事。奥特曼说，训练这个模型的过程就像是在烤一个巨大的土豆，需要耐心，需要火候，最后才能得到一颗外焦里嫩的好模型。 gpt 五点五由 open 和 one 联合设计， 定位是 g an t 时代的原生大脑，面向真实工作的全新智能层级。这是自 g p t l 四点五以来首次完整正训练的极作模型，也是 open 在 r g 冲刺阶段前夜的最后一轮大规模基础架构重构， 编程能力是这次最重的一枪。 terminal bench 二零测试， gpt 五点五拿下八十二点七分。注意，这是一个全新的精准测试，专门衡量大模型在真实命令行环境下完成软件工程任务的能力。 gpt 五点四在这个测试里是七十五点一分， 科奥突破四点六，刚刚达到六十九点四分。 gpt 五点五直接碾压这两个竞争对手，夺回了编程能力的全球第一。 而且这不是小幅度领先，是八个百分点的大幅超越。上下文能力暴增到一百万 tocan。 一 百万 tocan 是 什么概念？相当于一次性能把一整本书、一整套代码库或者一整年会议记录全部丢进去分析 这个量级。之前的 gpt 五点四和可 out 四点六都只支持二十万 tocan。 gpt 五点五正正反了五倍，这意味着你可以让他处理以前根本处理不了的涨文档、涨代码、涨对话， 幻觉率减少了百分之六十。幻觉就是大模型，一本正经的胡说八道，这是整个行业被骂的最狠的硬伤。 g p t 五点五这次通过更大规模的训练和新的对齐技术，把幻觉率大幅压了下来， 这意味着他输出的内容可信度更高，拿来写代码做分析当助手都会更靠谱。 定价来了，标准版的 pea 每百万 token 五美元，约合人民币三十六元。 pro 版本每百万 token 三十美元，面向专业开发者和企业用户，比 gpt 四点五确实贵了不少，但能力提升也是全方位的。 同时， chat guest 的 付费订阅用户已经可以同步使用 gpt 五点五了。 plus pro business enterprise 全部开放 安全评估这一项大家最关心 gpt 五点五的网络安全风险评估达到了 high 等级，不是最高的 port 级别。 high 意味着它有放大现有危害途径的风险，比如说被用来生成更逼真的钓鱼攻击内容，但没有达到创造全新危害路径的级别。 本来说自己已经做了广泛的第三方安全测试和红队测试，整个评估过程比以往任何一次都要严格。总结一下， gpt 五点五到底强在哪里？ 第一， terminal bench 零编程能力达到八十二点七分，全球第一。第二，上下文智取一百万 token 翻了五倍。第三，幻觉率减少了百分之六十，可信度大幅提升。第四， 和玩迪也联合设计，工程能力史上最强。第五，定价虽然涨了，但 chippies 订阅用户已经可以直接体验，这是 openg 时代吹响的第一声号角， 想去体验直接去欧赔娜 come slash chat， 现在就可以用上 gp 提五点五。
3黑白
02:05查看AI文稿AI文稿你睡了吗？反正 openai 没睡。就在昨天半夜，他们偷偷扔下了一颗炸弹，炸醒了整个科技圈。凌晨三点，当大多数人还在梦里，硅谷那帮疯子又搞事情了。 没有预告，没有发布会，甚至没有一条像样的推特， openai 就 这么悄无声息地在官网上现了 gpt 五点五，像特工执行秘密任务一样， 我早上醒来刷到消息的时候，咖啡都差点撒了。官方说，这玩意儿是面向实际工作的新型智能，主打 a 阵编程， 翻译成人话就是，他不再是那个只会陪你聊天的 ai 了，他要开始真正干活了，写代码、调系统，甚至可能自己给自己升级。 更可怕的是，这次更新完全打破了科技公司那套预热三个月，发布会吹两小时的套路。他们就这么突然把王炸甩在桌上，连个招呼都不打。说实话，这种半夜突袭的发布方式让我脊背发凉。 这根本不是技术迭代，这是一场赤裸裸的军备竞赛宣言， open ai 在 用行动告诉全世界，别猜我们的节奏了，我们想什么时候出牌就什么时候出牌，你们追都追不上。 更值得警惕的是 a 阵编程这个方向，这意味着 ai 正在从工具变成员工， 今天它能帮你写代码，明天它就能自己优化自己。后天呢？当 ai 开始拥有自主执行任务的能力，我们人类在价值链上的位置又在哪里？ 如果 g p t 五点五真的能独立完成编程任务，你觉得程序员这个职业还能撑几年？在评论区说出你的真实想法，关注我，带你了解最新时事！
07:24查看AI文稿AI文稿这个 c v 四， g b t 五点五在同一天都放出了它的新模型。不得不说，现在 ai 的 攻心速度真的太快了，前脚 g b t 一 米二，它借鉴图像的真实感。后脚 g b t 五点五，这个 v 四又来了， 专门来做多模态， cloud code 代码能力越来越强， nano banana 蠢都往里边冲，但问题是工具越多，你反而越来越累。就光我个人的 ai 工具，前前后后已经有五万了， 我呢，就总结出了这次 ai 工具终极指南，在什么场景下选它，为什么，有没有问题，能不能达到工作流程全程无广，都是我血和泪的教训，也避免我们被 ai 时代所淘汰。来吧，一起来看看你出现的问题在哪里？ 现在的 ai 已经进入了分工时代，不存在最好的 ai， 能真实的减轻你负担，它呢，才是好 ai。 你 要说我要写完啊，哪个 ai 最好，我呢是回答不出来的，因为 jimmy 的 深度调研能力也是不错的，但更多的点呢，在于这个赛道我值不值得做竞品都在干什么？现在 ai 工作流都有哪些主流方案？这种信息很多，很碎片化，我 自己查起来呢，会炸掉。