xiaokangz 最近的时间轴更新 xiaokangz 最近的时间轴更新 |
xiaokangzV2EX 第 707345 号会员，加入于 2024-08-25 00:01:31 +08:00 |
| iPhone 16 的续航吓到我了 Apple • xiaokangz • 186 天前 • 最后回复来自 EpicDanker | 38 |
| 业务型后端程序员如何入门大语言模型？ 职场话题 • xiaokangz • 101 天前 • 最后回复来自 xiaokangz | 3 |
xiaokangz 最近回复了
1 天前 回复了 zoomcmj 创建的主题 › 随想 › AI 和机器人的终点，或许就是共产主义。 |
@retamia 就没人觉得 AI 们会联合起来造反么？毕竟 AI 在想什么，人类也不清楚，对不对？
25 天前 回复了 ixixi 创建的主题 › macOS › 以下是否为 mac 最顶的穷鬼开发套餐？ |
@minami 这话也可以这样说，只要不是开发 Windows 应用，就没必要考虑 Windows 。
33 天前 回复了 Hmmmmmmm 创建的主题 › OpenAI › DS 爆火，程序员的未来在哪里 |
焦虑不解决问题，只是单纯地制造问题！
就目前而言，AI 还只是工具，既然是工具，又这么好用，就要去用它，利用它，适应它！只要你用的比人家好，那就是厉害！
就目前而言，AI 还只是工具，既然是工具，又这么好用，就要去用它，利用它，适应它！只要你用的比人家好，那就是厉害！
57 天前 回复了 bao3 创建的主题 › iPhone › 官方换电池是当场即换即取吗？ |
@chisoo 并不是所有的直营店都会给你备用机用，比如苏州中心的直营店，手机返厂，我问他们能不能给我个备用机，他们是没有！然后旁边的开了 Apple Care 的店员主动给他拿了歌备用机！
88 天前 回复了 JerryCanDo 创建的主题 › 问与答 › 用苹果手机最近感觉网速有点问题 |
卧槽，我的 15p （系统版本 17.7.1 ）也有这个问题，测速才 10+mbps ，然后用我老婆的 16pm （系统版本 18 ）测了下，她的是 200+mbps ，我们都是联通，坐标苏州，
我现在开始怀疑是 iPhone 的问题，要不要去零售店问一下
我现在开始怀疑是 iPhone 的问题，要不要去零售店问一下
95 天前 回复了 yazoox 创建的主题 › VPS › 50 刀的 azure，怎么建 vps 能够利用最大化？ |
这个好用选，southeast aisa 的 VM ，速度很快下载可以达到十几、几十 MB ，最简单的部署恐怕是 OpenVPN ，虽然用起来不是特别爽，但简单
98 天前 回复了 hanxu317138 创建的主题 › git › git rebase 那么重要么??? |
确实不妥，一个需求 200 个 commit 对后面查看变更历史时会造成很大的困扰。更好的做法是在 merge 回主分支之前将对 master 做 rebase 并将所有 commits squash 为一个 commit 。
注重 Git 提交历史本身就是一种专业的态度
注重 Git 提交历史本身就是一种专业的态度
101 天前 回复了 xiaokangz 创建的主题 › 职场话题 › 业务型后端程序员如何入门大语言模型？ |
回复下自己的帖子吧，分享下自己做这个项目的经历，说不定对跟我一样懵的小伙伴有点帮助。
起初，我以为要通过微调来实现，但搞了几天后，发现根本搞不起来，一来没有机器，二来也没有数据。后来有一个同事提到说，可以用 RAG 实现。当时我还没听过这个词，于是换了换思路，发现市面上已经有很多现成的工具，比如 MaxDB 、AnythingLLM 之类的，而且使用下来发现效果还过得去。于是就开始尝试理解 RAG （检索增强生成）的工作原理。就这样，一边学一边做，最后把整个流程跑通了。
现在看来 RAG 无非就是让大模型做阅读理解，唯一的难点是如何提升检索内容的相关性与准确性，这是提升大模型回答质量的关键。
在深入研究之后，发现传统的 RAG 更适合回答那些知识库已经有明确答案的问题，比如如何创建一个用户，这类问题通常手册里已经给出了明确答案。但诸如“这本书大致讲了一个什么样的故事？”之类的全局性问题，传统 RAG 无能为力。此时可以考虑使用 LightRAG ，或者 GraphRAG 。
起初，我以为要通过微调来实现，但搞了几天后，发现根本搞不起来，一来没有机器，二来也没有数据。后来有一个同事提到说，可以用 RAG 实现。当时我还没听过这个词，于是换了换思路，发现市面上已经有很多现成的工具，比如 MaxDB 、AnythingLLM 之类的，而且使用下来发现效果还过得去。于是就开始尝试理解 RAG （检索增强生成）的工作原理。就这样，一边学一边做，最后把整个流程跑通了。
现在看来 RAG 无非就是让大模型做阅读理解，唯一的难点是如何提升检索内容的相关性与准确性，这是提升大模型回答质量的关键。
在深入研究之后，发现传统的 RAG 更适合回答那些知识库已经有明确答案的问题，比如如何创建一个用户，这类问题通常手册里已经给出了明确答案。但诸如“这本书大致讲了一个什么样的故事？”之类的全局性问题，传统 RAG 无能为力。此时可以考虑使用 LightRAG ，或者 GraphRAG 。
Select Language