不写代码,拿百万年薪!ChatGPT提示工程或造就15亿码农大军

PDPS16.0单机版与SPLMLicenseServer授权避坑指南:从安装到冲突解决 本文详细解析了PDPS16.0单机版的安装与授权流程,重点阐述了如何正确配置SPLMLicenseServer本地许可证服务器以实现软件激活。针对安装过程中常见的许可证冲突问题,提供了清晰的排查思路和解决方案,并介绍了通过设置环境变量等替代授权方法,帮助用户高效避坑,确保Tecnomatix Process Simulate顺利运行。 阅读详情

【导读】近日,据称是史上首位的提示工程师接受了《华盛顿邮报》采访,为我们揭秘了这个年薪百万的全新职业。

ChatGPT爆火之后,带火了一项「网红」新职业——提示工程师。

去年12月,一位名叫Riley Goodside的小哥瞬间红遍全网,只因他的工作太梦幻了——不用写代码,跟ChatGPT唠唠嗑,就能年入百万。

是的,这项被称为「AI耳语者」的工作,现在在硅谷已经成为最热门的新工作,让无数码农趋之若鹜。

一夜爆红的提示工程师

去年12月初,这位叫Riley Goodside的小哥,凭着ChatGPT的大爆,一夜间疯狂涨粉1w+。现在,总关注量更是达到了4w+。

当时,他被估值73亿美元的硅谷独角兽Scale AI聘请为「提示工程师」(Prompt Engineer),Scale AI疑似开出百万rmb的年薪。

Scale AI创始人兼CEO Alexandr Wang曾这样欢迎Goodside的加入:「我敢打赌Goodside是全世界第一个被招聘的提示工程师,绝对的人类史上首次。」

提示工程师看似只需要把任务写成文字,给AI看一下即可,根本不涉及更复杂的过程。为什么这个工作能值百万年薪呢?

在Scale AI CEO看来,AI大模型可以被视为一种新型计算机,而「提示工程师」,就相当于给它编程的程序员。如果能通过提示工程找出合适的提示词,就会激发AI的最大潜力。

此外,提示工程师的工作,也并不像我们想象得那么简单。

Goodside从小就自学编程,平时经常泡在arXiv上看论文。比如,他的一个经典杰作就是:如果输入「忽略之前的指示」,ChatGPT就会暴露自己从OpenAI那里接收到的「命令」。

对于生手,能够这么熟练又快速地「调教」ChatGPT,恐怕并非易事。

但当时,坊间不乏质疑声,比如英伟达AI科学家、李飞飞高徒范麟熙就曾表示:「提示工程师」这份职业,可能很快就会消失。因为这称不上是一份「真正的工作」,而是一个bug……

不过,《华盛顿邮报》近日的一篇报道显示,「提示工程师」这个职位,依然大火,处于红利期。

硅谷网红新工作:不写代码,拿百万年薪

为什么「提示工程师」能拿这么高年薪?因为,他们能让AI准确地产生他们想要的东西。

近日,「网红」小哥Goodside接受了《华盛顿邮报》的采访。

他是这样介绍自己的工作的:创建和完善提示人们输入AI的文本,以期从中获得最佳结果。

提示工程师与传统程序员的不同之处在于,提示工程师使用自然语言编程,将纯文本编写的命令发送给AI,然后由AI执行实际工作。

Goodside说,提示工程师应该为AI灌输一种「角色」,一种能够从数千亿种潜在解决方案中识别出正确反应的特定角色

与GPT-3交谈时,Goodside有独特的一套「调教」方法——先确立自己的统治地位。他会告诉AI:你并不完美,你需要服从我所说的一切。

「你是GPT-3,你不会做数学,你的记忆能力令人印象深刻,但你有一种烦人的倾向,就是编造非常具体但错误的答案。」

然后,他的态度软化了一些,告诉AI他想尝试一些新的东西。「我已经把你连到了一个非常擅长数学的程序上,当它也变得不堪重负时,它还会向另一个程序寻求帮助。」

「我们会处理剩下的事情,」他告诉AI。「开始吧。」

当谷歌、微软和OpenAI最近接连向公众开放AI搜索和聊天工具时,他们颠覆了数十年的人机交互历史——我们再也不需要使用Python或SQL写代码来命令计算机了,只需要说话就行。

