最近，李一舟的被拿来和OPENAI的Sam做对比，被羞辱一番。他的课程被认为是割韭菜。 这里里面有一个认知偏差，大多数专业人员，无法理解小白用户在没有知道AI是什么时候的迷茫，这就是“知识诅咒”(Curse of Knowledge)： 一旦我们知道某件事情，就很难想象没有这样的知识是什么感觉。 这种偏差阻碍着个人沟通、教授他人、营销的有效进行。 从培训角度讲，越专业的人越无法理解初入行业人员的状态，把很多专业知识当做谁都懂的常识。 其实培训，如何将专业知识讲的小白都懂，很难。很多时候你会了，永远不知道不会的人当时是怎么想的，导致很多无效的沟通。 我曾经上过声乐课，老师很多简单的……
继续阅读»»»
Rick Jones 在其《 HAPPY SEXY MILLIONAIRE》提到一个概念（Transferable skills），他认为： 关键的可转移技能，如销售、公共演讲和个人品牌。具备这些核心技能意味着我将在许多行业拥有根本优势，即使当世界不可避免地发生变化，我对社交媒体营销的了解变得多余时也是一样。 Naval在《瓦拉尔宝典》中也提到： 知道如何在演讲时具有说服力远比成为一名专业的数字营销人员或点击优化人员重要。基础是关键。 这些厉害的人物似乎对一些在学校不曾教授，但却基础关键的能力都有清醒的认识。并且有意识的培养。细想，这些技能确实时时刻刻都在被使用，只是我们不容易察觉。 基本可转……
继续阅读»»»
人们在处理社交媒体信息时存在的多种认知偏差，看看你中了几个？ 确认偏误（Confirmation Bias）：人们倾向于寻找、解释和记忆信息以确认他们已有的信念，而不是考虑与之相悖的证据。 可用性启发式（Availability Heuristic）：人们倾向于基于最容易回忆起的信息来做决策，而不是基于所有相关信息。 流感效应（Illusory Truth Effect）：重复暴露于某个信息，即使该信息是虚假的，也可能导致人们相信它是真实的。 情感启发式（Affect Heuristic）：人们在做出决策时，往往受到情感的影响，而不是基于逻辑和事实。 自我确认偏误（Self-Confirmat……
继续阅读»»»
以前习惯于取悦大脑，身体就受罪，2023做了不少尝试，犒劳下身体，总体效果蛮不错，记录下。 戒掉外卖，自己做饭，少油少盐（身体变轻松许多，血压降到了正常值） 少吃最爱的鸭脖（吃清淡后，身体变得敏感，吃完鸭脖后肠胃的不适和后面一天的口渴体验非常不好，自然鸭脖就吃的少了） 每周骑车环游东湖（锻炼身体，更是放松身体，在人少的路上自由骑行，那是一种惬意自由的感觉） 暑期游泳（也就游了10多次，纯降暑，惊喜的是发现身体变壮，心肺能力变强，骑自行车上坡不喘了） 冬日不吃冷食物（坚持两年了，以前冬天正式吃橘子的时候，吃的爽，但每年动机肠胃都会不舒服一段时间，这两年有意识不吃低于体温的食物，肠胃大大改善） 杂……
继续阅读»»»
这期节目的嘉宾（花果山大圣）比较意思，仓储行业转编程，做到百度360大厂年薪百万，现在自由职业卖课，开着房车面相向美丽风景录课。收听他的一个采访他的节目，有不少启发,记录一下。 收听地址 YouTube：EP40 放弃百万年薪, 选择自由职业 (卖课究竟有多赚钱)｜对话大圣小宇宙：https://www.xiaoyuzhoufm.com/episode/6580347920d779b49d9d1960 收获 思维模式 从一开始就想不上班 一开始我就坚定的认为加班是没有意义的，加班只会让老板的兰博基尼买的更快，除此之外毫无意义 但是其实我觉得加班是如果你真的够卷，你可以去学习，你可以卷学习，但不……
继续阅读»»»
推荐最近在读的，对我启发非常大的两本书： -《舆论》沃尔特·李普曼 -《story Proof》Kendall Haven 一本讲舆论宣传，一本讲故事的组成与科学，似乎完全两个不同的领域，但却有一个共同的基础问题： 人是如何认知的？ 在阅读以前，我以为人是理性的，但看完后感觉颇为震惊，人类个体在认知世界这件事上其实还是非常原始，在摄取信息，解释信息，决策方面都称不上优秀。 对我个人的影响 -越发认识到自己以前那种不知何处而来的自以为知道事物的本质规律的自信，是何等的天真。 -越发理解为啥世界就是个草台班子组成。 -越发平和，碰到不一样的观点，不会绝得被冒犯，反而会平和的去观察。 激发思考的段落……
继续阅读»»»
文章分类 标签
ChatGPT等大语言模型存在问题是： 1，复杂问题的分步解决 2，外部访问的能力 3，长期记忆（更进一步学习能力） langchain提出了解决方案，以下对其进行梳理： 1，复杂问题分步 使用chain解决问题的拆解，一个chain可以保护多个指令，甚至另外的chain。chain的套娃规则，构造一个任务树，非常类似于项目管理中的大任务套小任务。 那如何生成任务，答案是，以chain of thoughs 为原则，给ChatGPT模版提问，然后对回答的文本进行解析。具体在Agents中实现。 AgentExecutor不断地调用agent.plan创建任务actions,并执行，直到任务完成……
继续阅读»»»