AI 和乔哈里窗户还有关系?对,AI 是我的好搭子

AI Agent在金融投资中的应用:量化交易、资产配置与风险管理 既然传统的金融投资和早期量化有这么多痛点,那有没有一种技术可以同时解决这三个问题呢?答案是肯定的——AI Agent(人工智能智能体)。在正式介绍AI Agent在金融投资中的应用之前,咱们得先给AI Agent下一个清晰且通俗易懂的定义AI Agent是一种能够感知环境(Perceive Environment)自主决策(Make Autonomous Decisions)执行动作(Execute Actions)从反馈中学习(Learn from Feedback)的闭环人工智能系统。 阅读详情

先简单回顾下乔哈里窗户理论

开放区:代表所有自己知道,他人也知道的信息。

盲目区:代表关于自我的他人知道而自己不知道的信息。

隐秘区:代表自己知道而他人不知道的信息,这些信息有的是知识性的、经验性的,甚至是创造性思维的结果。

未知区:这个区域指的是自己不知道,他人也不知道的信息。

AI 和乔哈里窗户理论的思考

那 AI 和乔哈里窗户有什么关系呢?用乔哈里窗户理论,来和 AI 成为相互帮助的好伙伴!

注意,是相互的哦!

先把 Ai 和乔哈里窗户融合一下

1.AI知道,我知道:让 AI 润色文档,让文章更加具有吸引力,Ai 充当助理打杂的角色。

2.AI 知道,我不知道:

这是我们现在和 AI 互动最多的情况,我们把 AI 当做超级搜索工具来使用。AI 储备了海量的知识,我需要有提问能力,问题的背景、问题本身、目的等信息告诉 AI,然后通过连续提问,补充档案准确性,最能提升学习速度的。比如什么是 AI,AI 能干什么,AI 怎么和工作生活联系起来,使用 AI 要注意的问题是什么等等,参考《提示词中任务目标(what)怎么描述清楚?》5W1H 提问法。

3.AI 不知道,我知道:

这个场景比较另类,但恰恰是很大的一个市场需求点。比如某行业的专用知识,公司流程制度,项目思路,这些 AI 不知道,或者 AI 只知道皮毛,不专业,而我很专业,企业很专业。企业要做的喂数据给 AI,是需要去 SFT微调模型,或者借用 RAG,目标就是我和 AI 的知识鸿沟填充,让 AI 成为企业的知识问答的生产力工具!

比如把 AI 和企业是 ERP 数据、SCM 数据集成,AI 能抓取企业本地数据给出一份针对公司业务场景的分析报告。

4.AI 不知道,我不知道:是一个共创的模式,相当于实验室的好搭档,AI 提供素材,我需要去判断和思考

AI 和乔哈里窗户理论的价值

这个框架知道用户怎么和 AI 去协同,AI 只是一个工具,我们的目的是怎么让 AI 这个工具产生更多的价值服务我?

需要我主动去“勾搭”AI,我不知道的让 AI 来教我; AI 不知道我知道的,那我来训练AI;都知道的就是我的打杂助理;都不知道的那是共事的好伙伴。

一直用 AI,就能挖掘更多的知识,人的能力就会持续增长,怎么提问成为人和人认知区别的一种关键的能力。

怎么问AI问题能得到高质量的答案?简单说是把问题拆解、连续提问,提问的语言要让 AI 听得懂的话。

AI时代,我们要做是提炼信息、连接信息的能力

提炼信息是能抓住一堆信息中的关键要素,连接信息是思考关键要素之间的结构关系

有了这两个能力,自然而然就会产生疑问,就有了提问能力 。

爱因斯坦说过,重要的不是知识,而是你的想象力。

在 AI时代,提问能力就是要引导 AI发挥想象力,要把 AI当做一个思考搭子,是 AI共创的合伙人,要把 AI当作一个可以激发灵感、拓展思维边界的合伙人。

结束语

就像一面镜子,你给它模糊的输入,它反馈模糊的结果;你提供精准、有结构的问题,它就能给出高质量、有深度的答案。

AI时代重要的不是知识,而是你的提问能力,你的判断力、你的思考力。

「文智助手」全场景办公AI助理AI+OPC全流程实践方案(大赛作品) 阅读详情

相关推荐

船载 OpenHarmony AIS 航海工作台:告警与防碰撞预警系统

船载OpenHarmony AIS航海工作台的告警与防碰撞系统,集成十余类告警(超速、偏航、会遇、SOS等),通过网格空间索引实现高效邻近判定,保障实时性。告警管理器统一调度规则、去重、通知与日志,支持悬浮球、语音、跑马灯、弹窗多渠道触达,确保航行安全。SOS紧急通道独立运行,避免干扰。系统设计强调性能优化与多场景适配,为航海安全提供核心支撑。