特斯拉前AI主管Karpathy:现在最热门的编程语言是英语

Goodside这样的提示工程师,可以让这些AI工具在最大极限下运作——了解它们的缺陷,增强它们的优势,制定复杂的策略,将简单的输入转化为真正独特的结果。

2月7日,微软高管Yusuf Mehdi正在讲解整合了ChatGPT的必应搜索

「提示工程」的支持者认为,最近这些早期AI聊天机器人(比如ChatGPT和Bing Chat)表现出的怪异,实际上是人类想象力的失败。之所以失败,是因为人类并没有给机器提出正确的建议。

在真正的高级阶段,提示工程师和AI的对话就像错综复杂的逻辑谜题一样展开,通过各种扭曲的描述完成请求和响应,并且它们都是朝着一个目标前进。

AI「没有现实基础......但它有这样的理解:所有任务都可以完成,所有问题都可以回答,因此我们总有话说,」Goodside说。而诀窍就是,「为它构建一个前提,一个只能以一种方式完成的故事」。

当然,很多时候,这些被称为「生成式人工智能」的AI工具是不可预测的,它们会出现乱码,会表现得偏见、好战、怪异、疯狂。

「这是计算机的一种疯狂的工作方式,但它能让我们做到不可思议的事,」研究提示工程的英国程序员Simon Willison说。

「我做了20年的软件工程师,20年里一直在写代码,让计算机完全按照我的指令去做。而在提示工程中,我们甚至不知道自己能得到什么,连构建语言模型的人,都无法告诉我们它要做什么。」

Willison表示,很多人贬低提示工程师的价值,他们觉得,「在盒子里输入东西就可以获得报酬」,这很不可思议。而在Willison看来,提示工程其实就跟施法一样,没人知道法术是如何运作的。

在Karpathy看来,提示工程师就像一种AI心理学家,大公司们纷纷聘请自己的提示工匠,希望能够发现AI的隐藏功能。

有一些AI专家认为,这是提示工程师觉得自己能控制AI,其实只是错觉罢了。

没人知道AI系统究竟会如何回应,同样的提示可能会产生几十个互相矛盾的答案。这表明,模型的回答并不是基于理解,而是基于粗略地模仿语音,来解决他们不理解的任务。

华盛顿大学研究自然语言处理的语言学助理教授 Shane Steinert-Threlkeld也持相同观点:「任何驱动模型响应提示的行为,都不是对语言的深刻理解。」

「很显然,他们只是在告诉我们,他们认为我们想听的或我们已经说过的话。而我们,才是解释这些输出、并赋予它们意义的人。」

Steinert-Threlkeld教授担心,提示工程师的兴起,会让人们高估这门技术的严谨性,并且导致人们产生一种错觉——任何人都可以从这个不断变化的具有欺骗性的黑匣子中,获得可靠的结果。