我呢，就可以在这里告诉他我主要的一个问题，那他呢，就会主动的去给我找信息，那他有的一百万的上下文也是支持我再进一步深入的进行对话，也不会出现那种聊了下句忘了上句的。而 cloud， 他的写作能力呢，会强一点，会多以推理为主。当我让他以宫斗为主题写一个小说开头， 你看他写出来的文字呢，不管是在流畅度还是逻辑上面的表达，还有啊，就是他的这个 ai 会少很多，而里面的内容呢，也是有逻辑的，更像一篇已经整理好的文案，下一位选手 check gpt 五点五，整个给我的感觉就很会表达，还有节奏，在一些情绪输出方面拿捏的很到位，就更适合自媒体拿去做内容用词。 所以我觉得 cloud 呢，写的是内容本身，而专栏写的呢，是信息的整合，而 check g p p 写的呢，就是想让人看下去，但这些呢，在能力和预算方面还是有一定门槛的，那我们只是日常的来轻度使用。那国产的豆包 kimi 千问 ipad 呢，最近也出了 v 四版本， 上下文呢，也达到了 e m 都有各自的优点，基本功能呢，也基本够用。那在内容上的方面，除了文本还有视觉方面。屁， nasa 属于劳神常谈 爸爸各种榜单，比较擅长情绪的画面，哎，这种氛围感，人物皮肤的处理，个人感觉还是很不错的，但因为它每次都不一样，所以更像开盲盒一些，我呢就用它来找灵感做爆款封面。当然你要是一开始就是有流程的让它来升图，它的一致性呢，也很不错。 ppt 一 页二，有 gpt 这个有力的大脑，我呢就可以给他一个文档，让他给我用图片的形式展示，他呢就不会主动的来给我惊喜，但只要我给他表达清楚，他呢就能给我做出来。比如在上面留出文案的空间，背景改成这样，我们可以看到啊， 这么多的中文文字，它呢还是没有崩的。这种可以附线批量再进行微调，对于电商广告商业项目来说还是比较重要的。如果说平替的话呢，豆包吉梦，它的一致性多图参考，性价比包括应用程度都很好，或者也可以考虑一下深度开源的大模型 black。 那 视频方面的话，就是 vivo 三点一，我用下来感受呢，就是它的光影感会比较真实一些，镜头的语言感呢，会比较强烈一些， 比较接近真实视频的 ai 模型之一了。但成本高，大概五秒钟的话是需要十四块的，所以不太适合批量生产 像品牌的视觉大片，电影感的短片，这种对质感要求很高的，可以试一下。那我们普通人呢， cds 二点零，它的性价比呢，就很高了，生化同步物理的规律，动作流畅度，这个优点也不用我多说了，大家也看到了很多成片效果了。而国内的可灵，它的人物意志性又很强， 就比较适合你有角色，你有剧情的连续视频，比如你同一个人物连续出镜这种有 ip 的 角色。而海螺呢，它的创意力又很强，风格呢，会更加明显一些，就比较适合来生产你自己的风格内容。那五秒的视频大概呢，是四到五块，你要觉得这样一个个的刷太慢了， 那小云雀会更适合你这个问题，直接从文字变成剧本，或者我的一个想法，它呢，就能一步步带着我去生成角色，用 c 弹三点零升到好几级的成片剧情。这个呢，就很适合做短剧慢剧的小伙伴了。现在 ai 视频的关键呢，不再是它的能力了，而是你用它来做什么内容， 因为大家都很不错，你要说这些都是半成品，根本没法看，我还是要死加工的，而剪辑它也出 ai 真的 了，就是 剪映，它呢，也已经不再是传统的剪辑软件了， ai 的 文案改写， ai 升图升视频，那如果素材不满意的话呢，我还可以直接在我的轨道上去进行选素材，那它呢，还是用 cds 二点零模型进行给我操作的， 包括 ai 自动成片， ai 转场， ai 字幕，这样也让一些很多想法但是被剪辑困扰的人发挥出它的真正实力了。 那在信息处理方面呢，我常用的就是挪的 book lm， 不 管你是文档，音频，视频还是网页，它都能够输入进去。我呢，还可以用它本身的输出功能就能出这样 这样这样，甚至这样一个简单的内容输出。主要它的那个免费呢，就很够用了，不用我再多余的搞东西了。那当我需要解决一些深度问题的时候，我就可以在专门栏里边去调用它。这个板块呢，我们也有详细聊过，感兴趣的小伙伴呢，可以去复习一下。 那你要是有一个自己的工作流程， apple 里边呢，是可以自己搭建 ai 知识库系统的，不过有一定的学习成本，小白呢，是不太好上手一些的。如果你更喜欢国产的话，艾玛它的功能呢也越来越多了。 而从去年开始呢，自从 azure 从概念变成产品，云端的，网页的，本地的都冒出来了，也不用说都有，有一个自己用顺手的就行。而我呢，经常会把 gpt 专门来的 research cloud 它们呢交叉来使用。那你要是简单的想要学习一下呢？ auto g r m 也是开源了，那本地的 a 阵头呢？我常用的就是欧拉玛，主要因为它里面的可选项真的很多，也是比较方便小白来上手的了。接下来就是 ai 编程了， 随着这两年大模型的技术迅速发展，我们普通人和小白也能通过 ai 来做编程，解决我们生活和工作的一些重复问题。如今有三大基头，但我用 curser 频率会高一些，它呢，能在理解整个项目的基础上来帮我补全代码 界面的话，也会对小白更友好一些。而这两个呢，就需要我们有一些编程的基础了，而 code 又能在一些问题上解决 cloud code 带出来的一些问题， 所以日常的话我们 cursor 就 ok 了。比较复杂大一点的项目呢，就 cloud code， 再遇到什么疑难杂症它就来了。还有一匹黑马就是谷歌的反重力，它里面的免费额度呢，是比较多的，但实战率现在还是不太高，那国内平替的话就最， 就算你是非程序员，用它来写写文章什么的也会比较舒适。