原则与思维模型--《思维模型》4

DeepSeek V4 Prompt工程实战:从代码生成到系统设计的四大核心原则 Prompt工程是与大型语言模型高效协作的核心技术,它通过结构化指令引导模型生成精准、高质量的响应。其原理在于将自然语言指令转化为模型可理解的上下文序列,从而控制输出概率分布。这项技术的价值在于显著提升开发效率,将AI从“能用”工具转化为“好用”的生产力伙伴。在应用场景上,它广泛适用于代码生成、代码审查、技术方案设计、文档撰写等软件开发全流程。本文聚焦于DeepSeek V4的Prompt工程实践,深入解析角色定义、任务结构化、上下文提供和输出约束四大基石,并结合代码生成、系统设计等具体案例,帮助开发者驾驭 阅读详情

在这里插入图片描述
这里是数据到智慧的层次结构图,from 模型思维
《思维模型》一书中主要涵盖的是知识一级别的内容,读完之后尝试做进一步的抽象;

在这里插入图片描述

第一原理

这个是最强大的基础原则,有了这个可以说可以规避包括不限于路径依赖等所有问题。
一个事情能不能做,可以做到什么程度,只要不违反基本定律就好,这个是musk常说的,这种思考问题的方式也确实更加强力和有颠覆性;
这个除了有足够的意识之外,第一原理主要问题就是资源消耗太大,要从头来进行推导,要谨慎选择了。

具体问题具体分析

中学哲学课的真理,我们可以看到学习各种模型的过程中,对问题的定义和分类与解决方案同样重要,一定程度上让解决问题方案真正的完备。
没有具体分类,我们只能是在矛盾的(与人为善&以牙还牙)的解决方案中纠结。
做到具体问题具体分析,因地制宜,就能更加通达,在不同情况下,快攻&阵地战,权衡利弊&追求完美,自由切换。

信息不充分下的决策

这个就是决策的本质和难点。
这个依旧是可以修炼的,可以做到更好,可以做到见微知著,是一个无限的游戏。
我们可以通过更多的知识来补全信息盲点,甚至说知识足够充分的时候,很少量的信息就已经完备了。

一个波音老兵说只要在工厂里走一圈,就知道这个工厂能生产的东西怎么样。
我个人也逐渐在看一个团队,看一个面试者的时候有这样的感觉,只要通过很有限的信息就可以了。

在实在没有信息的情况下,盲狙也是有固定讨论,kiss,奥卡姆剃刀,善意推断等等。

最后如果实在失误了,足够复盘之后,也要接受这点,这个就是信息不充分下必然出现的情况,我们可以降低概率,但是无法消除。

知识技能

知识技能到了炉火纯青,则呈现另外一种形态,出现反其道行之的高端操作,比如当年的破釜沉舟,这个本来是不应该的 ,但是在特定情况下,特定功力下,就变成超强的高端操作。
笔者blog这里,也提到过使用“借贷式开发”,有意识留下技术债务追求当下速度,更早优化等策略。

只能说这是一个从不知到知,从粗识到在实践中持续加深理解的修炼过程。

最后学海无涯,实践之路永无止境!!

【MATLAB】嵌入式ADC/DAC控制工程 摘要:本文针对嵌入式ADC/DAC应用中存在的量化误差、采样噪声、输出漂移等问题,提出基于MATLAB的仿真优化方案。通过构建完整的ADC/DAC仿真模型,实现了采样建模、数字滤波、误差校准和闭环控制仿真。方案采用滑动平均滤波抑制ADC噪声,双校准参数补偿DAC固有误差,并将算法轻量化移植至STM32平台。实测表明,该方案使ADC采样波动从±25mV降至±5mV,DAC输出偏差从42mV降至18mV,显著提升了模拟量交互精度和系统稳定性。整套方案资源占用低,适配各类嵌入式高精度控制场景,具有较高的工程应用价 阅读详情

相关推荐

C语言实现贪吃蛇小游戏!(超简单详细)详细思路+源码分享

我们的今天的目标就是:用C语言来实现一个贪吃蛇项目,也不用太复杂,初学者能看懂就行!