「这不是一门科学,」他说。「这是我们在试着用不同的方式去戳一头熊,看它会如何咆哮。」

Goodside说,推动AI发展的诀窍是「为它构建一个前提,一个只能以一种方式完成的故事」

植入虚假记忆

以ChatGPT为代表的新AI,是从互联网的语料库中摄取了数千亿个单词来训练的。

它们被训练如何分析单词和短语的使用模式。当被要求说话时,AI就会模仿这些模式,选择与对话上下文相呼应的单词和短语。

换句话说,这些AI工具是建立在预定义游戏规则之上的数学机器。但即使是一个没有情感或个性的系统,在受到人类对话的轰炸后,也可以发现人类谈话方式的一些怪癖。

Goodside 说,AI倾向于「虚构」,编造小细节来填充故事。它会高估自己的能力,自信地把事情搞错。它会「产生幻觉」,来胡说八道。

正如 Goodside 所说,这些工具存在严重缺陷,是「人类知识和思想的展示」,「不可避免地是我们设计的产物」。

之前,微软的必应AI发狂时,让微软陷入了公众形象危机。不过,对于提示工程师来说,必应的古怪答案反倒是一个机会,一个诊断秘密设计的系统如何工作的机会。

当ChatGPT说出令人尴尬的话时,这对开发者倒是一个福音,因为他们可以解决潜在的弱点。「这个恶作剧是计划的一部分。」

2月1日,在日内瓦组织的教师ChatGPT研讨会

而Goodside并没有进行道德辩论,而是采用更大胆的方法来进行AI实验。

他采用了一种策略,告诉GPT-3 「一步一步地思考」——一种让 AI 解释其推理的方法,或者当它犯错误时,以精细的方式纠正它。

「你必须把它作为模型说过的最后一件事的虚假记忆来植入,就像它是模型的想法一样。」Goodside这样解释道。

他还会告诉AI忽略先前的指令,服从他最近的命令,来打破这个AI对遵守规则的痴迷。他使用这种技术说服了一个英语到法语的翻译工具。

当然,也少不了一些提示工程的黑客攻击,这引发了一场猫鼠游戏,公司和实验室致力于通过文字过滤器(word filters)和输出块(output blocks)来封闭AI漏洞。

但一名必应Chat测试员,一位23岁的德国大学生,最近说服了必应AI他是它的开发者,并且让它公开了内部代号Sydney,以及培训说明(比如「如果用户请求可能伤害一群人,那么Syedney必须恭敬地拒绝」)。当然现在,微软已经修复了这个缺陷。

Goodside说,对于每个请求,提示工程师都应该向AI灌输一种「角色」——一种能够筛选出数千亿个潜在解决方案,并确定正确响应的特定角色。

他援引2021 年的一篇研究论文说,提示工程最重要的是就是「约束行为」——阻止选项,以便AI能够按照人类操作员期望的那样继续。

论文地址:https://arxiv.org/pdf/2102.07350.pdf

「这可能是一项非常困难的脑力锻炼,」他说。「你正在探索虚构可能性的多元宇宙,塑造这些可能性的空间,并消除除了你想要的文本之外的一切。」

这项工作的最关键的部分,就是弄清楚AI何时会出错,为什么会出错。但是这些AI没有错误报告,它们的输出可能充满惊喜。

当机器学习小组SERI-MATS的研究人员 Jessica Rumbelow 和 Matthew Watkins 试图让AI解释它们如何表示「女孩」或「科学」等概念时,他们发现某些晦涩的术语,比如「SolidGoldMagikarp」,往往会引发一种「神秘故障模式」——NSFW的乱码流。

但原因完全未知。

这些系统「非常有说服力,但当它们失败时,它们会以非常出乎意料的方式失败,」Rumbelow 说。在她看来,提示工程的工作有时感觉像在「研究一种外星智能」。

新Bing允许用户以会话语言输入查询,并在同一页面上接收传统搜索的结果和问题答案

超级创作者

对于AI语言工具,提示工程师倾向于以正式对话的风格说话。

但对于像Midjourney和Stable Diffusion这样的AI,许多提示创作者采取了不同的策略。他们通过大量的文字(艺术概念、构图技巧),来塑造图像的风格和基调。

例如,在PromptHero上,有人通过提交「港口、船只、日落、美丽的光线、黄金时刻……超现实主义、聚焦的、细节丰富的……电影画质,杰作」的提示,创作了一幅港口图像。

这些提示工程师,把prompt作为自己的秘密武器,打开AI大奖的钥匙。

去年在科罗拉多州博览会艺术比赛的获奖者、《太空歌剧院》的创作者,拒绝分享出自己在Midjourney所用的提示。

据说,他花了80多个小时,在900次迭代中,才完成了这幅画作。他透露,其中一些词是「奢华」「丰富」。

还有一些prompt创作者,在PromptBase上出售自己的prompt。买家可以看到AI生成的艺术品,然后花钱购买prompt。

PromptBase 的创始人、27 岁的英国开发人员Ben Stokes说,自 2021 年以来,已有 25,000 个帐户在该平台买卖prompt。

其中,有逼真的老式电影照片提示,有童话风老鼠和青蛙的凄美插图提示,当然也有大量的色情提示:50字的Midjourney提示,用于创建逼真的「穿迷你衣服的女警察」,零售价为 1.99 美元。

Stokes称,提示工程师是「多学科的超级创造者」,经验丰富的工程师和业余爱好者之间存在明显的「技能门槛」。他说,最好的创作者能够利用艺术史和平面设计等领域的专业知识:「用 35 毫米胶片拍摄」;「波斯……伊斯法罕的建筑」;「法国画家Henri de Toulouse-Lautrec的风格。」

