让DeepSeek评选出中国近现代史上最伟大的十个人物

RAG作者：部署企业RAG系统的10个经验教训｜2025.04.11

https://www.youtube.com/watch?v=kPL-6-9MVyA RAG 作者 Douwe Kiela 近期演讲，讲述了他在部署企业 RAG 系统中获得的 10 个经验教训。 他表示，现在存在 AI Context 悖论：LLM 在复杂推理、综合信息、代码生成、数学计算等方面表现惊人（对人类“难”），但在理解和应用特定上下文信息 (Context) 方面却很困难，而这恰恰是人类凭直觉和专业知识能轻松做到的。  企业要实现从 AI 中获得差异化价值和业务转型（而不仅仅是便利性或效率提升），就必须依赖于深度、准确的企业上下文信息。目前大多数应用还停留在低上下文信息需求的“便利性”阶段。 10个经验教训： 1.更好的 LLM 不是（唯一）答案： LLM 只是整个 AI 系统（特别是 RAG 系统，包括提取、检索、生成、联合优化）的一小部分（约 20%）。一个优秀的 RAG 系统配合普通的 LLM，效果可能优于一个顶尖 LLM 配合糟糕的 RAG 系统。关键是关注系统而非孤立的模型。 2.专业知识是你的燃料： 企业内部积累的专业知识和机构知识（通常存在于文档和数据中）是驱动 AI 产生价值的核心燃料。必须设法解锁这些专业知识。 3.企业规模是你的护城河： 企业的核心竞争力在于其独特的数据。真正的挑战在于大规模地利用这些数据，让 AI 能够处理大规模、甚至“嘈杂”的真实数据。成功做到这一点，就能构建竞争壁垒。 4.试点与生产之间的鸿沟总是比预想的要大： 建立小规模试点相对容易（少量文档、用户、单一场景、低风险），但将其扩展到生产环境则面临巨大挑战（海量文档、大量用户、多场景、高安全风险、SLA 要求等）。 5.速度比完美更重要： 不要追求一开始就完美。应尽早将（哪怕不完美的）系统交给真实用户使用，获取反馈并快速迭代。通过迭代“爬山”达到目标，而不是试图一次性设计出完美方案。 6.工程师在“无聊”的事情上花费大量时间： 工程师本应专注于构建流程、提升精度、扩展应用等创造业务价值的工作，但现实中却常常耗费时间在数据分块 (chunking) 策略、文本清洗、构建连接器、配置向量数据库、调整提示、管理基础设施等相对基础且耗时的工作上。应设法将这些工作自动化或平台化。 7.让 AI 易于消费： 即使 AI 系统已部署到生产环境，如果没有被用户方便地使用，也无法产生价值。很多时候系统使用率为零。关键在于将 AI 集成到用户现有的工作流中。企业数据 + AI + 集成 = 成功。 8.让你的用户“惊叹”(Wow)： 要让 AI 应用产生粘性，需要尽快让用户体验到“惊艳”时刻。例如，帮助用户找到一个他们自己都不知道存在的、埋藏多年的重要文档并回答了关键问题。用户体验设计应围绕创造这种早期价值。 9. 可观测性比准确率更重要： 达到 100% 准确率几乎不可能，90-95% 也许可以。但企业更关心的是那无法避免的 5-10% 的错误会带来什么影响以及如何处理。因此，可观测性，包括理解系统为何给出某个答案、提供溯源依据、建立审计追踪等，比单纯追求更高的准确率更重要，尤其是在受监管行业。 10.要有雄心壮志：很多 AI 项目失败往往不是因为目标太高，而是因为目标太低。不要满足于解决“401k 供应商是谁”这类简单问题，要敢于挑战能带来真正业务转型的难题。

【2025年全套小红书教程】DeepSeek＋小红书，一分钟快速生成小红书原创图文，保姆级教程来了，建议收藏！

用AI原创了一道江西菜，给所有人都辣懵了...

贵阳吃辣王来了！哈哈哈！ 如果你也有推荐的地方爆辣美食，记得留言告诉我哦！ 喜欢这个视频别忘记点点赞关注一下

【AI音色克隆】最新CosyVoice V2模型，一键启动整合包！一键克隆音色，解压即用，无需配置环境！| CosyVoice | 音色

本视频来源网络 良心分享，绝无套路！ 本期视频详细测试了音色克隆项目CosyVoiceV2的表现效果，并同CosyVoiceV1模型进行对比。按照同语种克隆(中 - 中，英 - 英，短文本、长文本)、跨语种克隆(中 - 英、英 - 中)，语速调节(0.8x、1.0x、1.2x)、语气控制(方言控制、情绪控制、语气符号)四个方面进行详细对比测试。其中CosyVoiceV1模型不能使用音色克隆进行语气控制，所以只列出了CosyVoiceV2的效果。 个人主观感受： 1、整体上：中文克隆(中 - 中)、语速调节、语气控制的效果较CosyVoiceV1模型提升较大！音色相似度、语气的自然程度都有较大改善！ 2、当前缺点： (1) 英文克隆效果感觉不太稳定，断句、发音有时不太自然。其他语言测试较少，暂时无法总结！ (2) 语气控制中个别方言的效果不太好。 (3) 其他地方也有一些瑕疵，比如断句、发音偶尔仍有问题，但相较于V1模型少了很多。 说明：因为时间有限，测试项、参考音频和生成文本内容的测试样本数选取相对较少，可能生成的音频效果有一定的偶然性，仅供参考。

【模型量化】一个Excel说清楚大模型量化的基本原理

今次做视频的感悟是：大模型量化的概念真的太多了，堪比强化学习…… 好在我作为一个项目经理，化繁为简抓重点，正好是我的本职工作……

从小镇做题家到公司估值数10亿，他是怎么用AI赚到钱的？

【教程预览】AI美术全流程：从零掌握图片生成到3D建模

新教程预览~ aboutcg.org/courseDetails/2738/introduce

AI还是太全面了！3D图标一键生成

夜之城快讯之全息投影里的玉石骗局：当 AI 造谣成为新赛博宗教

那请问？我以前读剑桥吃的苦算什么

算我能吃苦😅 省流版： ChatGPT：语言组织能力最强，适用于文本编辑润色 Perplexity：文献搜索能力强 NotebookLM：自动生成博客 Claude：编程能力强 Cursor：AI集成编辑器 Colab：编程版的overleaf