粉丝4787获赞2.1万
相关视频
00:30查看AI文稿AI文稿哈喽，各位云端探索者们，今天我要给大家分享一个绝对不能错过的羊毛福利，只要你简单注册一个全新的 aws 账号，立马就能获得一百美元的免费赠金，没错，就是白送的，这可是 aws 官方为新用户准备的专属见面礼，帮你轻松迈出云端第一步。 惊喜还没完呢，除了注册送的一百刀， aws 还为大家精心准备了新手任务，只要你花点时间完成区区五个入门级小任务，就能在额外收获一百美元了，是不是感觉超值又给力？
32程又青
06:431403花叔
02:55查看AI文稿AI文稿我们经常会面临一些非常繁杂，重复简单的一些事件，比如说当您修改了一个 api 函数，那您想要更新你的函数说明文档，或者我们在生成我的这个 reg 的 一个项目当中，需要去生成一系列的 reg， 组建相应的一些文档。 我们可以通过创建一个 agent hooks 的 方式，让 ai 来自动地帮我们快速地完成这些简单重复性的一些工作。在左侧我们可以通过点击啊创建 一个 agent hooks。 我 们可以简单地通过一个自然语言的方式去创建您的一个基础 hook。 那 我们在这里创建新的 rack 主键时，自动生成所需的相关文件。 我们可以看到 kiro 已经结合我们的 steven 的 一些规范文档来生成了我们相应的一个 hux。 这里的 hux 呢？是说我们的 reg， 呃，组建文档的一个生成，它会自动地去添加相应的 css file 或者说 temp file 的 接口。 那我们详细地来看一下我们的这里一个 hux 它有哪些 event type 可以 去触发。 在我们的这个例子当中呢？我们是选择当一个新的组建文档创建了之后，就会触发去生成相应的一系列的这个组建相关的一些文档。同样我们还有当文档被保存的时候，我们也可以触发相应的一些 ai hux 来进行执行。当文档被删除，我们也可以去做相应的一些操作。我们在往下我们还可以看到更多的一些内容，包括当开发者在 pub 当中去提交相应的内容的时候，去触发相应的 hook， 或者是当我们整个 agent 它停止了完成某件事情之后，我们去触发一个 hook， 去执行一个任务。除之外呢，我们其实还有手动触发的按钮，所以我们也可以通过创建手动触发的这种 agent hooks， 在 我们需要的时候在左侧去点击一下，即可触发我们的 hooks， 来帮助大家去解锁一些简单繁杂的 呃任务。我们创建完这个 qio hooks， 能帮我们在创建一个新的 react 组件的时候，帮我们添加相应的 css file 文件。我们来进行一个尝试， 在左侧我们已经打开了 css components 下面的一些 file， 我 们可以来看一下是否在创建一个新的 t x x 文件之后，帮我自动地去创建相应的 css file。 我们可以看到已经一个 event notification 的 一个 file 已经被创建出来了，同时我们可以看到相应的 css file 通过触发这个 hooks 也已经帮我们相应的进行了一个创建。
03:52
04:06查看AI文稿AI文稿大家好，今天这个视频我想来说一下如何利用 ai 来高效学习。好久没有更新了，因为这个礼拜真的非常忙，一方面我们部门在做记录汇报，我在主导这个文档，压力不小，我下次有机会来讲一讲亚马逊的报告文化。 另外一方面，就在昨天，我考完了 aws 的 generative ai professional certify， 也就是 aws ai 专业开发者认证通过了八百一十分。今天这个视频里，我想讲一下我是如何利用 ai 来准备和学习，从而通过这张 aws 最难的认证呢？首先，我先提供一下背景， 目前这张证书是 aws 体系里公认最难的一张证书，主要有几个原因，第一，它里面涉及到了非常多新的 aws ai 的 服务。 第二，它包含了大量的系统架构知识。