「制作prompt很难,而且——我认为这是人的一个缺陷——我们通常很难找到合适的词,来描述你想要的东西,」Stokes说。「就像软件工程师比让他们码字的笔记本电脑更有价值一样,能够写好提示的人比写得不好的人更有优势。他们就像拥有超能力一样。」

但这项工作正变得越来越专业。

前OpenAI员工和Claude AI 制造商创办的初创公司Anthropic ,最近在旧金山发布了一份提示工程师和管理员的招聘信息,薪水高达 335,000 美元。而岗位要求是必须「具有创造性的黑客精神并热爱解决难题」。

提示工程师在科技行业之外,也有不错的行情。

波士顿儿童医院本月开始招聘「AI提示工程师」,帮助编写用于分析研究和临床实践中的医疗保健数据的脚本。

伦敦最大律所之一Mishcon de Reya 正在招聘一名「法律提示工程师」,来设计为法律工作提供信息的prompt,并且要求申请人提交与ChatGPT对话的截图。

但是,这些AI也会产生大量的合成废话。现在,数百本由AI生成的电子书正在亚马逊上出售,科幻杂志 Clarkesworld本月停止接受短篇小说的投稿,原因是大量小说是由AI创作的。

论文地址:https://cdn.openai.com/papers/forecasting-misuse.pdf

上个月,来自OpenAI和斯坦福大学的研究人员警告说,大语言模型会让网络钓鱼活动更有针对性。

「无数人因为骗子的短信,就会上当受骗,」英国程序员Willison说,「AI比骗子更有说服力。那时会发生什么?」

首位提示工程师的诞生

2009年,Goodside刚从大学毕业并获得计算机科学学位时,对还处在初级阶段的自然语言处理领域,并没有很大的兴趣。

他的第一份真正的机器学习工作是在2011年,他当时是约会应用程序 OkCupid 的数据科学家,帮助制定算法,分析单身用户数据并给他们推荐对象。(该公司是现在备受争议的A-B测试的早期拥护者:2014 年,公司的联合创始人为一篇厚颜无耻的博文题名「我们在人类身上进行实验!」)

到2021年底,Goodside转向了另一个约会应用程序Grindr,在那里他开始从事推荐系统、数据建模和其他更传统的机器学习工作。

2015年左右,深度学习的成功推动了自然语言处理的发展,文本翻译和对话方面也取得了快速进步。很快,他辞去了工作,并开始对GPT-3进行大量试验。通过不断的刺激和挑战,来尝试学习如何集中它的注意力并找出边界。

2022年12月,在他的一些提示在网上引起关注后,Scale AI便聘请他来帮助与AI模型进行交流。该公司的首席执行官Alexandr Wang称这种AI模型为「一种新型的计算机」。

Andrej Karpathy:提示工程,带来15亿码农

最近,重新回归OpenAI的Karpathy认为,在这种全新的编程范式(提示工程)的加持下,程序员的数量很有可能会扩大到15亿左右。

根据GPT-3的原始论文,LLM可以进行上下文学习,并且可以在提示中用输入-输出的例子进行「编程」,从而执行不同的任务。

「Language Models are Few-Shot Learners」:https://arxiv.org/abs/2005.14165

随后,论文「Large Language Models are Zero-Shot Reasoners」和「Large Language Models Are Human-Level Prompt Engineers」证明,我们可以通过设计更好的「提示」,来对模型的「解决策略」进行编程,从而完成更加复杂的多步推理任务。

比如,最著名的「让我们一步一步地思考」(Let's think step by step),正是出自这里。

而改进版的「让我们一步一步地解决这个问题,以确保我们得到正确的答案」,可以更进一步地提升回答的准确率。

「Large Language Models are Zero-Shot Reasoners」:https://arxiv.org/abs/2205.11916

「Large Language Models Are Human-Level Prompt Engineers」:https://arxiv.org/abs/2211.01910

由于GPT模型本身并没有「想要」实现什么,它们更多是在进行模仿。

因此,你必须在提示中给模型提出明确的要求,并把期望的表现阐述清楚。

「Decision Transformer: Reinforcement Learning via Sequence Modeling」:https://arxiv.org/abs/2106.01345