如果你只是想搞一个小小的 demo 创意 aes luigi 的 build 模式，用 gemini 的 交互啊，成品率呢和小细节也都很不错。 ai 浏览器呢？ itunes 它呢，是 openai 出的 ai 浏览器，在里面呢，就可以直接来调用 gpt 来帮我看个网页，总结一下， dia 也能白嫖 gpt ui 呢，看起来也会舒服一点，但它们呢，只有 mac 版。其实你要是不需要过多的复杂信息，豆包就可以了，发个语音就能对话，拍个照片就知道是啥， 实在不行我还可以给它打视频呢。而更偏向浏览器的话，夸克呢，是很自然的 口型呢，也可以同步价格呢，在二十四每一个月，像广告电商、视频类的就比较适合了，也有开源的衣服那套，但操作起来呢，会比较麻烦一些。其实你要剪短一些的话，图片生视频现在就可以了，所以你就会发现我们收了这么多工具，但真正重要的呢，其实不是它本身， 而是你有没有把他们串起来的能力。那我们要省花费的话，我们只需要选出我们频繁需要处理的问题场景去对应的选择就可以了。那其他的呢？还有一些大模型，他的免费额度也是够用的。好了，喜欢这种内容的朋友呢，我们下次见了。
683知雪
03:34
00:42查看AI文稿AI文稿gbt 五点五啊，真是憨爆了，大家看啊，他左边在这边思考，因为我现在我的无线画布遇到了一个 bug， 我 让他检查我所有的整个功能的交互，因为你原来用 gbt 五点四的时候，你让他去写功能，他只会写给你按钮写，然后你还得告诉他说你的哪个功能没写，然后他还得再去思考。以前五点四是非常的慢，然后这次的五点五第一个， 呃，这一个的速度的提升非常的之快啊，因为我我明显感觉到他在，你看他所有的啊，我我我我是没有任何操作的，所有的交互，他全部一遍遍一遍遍给你去测试过来 啊。这其实对于整个后端的开发来说是一个质的体验，而且我我之前做了一个 remo 选的这个动画速度也比之前快，快的非常之多，很牛逼啊，大家赶紧去试一下啊。
01:33查看AI文稿AI文稿免费的不一定好用，但好用的开始免费了！被 ai 的 幻觉坑了这么久，终于等来一个实在的升级， open ai 甩出王炸， gbt 五点五 instant 全面接管 check gbt， 所有用户免费升级！说实话啊，这些年呢，咱们被 ai 的 幻觉坑了太多次，看起来啥都能干，一问正事就满嘴跑火车。不过啊，这次真的不一样了，新上线的 gpt 五点五 instant 直接取代 gpt 五点三 instant 成为默认模型。 根据官方实测，这波升级刀刀致命！在医疗、法律这些高风险领域，虚假信息直接砍掉百分之五十二点五，回复次数减少三成。废话少了，直接核心 添加记忆溯源功能，记住你的习惯，越聊越懂你。很多用户啊，第一时间测试后发现，不管问工作方案还是生活问题，上来给核心结论，效率直接起飞。关键是，这次不分免费版还是付费用户， 所有人都能直接用上。能感觉到大模型的竞争逻辑已经变了，从盲目拼免费、拼噱头，转向拼实用、拼精度、拼真实价值。 那我们普通人该怎么应对？说实话啊，完全不用焦虑，也不用跟风冲，付费先把免费的 gbt 五点五 instant 用透，靠它搞定日常工作、学习信息、整理文案构思，就已经能甩开不少人。
5康懂Ai
01:10查看AI文稿AI文稿gbt 啊，出来了，最新的五点五啊，我们来看一下，首先它最主要的是推送给了 pro 和 plus 还有 team 用户啊，就是团队用户啊，最开始是 pro， 如果还有些人没有推送的话，可以去等待几天看一看，有可能是逐步地去进行推送啊， 这会显示一个五点五，那我们来看一下五点五到底有哪些升级啊。首先主要的几个点就是在于核心的任务以及编码和回答的速度啊，会比之前要快些，不然有的时候使用到五点四的时候回答一个问题啊，他都需要思考十几分钟，然后才能给出你一个答案， 它现在就是时效会快很多啊。然后看一下官网的界面的介绍，以及它的各大精准测试，感觉还是和 cloud 最新的 op 四点七啊，能力也是有提升啊， 以及他的代码能量只是最近的那个美国宇航员去绕月飞行的一个画面的演示啊，他进行了一个通宵的演示啊，如果大家也想使用的 g p t 五点五用来写作、科研等等，都可以点击我主页的置顶作品找到我。
28阿坦说Ai
01:10查看AI文稿AI文稿gbt 啊，出来了，最新的五点五啊，我们来看一下，首先它最主要的是推送给了 pro 和 plus 啊，还有 team 用户啊，就是团队用户啊，最开始是 pro， 如果还有些人没有推送的话，可以去等待几天看一看，有可能是逐步地去进行推送啊， 这会显示一个五点五，那我们来看一下五点五到底有哪些升级啊。首先主要的几个点就是在于核心的任务以及编码和回答的速度啊，会比之前要快一些，不然有的时候使用到五点四的时候回答一个问题啊，他都需要思考十几分钟，然后才能给出你一个答案， 它现在就是时效会快很多啊。然后看一下官网的界面的介绍，以及它的各大精准测试，感觉还是和 cloud 最新的 op 四点七啊，能力也是有提升啊， 以及他的代码能量。这是最近的那个美国宇航员去绕月飞行的一个画面的演示，他进行了一个通宵的演示，如果大家也想使用的 gpt 五点五用来写作、科研等等，都可以点击我主页的置顶作品找到我。
10阿坦说Ai