专注于计算机研发知识和资讯分享 136

AI 对话四象限

象限关键动作核心 Prompt 词Q1 (效率)模仿"按照这个格式..." / "模仿我的风格..."Q2 (学习)角色"假如你是..." / "请用小白能听懂的话解释..."Q3 (创造)引导"我们一起探讨..." / "你觉得还有什么可能性?Q4 (私有化)喂养"参考以下资料..." / "基于已知信息回答..."象限关键动作核心技术点提效方向Q1 (效率)模仿IDE 指令 / 工作流模板复制你的熟练Q2 (学习)角色扮演Web Search (联网)扩展你的广度。

liangshanbo1215的博客 681

SWIFT报文实战指南:从MT700到MT799的信用证操作全解析

本文深入解析了国际贸易中信用证操作的核心SWIFT报文流程,从开证的MT700到各类通知、修改及结算报文(如MT707、MT730、MT754、MT732/734等)。通过实战案例与关键字段拆解,指导外贸与银行从业者精准处理报文,规避风险,并探讨了利用自动化工具提升处理效率的方法,助力保障跨境交易顺畅。

weixin_29015801的博客 880

为什么领导不喜欢提拔老实人?

为什么领导不喜欢提拔老实人?方云君的朋友们在饭桌上聊起了这个话题。 朋友A:我要是领导,我也不愿意提拔老实人。朋友B:固然老实人有自己的不足,但领导也不见得没有问题。 老实人不被提拔,不是因为“老实”准确说,不全是 先在概念上达成共识——什么是“老实人”? 老实人粗略版画像:沉默寡言、不善交际,习惯被动响应,在团队当中的存在感不高。他们安静又本分地做着自己的工作(这样的工作通常是相对不那么重要、核心的内容),你不能说他做得有什么大的毛病,但往往也不会特别出彩,让人印象深刻不起来。 得不到.

m0_68245810的博客 3005

数模笔记_多变量最优化计算之牛顿法

Date: 2_22 Name: Guo Yehao Theme: Calculation in Optimality with multiple variables Reference: 数学建模方法与分析(华章) 在上一节中,我们讨论多变量最优化计算中的随机搜索算法,它的精度并不是众多算法中最高的。在精度问题上,有的时候问题本身就带有明显的误差性,以至于我们不能将其忽略,比如上一节消防站部署的问题,我们在区域划分时就有了误差,因此我们并不需要对结果要求很高的精确度,所以用一些比较粗略的算法就可以.

weixin_45358177的博客 2415

手把手拆解UCIe协议层:从Raw Mode到Flit Mode,数据包到底经历了什么?

本文深入解析UCIe协议层的数据包处理机制,从Raw Mode到Flit Mode的三大变体(Standard 256B、68B-Enhanced、Latency-Optimized),详细揭示数据包在不同模式下的封装与转换过程。通过工程师视角,展示协议层如何实现多模式动态切换、错误恢复及与D2D Adapter的协同设计,为芯片级互连技术提供实践指导。

weixin_28728495的博客 239

求变的微软 纳德拉宣布组织架构调整 押注AI和云 【附内部邮件全文】

▼点击上方蓝字 关注网易智能为你解读AI领域大公司大事件,新观点新应用【网易智能讯 3月30日消息】据国外媒体报道,近日微软CEO萨提亚·纳德拉(Satya Nadella)在向所有员工发送的电邮中透露,微软的组织架构正发生重大变化。由于营收增长乏力,Windows和设备部门(Windows and Devices Group)正被拆解,主管特里·迈尔森(Terry Myerson)即将离职。他自

网易智能 3872

利用Android系统漏洞实现后台弹窗(外弹)

关键:从 Android 8.0(API 26)开始,禁止使用 context.sendBroadcast() 发送隐式广播(即没有指定 setPackage() 或明确组件的广播)。demo核心代码展示利用Android显示系统和广播系统的漏洞实现在后台弹窗的功能,支持最新Android15,16版本。核心功能都是在so层去做,大量使用了jni反调, 如果要上架到应用市场,需要对代码做进一步混淆,加固以应对市场安全扫描。3,开启虚拟显示窗口,这是个透明像素窗口。5,可开启一个线程,调用这个外弹窗口。