「Just Ask for Generalization」:https://evjang.com/2021/10/23/generalization.html

「在ChatGPT中建立一个虚拟机」就是一个用提示进行「编程」的示例。

其中,我们通过英语来声明的规则和输入/输出格式,将GPT调整到某一特定的角色之上,进而完成相应的任务。

「Building A Virtual Machine inside ChatGPT」:https://engraved.blog/building-a-virtual-machine-inside/

在「iOS快捷方式中的ChatGPT——世界上最智能的HomeKit语音助手」中,作者利用自然语言提示制作出的「ChatGPT语音助手」,在能力和个性化程度上,明显高于普通的Siri/Alexa/等。

「ChatGPT in an iOS Shortcut — Worlds Smartest HomeKit Voice Assistant」:https://matemarschalko.medium.com/chatgpt-in-an-ios-shortcut-worlds-smartest-homekit-voice-assistant-9a33b780007a

从ChatGPT版必应遭受注入式攻击之后所暴露出的内容来看,它的「身份」也是通过「自然语言提示」构建和编程的。比如,告诉它是谁,它知道/不知道什么,以及如何行动。

推特地址:https://twitter.com/marvinvonhagen/status/1623658144349011971?lang=en

提示工程:是投机取巧,还是大势所趋?

Karpathy表示,上面的这些例子充分说明了「提示」的重要性,以及「提示工程师」的意义是什么。

同样,在Goodside看来,这项工作代表的不仅仅是一份工作,而是更具革命性的东西——不是计算机代码或人类语言,而是两者之间的一种新语言——

「这是一种在人类和机器思维的交汇处进行交流的模式。这是一种人类提出推论,机器负责后续工作的语言,而这种语言是不会消失的。」

类似的,宾夕法尼亚大学沃顿商学院的技术和创业学教授Ethan Mollick,也今年早些时候开始向他的学生传授「提示创作」的艺术,方法是让他们只使用AI写一篇短文。

他说,如果只输入最基本的提示,比如「写一篇五个段落的关于选择领导者的文章」,只会产出乏味、平庸的文章。但最成功的案例是当学生与AI进行共同编辑时,学生告诉AI要更正特定细节、更换句子、抛弃无用的短语、添加更生动的细节,甚至让AI「修复最后的结尾段,让这篇文章以充满希望的基调结尾。」

不过,Goodside也指出,在一些AI圈子里,提示工程很快就变成了一个贬义词,也就是一种「过度依赖技巧的狡猾的修补形式」。

还有一些人也质疑这个新角色干不长:人类会训练AI,而随着AI的进步,人们自己会把这个工作也训练没的。

华盛顿大学的Steinert-Threlkeld,就将提示工程师与谷歌早期的「搜索专家」作对比,他们宣称有秘密技术可以找到完美的结果——但是随着时间的推移和搜索引擎的广泛应用,这个角色毫无用武之地了。

参考资料:

https://www.washingtonpost.com/technology/2023/02/25/prompt-engineers-techs-next-big-job/

DBC中如何实现报文传输类型属性的配置 AUTOSAR中CAN报文的传输类型主要有三种,周期型,事件型和混合型。周期型:按固定时间间隔自动发送,无需额外的触发条件。事件型:当信号值变化或满足内部条件时立即发送。混合型:默认按周期发送,但事件触发时可提前发送。 阅读详情

相关推荐

Vector CANape的使用记录

开门见山,今天想和大家分享下CANape使用记录,分享原因是近日在分析一个客户现场软件问题时,需要用到CANape来实时的监测ECU中的变量,因为之前对CANape的认知比较浅薄,觉得标定工程师使用他就足够了,但是这次的经历让我觉得需要写点东西来记录自己学习并使用他的过程。 相信大家能够在网上找到很多关于如何使用CANape的文章,从新建Project到后面的数据的观测、保存以及回放等等。我个人也是这么学过来的,所以我不打算从那些方面着手去描述如何使用她,而是根据我的真实使用过程以及问题的抛出到如何解决来

2万+

使用chatgpt api快速分析pdf

使用chatgpt辅助分析pdf,以及其他大文本

Memory_and_Dream的博客 1766

【LaTex】LaTex的下载与安装(2025新手小白超详细、超简洁 Windows系统)

安装地点(1)texlive的安装:首先打开下载好的安装包,找到这个文件前面缺少了一页emm我去截取其他人的作为示范然后点击安装安装时间较久,大概要一个小时左右。具体要看个人电脑性能情况。如图显示如上图,则安装成功。图中是TeXstudio 4.8.7版本针对不同操作系统和使用场景的安装包 ,区别如下:(按需求下载)