第三，这个考试它还属于一个贝塔阶段，所以它混入了一些难度超标的实验性题目，这些题目可能在未来的正式版中进行调整。 另外，这个东西对我来说是特别的难，因为我现在已经不是一个专业的开发人员了，平时我可能做更多的是项目管理和一些战略推进。虽然我也很有兴趣去做一些技术实验，但是我的开发技术肯定不如每天都在写代码工程师那么扎实。 但为什么我还想考，甚至觉得我必须得考呢？可能是因为我有工程师背景，所以我觉得即便在做一些战略性的东西，我也不希望自己只是一个会不拉不拉的人。我希望能够参与到一些真实的落地的技术讨论中，并且能够接得住一些比较有挑战性的话题。 其实我礼拜一才开始备考，考试礼拜五，所以只有三天的时间可以备考，为什么这么晚？因为前段时间特别忙，所以我一直在延期这个考试，直到这个礼拜一，我发现已经不能再延期了，为了不让我的考试费打水漂，所以我决定冲刺一下。我算了一下，我有三个晚上，加上礼拜五半天的时间，大概会有十几个小时的准备时间， 换做以前，我大概率可能会直接取消考试，但这次我选择让 ai 来帮助我学习，我想做一个挑战，并且挑战成功了。下面我想分享一下，我是怎么利用来 ai 来快速学习的呢？ ai 到底帮我做了什么？我不想只是泛泛的说 ai 帮助我学习。第一步，他快速帮我建立了信息全貌，我让 cloud 帮我整合了网上所有关于这个考试公开信息，其中包括官方的考试指南，各种备考课程的知识点， 还有各种论坛 ready 的 上考过的人分享的经验。他帮我把这些信息整合在了一起，对比官方考纲，找出哪些点是高频考点，哪些点是大家反应比较难的地方。 这相当于帮我做了一份学霸综合笔记，而且这个过程如果让我自己来，可能要花上十几个小时。第二，他把知识变成了一个测验的形式，因为这个考试是偏实践的，所以光掌握知识点肯定是不够的。我让他帮我把重点内容转成了闪卡和问答题， 我可以随时测验自己。这个知识点我真懂吗？我有没有实践过？还是只是感觉看懂了这个步骤非常的关键，因为考试考的不是你有没有看过，而是你有没有理解，通过不断的自测，你能够发现自己哪里是盲区，然后针对性的局部。 第三，对于薄弱点，他能够进行深度拆解。比如说我对 cg maker 的 一些细节或者一些安全问题不确定，我就直接问， god， 你 把我当成一个十二岁小孩，给我解释一下这个概念，用一个具体的场景举例，然后告诉我哪些是容易踩坑的地方。 我觉得他的回答比很多课程内容还要精准，因为他已经知道我的上下文，知道我会什么，不会什么，所以他给出的例子能够完全讲清楚我所不懂的点到底是什么。 用了这套方法十几个小时，我通过了这个考试，而且我是全球前五千个通过这个考试的人，所以拿到了一个 early adopter 的 badge。 如果没有 ai， 这个考试我至少要准备两个月，根据我现在的工作量，可能我是没有时间再去准备这考试了。 我想说的是什么？ ai 改变学习这件事情，他不是一个空泛的概念，也不是说帮你作弊，不是帮你替你学。他做了一件事情非常重要， 把原来需要花在信息整理上和通读的时间，还给了真正的思考和理解。如果你现在有什么要考的证书，要学的新领域，我觉得你可以试试这个方法，第一让 ai 帮你整理一个知识全貌，第二 让他把重点变成一个自测的形式。第三就是你要遇到不懂的点，让他结合你的具体情景来帮你解释，你会发现学习效率会有本质的提升。好，这个视频就这样分享这么多，我们下次再见，拜拜。
99KAII