07:02查看AI文稿AI文稿我是前端小组，今天我们来讲一个新坑，就是从零到一构建 ai agent 系列课程视频。想象一个常用的场景，我们来让 check 的 gpt 帮你修改一个 bug， 它写出来看起来非常对的代码，但它没有读过你的项目，没法跑你的测试用力，更没办法去看运行日记。我们将代码粘贴进编辑器，跑起来错误变了一种，你把新的错误问 check 的 gpt， 他 又给了一个建议，然后来回三轮 错误，绕了一圈，又回到了第一种。这并不是说模型不够聪明，而是 chat 这个形态在工程任务上走到了尽头。而下一代的形态叫什么？叫 agent， 它能够读你的环境，能用工具，并且能在循环里持续地推进。 而这也就是我这个系列课程视频的主题，从零到一构建 ai agent， 去把这个从这个镜头走到下一代去讲清楚。而这个课视频是本系列课程的第一章的浓缩版。 我们先来做两件事情，第一个就是给入门者没有接触过 agent 的 开发者用十分钟知道这个玩意到底是什么，值不值得入坑。而第二个是给做过 agent 的 工程师来对照，看一下我的判断够不够硬，如果读完不感兴趣，那就当看了一个科普，而读完上瘾，就等后续的章节也没有任何问题。 首先第一点就是 agent 它并不是一个更加聪明的 chat gdp， 就 很多人把 agent 想成一个更聪明的 chat gdp， 这个直接不对，因为 agent 比 chat bot 多的不是智商，而是循环工具，自主决策这三件事的一个结合。 astroc 在 二四年底的时候就已经定义了，就是在典型情况下， agent 就是 在循环里面根据环境反馈使用工具的 l a m， 而 chat 的 能力天花板其实就是模型的本身，知道什么 推理有多深，而 agent 的 能力天花板是模型加它能调动的工具级加循环深度。举一个具体的例子，让 chat 来去回答我项目里第十七四十七行的 code 为什么 leak， 那 么 chat 就 根据你贴出来的代码片段来猜，而这就是一个问答。就 chat 模式，而 agent 它是什么？它是首先去调用 read file 达到四十七行附近的上下文，再推导给出诊断，而这个就是调查。 这个差别看起来只是量变，但工程含义却是质变。为什么？因为 agent 的 失败模式、调试方法、评测标准和上线流程全部和 chat 不 一样。 学 agent 之前，我们先把几个误区去拆清楚，就少踩这五个，能省一个月的弯路。首先第一个误区是 agent 能搞定一切，但事实上并不能，因为 agent 呢的能力天花板还是模型本身，一个开源七十 b 的 模型，套上 run graph 就 它也不会突难，能做 bread sun night 四点六的活， 而模型工具循环模型在最底层，它是决定了上限。第二个误区是 agent 越复杂越强，不一定就是有团队在二五年六月份就指出就很多人迫不及待地去做多 agent 的 写作，但是当 agent 加上扎实的 contest engineer 就 往往其实是比那些 糟糕的多 n 准系统更强，因为复杂度本身并不带来效果，它是指的带来调试。第三个是 r a g 能解决幻觉，但其并不是，它只能够缓解，因为 r a g 将外部知识贯进 context 模型依赖能啊，可能会存在幻觉，尤其当解锁的内容自相矛盾或与模型信念冲突时候。 r a g 它处理的是模型不知道，但处理不了模型选择，不相信解锁。同时 agent 框架学得快，这也是一个误区，它真正的是短期更快，长期反过来，因为框架把循环托儿注册和并行调度全部封装走了。初学者其实是画不出的 agent 循环图， 而我的判断是，第一个 agent 一定要从六十行裸代码去写起，就理解清楚，循环之后再决定要不要框架，框架是理解之后的选择，而不是理解之前的捷径。 第五个误区就是工具越多越聪明啊，这是错误的，因为工具数据的膨胀，职责重叠时，模型的工具选择困难症会显著。家具它会挑错工具漏洞，工具把本音分两步的操作硬接拼接到一个调用里面呢？ 光讲概念其实没有用，而这个课程视频会将围绕一个贯穿项目去展开，就 dv help， 它能够。什么是 dv help？ 它能够读代码，查文档，跑测试，跑 pr 的 开发助手 agent 从第六个章节的六十行代码出行，到一路引进到第二十一章作为一个 cd 工具去上线，而我挑这个项目去做主线，只要是它，因为能够同时撞到 agent 工程的所有核心难题，比如说工具齐全、 读写、执行、观察四类工具，一个不少 contest 长代码库，成千上万行文逼证你去要正视 contest engineer。 并且它是个失败模式的典型，就是修 bug， 引出新 bug， 误改无光模文件、跑测试卡死等等。同时它的评测非常有客观锚点，这个非常重要，就 测试通过和不通过就有个客观值在这边，它会比答得好不好，这种含糊值更加的直观。跟着做完主线，你不仅只是看了一个课程视频，而是带走了一个自己的可持续眼界的一个思维工具。而这个也就是我的 dv help 的 成长曲线，它会分成从 第四章到二十二章这整个章节去进行写。跟完这个主线，你不仅只看了一个视频，同时我希望你能够去学会一个 ai coding agent 是 怎么做的。 我们再回到这个视频，它需要这个系列课程视频，它想做什么，不想做什么，我们需要把边界划清楚。 首先一点，我们就是框架无关的。我这个核心视域，我会用 t s 加 astropics d k 去裸写，就每章末去，如果去每章末，并且会去想如果用 round graph 和 alt 帧去怎么写，同时原理和实战并重，就每个模式都有可运行的视域，但回答 为什么是这个模式，什么时候不该用？同时我会去做一些生产级别的光切前置，就是 trace 全线边界失败记记录，从第一个 agent 去埋伏，而不是上线前去去打补丁。