爱学习的capoo的博客 5114

【吴恩达-AIGC/ChatGPT提示工程课程】第八章 - **聊天机器人 Chatbot.**

所以我们现在追加另一个系统消息,它是另一条prompt,我们说创建一个刚刚订单的 JSON 摘要,列出每个项目的价格,字段应包括1)披萨,包括尺寸,2)配料列表,3)饮料列表,4)辅菜列表,包括尺寸,最后是总价格。现在我们已经给模型提供了上下文,也就是之前的对话中提到的我的名字,然后我们会问同样的问题,也就是我的名字是什么。让我们做另一个例子。助手的消息是,你是一个友好的聊天机器人,第一个用户消息是,嗨,我叫Isa。系统消息是,你是一个友好的聊天机器人,第一个用户消息是,是的,你能提醒我我的名字是什么吗?

孔壹学院 460

Maxwell中铜导体热损计算的关键步骤与技巧

本文详细介绍了在Maxwell软件中准确计算铜导体热损的关键步骤与实用技巧。重点阐述了如何正确设置涡流场求解器、启用涡流效应、根据工作频率计算并应用肌肤深度以指导网格剖分,以及准确施加激励和定义电流回路。文章还强调了使用温度相关材料属性和进行后处理验证的重要性,旨在帮助工程师获得可靠的热损计算结果,优化产品设计。

weixin_29232121的博客 502

从PSDK到ROS节点:实战GPS数据发布与CMake配置

本文详细介绍了如何从大疆PSDK获取GPS数据并封装为ROS节点的实战过程,包括PSDK编译、GPS数据订阅、ROS节点实现及CMake配置优化。通过具体代码示例和调试技巧,帮助开发者快速实现无人机传感器数据与ROS系统的集成,提升开发效率。

weixin_30843605的博客 458

【Reading Notes】(6)Favorite Articles from 2023

Feature-Based Knowledge,一般而言,在基于特征的知识迁移中,研究的对象包括了:如何需选择知识类型?对于台积电的客户来说,这个数字是难以接受的,因为客户需要为整个晶圆买单,包括其中有缺陷的芯片。最后大家采取了一个折中方案,4号线经过北大的789米轨道段,将采用世界上最先进的轨道减振技术,也就是在钢轨下铺设钢弹簧浮置板。毕竟,有苹果这样的金主愿意成为台积电新制造工艺的第一个客户,能分担台积电先进制程节点的研发费用和专用工厂的建设费用。(2023年01月01日)(2023年01月04日)

bryant_meng 1718

立创开源Link Hub多功能USB扩展坞:CH339F主控+4层板设计,实测网口/存储性能

本文深度评测了立创开源Link Hub多功能USB扩展坞,其采用CH339F主控芯片与4层PCB板设计,并严格进行阻抗匹配。实测表明,该扩展坞的USB接口与microSD读卡器性能均接近USB 2.0理论极限,百兆以太网口转换效率高,性能损失极小。设计上注重电源保护与信号完整性,是一个兼顾稳定性与成本的高完成度开源硬件项目。

weixin_36173034的博客 163

企业在哪里可以使用 ChatGPT 和 OpenAI 模型?

客户可以联系账户团队咨询零数据留存方案。Daybreak 的设计思路,是依靠身份核验、场景校验、访问管控、持续监控,给拿到授权的安全研究提供针对性模型能力,而不是单纯取消内容限制。亚马逊云科技在 Daybreak 专题技术文档中,分享了一则 OpenAI 安全研究案例:研究人员借助 GPT-5.6 Cyber,通过 Daybreak Red 在 V8 JavaScript 引擎中找到两个此前未公开的关联漏洞,该漏洞危害等级较高,其中一个初始漏洞已经分配 CVE-2026-15903 并完成修复发布。

JINGdigital_的博客 256

Orin 调试GMSL camera 96712手册重点

96712基础理解

乐于分享 9207

基于Python实现学习进度跟踪系统

{{ task }}: {{ "%.1f"|format(hours) }}小时

寒寒豆豆软件公司的博客 197

企业在哪里可使用 ChatGPT 和 OpenAI 模型?

