最近在看梁宁的产品思维30讲，也一并在这儿记录了。第一二讲为概述，印象最深的就是提到的用产品思维来看用户，或者说用产品思维来看人，书里面分了5个层次，分别是最表层的感知层，一个人的穿着谈吐相貌构成了我们对一个人最基本的感知，第2层为角色层，我们每一个人在社会中总是扮演着一定的角色，像我们和同事客户，嗯等等一些就是接触到了我们的角色层，然后第3层则是资源层，一个人的金钱资源，人脉资源，知识资源主要是在这一层，然后第4层是能力层，第5层为核心层，核心层主要是说我们的存在感会以什么样的形式体现出来。回顾以前的生活，其实和大多数人就停留在第1层以及第2层，再深层次一点的就是到了资源层，往往忽略了内在，我们回因为什么感受到存在，别人会因为什么感到存在，只有当我们、当用户在一段产品、关系中，感受到了存在感，那才能真正实现正向循环。

其实听了之后发现在我们硕士学统计学的时候，就把机器学习的大部分内容都已经讲过了，至少是产品经理需要的知识，都是已经了解过的。数学方面，介绍了向量标量矩阵张量的具体含义，然后常见的分布，泊松分布，二项分布，正态分布。机器学习常见的三大问题是分类问题回归问题以及具体的问题。

简单来说，就是为了解决大模型的幻觉问题，通过外置一个知识库，当请求相关知识时，优先在数据库中检索相关知识，并将相关知识放入数据库中。具体的：外部输入数据、经过数据清洗、数据分割后，使用Embedding模型将数据向量化，当需要检索时，通过输入数据的向量与知识库向量做比较，选取欧式距离最近，余弦角度最小的，进行输出，并组合到prompt中。prompt示例：【任务描述】假如你是一个专业的客服机器人，请参考【背景知识】，回答【问题】【背景知识】{数据检索得到的相关文本内容}【问题】石头扫地机器人P10的续航时间是多久？

最近没更新，因为去干了件大事，我辞职啦！！！离职前，因为工作性质原因，确实各种内耗，严重影响心里健康了，这里离职后，发现不上班是真的爽，短期也没有找工作的打算了，也打算好好理一下我的职业或者说人生规划。这次还是先总结这段时间对ai方面的学习。课程中，对于大模型的介绍，是按大模型从训练到评测的过程来安排的，包括：数据集、预训练、微调、强化学习、模型评测5个方面。数据集方面，现在已有众多公开的数据集，如GLM-130B等，要求数据集高质量、大规模、丰富性。同时，需要对数据集进行评测，对于不同的数据类型（文字、图片、音频）有不同的标注方法。预训练：预训练数据集的构建、效果评测微调：其实主要是指令微调，因为模型训练本质是预测，并不是问答，微调主要就是通过有监督的训练，是模型能更好的对话。其实可以在prompt中使用few show来告知模型需要怎么样的回答，但是对于数据较多情况，就不适用了。强化学习：因为模型会产生有害性以及幻觉，因此需要使用强化学习，人工告诉模型结果是好还是坏。模型测评：现在模型评测已经比较多了，有考察客观题的c-eval，还有集合客观与主观的openCampus。

两光年这个课将ai产品分为三类：业务型产品、AI平台型、技术导向型业务型产品：我的理解就是这个业务本来就成熟，但是需要ai来发展或者来解决现有问题，他离开了ai，他的逻辑也是通的。比如ai+金融、ai+医疗等等。AI平台型：做工具的，技术要求高技术导向型：围绕AI做产品，AIGC，脱离了ai，这个产品就不存在了。至此，两光年第一课的内容差不多就这些了。