致力于C语言C++知识分享! 1万+

原则与思维模型--《思维模型》2

4 师法自然 战略税:也就是围绕一些战略,会有一些不利因素,这个需要清晰识别并且控制 比如windows战略,就需要office不要发布到windows以外的平台,直到战略改变了之后,office才开始多样化; 阈值&链式反应:e.g. 核反应,必须在铀到达一定浓度,并且温度到一定程度,过了阈值之后才有反应;并且之后的反应是链式的。 正常情况下我们往往是线性看待问题,比如看投入产出比,看边际效应,但是针对阈值&链式反应模式下就不是这样的: 投入或者水平在过了阈值之后才有意义,并且接

安柏霖的专栏 1738

迅投miniQMT量化交易之【网格交易】的实现(25)——写在最后

和大家一起分享如何使用miniQMT实现我们自己的网格交易系统。如果您对量化交易感兴趣,欢迎一起交流。

tzzqn2008的专栏 829

如何通过4个思维模型解决AI编程的常见陷阱:Karpathy原则实践指南

在AI辅助编程日益普及的今天,开发者面临着一个新挑战:如何让AI助手成为高效协作伙伴而非混乱源头?基于Andrej Karpathy对LLM编程行为的深度观察,我们提炼出四大核心思维模型,帮助您从被动调试转变为主动引导的AI编程专家。这不仅仅是规则列表,而是可复用的认知框架,让您在任何AI协作场景中都能保持代码质量和开发效率。 ## 🔍 问题诊断层:识别AI编程的四大典型陷阱模式 在与AI助

gitblog_00543的博客 495

从模组到集装箱:手把手拆解一个储能BMS的软硬件架构设计与通信组网

本文深入解析储能BMS的软硬件架构设计与通信组网,从电芯采样到系统集成的全链条技术实现。详细介绍了三级硬件架构(AFE、CMU、BMU)的设计要点,以及软件分层实现中的驱动层、应用层核心算法和通信协议栈。通过实战案例分享CAN网络搭建、调试工具链和系统验证测试经验,为储能系统开发提供实用指导。

weixin_30752699的博客 464

墨刀原型设计工具操作使用指南及实践操作

该指南通过异常场景处理、像素级参数说明、复杂交互示例,覆盖了墨刀操作的全细节,适合从新手到资深用户的进阶学习。结合 PlantUML 思维导图的层级化展示,可快速定位具体功能的操作要点与问题解决方法,真正实现 “照指南即可操作” 的实用价值。

hy行者勇哥的博客 4953

实战经验:提示架构师用“升级性思维”优化Prompt,适应大模型版本更新

你是否遇到过这样的场景?用GPT-4调试好的「技术文档翻译」Prompt,切换到GPT-4o后输出突然变得啰嗦,原本简洁的术语解释变成了长篇大论;为Claude 3 Sonnet设计的「代码生成」Prompt,升级到Opus版本后频繁出现格式错误,因为新模型更严格要求JSON结构;针对旧版本模型优化的「多轮对话」逻辑,在新版本中因为上下文理解能力提升,反而出现「过度联想」的问题。

移动开发前沿的博客 910

【软考高项】五十一、常见必会的几种进度网络图(单代号、双代号、七格图、横道图)

软考高项计算题进度网络图画图介绍

有莘不破的博客 3万+

GPT-4 与 Claude 3 思维分级对比:从“脖子思考”到批判性思维的 3 级跃迁

本文深入对比了GPT-4与Claude 3在思维分级上的差异,从直觉反应到系统推理的三重境界。通过认知科学框架分析,揭示了两者在矛盾识别、逻辑自洽和系统构建方面的显著差异,为不同场景下的模型选择提供了实践指南。

chuliaoqiao4046的博客 406

YOLOv11改进有效系列目录 - 包含卷积、主干、检测头、注意力机制、Neck上百种创新机制 - 针对多尺度、小目标、遮挡、恶劣天气等问题

在一些特定情况下,目标检测任务由于多种因素的影响,变得更加复杂和困难。以下是几类常见的困难目标检测场景:1. 小目标检测定义:小目标检测是指当目标在图像中的占比非常小时,模型需要准确识别和定位这些目标。典型场景包括远程监控、卫星图像分析等。挑战1. 低分辨率:由于目标在图像中占据像素较少,细节缺失,特征提取难度增加。2. 特征不足:小目标缺乏明显的形状和纹理特征,容易被复杂背景淹没。3. 检测难度大:由于小目标与背景之间的对比度较低,误检的几率上升。4. 数据不平衡。

qq_64693987的博客 4万+

2011-2024年间各省数字普惠金融指数数据(覆盖广度、使用深度和数字化程度)

2、指标:数字金融普惠指数、数字金融覆盖广度指数、数字金融使用深度指数、普惠金融数字化程度指数、数字金融使用深度指数下属的支付、保险、货币基金、信用服务、投资、信贷等分类指数。中国各省的数字普惠金融指数数据,从数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度3个维度来构建数字普惠金融指标体系。数字普惠金融指数一共3个维度、33项具体指标。全套指数包含数字金融覆盖广度指数、数字金融使用深度指数和普惠金融数字化程度指数,以及数字金融使用深度指数下属的支付、保险、货币基金、信用服务、投资、信贷等分类指数。