同时我还会去综合社区上的一些讨论， 就每个都有值得争议点的判断去点出来，让读者和观众去建立自己的判断力，而不仅仅只是学这种阵痛。同时我不会，我并不会去做某个框特定框架的数查手册，我也不会去做一些学数中数，我也不会去教编程基础， 我希望你是默认会写代码的，但其实我更希望你就没有系统接触过拉拉某 a a p i 就 我并不打算就闭门写完再发布，而更想说边写边在社区拿反馈，所以这篇文章先发出来。就如果你有编程基础，想入门 agent， 希望这个系列课程视频开场对你有用，欢迎留言告诉我哪里讲错，如果你已经做了 agent， 就 欢迎拍张就尤其是事实锚点不够硬，引用过时，或者我的判断与你的经验不符的地方。同时 如果你写过 agent 的 主题的内容，欢迎告诉我哪些观点概不，哪些争论被我遗漏了。后续的章节进度 也会在我的这个号就是前端小组去进行更新，同时所有的文案稿会在我的微信公众号上前端小组进行分享，欢迎大家订阅分享转发。谢谢大家，我们下期节目再见！拜拜！
210前端小卒
16:27查看AI文稿AI文稿假如你从五月五号决定转行 ai agent 要学多久才能上岸？答案是，三个月足够你从小白变成企业抢着要的人才。只要你的年龄在四十七岁以下，并且不是三分钟热度，这条高校路线必眼冲。第一周，先吃透 agent 四大核心， l l m 规划模块、记忆机制、工具调用，这是你后续实战的地基。第二周，掌握经典工作范式 react， 学会让 a 阵子自主拆解复杂任务。第三周，进阶突破多智能体协助，让多个 a 阵子分工配合， cunt 调优，输出更稳定更精准。第四周，实战闭环，亲手跑通两到三个小项目，比如智能客服、个人知识库，掌握这些足以胜任百分之九十的 ai 应用岗。当时多次报道，预计到二零三零年， 我国 ai 人才需求将达到五万。我看到如果你不知道从何开始，我把这道大数据就能帮他打造完美的实战项目整理好了，而我们是不是还停留在只能和 ai 文具聊天的时代呢？ 今天我们将通过对 ai agent 基本概念的了解，带你讲解一下如何去使用我们的 agent 来强化我们的效率最高呢？能节省我们百分之五十的时间占用。我们先来看一下 第一部分呢，我们会带你了解一下 ai agent 它到底是什么？那它有没有什么特色呢？第二部分，我们会带你了解一下我们现在的大模型，它发展到了一个什么样的程度，它是怎么样让我们的智能体变得真正智能可用的？ 那第三部分，我们会带你了解一下现在 agent 技术的框架和工程实践到底是怎么做的？有了这些知识，你也能搭建出自己的 ai 工作流。最后我们会带你了解一下，如果说你想学习或者是从事智能体相关工作，你需要哪些必备的技能？ 好，我们先来看一下，那么智能体它到底是什么呢？相信大家呢最近也听到过 openclaw 这个东西啊，它是一个呢小龙虾的一个图标，它说呢是一个真正可以做到任何事情的 ai， 但是实际上它就是我们很火的概念，就是智能体。 智能体的定义，它说是可以观察周遭的环境，并且做出行动来达到目的，那这里我们就来给大家拆解一下。 那大家听说 ai agent， 相信很多人呢都会认为这个 agent 它难道不是一个代理的意思吗？那为什么在中文中我们称它为智能体呢？实际上我们就是为了强调它是独立的和自主的。 为什么我们这么说呢？我们现在只需要给我们的 agent 一 条指令，那它就能自己去规划整个任务的流程，完全不需要人类去介入。 而且最重要的是什么呢？当他发现他自己缺乏一些知识，无法完成任务的时候，他还可以自主的通过工具或者是去联网搜索来提升自己的能力。 好，我们接下来看一下我们的 ai agent 它到底需要哪些前提条件，那么第一个前提条件就是我们的大模型，它得足够的智能，它才能成为智能体。那我们来看一下最近的大模型它到底发展成什么样了？ 首先呢，我们称之为超级大脑，那么随着我们大模型的进步呢，你会发现他现在知道的知识非常的多，而且丰富，最重要的是他的响应速度变得非常的快速了。 而且你会发现在我们二四年初的时候，我们的 ai 他 只能去给我们进行些文本创作，创作或者是代码的编辑。你会发现当你问他一些复杂的数学问题的时候，他还是会犯错误。但是随着我们大模型的发展，现在他已经可以自动的拆解任务， 分成简单的步骤，然后逐步完成，即使你问他一些数学计算问题，他也能给你满意的回答了。 那么我们现在多模态感知为什么是如此重要呢？因为在传统的 ai 对 话中，我们只能和 ai 发送文字，我们也只能接收 ai 给我们生成的文字内容，那显然是不能满足我们的需求的。 有了多模态的模型，我们就可以通过文字、语音、视频等等方式给我们大模型提供信息，而且呢，我们的大模型也能为我们生成图片，生成语音，甚至是生成视频。 那有了我们多模态的这样一个特性，我们发现我们大模型呢现在就可以和人进行自然的交互了。 那什么是自然的交互呢？我们可以看一下右侧这张图片啊，这里呢就是我们最火的这个 cloud bot 啊，它的一个对话演示，你会发现我们和 ai 聊天的时候，就像 ai 和我们现在这个现实生活中的通讯录中的好友进行聊天是一样的， 我们只需要呢打开我们的通讯软件，跟 ai 说我们的需求，它现在呢就可以直接地为我们进行处理，对吧？比如说这里说让我们的 ai 帮它生成一个 word 文档，那么 ai 呢就可以直接进行处理， 那我们多模态有什么优势呢？比如说我现在呢遇到了一个问题，我完全可以把这个问题直接截图，然后截图把图片发送给我们的 ai， 我 们就不再需要用文字去描述这些困难的问题了， ai 呢可以直接看懂图片，然后为我们生成答案。 