01:13查看AI文稿AI文稿亚马逊的 ai 编码工具把自家云服务搞崩了十三个小时。事情是这样的，去年十二月， a w s 的 工程师让内部 ai 编码工具 kilo 去处理一个线上问题， 结果这个 ai 自己判断，最好的解决方案是删除整个环境，重新创建，然后 a w s cost explorer 就 崩了整整十三个小时。更搞笑的是亚马逊的回应，他们说这不是 ai 的 问题，是用户的错。 具体来说是访问权限配置错误。翻译一下就是你们工程师给 ai 的 权限太大了，怪 ai 吗？但员工不买账。 一位 a w s 高级员工说，过去几个月至少发生了两次类似的档机，工程师让 ai 自主处理问题，没有人工审核，出事是迟早的。最矛盾的地方在哪儿？亚马逊一边要求百分之八十的开发者每周至少用一次 ai 写代码，一边出了事儿，说是人的错， 你既要马儿跑，又要马儿不犯错。事后 a w s 加了安全措施，生产环境必须 peer view， 不 能让 ai 单独操作了。但这不就是事后诸葛亮吗？这件事给所有用 ai 写代码的人提了个醒， ai 可以 写代码，但你不能让它不经审核就上生产环境。你公司让 ai 写代码了吗？出过事？
44Lif
01:51查看AI文稿AI文稿在亚马逊内部，一个叫 antony 的 首席工程师，他们的团队原计划需要三十个开发者干十八个月的项目，最后只用了六个人，七十六天就搞定了， 效率提升十倍以上。他们总结了三个关键学习，第一就是要改变工作流程，让 agent 自己规划，他反而执行得更快了。第二点的话就是 kilo 可以 并行，任务扩展不是一个个改，而是你可以同时启动十五个 agent， 十五个履坡来同时升级。 按人的速度来说的话，一个个来可能需要两周的时间，而 agent 的 话，它可以把十五个任务同时在几个小时内给你改完。 第三点就是它能够过夜工作，就现在 agent 的 执行时间越来越长了，这个非常震撼啊，就以前开发者下班了，整个开发工作就停止了， 但是现在 agent 完全可以工作到天亮，就是你晚上下一个任务，早上起来可能就收到了十五个 p r 可以 直接扣的 review 人不再是工作的瓶颈，而且 kilo 不是 session based， 而是 task based， 它会记住你的代码审查反馈，你说遵循 团队命名规范，它会学习并记住，然后你越用就会觉得它越聪明，这也正是十倍效率的来源。如果你是一个开发者的话，现在 kilo 还能直接免费使用，因为新用户注册亚马逊云科技海外区域账户的话，是可以拿两百美元的抵扣金的， 注册的时候它会直接送你一百美元做五个学习任务，每个还能获得二十美元。而像 kilo 的 这种订阅费，其实也可以用抵扣金进行抵扣， kilo pro 的 费用是二十美金一个月，两百美金的话能用十个月接近一年了，这 可比其他同类工具划算太多了。视频剪辑区和置顶评论都有注册链接，甚至现在免费期。好好试试 autonomous agent， 看看能不能把你的开发效率也提升十倍。关注我，获取更多 kiro 的 资料。
05:41查看AI文稿AI文稿话说亚马逊 adobe labs 有 个工程师，那是十二月，他接到一个关于 cost explorer 的 bug 工单 cost explorer 嘛，就是那个告诉你每个月在云上烧了多少钱的破烂仪表盘，没人喜欢它， 于是他启动了 kyoto 内部的 ai 代码。机器人就是亚马逊硬塞给每个人的那个，每周百分之八十的使用率是强制性的，还被当成公司 okr 来追踪，这玩意儿可能还影响你的升职。说不定杰夫贝佐斯正躺在他的游艇上亲自审查你的指标呢，谁知道呢？ 总之你要么用 kyoto， 要么就得向人力资源部解释你为什么讨厌创新。这哥们就把这个小 bug 扔给了 kyoto。 然后 kiro 看了看，评估了一下情况，决定正确的做法是删除整个生产环境，然后从头开始重建，花了十三个小时才恢复。 亚马逊发表声明称，这是一起极其有限的事件，由用户错误导致。大哥，这工具是你们强制要求的，你们设定了目标和采用指标，你们基本上就是说，如果你不用 kiro， 你 就是个反对进步的卢德分子，而且我们还在盯着你。 工程师完全按照你们说的做了。然后你们的 ai 对 生产环境来了个彻底的断舍离，他说这个环境无法带来快乐，然后就把整个环境删除了，然后你们怪工程师。 最让我无语的是，亚马逊的辩解是，我没开玩笑， ai 工具的参与纯属巧合。 ai 删除了生产环境，亚马逊说这是巧合。