2018,再出发~ 1316

迈向人机合一:Vibe Coding 综合实践与深度总结

本文探讨了"VibeCoding"这一新型编程理念,强调通过营造身心合一的"氛围"来提升编程效率和创造性。文章借鉴"庖丁解牛"的典故,提出编程应追求"以神遇而不以目视"的境界,系统构建了由认知、环境、工具组成的三维架构,并设计了从环境塑造到人机融合的四重修炼境界。同时分析了过度依赖直觉、环境敏感和团队协作三大挑战,展望了AI时代编程的进化方向,指出未来程序员的价值将体现在问题定义、价值判断等"道"的层面。全文倡导将编程从机械劳动升华为创造性艺术,实现人机合一的理想状态。

Geek_King的博客 677

ArcGIS实战:利用IDW反距离权重法实现气象数据的批量空间插值

本文详细介绍了如何利用ArcGIS中的IDW反距离权重法实现气象数据的批量空间插值。通过实战案例和脚本示例,展示了IDW插值在气象数据分析中的高效应用,包括算法原理、参数调优、批处理自动化及常见问题解决方案,帮助用户快速生成连续分布的气象地图。

weixin_29051149的博客 240

【保姆级】联想服务器 Ubuntu 装机:RAID 0/1/5/10 从原理到配置(新手也能一次成)

联想服务器RAID配置指南:Ubuntu系统适配方案 摘要: 联想服务器采用LSI MegaRAID硬件控制器,支持RAID0/1/10/5四种阵列模式。RAID0提供最高性能但无冗余,适合临时数据;RAID1完全镜像确保数据安全,推荐用于系统盘;RAID10兼顾性能与冗余,适合数据库等高要求场景;RAID5平衡容量与成本,适用于文件服务器。配置可通过本地BIOS(Ctrl+R)或XCC远程管理完成,Ubuntu安装时可自动识别虚拟磁盘。注意事项包括:使用同型号硬盘、监控重建进度、避免SSD与机械盘混用等。

2501_93651177的博客 489

视频隐私脱敏工程化:CSRT/KCF追踪算法在本地推理中的实现与边界

在短视频内容合规审查中,动态遮挡(Dynamic Masking)是高频且高耗时的环节。传统手动关键帧打码不仅效率低下,且在目标快速移动或遮挡时极易出现遮罩漂移。本文从计算机视觉工程角度,解析基于CSRT与KCF算法的目标追踪方案在视频隐私处理中的技术路径、性能权衡及落地实践。

Mysssone的博客 252

化工过程设计软件:Aspen Plus二次开发_(2).二次开发概述

假设我们需要创建一个自定义的换热器模型,该模型能够计算两个物流之间的热交换量,并根据传热系数和换热面积进行调整。ACM 模型代码示例!自定义换热器模型!参数:传热系数 U (W/m^2·K)!换热面积 A (m^2)!热物流 T_hot_in (K), T_hot_out (K), F_hot (kmol/h)!冷物流 T_cold_in (K), T_cold_out (K), F_cold (kmol/h)!模型输入!U - 传热系数!A - 换热面积!

kkchenjj的博客 370

我用 GPUWorks 在 M1 Pro 上搭了个发票识别原型

公司里经常要看电子发票。我想先做个小原型:把 PDF 发给一个自己部署的图文模型,让它提取发票类型、日期、交易双方和金额,再把结果交给同事核对。这个原型不用先接财务系统,先看看从部署到调用要走多少步,模型返回的内容能不能帮上忙。

鸽芷咕的博客 2万+

Xilinx FPGA ICAP原语实现多重配置

众所周知,常见的FPGA通常为SRAM结构,固件程序一般存放在外置的串行Flash中,比如SPI Flash,M25P16或N25Q128等。 FPGA启动时,一般先从SPI起始地址开始加载数据到内部的SRAM,加载完成、校验通过则会直接运行。 那么有没有可能在SPI Flash中存放两个或多个FPGA固件呢?

whik1194的博客 4614

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

【从零理解 Spring AI · 12】MCP 的两种角色:做客户端还是做服务端

上一篇讲了 MCP 的概念:标准协议、三大角色、M+N 替代 M×N。

nice_lcj520的博客 512

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料,已经经过了本人的筛选和整理,希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助!