那我们现在了解了我们大模型，获得了这些技能的提升，那么我们接下来来去看一下，我们大模型距离智能体还需要走哪一个步骤， 那如何才能构建一个智能体呢？这里呢我们就为大家拆解了智能体三大核心架构。首先呢就是感知模块， 那作为一个智能体，他能独立的完成任务，那他肯定就需要对外界的环境进行感知，这里呢就是由我们刚刚说到的多模态来完成的。 好，那我们我们来看一下大脑模块，那既然它能接收到外界的消息，那它呢就必须进行思考决策，对吧？和规划。看一下我们的图片， 我们的 agent 右边这个部分就是 planning 部分，这里呢就包含了我们核心的一些部件，比如说 reflection， 它能进行反思， 他能进行自我批判，对吧？还能进行呢。思维练什么意思呢？就是练式思考，我们现在呢就像我们点一下大模型的深度思考按钮，他就会开始呢，把这个任务啊分解成一步一步的，首先他要做什么，然后接下来要做什么，这就是练式思考。 那有了这些模块呢，我们的这个大脑模块就构建完成了，看一下我们的行动模块，那行动模块我们如果说只让大模型在我们电脑里进行对话的话，那显然是没有办法真的完成任务的。那看一下我们左侧呢，就为他准备了一些工具， 那通过让我们大模型在行动的阶段，使用我们用代码给他编写的一些工具，比如说当他遇到困难的计算问题时，可以使用我们给他编写的 calculator 这样一个计算器的代码。 那如果说呢，他现在缺少一些知识，需要进行联网搜索的时候，就需要用到我们给他准备的 search 工具，他就可以联网搜索。 那如果他在编辑代码的时候，需要检查这个代码它是不是正确的，就需要使用到我们的 code interceptor， 也就是我们的代码解释器的工具。 有了这个工具呢，大模型就能真正地做出行动了，比如说点外卖这种任务，那大模型呢就会先进行思考，那思考什么呢？用户说给我点一杯咖啡，那他就会思考说用户喜欢什么样的咖啡种类。 然后呢，当他完成这些步骤之后，他选择了一个咖啡之后，那他是不是就需要使用工具，使用我们给他编辑的可以进行啊调取这个支付接口的这样一个工具进行下单这个操作呢？是吧？ 那有了整体的这个架构之后，我们发现呢，现在 ai 已经有点达到我们一开始提到的可以自主的规划决策，进行行动这样一个智能体的形态了。但是注意我还有一个模块没有讲解，那就是记忆模块， 那为什么我们需要记忆呢？那大模型的记忆到底是怎么实现的呢？我们来看一下 ai 的 对话管理。那在开始之前，先来问大家一个问题，那大家认为我们平时在和 ai 聊天的时候，我们跟 ai 说的话，他每次呢都能记住我们之前说了什么， 那它到底是不是有一个 ai 专门为我们服务呢？只对接我们自己呢？其实不是的，每一次呢， ai 都只能看到现在的对话，它是看不到之前的对话的，对吧？它每一次呢都是以一个陌生的新的 ai 来为你服务的， 那你说他怎么能够每一次换一个新的 ai 为我服务，他还能记住这些记忆呢？还能给我的感觉好像一个专业的 ai 一 直为我进行服务呢？实际上就是我们的 ai 对 话管理。 那 ai 众所周知对吧？我们有一个叫什么 context window， 叫上下文窗口，那上下文窗口是什么呢？其实这里面就包含了我们和 ai 所有的对话，对吧？还有呢，我们大模型公司其实呢会在这个上下文窗口中编写一些指令， 比如说他会跟模型说说，你现在呢是我们 open ai 公司的一个 ai， 那 你的核心任务呢？就是解答用户的问题，对吧？只不过呢这些被隐藏起来了，我们也看不到。那如果说 我们说这个上下文窗口，它是一个面积有限的黑板，那整个窗口大家很简单就能想到这个窗口呢？它肯定是容量有限的，这是毋庸置疑的。那如果说我一直和 ai 进行对话，一直和 ai 进行对话， 那当我们的对话达到几万字，甚至是几十万字的时候，那这块窗口满了大模型，是不是就会忘掉我之前跟他讲的一些事情呢？答案是会的， 那我们怎么做呢？可以看一下我们的工程化手段。第一个呢就是我们的 system prompt， 叫我们称之为人设注入，实际上呢它的翻译就是我们系统提示词， 那系统提示词是干嘛的呢？就是我们刚刚讲到的，我们需要呢在整个的这个上下文窗口的顶端，对吧？我们把它一直放着一句话，那这一句话呢是不会随着我们这个对话的这个流程的进行，然后被删除的，它是永远不会忘记的， 那这句话呢，我们就把它锁定在这个窗口的顶端，核心的任务我们就放在这句话里，比如说你是一个呃，资深的这个健身专家，那你的目标呢？是 对用户的这个需求进行分析，给出一些健身的建议，那我们就让这个人设，让他一直保持在我们的上下文窗口中，那接下来就遇到问题了，那我们跟他和他对话的轮数过多之后，我们发现呢，这个窗口已经要满了，我们要怎么做呢？这里就提到了我们的记忆减脂， 那这个时候呢，我们就需要去压缩我们的历史记录，然后呢剔除一些无聊的，就是跟 ai 进行一些寒暄的对话，然后保留一些关键的信息。 那这个过程是怎么做的呢？其实也非常简单，当我们发现我们和用户对话，用户和 ai 的 对话的人数过多之后，我们的窗口马上要满了，对吧？ 这个时候我们把整个窗口中所有的对话，我们给他交给另一个 ai， 让他总结一下，说，你来总结一下我们用户和 ai 的 所有的对话，并帮助我提取出重要的信息。这个时候 ai 就 在后台 提取出了我们对话中一些重要的信息，比如说用户叫什么啊？用户呢喜欢做什么事情，那这些呢就会被保留在我们的上下文窗口中，然后呢其他的无用的信息呢就会被删掉，然后呢我们用户就可以继续和大木星对话了啊， 好，了解了我们对话管理之后，那大家会发现其实这个记忆呢，它本身并不是非常长期的记忆，对吧？