xindoo

过去的一年里，我相信大部分人都已经看到了大语言模型(后文简称LLM)所具备的自然语言理解和文本生成的能力，还有很多人将其应用于日常工作中，比如文案写作、资料查询、代码生成……今天我要向大家介绍LLM的

我在去年6月份就付费了Poe.com的年费会员，成为了各大模型的首批使用者，当时花了199$美金，合算人民币近1.5k。你问我这钱花的值不值？我只能说开始的时候我觉得挺值的，毕竟gpt4那么贵而且ap

事情是这样的，我们公司不是有个读书小组嘛，但是今年大家都忙于工作，忽视了读书这件事，所以我就想着搞个群机器人，让它明天定时向群里推荐一本书，用来唤起大家对读书的兴趣。但在调试的过程中就发现gpt4o老

众所周知，GPT可以认为是一个离线的软件的，对于一些实时性有要求的功能是完全不行，比如实时信息检索，再比如我们今天要实现个一个日程管理的功能，这个功能你纯依赖于ChatGPT或者其他大语言模型（后文简

去年的时候我写过一篇关于OpenAi Function Call的实践文章，就是用Function Call的功能实现抓取并总结网页内容的功能，具体可以参考ChatGPT函数调用初体验：让ChatGP

这两天突然想到，现有的很多工具都在被大模型重构，比如诞生了像perplexity.ai 这种新交互形式的搜索引擎，就连wps也推出了AI服务，甚至都可以直接生成ppt，我就想是不是shell也有类似的

这篇文章是我的第十年年终总结，本来想很正式的写，由于元旦偷懒，春节又特种式狂奔四个城市给自己和妹妹订婚，横跨几千公里，几乎一半的假期都在路上。我23年的年终总结难产至今，最后赶在2月结束前开始动笔。

本文讨论了使用缓存提升系统性能的实践，包括确定数据是否适合缓存、优化缓存配置以及缓存命中率的重要性。同时，文章还探讨了处理缓存引起的数据一致性问题的策略，旨在帮助读者有效地管理缓存

最近在开发过程中，遇到了好多次 “这个需求点这次要不要做？” 的问题， 主要有两方阵营，比如以研发主导的 “这次先不做、等必要的时候再做” ，另外一方是以PM主导的 “这个不做需求不完整，可能影响用户