最近发了几条动态，和一个同学聊到了传统互联网，我想在这里说下我的判断，也欢迎各位同学来和我沟通。现在的互联网和几年前的地产行业巨像，因为我之前就是干的互联网，然后现在是在地产公司，我发现互联网行业很可能会走地产的老路，地产行业当初暴雷是为什么，表象是资金链断裂，但实质上是供给过剩了，建了这么多房子，没那么多人买，房子卖不出去，之前借的债又得还，资金链不就断了，然后随着住宅地产暴雷，一方面是牵连着商业地产、工业地产的暴雷，另一方面是从住宅地产出来的人，蜂拥进入商业、住宅地产，加上每年无数毕业大学生进入这个行业，导致这地产行业越来越卷。因此，一方面是市场上项目没那么多，另一方面是人员内卷，所以地产行业就业才那么难。然后我们回过头来看互联网，b端来说，该数字化的都数字化的差不多了，更别说还有一堆低代码平台甚至零代码平台，现在b端是存量市场，竞争异常激烈，那同时又有无数人涌入，那不就又是项目没那没多，人又在疯狂进入疯狂卷，太相似了，当前互联网看似的高薪就和几年前建筑看似的高薪是一样的。产业的生命周期理论告诉我们，当一个行业进入衰退期的时候，想要进入新的增长曲线，需要有技术迭代有新的创新，AI在我看来，就是互联网行业的拐点，这也是我虽然对AI有畏难情绪，但也要毅然转向ai的原因。在高中那会儿，我们学noip 的时候，怎么都想不到，有一天能让计算机理解自然语言，这真的太牛逼了，这要是都不能算拐点，那什么才是呢。

ai当前已经在各行各业有了广泛的应用，如果要全都说明白，得花很长的篇幅，这里就讲在课上，老师提到的几个领域ai+泛互联网：智能搜索问答、内容审核、个性化推荐、 Ai创作工具（图像、视频、音频），对这个泛互联网当前还理解不是很清，希望评论区有大佬能帮我解答解答。首先是智能搜索问答，这个现在的大模型或多或少都有联网功能，但首当其冲的还是perplexity以及秘塔，这两个当前在交互、准确度等等方面都处于比较领先的地位。这些新兴的搜索方式，正在挑战着传统的搜索领域，谷歌、bing、百度，是时候作出回应，究竟是传统的搜索方式更胜一筹，还是当前的ai搜索更符合时代。前几天看到这样一个描述，虽然谷歌等都在涉及智能搜索问答，但他们的主体业务已经与搜索息息相关，要让他们转变为当前的方式，其实很不现实。ai创作工具：这个说起来就更没完了，最开始进入大众或者说进入我的视野的。是一款叫做novel ai的。二次元生成模型，当时他一幅画作获得了一个绘画大赛的第1名，一时间引起了无数人震惊，但后续人们发现这个模型还存在着许多的不足，如混乱的肢体、奇怪的透视等等，想要获得高质量的画作，需要经过无数次的调试以及像咒语一样的提示词，当时甚至还有大佬创作了一个召唤法典一样的提示词库，虽然它存在诸多的问题，但当时的一些技术手段或者说交互方式，在今天的ai创作领域仍然还能看到一些影子。甚至如果用当时的宝典来创作，还能得到更加高质量的绘画作品。在之后，就是大名鼎鼎的stable diffusion和midjourney的问世，这也是现在众多ai绘画的基础， Stable diffusion webui的高扩展性、可定制性、丰富的插件库，受到了业界的青睐。和他旗鼓相当的开源的还有一个叫comfy ui，我对他的了解不算多，但现在很多的agent，也有他的影子在里面。以上这些东西，在之前其实是一个小范围的爆炸，真正让他们被世人熟知的，应该是众多c端产品的出现，以及在自媒体上的滥用，星流、即梦、可灵这些超级易用的产品，加速了技术的下沉，也加速了Ai创作的发展进程。如今， lovart这种自主式的智能体的出现，正再一次刷新人们对于ai的想象，想起曾经无数人在网上卖novel ai的教程，再看看如今的技术主流，确实很讽刺。

准备跟着这个在小红书上找到的案例练，感觉练着练着就会了其实工作流很简单，开始+结束，然后理清思路，处理好板块排布与数据流动就行了，重点就是各类板块的学习。准备先学习几个重要的，其他多的等后面遇到了再看，业务逻辑、输入输出、主要组件（图像处理、音视频处理、飞书操作）话说回来，飞书是真挺牛的，对于中小企业来说，完全可以靠飞书的多维表格搭建一套数字化系统了，这不比各类低代码平台好使？所以字节在这波浪潮中真是走在了时代前沿，c端有豆包，前段时间调教豆包很火，他那个tts也是真牛，豆包的图像生成、视频生成也基本能用，更别提还有抖音了；b端有飞书、还有一个简道云，包圆了啊。

