最新文章
共 12 篇
-
GPT 在做什么?从续写一段话到完成一次任务
从词元、注意力和训练过程入手,理解 GPT 怎样生成答案,以及怎样判断一段答案是否值得采用。
-
怎样写一条好提示词?先把交付任务讲清楚
用一个学习笔记整理任务,演示怎样写清输入、输出和验收条件,再用小样本迭代提示词。
-
长对话怎样保持清楚?给 AI 留一份能接手的项目记录
用一篇反复修改的技术文章为例,组织长对话里的定稿、资料、当前任务和待确认问题。
-
怎样核对 AI 写下的事实?给技术文章留出证据
从一段安装说明开始,演示主张拆分、来源留痕、版本核对和一次可复现的验收。
-
Token 和上下文窗口:长提示词到底占了哪里
从中文、代码和历史消息的计量出发,用一次表格分析练习验证窗口预算、截断位置和长文本检索。
-
给个人笔记加一个 RAG 问答入口
从室内植物观察笔记出发,把文本切片、关键词与向量检索、来源引用和效果核验串起来。
-
给 AI 回答做一份小型评估
用设备交接记录搭建一组可复跑的题,分别考察答案正确性、引用、缺失信息和版本变化。
-
让模型输出能被程序接住的 JSON
用会议笔记里的待办演示字段约定、结构校验、证据核对和失败重试。
-
用 AI 辅助写代码:把需求变成可以验证的小改动
从一个待办列表需求出发,记录如何补全需求、组织上下文、验证模型建议,并把有效做法留在项目里。
-
本地模型还是云端模型?从一周的真实任务开始选
用同一批任务测量准确度、等待时间和显存占用,再根据资料范围与使用场景决定模型放在哪里运行。
-
让 AI 读懂图片、图表和截图:把观察与推断分开
通过折线图、界面截图和扫描笔记练习图像理解,了解裁切、视觉证据、数字核查和多图比较的用法。
-
把 AI 学习做成可重复的笔记:从疑问到小实验
设计一份轻量的学习记录,保留原始问题、预测、实验输入和复核结果,并把变得有用的笔记整理成自己的知识库。