• use-ai:用 AI 生成 shell 命令

    用 AI 写了一个简单的命令行工具,可以用来调用 AI 模型来帮助生成 shell 命令。程序员还有什么存在感?

    详解 MetaGPT 实现原理

    本周 Manus 出圈,开源版 OpenManus 闪电发布。这个 OpenManus 的开发者正是之前已经在技术圈造成了很大震撼的 MetaGPT 团队。

    早就想好好研究一下 MetaGPT 的实现,那么现在更是迫不及待了。

    四大技巧帮你用 Claude 生成专业设计

    最近,Claude 3.7在网页和应用界面设计上的表现十分亮眼,能做出复杂交互动画和软件逻辑,像丝滑卡片拖动、呼吸效果渐变动画、带视差效果的交互网页等,关键是每个案例制作时间都不超20分钟。今天就分享4个提升AI界面设计质量的关键技巧,让你的作品也能颜值飙升!

    Agent 工作流的几种设计模式

    Anthropic 区分了工作流和 Agent。工作流是基于预定义代码路径协调LLM和工具的系统;Agent则是让LLM动态引导自身流程和工具使用的系统。

    下面重点介绍几种常见的工作流模式:

    Electron 镜像设置

    npm config edit打开配置文件,添加镜像:

    1
    2
    3
    electron_builder_binaries_mirror=https://npmmirror.com/mirrors/electron-builder-binaries/
    electron_mirror=https://cdn.npmmirror.com/binaries/electron/
    registry=https://registry.npmmirror.com/

    LLM 是如何调用 tools 的

    每次 LLM API 的调用实际上都是一次 HTTP request,发送的 json 数据包含了 API token,LLM 调用参数设置,消息上下文(messages)等。而 LLM 的 response 也是 json 数据,内容包括 token 用量(usage),模型输出的消息(choices/message)等。

    那么 LLM 是如何调用本地 tools 的呢?

    卷积神经网络

    卷积神经网络的构成:

    • 输入层:可以是任意维度的数据。一般要求每个维度的长度都满足 2^n,以便池化。
    • 卷积层:通过K个卷积核,把输入层转化为K个特征图。
    • 池化层:压缩特征图大小,以提高训练速度,和避免过拟合。
    • 全连接层:映射到结果集。

    神经网络

    一个4层神经网络(2个隐层)

    回归与分类

    线性回归(Linear Regression)

    估值函数(Hypothesis Function):

    h_\theta(x) = \theta x

    目标函数:

    J(\theta) = \frac{1}{m}\sum_{i=1}^{m}Cost(h_\theta(x^{(i)}), y^{(i)})
    Cost(h_\theta(x), y) = \frac{1}{2}(h_\theta(x) - y)^2