AI Agent之核心框架

A: 显式 Thought 有三类价值:可解释性(便于人类审计)、可调试性(定位哪一步选错工具)、学习信号(可做监督微调或评估中间步骤质量)。ReAct 把推理与 可执行行动 绑定,每一步行动后都有 真实 Observation 反馈,从而用工具结果约束生成,降低闭卷幻觉。做完不等于结束——还要 评估做得好不好,把 教训 记下来,下次 带着教训重试,反思作为 记忆,影响后续尝试的策略。工作流程:Action → Evaluation → Reflection → Retry。A: 普通 CoT 只在。

剑雨巍巍的博客 214

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

ChatGPT、Perplexity、Gemini 与 AI Overviews 引用对比:谁的引用更可信

AI 引擎的引用机制差异很大:ChatGPT 以行内引用加 Sources 列表呈现来源,Perplexity 几乎逐句可溯源,Gemini 在回答中内嵌相关来源链接,AI Overviews 则把多源聚合答案与来源列表一起放在搜索结果顶部。本文从引用透明度、来源偏好、可干预性 3 个维度对比这 4 个引擎,并给出 GEO 的 3 点启示,帮企业在多引擎环境下提升被引用的概率。

淡然一笑 的专栏 105

AI 应用开发工程师技术实践:大模型接入、通用组件封装与性能优化

本文提出AI应用从PoC到生产的核心挑战:模型调用的持续可用、可控与可优化。通过构建统一LLM网关实现多供应商路由与故障转移,封装对话、工具调用与RAG组件以解耦业务逻辑,结合前缀缓存、批处理与流式背压治理等性能优化手段,形成“接通→接稳→接快”的工程路径,最终以工程化能力决定AI应用的生产可用性。

2301_79189962的博客 572

GPT-1 架构和计算细节

下面配合框图,对 GPT-1 的每个组件做公式展开 + 数值实例(配置:12 层 × 768,12 头,FFN 3072,词表 40478,共 117M 参数)。GPT-1 把翻译模型的编码器-解码器砍掉一半,只留解码器,然后以"预测下一个词"为目标在 BooksCorpus 上预训练。与 2017 原版的四个架构差异(框图中标 ★):h0=E[token]+Epos[position],E∈R40478×768, Epos∈R512×768h^0 = E[\text{token}] + E_{pos}[\

eloudy的专栏 293

终端 AI 审计与 “龙虾” 类智能体风险治理:从可见性到闭环溯源

生成式 AI 办公普及之后,数据泄露风险逐步下沉到终端。员工将合同、源代码、客户资料粘贴至公有大模型,以及龙虾(OpenClaw)这类本地开源 AI 智能体的滥用,成为企业安全新挑战。传统网络边界防护存在审计盲区,本文从风险链路拆解、核心能力模型、分级治理策略、落地踩坑点以及技术局限性多角度,分享终端侧 AI 安全治理的实践思路。

2401_86491085的博客 654

2.53 基于极稀疏指纹的室内定位注意力图元学习

该论文发表于IEEE Transactions on Mobile Computing(TMC)2026年6月,面向极稀疏指纹条件下的WiFi室内定位,针对指纹采集人力成本高、标记指纹稀缺时定位精度大幅下降的痛点,提出注意力图元学习模型AGML(Attentional Graph Meta‑Learning),结合图神经网络、元学习、两种指纹数据增强与分布对齐技术,在标记指纹极少的场景实现高精度室内定位,同时公开了多套真实+仿真定位数据集用于基准测试。场景:二维室内空间,障碍物造成信号遮挡,

weixin_42963026的博客 344

抽象主义人工智能和生命体AI的内在联系

彭军辉提出“抽象主义人工智能”作为第四大AI范式,批判符号主义、连接主义、行为主义剥离生命本体的误区,确立“智能是现象,生命是本体”的核心公理。主张原生智能必须依附具备存续诉求的生命本体,提出“生命体AI理论”,构建七层演化阶梯与自闭环工程框架,强调智能不可跳过底层存续机制直接模拟语言。该体系为生成式AI提供科学边界,推动从“仿真表象”向“原生智能”的范式跃迁,开辟硅基人工生命新赛道。

抽象主义人工智能和生命体AI 113

AI作图软件技术选型:从4个技术维度出发的实测对比

AI作图软件技术选型:从4个技术维度出发的实测对比

Vbaoke的博客 212

【AI Agent面试系列】AI Agent可观测、评测、安全相关的知识点

之前的文章介绍了和,本文主要介绍AI Agent的测评、可观测等知识。

258

Docling 原理解读:是什么、为什么、怎么样

从论文视角拆解 Docling 的整体架构、DoclingDocument 数据模型、PDF 预处理、版面分析、OCR、TableFormer 双解码器、阅读顺序与装配流程,并解释版面框与 OCR 框的区别。

PLANTTHESON的博客 323
上一篇: 什么是MCP?
下一篇: 探讨AI 在企业中落地困难的几个原因
SAYF001
博客等级 码龄2年 169粉丝 35原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值