AIGC

生成式 AI 应用在落地过程中，内容安全永远是不可忽视的一环。尤其是当你用的是像 DeepSeek-R1 这种开源大模型，模型本身能力很强，但安全策略必须你自己兜底。 不管模型能力多强，拿到生产环境里

记录一次”有趣的“大模型辅助离线环境配置的经历。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。。

我发现，现在很多文章，越来越无法分辨是不是由大模型写的，或者其中占比是多少。 今天看到消息：GPT-4.5 被 73% 的人误认为人类，又被震惊了！ 别说写文章这种长篇大论了，以后聊天，也不知道对方是

本篇分享：用 Python + Flask 做后端，用 Slack 做前端交互，调用 OpenAI API 的结构设计，构建一个真正能派上用场的 MCP bot。

DeepSeek 自今年1月R1模型发布后，日活用户突破4000万，服务器负载远超预期。官方服务的卡顿问题已成为用户痛点，我们常常都会遇到"服务器繁忙，请稍后重试"提示，尤其在工作日高峰期

大模型技术还在快速发展，不得不让人感到惊叹。 前文提到提示语：《# 从 Prompt 到 RAG，从 RAG 到 DSPy》，这体现出当下的大模型提示语仍然脆弱，就像沙子构筑的城堡，很容易被用户瓦解

GPT-4o 和 Claude 3.5 是时下最热门的大模型，已经有相当多的文章介绍二者差异，不过因为维度不一致、形成的结论是“公说公有理、婆说婆也有理”。 本篇不谈硬数据，只来看看它们实际的识图能力

TextGrad 是一种通过文本反馈反向传播优化大模型系统的新范式，DSPy 则专注于通过参数化模块和编译器优化实现LM管道的系统化开发和优化。

在此前的文章中提到过，Prompt 工程已经不中用了，没有人愿意废那么大的劲来学习如何结构化提问，大家想要的就是傻瓜式提问，但是大模型的回答还是精准的、合意的； 后来，大兴 RAG 技术

书接上回 # 一脚踹开 RAG 大门，深入它所面临的挑战 本篇来看下 RAG 的架构优化策略。。。。。。。

最近一直在看大模型 RAG 技术相关，前面写过一篇文章，可以看到 RAG 技术还有很多痛点，本篇再深入一步，思考一些解决方法~ 闲话少说，直接开冲

现在各种各样的大模型新闻可谓是铺天盖地，我们被笼罩在这样的信息迷踪里，思维很容易被发散而不集中，最后难以形成聚焦的观点，稀里糊涂感觉这个也对，那个也不错。 本篇我们来梳理梳理

前一段时间，各个大模型在争斗：谁能携带更长、更大的上下文 Prompt，比如 Kimi 说 200 万字，阿里通义千问又说自己能达 1000 万字；大家都知道 Prompt 很重要，但是 RAG

你们有没有想过，我们正在目睹着互联网的衰亡？ 就在上个月（2024年3月），Reddit 即将以 65 亿美元估值公开上市。Reddit 此次 IPO 或许是......

两位百万？怎么做到的？ 前段时间写过一篇文章，记得 GPT4-T 的上下文参数量 128k，也就大概 100 万英文字符、50 万汉字字符...

今天介绍一款免费的、文生视频（text-to-video ）的工具 —— Morph Studio. 怎么读？ —— “磨夫 死丢丢”

在人工智能领域，衡量、理解、测试AI 是一项重要的任务。 历史上，有 4 大著名测试：图灵测试、咖啡测试、机器人学生测试和雇员测试； 本篇和大家一起来探究这些知名测试的背后

OpenAI 去年11月 推出的GPT-4 Turbo模型，具有128K的上下文窗口，这比此前 GPT4 中先前最大上下文值 32K 提升了四倍。 128K 上下文提示语，是一个什么样的概念？

Sora，说是 2024 年以来最备受瞩目的生成式模型，一点不为过，它的生成视频的能力、效果，令人咋舌。 许多文章对 Sora 进行了应用层、展示层的介绍，而对其背后原理的解读还不够。

GPT4 仍然是截止目前最牛的 AIGC 工具，但是订阅它的费用（20刀/月）也属实有点贵。 羊毛党誓不为奴，打开格局，今天带来 7 个 GPT4 免费的平替。 来看看“如何免费用上GPT4”？