这个记忆呢就是我们的短期记忆的一个形态，那如果有一些非常长期的记忆，我们要怎么进行处理呢？可以看一下我们 ai 的 知识来源和记忆管理。 那么左侧呢我们演示的过程实际上呢是我们的 red， 它的全称呢叫解锁增强生成， 它其实呢就是我们现在的 ai agent 用来管理一些用户的长期记忆常用的手段，而且呢它还可以解决我们的 ai 知识来源不足的问题，那它是怎么做的呢？其实非常简单， 我们呢把用户之前的一些历史记录，一些购物的记录，或者是用户和我们发生的所有的对话，我们呢都把它存储到我们这个知识库中。 然后呢再把我们 ai 需要用到的一些知识，比如说企业的私有的知识也存储在我们的知识库中。 当我们的用户进行提问的时候，我们把用户的问题给它转化成向量，然后呢去到我们这个向量知识库中进行一个查找，那找出来相关的片段之后呢，我们就把相关的资料，比如说用户的习惯，用户的记录，对吧？和我们这个 企业中的一些私有资料，我们把它和我们用户提出的问题拼接在一起，我们再交给大模型进行回答，那大模型每一次就能答的准了。实际上呢，这就是我们 red 技术解锁增强生成的它的一个详细的原理， 那如果想要深入了解呢？我们后期还会继续讲解，那我们来看一下右侧，那右侧呢，我们就说 openclaw 啊，最近非常火的 openclaw， 那 它的记忆是怎么实现的呢？它也有它的方法，比如说它的方式就是以一个 markdown 文件的形式存存在的， 那它是怎么做的呢？比如说我现在呢，把所有的和用户之间的发生的这个记忆，我都通过一个记事本，实际上 markdown 呢，和我们平时编写的这个 word 呀，这些文字记录啊是没有区别的， 那它呢都写在这里，对吧？那写在这里之后呢，我们发现我们人就可以直接读取，我们可以看到 ai 记住了什么，而且呢我们还可以直接改，对吧？比如说我们现在呢有隐私需求的业务， 这个时候呢，我们就需要修改这个片段，我们就可以直接更改。那有了这种知识来源的处理和我们的记忆管理之后，现在我们的大模型就真正的能了解我们用户的习惯来为我们进行服务了。好，我们最后来看一下我们的总结页面， 那我们本节课程就为大家介绍了我们大元模型，他变得足够强大之后，他成为了超级大脑，那通过我们刚刚给他讲解的说，通过多模态的方式啊，可以感知到外界的环境， 通过他的这个深度思考，他就能进行决策，通过我们给他提供的工具，他就能进行行动了。 那他的核心特征，其实我们的智能体就这几个核心特征。第首先呢就是他具备独立自主性，他不需要别人一步一步教他该怎么做，而且呢他有目标导向性，那他做所有的事情最终的目的就是为了完成任务， 那他有环境感知能力，这是毋庸置疑的，他能读取啊，我们的一些传感器，听到我们用户给他的一些语音，看到我们用户传给他的视频，甚至呢是看到我们现在电脑桌面上的啊整个环境的情况， 然后呢他能对此进行反应，做出行动，可以使用我们编辑好的代码工具，对吧？还能进行联网搜索。 那最后我们发现现在呢我们的 ai agent 发展如此的迅速，而且看到呢我们 ai 真正的开始为我们人类进行提供一些高质量的内容，进行服务的时候， 我们就必须要掌握我们的 rap 技术和对我们 ai 工作原理的一个理解，那它呢将会是成为未来我们企业非常需要的技能。 那如果你想继续深入学习 ai agent reg m c p 等相关 ai 知识，我们也为你呢准备了相关的代码和学习路线，如果需要请告诉我，我们下期再见。
109【教程👀置🔝】大模型阿硕
04:00查看AI文稿AI文稿这几天呢，你看 ai 圈呢，非常热闹啊，这个 deepsea 也发了新的版本啊，这个 open ai 呢，在四月二十四号凌晨呢，也突然发布了 gbt 五点五， 呃，这个版本呢，不是那个 gbt 五点零啊，是 gbt 五点五，就很多人没有搞清楚啊，现在到底是哪一个版本啊？你看，一转眼啊，又出了一个新的， 但是这一次的发布啊，我感觉有几个点值得大家啊，这个认真的去看一看。所以今天呢，我也跟大家分享分享。 先说啊，就是他发的这个新的版本，到底新在哪里？就是以前啊，我们用 excel， gpt 主要呢，这一类的工具，主要都是问问题啊，然后得到答案，对吧？就你问他啊，他回答你，基本上都是这个逻辑。 但是 gpt 五点五的定位啊，它就变了，就官方说啊，它是一个面向真实工作的模型，不再只是一个聊天助手，而是要成为你的工作伙伴。 那具体的这个怎么去体现呢？比如说举个例子啊，一个金融团队用它来审核了将近二点五万份税务文件，七万多页，比人工啊，提前两周完成。 还有一个就是开发团队用它一口气合并了几百个代码分支，二十分钟就能搞定。 你看，以前啊， ar 是 帮你出主意，现在这个 ar 呢，它是能够帮你干活的，而这就是本质上的不同。 然后呢，我们再来说一说关于大家关心的这个跑分，因为很多人都非常关心这个，你看，在特米诺 grant 这个测试当中啊， gbt 五点五拿到了八十二点七分，是目前全球最高的 啊，在 gbtwo 这个跨四十四种职业的知识工作测试当中啊，拿到了八十四点九分， 简单说就是从编程到法律再到财务，一大堆专业的领域他都能干，而且他还干的不错。不过其实这里呢，我我觉得有一件事情呢，要跟大家说实话，就是 gbt 五点五的价格也翻倍了， a p r 的 接口直接呢，从上一代是上一代的两倍，而且还更贵，所以如果你是普通用户，对吧？现在这个能不能得到呢？