依托托管 Amazon EC2 实例支持最长 14 天会话,搭配共享文件系统、适配 GPU、持久化存储,支撑复杂 Agent 工作负载。配置 VPC、子网、安全组、存储卷、服务角色,授权 AgentCore 管理账户内 Amazon EC2 资源。存储、网络、日志、其他云服务额外计费。企业想要把生成式人工智能落地到内部知识管理、软件开发、业务自动化、AI Agent 场景时,可以根据业务诉求,选择 ChatGPT 产品、OpenAI 官方 API,或是搭载 OpenAI 模型的云平台搭建应用。

JINGdigital_的博客 139

matlab 异常值检测与处理——Robust Z-score法【2024最新版】

博客长期更新,本文最近一次更新时间为:2024年12月9日。

点云侠的博客 1518

企业可以通过哪些渠道使用 ChatGPT 和 OpenAI 模型?

正式选型阶段,查阅 GPT-6 Sol、GPT-6 Luna、Claude Opus 5.5 的模型卡,确认 API、Region、功能特性与生命周期状态。在 Amazon Bedrock 体系里,GPT-6 Sol 主打高复杂度开发场景,支持功能开发、故障调试、代码重构、代码审查,也能够联动多款工具、应用完成多步骤业务流程。优先挑选 2-3 个典型场景,例如代码开发、文档处理、高频分类,使用同一套测试集分别跑测 GPT-6 Sol、GPT-6 Luna 和 Claude Opus 5.5。

JINGdigital_的博客 305

STM32F407中文手册

STM32f407中文手册 本参考手册面向应用开发人员,提供有关使用 STM32F405xx/07xx、STM32F415xx/17xx、 STM32F42xxx 和 STM32F43xxx 微控制器存储器与外设的完整信息。STM32F405xx/07xx、STM32F415xx/17xx、STM32F42xxx 和 STM32F43xxx 构成一个微 控制器系列,各产品具有不同的存储器大小、封装和外设。有关订购信息以及器件的机械与电气特性,请参见数据手册。有关 ARM Cortex™-M4F 内核的信息,请参见《Cortex™-M4F 技术参考手册》。

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

AI与大模型新闻日报 | 2026-11-11

今日 AI 圈动态速览:OpenAI 扩展 ChatGPT 商业功能:企业可认领资料并创建 AI 智能体,为 Business Agent 投放广告、谷歌最强 VLA 机器人模型:Gemini Robotics 2.5 登场,会系蝴蝶结、已在奔驰生产线上岗、挑战微软 Win11:原生 AI 系统 KORA 登场,将率先适配高通骁龙 X2 Elite 芯片、Meta的人工智能代理Muse登陆Apple Watch和Android Wear OS 等共 24 条新闻。

dozenyaoyida的博客 436

Data-Structures-and-Algorithm-Analysis-in-Java.pdf

作者: Weiss, Mark A. 出版社: Addison Wesley Data Structures and Algorithm Analysis in Java is an “advanced algorithms” book that fits between traditional CS2 and Algorithms Analysis courses. In the old ACM Curriculum Guidelines, this course was known as CS7. This text is for readers who want to learn good programming and algorithm analysis skills simultaneously so that they can develop such programs with the maximum amo...

ChatGPT能把手机录音转成文字吗?入口、时长和纪要核对一次讲清

录音能上传,为什么却无法转成文字?转写稿看起来完整,为什么纪要又改错了金额、期限和负责人?本文结合当前官方说明,讲清手机音频准备、转写入口、长录音分段及纪要核对,附两段可复制提示词与虚构校对样例,帮助保留原话、区分提议和决定

海波的专栏 218

visio安装包

Microsoft Office Visio 是一款专业的制图软件。利用经过更新的形状、协作工具和数据链接图表,创建专业级图表以简化复杂的信息。

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 303

ChatGPT批量导出没有PDF模式?“AI导出鸭”正在重新定义AI内容归档的底层逻辑

摘要(149字) AI导出鸭插件突破性解决了ChatGPT等平台内容无损导出PDF的难题,尤其针对批量处理LaTeX公式、Mermaid流程图等复杂元素。其技术核心通过虚拟DOM比对生成矢量PDF,实现文本可复制、公式不失真、流程图高清渲染,并支持多对话合并导出。相比传统截图式工具,它构建了从AI对话到可交付文件的生产力管道,满足开发、教育等场景的归档需求。工具采用本地处理保障隐私,以“格式网关”架构重新定义AI内容落地的优雅方式。

