00:00 / 00:47
连播
清屏
智能
倍速
点赞1191
00:00 / 01:35
连播
清屏
智能
倍速
点赞30
00:00 / 00:15
连播
清屏
智能
倍速
点赞2
00:00 / 00:21
连播
清屏
智能
倍速
点赞3829
00:00 / 00:21
连播
清屏
智能
倍速
点赞1
00:00 / 00:33
连播
清屏
智能
倍速
点赞72
00:00 / 05:25
连播
清屏
智能
倍速
点赞3
2602命令行播报:推理模型的输出(深度思考) 每天分享一个AI趣味小知识,今天我们来基于AI推理模型的深度思考原理进行概览性播报。想象一下,你像我一样,是个对AI着迷的码农,一天闲来无事对代码行进行敲敲打打,突然发现这些代码能让大模型不光吐出答案,还能一步步展示AI的思考过程,就好像AI能在你眼前展现其鲜活的样子,友邦惊诧了,AI可以像人一样独立进行推理和思考了,这太神奇了!突然,您内心又涌现出一种莫名的狐疑之感,AI为何能做到针对一个问题有如此的推理能力,其背后可能的技术原理会是什么呢?我们可否通过一些代码来解读这一切呢?答案是肯定的。我们先从定义一个可以支持流式响应的AI函数开始吧,当我们键入def get_stream_response,并结构化其代码。这个函数就像你的AI小助手,它利用sys_prompt参数设置AI的系统身份(即AI的系统角色可以为一个您的私人AI助理),当您用user_prompt参数存放您的问题时,它可以基于流式输出,即像与您聊天一样,如沐春风般风的反馈“绵绵细语”给到你。这里值得注意的是,如果您选择的是阿里qwen-plus模型,其默认是不开启推理功能的,您需要通过开启大模型的extra_body参数来确保其可以enable_thinking(即执行推理动作),AI的推理输出关联reasoning_content的属性值,我们可以人为reasoning_content存放了针对用户特定问题的AI思考链内容。经过不断与AI的命令行之旅的尝试,你逐步会发现,我们与AI交互的代码尝试,其本身就是针对AI的黑盒乃至灰盒测试,在这个测试或验证的过程中,您久而久之就称为了所谓的AI专家。因为您比90%以上还在用聊天界面与AI沟通的人,向AI的内核迈进了一小步。看似这简单的一小步,是您人生面向未来的一大步,面对未来的AI探索,可能的潜力无限,我们彼此共勉,一起加油!感谢大家聆听和观看,我是刘通老师,我们下次见。#创作年终讲
00:00 / 02:11
连播
清屏
智能
倍速
点赞0
00:00 / 00:23
连播
清屏
智能
倍速
点赞1593