
我“作弊”了:Sydney 现在能读懂 10-K 年报里的叙事内容
我把 Sydney 扩展到能读取 Big Tech 过去 10 年年报里的叙事内容,但策略上只覆盖了 7 家公司——下面是我如何在成本与能力之间做平衡。
此分类共 63 篇文章

我把 Sydney 扩展到能读取 Big Tech 过去 10 年年报里的叙事内容,但策略上只覆盖了 7 家公司——下面是我如何在成本与能力之间做平衡。

我把两个 AI agents 合并成了一个多能力助手,它既能分析 S&P 500 财务,也能回答我过去 15 年博客内容——再次证明有时候“少即是多”。

我做出了一个基于 10 年 SEC 数据回答金融问题的 AI agent,并最终解决了流式输出难题,让它既实时又可验证。

和 AI 助手协作编码 10 个月后,我发现它们更像“实习生”——能力强但需要高度明确指令,这也倒逼我必须更深入理解框架,才能解决像“让慢聊天机器人变快”这种真实问题。

我升级了聊天机器人 Sydney,用来测试 Weaviate 的 hybrid search 与 query structuring——这些能力是我把金融聊天机器人扩展到 500+ 公司前必须跑通的。

我做了一个基于 SEC 数据回答 S&P 500 问题的金融聊天机器人——并加入了“自我批判”代理,让答案在你看到之前先被改进一轮。

我用 AI 重做了网站前端、升级了 chatbot 智能,还因为 Docker 不配合,意外学会了持续部署。

我用 FastAPI 和异步处理重构了聊天机器人,显著缩短响应时间并简化交互界面——下面是这些针对性优化如何改变用户体验。

我在几乎零编程基础和满腔热情下做了 chatbot v0.1,结果变成 CSV 数据库 + 原始分块的灾难组合,直到借助 AI agents 才逐步走出泥潭。

过去一年,我从自驾规划到产品调研都在用 AI,我的搜索习惯正在发生“地震级”变化,也给内容出版商敲响了警钟。

我在几个月内完成了 7 门 Andrew Ng 课程,从机器学习基础到构建 GenAI 应用。这里是我认为从零开始到做出第一个 LLM 应用最顺的路线图。

Google Trends 数据显示,“error in moderation” 是美国地区与 ChatGPT 相关涨幅最高的搜索词,暴露了大量用户正在 Google 上焦急排查的可靠性问题。