用到了，坦白来说啊，这个 plus 订阅用户可以用，但是呢，他的这个能力呢，主要还是面向企业和开发者的场景。 那么我们作为普通人啊，从这里面我们能读出什么信号呢？我觉得就是主要有三点吧，第一呢，就是 ai 正在从工具变成你的同事， 你以后跟 ai 的 这个关系啊，不是说啊，什么我问你答，而是什么就是我提需求你交结果这个转变呢，已经发生了，而且呢会越来越快。第二呢就是 ai 竞争进入到了一个新的阶段， 呃，就在 gbt 五点五发布的同时， db， 呃， dbic 啊，也发布了 v 四啊这个版本， kimi 在 前几天也发布了 k 二点六啊，这个 cloud 也在更新，这不是一个公司的进步，是整个行业在集体的加速。 第三呢，我觉得也是最重要的就是这个赛道他不会等人啊，你会发现啊，那些已经开始用 ar 处理工作的人，他的效率和没有用的人的这个差距呢，是越来越大， 不是说你你必须要用他啊，什么最贵的模型，而是要你要建立一个跟 ar 合作的一种习惯和思维方式， 所以我我的建议呢，还是非常简单，就是不管你用 g、 b、 d 还是用 kimi， 还是用国内的其他模型，找一个你用的顺手的啊，在你的工作场景当中用起来 啊，我们大家不能一直围观呐，围观是没有收益的，大家觉得呢？所以今天呢，就跟大家聊到这里啊，大家有相关的问题的，欢迎在评论区聊一聊，再见！
0领悟时代
01:51查看AI文稿AI文稿你有没有想过一个问题，当 chat 的 gvt、 cloud 的 这些大模型已经无所不知的时候，为什么我们依然不敢把真正重要的事交给它们？答案很简单，大模型就像一个知识渊博但毫无经验的实习生，话可以说得很漂亮，但你真的敢让他独自去操作你的银行账户吗？这就是当下 ai 应用最大的痛点。模型很强，但系统很脆。 二零二五年三月，一款叫 minnes 的 产品刷爆了整个科技圈。它之所以引起轰动，是因为它不再是只会聊天的对话框，而是能够独立完成复杂任务的数字打工人。一时间，内测邀请码被炒到几万元天价。所有人都意识到， ai 的 下一个战场已经从会说话全面转向了会办事。二零二五年也因此被称作智能体元年。 但兴奋过后，问题来了，能做一个会动手的智能体，和能稳定交付一个可靠的智能体系统完全是两回事。大模型输出天然，带有不确定性，今天它表现完美，明天换个 prompt 就 可能翻车。而如果你的智能体要接入客户的业务系统，调用敏感数据，执行关键操作，这种不确定就是致命的风险。 这就像银行的挤兑恐慌一样，一旦用户对系统的信任崩塌，整个应用就会轰然倒塌。这个由新加坡科研局资深研究员皇家所助的 agent 设计模式，就是专门来解决这个问题的。 皇家在 ar 领域深耕超过二十年，曾出版过大模型应用开发等多本畅销书。在这本书中，他从软件泛式的底层眼镜讲起，用清晰的图解把感知、记忆、推理、行动、反思、写作六大通用架构讲得明明白白。 更重要的是，它系统拆解了二十一个核心设计模式，告诉你如何在一个本质上不确定的大模型之上，构建出可控、可赋用、可交付的智能体系统。这就像当年 guft 设计模式把混乱的代码工程变得有章可循一样。这本书要做的，就是给全新的 ai agent 工程领域立下一套专业标准。 无论你是一线开发者、产品经理，还是想要看懂 ai 技术脉络的研究者，这本书都能帮你从看热闹走向真正上手。因为在未来， ai 的 竞争不再是比拼谁的模型更强，而是比拼谁能建立更强大的系统工程能力。带你读好书，看透 ai 新时代。
03:35查看AI文稿AI文稿聆听这个 g p t 五点五给了我个小小的惊喜啊，我在用这个我的这个 l m v key 技能去更新我的这个项目文档的 v key 的 时候，我就给了他一句话嘛，就扫描更新哦，把这个项目代码也更新一下，然后他就去看这些技能，然后就去调用了。 那在调用的时候呢，我发现它这里突然来了一个 sub agent， 就是 它突然去调用了这个子智能梯去处理这个对话文件， 然后我看到这里他用了五个变形运行的子子子人体去做了这个事情，但其实是我在这个所有的技能里边，或者说这个提示词里边并没有告诉他这个要调用这个 子子人体去做一些事情，这个让我当时很惊讶，然后所以就 一步步看看他到底为什么会出现这个自自然体这个东西，反正最后他也运行完了，运行完了之后把我这个项目的整个 wiki 更新了一遍， 然后在这里完成了，然后我就马上去问他为什么本次执行会有 h 的 出现，然后他就跟我说了， 说他用紫外线有平行加速隔离、双线纹这些这些这些我知道，我知道这个紫外线有这些好处， 然后但是我不知道为什么触发，因为我要告诉他要去用紫外线他的技能里面我我我写这个东西，或者说我当时还没有考虑到这一步，只是说用它来做一个 weak 的 项目， weak 的 一个扫描之类的， 但是他他的这个逻辑内容，然后他就一步说了，然后他读到这两个技能，然后运行， 然后扫描出了十一个这个规划文件需要去归到 这是他自己就分析到这个变形的这个情景，他知道这个事情可以平行了，就自己去做了。 然后可能啊，可能是因为我安装过这个 i s r 编辑的这个插件啊，但是我安装这个插件一直没没怎么用过，可能它里面涉及到一些提示词，可能说如果遇到这样事情他会去做吧，我不知道， 但是至少就它这个智能插件，就是在我没有想到的时候，他自己运行中觉得还是给我了一个小小的惊喜的。 呃，我也要了一下他这个，就他自己也写了五个 ad， 它这个提示词实际去调用这个怎么怎么做的。 所以这个派或者现在这个 ai 啊弄，弄的有点意思，有点意思。
1孤帆碧空
00:10
