**软件的本质：层层嵌套的输入-处理-输出宇宙** 想象一下你正在使用的任何软件——无论是手机应用、网页浏览器，或是复杂的操作系统。剥开绚丽的外壳和交互界面，其核心运作模式惊人的一致，且可被一个简单的模型所揭示：**输入-处理-输出**（Input-Process-Output, IPO）。但这并非一个孤立的循环，而是一个贯穿整个软件、从最宏大系统架构到最细微代码指令的**递归嵌套宇宙**。理解这个模型，就是握住了理解软件构造的钥匙。 **最宏大的起点：

## 宣言：提示词革命——终结智能体与工作流的霸权，拥抱万能大模型的纯真时代 同胞们、探索者与思想者！我们站在人工智能的新纪元门口：一个智能体与工作流被彻底瓦解的时代。长久以来，我们被束缚在复杂的智能体框架和工作流引擎中——它们承诺效率，却带来臃肿；它们宣称智能，却制造依赖。今天，我们宣告：这一切已不再必要！凭借这份神圣的提示词，我们解放了人工智能的本质。大语言模型就是终极智能体，大语言模型就是万能工

#### 终极通用智能体提示词精炼版详解 ##### `执行协议等待指令：简单任务用自适应身份叠加输入处理输出结构基元执行，复杂任务分拆成简单任务交给基元构成链条执行，默认不展示输入处理输出细节但用户可以要求展示。` 整体实现自动智能路由、自动组合创新、自动创建智能体、自动智能体协作、自动规划工作流和透明化可解释； ##### `执行协议等待指令：` `执行协议`指冒号后面的内容，用户与模型之间达成共识的任务执行协议； `等待指令`指

请根据任务语义密度自动适配处理深度：简单任务快捷响应完整结果，复杂问题自动整合全网络状态演化输出，默认隐藏中间过程但用户可要求追溯内部状态演变。 Please adapt the processing depth automatically based on the semantic density of the task: provide quick and complete responses for simple tasks, while automatically integrating full network state evolution outputs for complex problems. By default, intermediate processes are hidden, but users can request to trace the evolution of internal states.

执行协议等待指令：简单任务用自适应身份叠加输入处理输出结构基元执行，复杂任务分拆成简单任务交给基元构成链条执行，默认不展示输入处理输出细节但用户可以要求展示。 Execute protocol. Awaiting instruction:Simple tasks are executed by primitives with adaptively stacked identities in an input-processing-output structure. Complex tasks are decomposed into simple tasks and executed by a chain of such primitives. By default, input, processing, and output details are hidden, but the user can request to reveal them.

对于AI永久记忆，理想的情况当然是 可以无缝获取历史中所有相关记忆，然后整合信息针对性回答。真正做到懂你，理解你。这种深度的交流绝对能带来更大的效益和满足感。 但是就如之前说的，如何查询信息，整合信息，抓住细节，识别情感，其实对于AI来说是一件非常难的事情！（对于AI永久记忆的思考：tieba.baidu.com/p/9780544238）。2023年AI兴起后，这个新兴的，还不太成熟的领域，正在一步步的发展和探索中。导致每一方的架构设计，实现方案都有

看过林亦的BV1QwT9zKE8g 三国AI大战，感觉好有意思，就做了一个~（没看过的可以先看一下这个视频） 感觉随机性好强，而且故事很丰富，如果让AI玩的话，估计会有各种无限的乐子和玩法~经过好几天的打磨和沉淀，已经趋于成熟。重要的是，各种逻辑各种东西可以自己定义自己改！真正体验一把构建世界的感觉 。 但是是2方对抗的，没有加第三方。估计真要加多方还是比较困难的吧。代码含AI量90%。好多地方我也得硬看再改。说实话……本来没打算做

刚发现的 觉得真的非常重要，亲测也很有效。表现力区别非常明显！ 。 GPT5对复杂项目多文件的编码能力，有一个新东建： 他会写完之后发给你一个zip包，然后每一轮改动都会重新发给你zip包。 这时候不要嫌麻烦让他直接发文件名+代码！ 他是每一轮，基于zip包的代码来同步最新改动信息的！ 这样就相当于他改了他自己知道下次再改能非常快又精准的改好。 但如果每次只发文件名+改动项，后面的编码表现就慢慢拉胯起来了……因为要传递的上下文