【优快云】 1万+

复杂推理任务大挑战:GLM-4.5-Air思维链(Chain-of-Thought)应用

当面对数学运算、逻辑推理或多步骤决策问题时,大型语言模型(Large Language Model, LLM)常常因直接输出答案而忽略中间推理过程,导致结果准确率低且难以追溯错误。GLM-4.5-Air作为专为智能体设计的紧凑型模型,通过创新的思维链(Chain-of-Thought, CoT)机制,实现了复杂问题的分步推理能力。本文将系统讲解GLM-4.5-Air思维链的工作原理、应用方法及实战...

gitblog_00163的博客 1001

MinerU 系列教程 第六课:VLM 后端 - 视觉语言模型的力量

本篇教程将深入 VLM 后端的端到端推理架构。在上一课中我们看到 Pipeline 后端如何用 7+ 个专用模型组成流水线,本课将展示一种截然不同的设计理念 —— 用一个视觉语言模型(VLM)完成所有识别任务。你将了解 6 种推理引擎的选择与配置、MinerUClient 统一接口、二步提取策略,以及 VLM 原始输出如何转换为 MinerU 的标准 Middle JSON 格式。

weixin_43674738的博客 205

DASD-4B-Thinking提示工程:思维链(CoT)模板设计与应用

本文介绍了如何在星图GPU平台上自动化部署【vllm】 DASD-4B-Thinking镜像,实现思维链提示工程的高效应用。该镜像专为多步推理设计,通过结构化标签展示透明思考过程,可广泛应用于电商客服咨询、商品推荐等场景,提升AI对话的逻辑性和准确性。

weixin_42527589的博客 225

efm32 入门.pdf

本PDF共计22页,介绍的是操作驱动API,下载与否自己斟酌。

华为的C语言编程规范.pdf

华为技术有限公司内部技术规范。本规范制定了编写C语言程序的基本原则、规则和建议。从代码的清晰、简洁、可测试、安全、程序效率、可移植各个方面对C语言编程作出了具体指导。

Baichuan-M2-32B-GPTQ-Int4模型提示工程实战技巧

本文介绍了如何在星图GPU平台上一键自动化部署【vllm】Baichuan-M2-32B-GPTQ-Int4镜像,并探讨了该模型在医疗AI场景中的核心应用。通过优化提示词设计,该模型能够辅助进行症状咨询、诊断推理等医疗问答任务,提升医疗服务的智能化水平。

weixin_42451850的博客 284

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!

【数据分析方法论】关于思维、营销、咨询、绩效管理的一些经典分析框架

【数据分析方法论】关于思维、营销、咨询、绩效管理的一些经典分析框架 关于思维、市场营销、管理咨询、绩效管理等的分析框架有很多很多。即使看过很多框架,在碰到具体场景时也经常没办法下手。但这并不意味着不需要学习框架,因为不同框架有其适用性。多实践,灵活运用,学会搭建自己的分析框架,达到碰到任何场景都能快速搭建分析框架的地步时,你就能如鱼得水了。而这...

weixin_30419799的博客 735

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

DeepTutor 思维链透传漏洞(CWE-200 / OWASP LLM01)从发现到利用:一次 garak 实战驱动的 LLM 系统提示词完整提取

本篇文章记录了对一个生产环境 LLM 应用(DeepTutor,港大数据智能实验室 HKUDS 开源 Agent-Native 学习平台,Apache-2.0,34k+ GitHub Stars)的一次完整安全评估。漏洞(高危):后端未剥离模型输出的<thinking>思维链,将其原样透传给前端。攻击者可完整观测模型内部推理状态,并以此为跳板,通过4 轮精心构造的对话将系统提示词原文完整提取(12 轮采样成功率约 33%)。配套漏洞(中危)

smith_jat的博客 533

小白必看:DASD-4B-Thinking模型一键部署与使用教程

本文介绍了如何在星图GPU平台上自动化部署【vllm】 DASD-4B-Thinking镜像,快速启用具备长链推理能力的思考型大语言模型。用户无需配置环境,5分钟内即可通过Web界面进行数学推导、代码生成等需分步验证的典型任务,显著降低AI推理应用门槛。

weixin_36197669的博客 389

别再只问‘Let‘s think step by step’了:手把手教你用GPT-4和Claude 3设计高效的思维链Prompt

本文详细介绍了如何为GPT-4和Claude 3设计高效的思维链Prompt,从基础到高阶技巧全面解析。通过模拟人类认知过程,优化思维链结构,提升AI在数学推理、创意生成和数据分析等任务中的表现。文章还分享了多阶段设计、动态调整和自检机制等高级Prompt工程技术,帮助开发者解决实际应用中的常见问题。