垂直大模型其实在最早期chatgpt提出的时候，这一点就已经提出来了，据说当时华为的盘古大模型就是做这个的，当时主要是用大模型+微调来做，随着这几年的发展，在医疗健康、金融科技、教育、智慧城市，最热的几个方向，已经出现了部分应用，如aq、智能问诊、疾病早筛、ai金融风险防控、数字人引导操作、智能客服、数字人+教育、ai营销文案生成等等，但是在我看来这仍然处于ai的早期阶段，如果仅仅这些应用，那我们对ai的想象力是不是太差了些，我认为ai以后应该融入社会各处，成为一种基础设施，出现一种新的交互终端，我们的gdp真的有被ai提高，那这个未来才有意思。对于agent而言，我个人觉得其实是最有想象力的部分，mfp协议就像给ai插上了翅膀，工作流就像带来了风，在我看来扣子、dify这种是未来人机结合的未来。另外有人提到的agent是人类下达任务，agent主动调用工具，认为这才是未来，但我觉得这种纯纯放手给ai，且不说技术上的可行性，人类在传达任务是天然就存在信息的损失，所以这种方式绝对不是未来的发展方向。

大模型主要按模态来说吧，大模型分为大语言模型、视觉大模型、语音大模型。对大语言模型了解比较多：最开始应该是chatgpt开启了这波浪潮，后续claude紧跟其后，但是当时并没有引起太大的风浪，谁能想到后面他们做coding能做这么好呢，谷歌当时其实也跟了，但是效果也不好，还有被人嘲讽；国内方面，讯飞星火最先发出来，但是枪打出头鸟，但是还被人黑后台调用openai的api，也是很有意思了；文心一言好像就是国内第二个出来的，百度经典的起个大早，结果啥都没吃到，当时大家都还在抢地盘，他却开始了商业化，开始卖会员，一度出现著名的松鼠鳜鱼，虽然后面免费了，但也难挽颓势；月之暗面当时出的号称可以接受40万字的超大文本模型，一度惊艳了市场；chatglm凭借在国内最先开源，一度也是建立了自己很好的生态，但后续随着各家都开始开源，而且大模型这玩意儿就提供个api，开发者转换成本极低，所以生态说建立就建立，说跑也就跑了；再之后应该是阿里的通义，在国外榜单上也是杀入前击；还有李开复大佬的yi模型，也是在开源榜单上名列前茅。那段时间真的是百模大战。2024年，deepseek一经问世，有种开山立派的意味，他的出现让大家看到了研究ai的方向，大家都去卷thinking、卷数据质量，反倒没了之前那种百花齐放的感觉了，但这也其实意味着路径很清晰了，大家走在一条通往agi看似正确的路上。为什么说看似呢？因为大模型本质还是一种概率模型，他就会产生幻觉，虽然现在也在研究如何减少幻觉，但他本质决定了幻觉就是存在，那这个幻觉的影响大不大呢，我们拭目以待吧。二一个是对高质量数据的需求，高质量数据能训练出高质量模型，那有一天没有了呢，难道就停滞了吗，所以从这几个角度来说，也许大模型还差一点才是走在agi的正确路上。视觉大模型和语音大模型其实了解不算多，这里就不赘述了。另外还有关于agent 的内容，也放下一part吧。

