Karpathy 亲述:我每天这样用 LLM,才发现 90% 的人都用错了
这不是一场教你“怎么写 Prompt”的视频,而是 Andrej Karpathy 亲自拆解:他到底把大语言模型当成什么在用。从聊天、思考模型、工具调用,到 Deep Research 和自定义 GPT,这套用法直接拉开了“会用”和“真正会用”之间的差距。
这不是一场教你“怎么写 Prompt”的视频,而是 Andrej Karpathy 亲自拆解:他到底把大语言模型当成什么在用。从聊天、思考模型、工具调用,到 Deep Research 和自定义 GPT,这套用法直接拉开了“会用”和“真正会用”之间的差距。
一边是前OpenAI CTO Mira Murati高调成立Thinking Machines Labs,却几乎不透露具体产品;另一边是曾被寄予厚望的AI硬件Humane Pin在一年内宣告失败。视频通过这两个对比鲜明的故事,揭示了当下AI创业中理想、资本与现实之间的张力。
Google 发布的 AI Co-Scientist 不只是一个科研辅助工具,更像是一张多智能体系统的未来蓝图。它展示了 AI 不靠“更聪明的模型”,而是通过分工协作、竞赛进化的方式,开始真正参与科学发现,并已在药物再利用等真实实验中得到验证。
很多人把“AI Agent”当成新一轮营销热词,但在这场演讲中,Chip 用亲身经历、经典定义和真实工程难题解释了:Agent并不新,却异常困难;也正因为难,它才是通往下一代AI应用的关键路径。
Patrick Dougherty在创业过程中推翻整套产品,转而用AI Agent重构系统。这次分享不是概念宣讲,而是来自真实生产环境的教训:什么才算Agent、为什么“会想”比“知道多”更重要,以及哪些常见做法其实在拖垮Agent表现。
基于Juan Peredo一年半构建生成式AI应用的真实经验,这篇文章系统梳理了从架构复杂度、模型部署、评估体系,到Agent成本与可观测性的关键教训,帮助开发者少走弯路,把GenAI真正落地为可靠产品。
这场演讲给出了一个非常具体、可落地的判断:软件开发正在从“人+IDE里的AI助手”,走向“人+一群自治运行的编码Agent”。通过真实的单元测试Agent Guru,演讲者展示了Agent如何成为代码库里的“正式贡献者”,以及未来开发者真正该专注的价值所在。
这篇文章基于Theory Ventures合伙人Andy Tadman的演讲,系统拆解了“大语言模型在哪些工作上已经是超人级别”的判断方法。你将看到一套清晰的自动化评估框架,以及安全运营和客户营销两个真实案例,理解为什么真正被颠覆的不是“复杂工作”,而是“高频工作”。
在Agentic AI成为主流的2025年,真正的难题已不再是模型能力,而是如何让AI系统变得可预测、可审计、可控制。AI Engineer频道的Adam Charlson提出,将有限状态机与Actor模型、LLM结合,或许是一条被低估但极其务实的路径。
很多团队以为RAG只是“向量数据库+大模型”的工程拼装,但Ofer用一线经验揭示:真正的成本隐藏在质量、规模、安全与运维细节中。这篇文章带你看清自建RAG在企业级落地时最容易被低估的七个坑。