找回那种沉浸在代码世界里的快乐

今天在飞机一直在思考做产品的流程.... 比以前开悟了些

AI创业一定不是像互联网那样先凑钱融资再开干，而是小团队自己找到PMF，逻辑就更偏向于 想清楚客户是谁-服务于谁 - 什么渠道获取到这个群体客户 - 创造这个价值的付费意愿比例- 再开始设计产品 （其中更重要的将商业设计融合进产品中）和互联网很不一样的地方是可能打正ROI再做放量增长会更好一些 关注ARR的重要性

拎着白箱子就想起《当幸福来敲门》

实测完只能说牛逼！

本质上还是通过大模型+函数工具调用，只是相对以往简单的API和函数工具，现在让大模型感知了计算机的整体环境，并通过调用相关操作系统工具包进行环境交互。更多详情可以参考官方文档：docs.anthropic.com

晚点出测评文章...

人工智能代理框架的发展方向是什么？

CrewAI、Autogen、LangGraph、LlamaIndex Workflows、OpenAI Swarm、Vectara Agentic、Phi Agents、Haystack Agents......好多啊。

分享一个Github 收录了大多数的LLM论文

地址👉🏻github.com

阿里巴巴、人大开源的一款无需OCR的文档处理模型：mPLUG-DocOwl 1.5，它可以原生理解文档、网页、表格、图表，看得懂复杂的商业报告、网页截图、数据表格

1、可以解析文档结构，理解各个部分的关系
2、能将表格和图表转换成Markdown格式
3、可以定位和识别图片中的文字，整段文字或单个词都可以
4、能回答关于文档内容的问题，可以给出简短答案，也能提供详细解释

论文地址👉🏻 arxiv.org

ASR + LLM +TTS 做一个实时语音交流的对话程序
整个产品的技术架构流程图如下
名词解释：自动语音识别(ASR)、大型语言模型(LLM)和文本转语音(TTS)技术

还记得22年在做的大学社区平台，当时ChatGPT3.5刚火，我们就把它植入在社区里做自动发帖自动评论..