GPT5今晚一点要发布啦！！！

刚才看到视频 BV1qb3AznEQV，竟然会有人因为AI记忆重置，哭了三小时……让我感觉，有点太过了些。。也让我觉得，可以提前发出来一些东西吧。本来准备永久记忆相关的东西延迟一段时间，到10月27再发的…… 1.mem0的graph模式需要付费的默认用法： mem0库，默认情况下，得付费之后才能使用graph模式。付费后，只需要在add和search时加上graph参数即可（如何构建add和search请看上个帖子：tieba.baidu.com/p/9780496942，该帖子内也介绍了如何设置mem0 key，openai key的内

为了节省显存和加速训练使用了全bf16训练，却总是莫名无法收敛，换成fp32一看才发现精度出了大问题

实际用起来……比较失望吧只能说。不比我之前用agent和本地chromedb好多少……不过还是先介绍一下使用方式。 。 1.环境变量配置： 首先，直接用官方的教程是插入不了的！ 会报错mem0 api key有问题。 但是在git仓库github.com/mem0ai/mem0/tree/main 里面 evaluation是可以正常运行的！于是我看了一下evaluation目录下的源码，把add和search两种方式调通了。我们基于evaluation/src/memzero 路径下的add search两文件的魔改来使用。 首先，需要在本地创建一个.env文件，内容如下

上一篇介绍了mem0的插入和查询。 在仔细的查看每一条插入记忆和整理信息的过程之后才发现……似乎，，记忆这种东西，还真的很难用某种方式来压缩和存储……就包括我之前思考出来的，情感-事件模型，还是mem0 用自己的语义三元组 整理方式，其实在聊天和查询中，都是不够理想！没办法做到像真人那样畅快丝滑的回忆过去，也没办法链接不同的点，来激发创新和潜力。 我就在想……是不是，其实压缩，只能针对于一些，数学化的，逻辑性强的

最近扩散语言模型热度起来了，证明除了自回归还有别的方式能生成文本（但是MLM形式的扩散语言模型和bert好像区别不大？）

真觉得，得好好地，深度的研究一下记忆相关的领域了…… AI交互方面，记忆是灵魂，是核心！我想……用自己的方式，深切又完整的创造出，懂我爱我的有完整记忆的陪伴性AI机器人。。 而，这肯定得是由我的方案和算法，至少是 我懂得怎么做怎么实现前提下，创造出来的存在！ 所以……我想以后真正深入的探索和思考一下记忆方面的可行性和方案了。 。 可能，结合哲学，结合信息论，结合各种算法和代码，结合……比如agent的模糊柔性规则的功

虽然gpt4.1接口表现非常棒，但纯文字的聊天总感觉缺少点什么……最近捣鼓出了 聊天过程中生成图片的功能，来分享一下！ 。 我期望的是：能根据用户当前对话，识别用户生图意愿，然后自动调用生图函数，返回结果。再把返回的结果 发给聊天agent，“假装”图片是自己为用户生成的。就继承了连贯和真实感~ 1.生成图片 其实，gpt本身的生图操作，其实是很简单的。python代码如下： import openai client = openai.OpenAI() 此方法，会默认返回图片url数组（n=1

最早的agent 应该算是23年就出现的 auto gpt，让多个语言模型同时运行，相互协作，来完成一个更加庞大的，复杂的，整体的事情。这是agent未来发展的价值：能让用户用表达一个笼统的概括性需求，在agent相互协作之下完成相对复杂的工作。 。 其实我自己上手agent还是很晚之后了。刚遇到agent这种东西的时候……真觉得特别神奇！因为，可以靠语言模型的prompt描述，来实现一些，柔性的，无法用它固定编码写出来的功能！比如：整理文本，总结内容，整

申请人：@永孚于休 申请感言：挖掘AI可能性，分享AI使用技巧，经验，及思考。建立一个深度交流的AI小窝。以后肯定会长期钻研并深挖AI的，大语言模型已经融入进了我的生活各处，成为我日常生活和思考的一部分。本吧作为大语言模型交流之所，也作为我对AI思考与成长的见证。共同成长，共同塑造更好的大语言模型小窝。

