标签 | AI知识
我们给AI出的考试，可能全错了
两份不相干的报告指向同一件事，AI学会了应付考试，而不是真的具备能力。当分数越来越高、可信度越来越低，验证的价值正在超过信任。
#AI 工具- AI知识
- 大模型
- AI Agent
- +1
FDE：AI行业给自己开的一张病历诊断书
FDE岗位招聘量一年暴涨729%，这不只是一个新岗位的走红，而是AI行业集体承认了一个事实：模型不是答案，落地才是。
#AI 工具- AI知识
- AI Agent
孙正义把AI攻击比作机关枪，于是他要卖「补丁即服务」
软银联手OpenAI推出Patching as a Service，把日本前3000家企业的安全防护变成按月收费的订阅服务。当攻击方已经全面AI化，安全正在从一件你拥有的东西，变成一件你租用的东西。
#AI 工具- AI知识
给 AI 注入品味：当编码工具性能趋同，审美成了新战场
Emil Kowalski把十年前端经验打包成Skill文件注入AI编码工具、Kimi K2.7成为GitHub Copilot首个开源权重模型、Senior SWE-Bench评估高级工程师任务——当性能不再是瓶颈的时候，品味就成了新的战场。
#AI 工具- AI知识
- skill
- 大模型
理解大模型：训练上下文 vs 推理上下文 vs 有效上下文这三个概念
模型标称支持100万上下文，不代表它用100万长度训练。实际上训练上下文、推理上下文、有效上下文是三个完全不同的概念。这篇文章从Llama 3、GPT-4、Gemini的真实技术细节出发，聊聊这三者的区别，以及为什么你的AI在长文档中间会开始胡编。
#AI 工具- AI知识
- 大模型
- Context Engineering
如何判断一个AI产品是不是在忽悠你
AI行业色素水浓度有点高。四层鉴伪框架教你识别：看技术在哪里、看有没有护城河、看它怎么说话、看它敢不敢让你试。知识不是用来炫耀的，是用来防身的。
#AI 工具- AI知识
- 大模型
- AI Washing
Prompt Engineering，用自然语言给AI编程的技术
Prompt Engineering不是那些满天飞的万能模板，而是一种用自然语言给AI编程的能力。五个核心原则、Context Engineering的进化、以及为什么你说话的方式决定了AI能帮你到什么程度。
#AI 工具- AI知识
- 大模型
- Prompt Engineering
- +1
AI Agent，当AI学会自己搞定一整件事
AI Agent是Fine-tuning、Function Calling、MCP三大技术的集大成者。这篇文章从聊天机器人和Agent的本质区别讲起，拆解Agentic Loop的工作机制，坦诚讨论复合错误率的现实挑战，最终回答一个问题：当AI学会独立完成任务，什么能力变得更重要了？
#AI 工具- AI知识
- 大模型
- AI Agent
MCP，给AI一个通用的万能接口
MCP（Model Context Protocol）是AI世界的USB-C，解决了模型和工具之间N×M碎片化问题。这篇文章从USB-C类比讲起，带你理解这个正在重塑AI生态的开放协议。
#AI 工具- AI知识
- MCP
- 大模型
- +1
Function Calling，让AI学会动手干活的技术
AI什么都知道却什么都做不了？Function Calling让大模型从只会说话变成能动手干活。这篇文章用大白话聊透这个让AI Agent成为可能的核心技术。
#AI 工具- AI知识
- 大模型
- Function Calling
- +1
Fine-tuning，让AI学会「成为某个人」的技术
微调到底是什么？跟RAG和prompt有什么区别？LoRA和QLoRA又是什么？这篇文章用大白话聊透Fine-tuning，从概念到成本到实际应用场景。
#AI 工具- AI知识
- 大模型
- Fine-tuning
- +1
Embedding，AI世界的隐形地基
之前一直知道embedding这个概念但没深入了解过，这次认真研究了一下。从one-hot编码的致命缺陷到Word2Vec的惊人发现，从当前主流模型选型到五大应用场景，用大白话聊透向量嵌入这个AI世界的底层基建。
#AI 工具- AI知识
- 大模型
- RAG
RAG，一个让AI学会翻书的技术
之前一直听说过RAG但没有深入了解过，今天花了一整天时间研究，用大白话聊透它的概念、原理、使用场景和最新进展。如果你跟我一样对RAG只停留在听说过的阶段，这篇应该能帮到你。
#AI 工具- AI知识
- 大模型
- RAG
同一周，三层基础设施全部就位——Agent 的 1995 时刻来了
Vercel Eve、Databricks Omnigent、Google ARD 同一周发布，分别解决 Agent 的建造、编排和发现问题。三层基础设施同时就位，就像1995年 HTTP+Apache+DNS 同时成熟催生了 Web 爆发。Agent 领域的临界点到了。
#AI 工具- AI知识
Google 花 27 亿请回来的人，不到两年又跑了·AI叙事的终局在哪？
「Transformer 之父」Noam Shazeer 从 Google 跳去 OpenAI，27 亿美元的回家礼保质期不到两年。同一周，OpenAI 年亏 209 亿的财报曝光，G7 峰会密谋组建 AI 排华联盟，中国同日宣布筹建世界 AI 合作组织。把这几条线放在一起看，你会发现它们不是独立事件，而是同一股力量撕出的三道裂缝。
#AI 工具- AI知识
互联网已经将绝大部分信息差抹除了，为什么大部分人依旧无法获得大幅突破？
信息差被抹平以后，真正拉开差距的不是谁知道，而是谁能把知识变成任务、反馈、调整和长期重复。
#AI 工具- AI知识
别再用 Token 消耗量考核 AI 转型了
企业 AI 落地不能只看 Token 消耗量。真正该算的是预算上限、用例分级、模型路由、数据权限和结果评估。
#AI 工具- AI知识
X 算法改版后，我准备这样做推特：粉丝还值钱，但别再当保底流量
我最近研究 X 推荐算法后，整理了一套更适合新版 For You 分发机制的推特内容策略：选题、媒体化、发帖节奏、引用转发、负反馈和主页转化。
#AI 工具- AI知识