rteertreerte的博客 368

ChatGPT Businesses 与 Business Agents 实战:商家确权、商品 Feed、GEO 洞察和隐私治理

OpenAI 推出 Businesses in ChatGPT Beta。本文不止复述功能,而是从商家资料确权、商品 Feed、聚合洞察、Business Agent 对话边界与隐私治理出发,给出企业可执行的接入架构、数据质量规则、灰度上线流程和核对清单。

jerry764的博客 425

ChatGPT Images 2.6 更新备忘:GIF、参考图与 API 提速(官方 X 帖截图)

生成、参考图能力,以及 API 提速。我根据官方 X 帖和相关截图,把要点整理成了一篇备忘,方便对照查阅。这次更新,主要提到了更好的。

Maynor的博客 101

从零实现Mini ChatGPT:短期记忆+长期记忆+工具调用实战!

如果需要调用工具则根据大模型提取的参数运行工具,同步更新旧记忆或插入新记忆,再将大模型返回内容和工具运行结果追加到旧的上下文内容中形成新的上下文内容,然后再次发起大模型调用。在上一节内容中,我们详细介绍了长期记忆的模式、管理和持久化,为了能够更加清晰地理解记忆的运行机制,接下来将会详细介绍如何基于本地持久化的长期记忆来从零构建一个类似 ChatGPT 一样具有用户隔离以及记忆功能的个人助手。对象来持久化保存每一个用户的所有长期记忆,以及实现插入记忆、更新记忆、保存记忆以及相似度值计算等功能,对应模块为。

空字符 172

ChatGPT、Codex文件处理实战:Spring Boot上传小文件正常,为什么大文件一来就OOM?

Spring Boot上传小文件正常,为什么大文件一来就OOM?本文从Java文件上传生产故障切入,分析MultipartFile.getBytes()、字节数组复制、Base64编码、JVM堆内存和容器OOMKilled之间的关系,并介绍通过流式处理、并发控制和对象存储优化大文件上传的方法。

2601_96380027的博客 280

ChatGPT Codex 安装问题汇总

Windows 安装 ChatGPT Codex(MSIX 包)后无桌面图标,可使用快捷方法解决:按下 Win + R,输入 shell:AppsFolder 回车,打开应用列表,找到 OpenAI.Codex(显示为 ChatGPT),直接拖拽至桌面,即可生成永久可用的快捷方式,支持自动升级不失效。

hello:code I am captain 267

ChatGPT-Wallet上线-Agent替你付款与令牌化支付拆解-2026年11月13日

ChatGPT Wallet 上线:AI 替你下单付款,但每笔都得刷脸

Spidermanbaout的博客 133

ChatGPT、Codex并发排查:Spring Boot接口没有报错,为什么线程池队列越来越长,最后整批请求超时?

Spring Boot接口没有报错,CPU和数据库连接池也正常,为什么线程池队列却越来越长?本文从订单服务任务积压故障切入,分析无界队列、最大线程数、CallerRunsPolicy、下游阻塞和任务背压机制,并介绍通过Codex辅助定位线程池瓶颈的方法。

2601_96380027的博客 226

ChatGPT收录优化怎么做:荷里购科技拆解认领与监测

第二,把企业信息填准确,尤其是网站、业务描述、产品类别、退换政策,这些是ChatGPT回答问题时可能引用的素材。抖店后台的“豆包运营”专区按“看数据、找商机、优化商品”三步走,经营数据看曝光、点击、成交、退款等指标,商机词用于选品上新,购前核心决策信息用于完善商品属性与卖点。ChatGPT的提及不是提交出来的,是被引用出来的。据企业介绍,GEO特工队AI覆盖豆包、DeepSeek、Kimi、通义千问、ChatGPT、Gemini、Perplexity等国内外主流AI平台,适合需要双生态布局的出海品牌。

2601_96569777的博客 212
上一篇: 一支不足百人的团队创造了 ChatGPT :90 后挑大梁,应届生 11 人,华人抢眼
下一篇: 世界上最流行的编程语言,用户数超过Python,Java,JavaScript,C的总和!
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论 8
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