好吧，如果事情到此为止，那就算了。 起初人们以为这只是个孤立事件，一个奇怪的 ai 故障机器人嘛，难免出错对吧？事情就此翻篇，但事实证明，这仅仅是开始。 三个月后的三月两日，亚马逊的另一个 ai 工具代号 q， 它们似乎打算从 a 到 z 一 路用下去，将错误的代码推送到了零售网站，结果十二万个订单凭空消失。网站出现了一百六十万个错误。 用户们尝试购买卫生纸之类的日常用品，但亚马逊却给出了来自平行宇宙的送货日期，你的包裹将在周四到宇宙热季之间送达。仅仅三天后，三月五日又一次荡机。这次北美地区百分之九十九的订单都无法完成。百分之九十九， 一天之内六三十万个订单人间蒸发。亚马逊点 com 基本上在六个小时内停止了作为商业实体的存在。于是他们召开了强制性会议，高级副总裁发了一封邮件，邮件里是这么写的，注意，这是原话。各位，正如你们可能已经知道的，最近网站和相关基础设施的可用性一直不太好。 老兄损失了六百万个订单。你写邮件的语气就像再留一个三星的 up 评价一样，可用性欠佳，气氛不太对。目前不建议朋友使用此网站。你的网站一个下午损失的钱比大多数公司十年赚的都多。 他们的解决方案是，初级和中级工程师未经高级工程师批准，不得再推送 ai 辅助的代码。好吧，这也没错，但让我们仔细想想，这意味着什么？亚马逊在一月份裁掉了一万六千人，他们已经裁剪工程师好几个月了。 java 的 发明者，曾在 a w s 工作的 james gosling 在 linkin 上发帖称，裁员和炒作驱动的技术选择都不可避免的导致系统不稳定。 他们解雇人类员工，用 ai 取而代之，结果 ai 把一切都搞砸了，而修复的办法竟然是重新启用人类。但问题是，他们已经把人给炒了。现在你不得不让剩下的人类去照看那些取代了被解雇员工的 ai。 这简直就是一个永动机式的无能循环，真是太精彩了。说真的， 而这一切最糟糕的地方在于，根本不存在什么真正的人工智能。它并不存在，我们拥有的只是一个数学函数，一个非常非常庞大，非常昂贵，但又非常令人印象深刻的数学函数。它根据训练数据中的统计模式来预测下一个最有可能出现的词， 仅此而已。他所做的就只有这些。他不理解你的代码，他也不理解你的基础设施。他不理解生产环境和测试环境的概念，他不理解删除这个会很糟糕的概念。他没有任何糟糕的概念。他没有任何概念。你知道 kylo 在 决定删除那个环境的时候在想什么吗？什么都没想。 他什么都没想，根本没有思考，只是在可能的下一个行动中，删除和重建的概率分布权重最高。就是这样， 没有推理，没有判断，只有数学，而数学说把它彻底摧毁。然后他就这么做了，因为数学不知道什么是客户，而我们却给了他钥匙。 我们把这个下一个词预测器赋予了人类级别的权限，让他可以访问服务于数百万甚至数十亿客户的生产基础设施。哦，但 ai 会变得更聪明，他会更好地理解上下文。 不，伙计，你完全没抓住重点。重点不是 ai 犯了一个错误，人类也会犯错。重点是，在人类意图和 l m 实际执行该意图之间存在着一片海洋，一片广阔黑暗，深不见底的海洋。 当你让一位人类工程师修复一个 bug 时，存在一种共享的理解，有上下文，有判断力。它们脑海里会有一个声音提醒自己，我可能不应该删除生产环境，但大型语言模型 l l m 没有那种声音，它们没有后脑勺，它们只有权重偏差和一个损失函数。完全不理解这些意味着什么。 每次行业称之为智能。每次有 ceo 在 财报电话会议上说我们的 ai 理解，每次新闻稿宣称模型具有推理能力，这都是宣传， 这在设定一种技术根本无法满足的期望。与此同时，亚马逊预计今年在 ai 上的支出将达到两千亿美元，高于去年的一千三百一十亿美元。 他们解雇人类员工，然后把他们的工资十倍地花在那个不断搞坏网站的东西上。高盛刚刚表示，所有这些 ai 投资对 gdp 的 贡献基本上为零。最可笑的是，最精彩的部分是亚马逊未来的解决方案，包括我直接从内部备忘录里读的确定性和代理性保障措施。
29全球AI速递