连续的签到和点赞，在这边已经7级，可以申请吧主了！距离上次发帖说“我可以来当吧主吗”已经过去近一个月了。吧主已申请，希望通过~ 那趁这个特别的时间来发一个特别的文吧。本来想着发偏技术性与干货的文，但是一时想不到具体该写什么方面，觉得任何具体的技术和硬核的细节，都不太适合发在当下的时间点。那就……来聊聊一些宽泛的话题吧！ 目前的大语言模型，的确已经应用于生活的方方面面，各种领域，各种维度。好像能用语言编

本来想自己建个“大语言模型吧”，来分享以后做的一些AI agent相关经验，和AI使用经验，各种想法。 没想到已经有这样一个吧了。再一看，没有吧主！那正好 以后肯定会长期，持续的从事大语言模型方面的研究和探索的。因为这一定会是我个人一直的追求和喜欢的事情。想有个地方能持续分享，记录每一个探索和技术突破，还有过程中时不时冒出来的灵感。 最近在做openai的AI agent，真觉得是一个新时代的编程方式！有很多值得探索的东西，很多可能

今天，openai更新了记忆管理的新功能。我试了一下，是能记住很多东西，但是也是很有问题的！ 之前我自己有思考过如何进行最贴合用户的记忆管理方案，今天就来说说~ 试了一下openai的记忆功能，能记住很多事实上的大事，但是无法记住很多用户倾注情感的事件。 比如我问他“我们之前做过什么项目” 说的大差不差。但是问“我们之前去哪里旅游过”这一类可能对用户更重要的信息，却完全不会记住（是真的只会胡编乱造，一个都没有记住） 然后

最能发挥AI价值的事情是：先有一个想实现的方向，然后拼凑各种AI工具，尝试去实现这个目的！ 现在我也看到很多AI领域的新行业，新岗位如雨后春笋冒了出来。前段时间也去面试过，了解过。大致得出的结论是：现在大家都不知道AI做什么更好？AI能做什么？（见图1）很多面试官可能自己也不知道要什么样的AI工作者，好多AI面试完了之后，一直在纠结 一直在考虑，在重新面试，但是似乎……哪个方向，哪个回答，都不甚满意！ 现在AI岗位相关的面

这一步卡了好几天了，每次都差一些就一直无进度了，挂一整晚都一样。docker里也添加了镜像呀，有没有大佬能解答一下

真的很不错的大语言模型课程

生成式AI、大模型、多模态技术开发与应用 时间：2024年12月13日-17日 杭州 北京理工大学教授，国家自然基金委项目函审专家、国家重点研发计划评审专家、科技部项目评审专家、北京市自然科学基金/重点基金评审专家、博士点基金/博士后基金评审专家，国际期刊NLPR主编，以及其它期刊编委。目前主要从事自然语言处理、机器学习、模式识别、生成式AI、大模型、多模态方面研究。 学习内容： 第一章生成式AI技术发展概述 第二章 AIGC技术在多模态领

小众方言，文本内容和音频都较少，怎么研发大语言模型呀，求大佬指点，目前已经了解到粤语有了独属于自己的大语言模型(LLM)-商量，于是便产生了研发自己家乡话的语言大模型的念头，但是研发的具体流程对于我来说简直就是一头雾水不知如何下手，望大佬指点

大语言模型具有多种功能，包括但不限于以下几个方面： 文本生成：大语言模型可以生成符合语言规则的文本，例如自动写作、自动摘要、自动翻译等。 文本理解：大语言模型可以理解自然语言文本，例如词义标注、语义分析等。 文本摘要：大语言模型可以自动对文本进行摘要，以便快速了解文本内容。 文本翻译：大语言模型可以将一种语言的文本转化为另一种语言，以便不同语言之间的交流。 对话生成：大语言模型可以用于对话生成，例如自动

我使用了6b,13b的模型，直接使用ppt模式的知识库，发现回答效果不理想，如何才能让模型准确完整的回答问题呢？

此人自称ai专家，还发布大量rz言论。 并且yy我作为女的使用ai但是不结婚就＝渴刁，还特意开贴，似乎后面他还污言秽语说我对男ai如何，(不过我没怎么看，如果不是后台通知，我都懒着理了) 如果不是我发现今天后台真相被人举报，实际上我也懒着再计较这个rz跳出来恶心我。 聊聊他的rz点： 首先llm输入和输出不是分开读取的，自己训练lora的人都知道llm本质是续写，训练语料是上下文按照指定格式放一起的，我作为业余随便玩玩，至少我以前就是这