继续昨天的话题，ai行业当前现状，中游来说有AI开放/开发平台、机器学习、知识图谱、计算机视觉、自然语言处理、智能语音。AI开发平台：包括阿里、百度、腾讯提供的协助ai开发者进行开发的工具，其实感觉硅基流动应该也算，ai开发平台作为ai时代的基座，也许将和现在互联网时代提供服务器的厂商一样，但是刚刚又想到，这种开发ai的平台，是不是也可以类比为早期的建站工具，或者最近很火的低代码平台，但如果按这个思路下去，其未来发展方向还真不一定好，到底未来会如何，还需要继续观察。AI开放平台：这个其实不是大模型时代的专属，早在十多年前，API刚盛行那会儿，就已经出现了，但是那会儿更多是提供各类算法，包括图像识别、语义分析、TTS等等，只不过现在加入了llm而已，不过在这个agent盛行的时代，这类还真是时代的宠儿。知识图谱：主要应用是搜索引擎和推荐系统，在llm出现之前，知识图谱的热度一度甚嚣尘上，但是llm出来之后，这类研究已经少了很多了。CV：当初最著名的CV四小龙：商汤、云图、依从、旷视，各有各的发展，有的如日中天，有的泯然众人，也是很感叹了。NLP：那天听到一句话，觉得用在这里非常合适，chatgpt的出现终结了NLP，但是deepSeek的出现又给学术界带来了新的希望。智能语音：曾有幸在讯飞实习过一段时间，那会儿的讯飞还以ASR最为出名，但当时讯飞在智能语音的优势已经略显不足，还记得当时的leader讲过一句话，我们识别准确率99.5%，百度准确率99.2%，我们有这么一点优势在用户层面是体现不出来什么的。现在来看，确实如此，幸好讯飞抓住了llm这一风口，最先推出国内第一个大模型，再之后利用一直以来的渠道，狠抓Ai+教育，现在也是过得风生水起了。下一part为大模型相关的内容。

1.ai不是结果，而是工具在实际操作过程中，应根据业务实际，选择合理的工具，并不一定要使用ai，如果业务逻辑足够简单，传统数字化手段也能解决，那就使用传统数字化工具。2.当前ai市场竞争格局上游：算力、数据、算法算力：底层是以英伟达为代表的gpu生产商，当前的代表性显卡：A100、H100、GB300，每每提到gpu就不得不感叹部分大学教授的眼光之毒辣，远在我本科的时候，当时和一个应用统计的教授做项目，当时他就有意让他的学生学习gpu编程，当时没当回事，现在回国头来看，也是感慨万千。除了gpu的生产商，还有国家、大厂简历的各类算力集群、智算中心，在这个时代，计算力又何尝不是一种武器呢。数据：主要就是提供各类数据存储的公司，其实按理说我觉得应该还有提供数据集的部分内容，今天刚听了白鲸实验室采访一个大模型方向的博士后的文章，他提到以后可能当前的数据，高质量数据已经不够大模型训练了，如果使用大模型自己生产的数据来训练，会出现模型坍缩（好像是这个名字）。也难怪当前对高质量标注也是比较火热，最近有关注到字节的Xpert计划，这似乎也能说明一些什么。算法：这方面对我来说一直都是浅尝辄止，也许因为本科的一些事情，对这方面的知识存在浅尝辄止，希望通过这次的学习能稍微了解一些。老师说了几个名字CNN、RNN、Transform、MOE、DIT。后续还讲了中游的内容，包括一些技术、平台，以及下游的一些应用，今天有些晚了，留着明天来写吧。

准备以后使用牛客记录我的AI产品转型过程，预计就是每天使用动态记录我的学习过程，然后定时把这些总结成文章作为输出。个人情况：曾有多段产品实习，后因多种原因，现在在一家地产国企做产业研究，但是始终发现自己还是更喜欢做产品，并且在国企期间也有意无意在运用产品知识优化业务流程，遂动了想回互联网的想法，但基于我现在的判断，互联网现在已经并不是一个很好的转行方向了，一是卷，二是ai的发展，三是这十几年的狂飙留给传统互联网的机会已经越来越少了。同时，ai或者说大模型这波浪潮，带给人很丰富的想象力，是真的让我看到了未来，于是想往ai产品方向转。学习思路：当前报了两光年的产品课，准备跟着他们学习，同时自己开始学习产品的基础知识以及智能体开发，后续的动态也将围绕这三段展开：AI产品、产品基础、智能体开发。欢迎有志同道合的伙伴多与我沟通交流。