00:00 / 08:08
连播
清屏
智能
倍速
点赞1
终于把agent、copilot、embedding讲清楚了 1、嵌入(embedding)模式:某个环节里去调用大模型 用户通过与AI进行语言交流,使用提示词来设定目标,然后AI协助用户完成这些目标。比如普通用户向生成式AI输入提示词创作小说、音乐作品、3D内容等。 在这种模式下,AI的作用相当于执行命令的工具,而人类担任决策者和指挥者的角色。 2、副驾驶(Copilot)模式:每个环节都可以跟大模型进行交互 在这种模式下,人类和AI更像是合作伙伴,共同参与到工作流程中,各自发挥作用,AI介入到工作流程中,从提供建议到协助完成流程的各个阶段。比如,在软件开发中,AI可以为程序员编写代码、检测错误或优化性能提供帮助。 人类和AI在这个过程中共同工作,互补彼此的能力,AI更像是一个知识丰富的合作伙伴,而非单纯的工具。 实际上,2021年微软在GitHub首次引入了Copilot(副驾驶)的概念。GitHub Copilot是个辅助开发人员编写代码的AI服务。2023年5月,微软在大模型的加持下,Copilot迎来全面升级,并提出“Copilot是一种全新的工作方式的理念。工作如此,生活也同样需要“Copilot”。 3、智能体(Agent)模式:任务交给大模型,大模型即可自行计划、分解和自动执行 人类设定目标和提供必要的资源(例如计算能力),然后AI独立地承担大部分工作,最后人类监督进程以及评估最终结果。这种模式下,AI充分体现了智能体的互动性、自主性和适应性特征,接近于独立的行动者,而人类则更多地扮演监督者和评估者的角色。#大模型 #大语言模型 #大模型微调 #大模型训练 #大模型应用
00:00 / 00:18
连播
清屏
智能
倍速
点赞35
00:00 / 00:31
连播
清屏
智能
倍速
点赞1
00:00 / 01:46
连播
清屏
智能
倍速
点赞1034
AI-DLC A New Blueprint AI-DLC:AI 时代的原生开发生命周期模型 在 AI 编码助手(如 GitHub Copilot, Cursor)和自主 Agent 普及的今天,传统的开发模式正面临变革。AI-DLC 提供了一个将 AI 深度集成到产品定义、代码构建及运营运维全流程的框架。 一、 核心架构:三大阶段 AI-DLC 将开发过程简化为三个核心纵向阶段,每个阶段都有明确的角色参与、产出物和仪式感。 1. 初始阶段 (Inception) 核心目标: 将业务愿景转化为可执行的“意图(Intent)”。 协作方式: Mob Elaboration(群策加工)。产品负责人、开发人员与 AI 共同探讨需求。 2. 构建阶段 (Construction) 这是 AI-DLC 的核心,强调单元化 (Unitization) 与快速迭代。 3. 运营阶段 (Operation) 核心目标: 确保代码在生产环境中稳定运行并实现业务价值 协作方式: 持续监控与 AI 辅助运维 关键产出: 运行在生产环境中的部署单元 二、 AI-DLC 的三大特色 1. 从“任务”驱动转向“意图”驱动 在 AI-DLC 中,最重要的输入是顶层的 Intent (意图)。AI 的作用不仅仅是写代码,而是理解人的意图,并将其分解为逻辑一致的架构单元。 2. “Mob”(群体协作)模式的泛化 图中多次提到 Mob Elaboration, Mob Construction, Mob Testing。这暗示在 AI 时代,开发不再是孤独的码农工作,而是: 人 + AI 的协作 全栈角色的融合 3. 高度单元化的“Bolts”结构 通过将复杂的系统拆解为 Unit 和 Bolt,开发流程变得高度模块化。这种结构非常适合 AI 处理——AI 在处理小规模、定义清晰的逻辑块时效率最高。 三、 给团队的启示 文档即代码: 初始阶段的 PRFAQs 和用户故事直接影响 AI 的生成质量 左移的安全与测试: 构建阶段强调“Secured”和“Tested” 角色演变: 开发人员的角色正从“打字员”转变为“审查者”和“架构编排者”。 总结: AI-DLC 不仅仅是工具的升级,更是生产关系的重组。它要求团队以更快的节奏、更细的粒度去管理“意图”到“交付”的转化过程。 #Gitmeai #AI工具 #DLC
00:00 / 07:35
连播
清屏
智能
倍速
点赞8