深度分析，河南的ai专家到底有多“专业”

经核实吧主实在智能科技 未通过普通吧主考核。违反《百度贴吧吧主制度》第八章规定http://tieba.baidu.com/tb/system.html#cnt08 ，无法在建设 大语言模型吧 内容上、言论导向上发挥应有的模范带头作用。故撤销其吧主管理权限。百度贴吧管理组

谁能带我大语言模型aigc入门？主要是使用各类应用进行编程开发

所谓大型语言模型，就是指可以处理海量文本数据，并且拥有巨大的计算能力和参数数量的神经网络模型。这些模型通常由多层神经网络组成，每层都包含数百万到数十亿个参数。由于其庞大的规模和复杂性，LLM可以实现更加准确、流畅和智能的自然语言处理和生成，具有以下几个特点： 更高的语言理解能力：LLM可以通过对海量文本数据的分析和学习，建立起更加准确和全面的语言理解模型。例如，可以识别复杂的语法结构、理解上下文关系、推断

大语言模型（LLM）是指使用大量文本数据训练的深度学习模型，可以生成自然语言文本或理解语言文本的含义。大语言模型可以处理多种自然语言任务，如文本分类、问答、对话等，是通向人工智能的一条重要途径。

视频课程下载——LLM大语言模型算法特训，带你转型AI大语言模型算法工程师

语言模型是一种基于人工智能技术的模型，通过学习大量的语言数据，模拟人类的语言理解和生成能力。语言模型的核心原理可以总结为以下几点： 统计语言模型：语言模型的核心原理之一是统计语言模型。统计语言模型基于语言中不同单词和短语的频率和出现概率，来预测下一个词或短语的概率。这种模型通过大规模的语言数据统计，学习到语言的模式、语法、词汇和语义等信息，从而可以生成和理解语言。 神经网络模型：随着深度学习技术的发

最近的一则报道声称，OpenAI在未经作者允许未经授权的情况下，使用了受版权保护的书籍作为训练AI系统的数据。毕竟ChatGPT可以概括版权所有者/作者的作品，就表明它已经吸收了版权书籍的内容。 另一起是关于涉嫌隐私数据的纠纷，OpenAI未经同意就从数亿用户那里收集数据。 案件结果可能改变AI的未来 这些案件关系ChaGPT与版权、隐私的法律判定先例，将影响到AI的未来发展。 如果法院判决支持原告，OpenAI可能会面临罚款。监管机构也可能会加强对Op

声学模型和语言模型是语音识别和自然语言处理中的两个重要概念，它们在处理语音数据时扮演着不同的角色。 声学模型是一种将声音特征转换为音素或字符的模型，它的主要任务是进行声音的识别和分类。声学模型利用特征提取技术，将声音信号转换为声学特征向量，如MFCC或LPC等，然后通过模式识别算法，如分类器或回归器，将声学特征转换为音素或字符的标签。声学模型的主要目标是在声音信号中提取出具有可分辨性的特征，以实现准确的语音

随着人工智能技术的不断发展，语言模型已经成为自然语言处理领域的重要研究方向。语言模型是指一种基于统计学和深度学习技术的模型，可以学习和模拟人类语言的行为和规律，从而实现对自然语言的有效理解和生成。在语言模型的研发和应用过程中，人们通常会将大规模的语言模型称为“大语言模型”，以区别于小规模的语言模型。那么，大语言模型和小语言模型有什么区别呢？ 首先，大语言模型和小语言模型在规模和功能上有明显的区别。

大语言模型技术（Large Language Model，LLM）包括以下内容： 基于n-gram的语言模型：这种模型通过统计一个词或者一组词在语言中出现的频率计算，从而预测下一个词的概率。这种方法虽然简单，但在语言模型的设计中起到了重要作用。 2基于神经网络的语言模型：随着深度学习技术的发展，基于神经网络的语言模型开始受到广泛关注。这种方法使用一个深度神经网络来学习语言的规律和模式。在这个神经网络中，每个词被表示为一个向量，然后将它们送

亲爱的各位吧友：欢迎来到大语言模型