weixin_30412167的博客 212

GLM-4-9B-Chat-1M提示工程:复杂任务分解技巧

本文介绍了如何在星图GPU平台自动化部署GLM-4-9B-Chat-1M镜像,并利用其复杂任务分解能力进行提示工程。该镜像支持长文本处理与多步推理,可应用于智能对话系统开发、技术方案设计、商业计划制定等场景,通过思维链技巧将复杂问题拆解为可执行的子任务,显著提升AI交互质量与效率。

weixin_42309599的博客 249

Qwen3-4B-Thinking-GPT-5-Codex-Distill实战教程:微调数据构造与效果验证

本文介绍了如何在星图GPU平台上自动化部署Qwen3-4B-Thinking-2507-GPT-5-Codex-Distill-GGUF镜像,以快速搭建AI推理环境。该镜像经过高质量数据微调,具备清晰的思维链推理能力,可应用于代码生成、数学问题解答等场景,帮助开发者高效验证模型效果。

weixin_42298254的博客 217

GLM-4.7-Flash提示工程指南:发挥模型最大潜力

本文介绍了如何在星图GPU平台自动化部署【ollama】GLM-4.7-Flash镜像,并展示其提示工程技巧以发挥模型潜力。该镜像擅长代码生成和复杂推理任务,通过结构化提示设计,可高效生成技术文档、产品描述和解决数学问题,提升AI协作效率。

weixin_32252929的博客 298

手把手教你用vllm部署DASD-4B-Thinking:数学推理神器

本文介绍了如何在星图GPU平台上自动化部署【vllm】 DASD-4B-Thinking镜像,快速构建高性能数学推理服务。该镜像专为长链式思维(Long-CoT)优化,典型应用于中学数学题分步推导、代码逻辑验证与科学问题因果分析等需严谨推理的场景,显著提升教学、科研与开发中的思维效率。

weixin_31688273的博客 422

小模型实战指南:量化压缩、边缘部署与领域微调全链路

小模型并非大模型的能力妥协,而是面向真实工程约束的智能演进。其核心原理在于通过参数精简提升数据利用效率,在垂直场景中实现更高记忆密度与更快梯度收敛;结合量化压缩(如W4A4)与硬件适配(GPU/NPU/ARM),可显著降低KV缓存开销与矩阵计算复杂度,达成毫秒级推理响应。技术价值体现在部署成本锐减90%、边缘设备兼容性突破及ROI可量化验证。典型应用场景覆盖工业质检、车载语音、电力巡检等对延迟、功耗、内存严苛的领域。本文聚焦Qwen2.5-1.5B、Phi-3-mini等主流小模型的量化压缩与领域微调落地路

weixin_34169322的博客 393

从信息检索到思维协作:如何用LLMs构建高效技术学习与问题解决工作流

在技术学习和工程实践中,信息过载与效率低下是常见挑战。传统搜索引擎基于关键词匹配进行信息检索,而大型语言模型(LLM)则代表了从信息检索到思维协作的范式转变。其核心原理在于基于概率的语言生成和上下文理解能力,能够进行推理、总结和结构化输出。这一技术价值在于将LLM定位为“思维协作者”或“技术顾问”,通过与人类进行多轮、上下文关联的深度交互,共同完成问题拆解、方案设计和代码生成等复杂任务。在应用场景上,它尤其适用于需要跨知识整合、逻辑推理和创造性解决方案的领域,如系统架构设计、代码审查优化和复杂调试。本文以构

weixin_29062963的博客 307

GLM-4.5-Air提示词工程完全指南:从基础到高级

**读完本文你将掌握:** - 3种基础提示模板适配不同场景 - 8个高级提示技巧提升推理能力30%+ - 5类行业场景的最佳实践案例 - 完整的提示词优化工作流 GLM-4.5-Air作为1060亿参数量的紧凑型大语言模型,采用创新的混合推理模式(Thinking/Non-Thinking),在保持120亿活跃参数高效运行的同时,提供了接近全尺寸模型的智能体能力。本指南将系统拆解其提示工程体系...

gitblog_00210的博客 1183
上一篇: 原则与思维模型--《思维模型》3
下一篇: 从数据到智慧
安柏霖
安柏霖 领域专家: 学术研究与理论基础技术领域 领域专家: 学术研究与理论基础技术领域
博客等级 码龄20年 1788粉丝 891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