就是桌面上应用软件会自动给你排好,排整齐无堆叠,现在 arch 下面的 niri 还是好用. 主要是处理多任务的时候直观方便。下面是 windows 桌面的截图
这两天又折腾了下 windows 下的平铺软件【安装了komorebi和yasb】,之前就弄过 FancyWM, 比较方便简单,开箱即用,但是有时候感觉暂时有点卡卡的。主流的好像也就是三个。
komorebi 怎么说了,最开始也不会用,🤣可能这才是常态。去 github 上下载了最新的程序,结果安装桌面连个快捷方式也没有,还好会用 everything 搜索,里面一堆程序
最开始点了那个 1 的 exe,弹一个黑框框,就让他一直显示也能用,就是有点丑还不是后台的运行,后来看了使用介绍才知道,可以用那个 2,在 cmd 里面运行 komorebic.exe start
就静默运行了,然后 komorebic.exe -h
里面实际上是有很多介绍,一些命令快捷操作,弄了还是很方便
2 个经验:
其实 yasb 和 komorebi 安装还是简单,主要是使用
去 github 上下载了(cer 和 msixbundle 文件),用 PowerShell (as Administrator)
就可以安装
certutil.exe -addstore TrustedPeople .\FancyWM.Package_1.0.0.0.x64.cer
Add-AppxPackage -Path .\FancyWM.Package_1.0.0.0.x64.msixbundle
人类寿命的上限是一个长期存在的研究课题。现代科学研究与古代文献记载在这一问题上呈现出某种一致性。
目前存在两个主要的科学理论。
海夫利克极限理论(Hayflick Limit)指出,由美国生物学家 伦纳德・海夫利克(Leonard Hayflick 于 1961 年提出,人体细胞的分裂次数有限,约为 40-60次。每次分裂时,染色体末端的端粒会缩短。当端粒缩短至临界值时,细胞停止分裂,机体进入衰老状态。根据此理论计算,人类寿命上限约为120岁。海夫利克极限是细胞生物学领域的核心理论1
生理韧性理论是近年来提出的新观点。发表在《自然通讯》上的研究表明,人体的自我修复能力随年龄增长而下降。研究模型显示,在120至150岁之间,人体的修复能力将降至临界点,此时即使无重大疾病,生命也难以维持。
这两个理论从不同角度将人类寿命极限定位在120-150岁区间。
中国古代典籍中也有相关论述。
古代文献的记载与现代科学研究结论存在相似性。这些记载基于长期的生活观察和经验总结。
从现有证据来看,人类寿命存在一定的生物学上限。科学研究与历史文献都指向相似的数值范围。
对个体而言,在既定的生命长度内如何维持健康状态,可能比追求极限寿命更具现实意义。
参考资料:
六月【6-27】的时候去一个【卷桥河公园】非常大,就是天气太热了,还租了个车没跑一会然后就没起了,最后还是走回来的,下面是照片
太阳很好,颜色很正。
这张忘记在哪拍的了【7 月 2 日拍的】
去了一个动物园,野生动物园,还看见了大棕熊和老虎
【去江边公园拍到的】
今天拍的小猫
大致思路是:
下面在这个网盘下面提供 2 个 PDF 和一个代码方便之后回顾学习
https://a.siyouyun.ren:30597/OutSaveFile2/RadarXG/ESPRIT_Double_mimo
clc,clear all,close all;
%% Parameters of the radar system
M = 7; % number of Tx
N = 7; % number of Rx
d = 0.5; % inter-element space
% theta = [15 -10 5]; % DOA
% phi = [20 35 60];
theta = [-50 20 60]; % DOD % DOA
phi = [20 40 60];
K = length(theta); % number of target % dopplor frequency shift
L = 100; % number of sanpshot
SNR = 30; % signal-to-noise ratio before matched filtering
Geo_Rx = [0:N-1]; % geometry of Rx
Geo_Tx = [0:M-1]; % geometry of Tx
At = exp(-j*2*pi*d*Geo_Tx.'*sind(phi)); % transmitting direction matrix
Ar = exp(-j*2*pi*d*Geo_Rx.'*sind(theta)); % receiving direction matrix
item = 10;
%% 设置互耦系数;
mc_K = 2;
mc_nb = mc_K+1;
C_t = generateMCMmat(M,mc_nb);
C_r = generateMCMmat(N,mc_nb);
C = kron(C_t,C_r);
%% 设置选择Pt和Pt矩阵
Pt = [zeros(M-2*mc_K,mc_K),eye(M-2*mc_K),zeros(M-2*mc_K,mc_K)];
Pr = [zeros(N-2*mc_K,mc_K),eye(N-2*mc_K),zeros(N-2*mc_K,mc_K)];
M1 = M-2*mc_K;
N1 = N-2*mc_K;
P = kron(Pr,Pt);
% number of trials
%% Selective matrices
JM1 = [eye(M1-1),zeros(M1-1,1)];
JM2 = [zeros(M1-1,1),eye(M1-1)];
JN1 = [eye(N1-1),zeros(N1-1,1)];
JN2 = [zeros(N1-1,1),eye(N1-1)];
Jt1 = kron(JM1,eye(N1));
Jt2 = kron(JM2,eye(N1));
Jr1 = kron(eye(M1),JN1);
Jr2 = kron(eye(M1),JN2);
a_kronrao = zeros(M*N,K);
for i=1:K
a_kronrao(:,i) = kron(At(:,i),Ar(:,i));
end
for item_num = 1:item
disp(['SNR = ',num2str(SNR),' dB, ',num2str(item_num), ' # try : ']);
%% Matched Filtering
S = randn(K,L)+1i*randn(K,L);
X_0 = C*a_kronrao * S;
X = awgn(X_0,SNR,"measured","dB");
Y = P * X;
%% Eigen decomposition
%Rx = (X*X')/L; % Estimated covariance matrix
Rx = (Y*Y')/L;
[Es,D] = eigs(Rx,K,'LM'); % Signal subspace
%% Rotational invariant property
Vt = pinv(Jt2*Es)*Jt1*Es;
%Vt = pinv(Jt1*Es)*Jt2*Es;
[T,Phit] = eig(Vt);
Phir = inv(T)*pinv(Jr2*Es)*Jr1*Es*T;
%Phir = inv(T)*pinv(Jr1*Es)*Jr2*Es*T;
E_theta = asind(angle(diag(Phir))/pi).';
E_phi = asind(angle(diag(Phit))/pi).';
plot(E_theta,E_phi,'k*');hold on;
end
H(1)=plot(E_theta,E_phi,'k*');hold on;
H(2)=plot(theta,phi,'rx','markersize',28);grid on;
xlabel('DOA'),ylabel('DOD');
legend([H(1),H(2)],'Esimated','Ture')
没想到 matlab 还可以画出这样的图片,“赛博生命”,hhh
https://mp.weixin.qq.com/s/GS-jSHnasVxrrIn5C2E3WQ
figure('Position',[300,50,900,900], 'Color','k');
axes(gcf, 'NextPlot','add', 'Position',[0,0,1,1], 'Color','k');
axis([0, 400, 0, 400])
SHdl = scatter([], [], 2, 'filled','o','w', 'MarkerEdgeColor','none', 'MarkerFaceAlpha',.4);
t = 0;
i = 0:2e4;
x = mod(i, 100);
y = floor(i./100);
k = x./4 - 12.5;
e = y./9 + 5;
o = vecnorm([k; e])./9;
while true
t = t + pi/90;
q = x + 99 + tan(1./k) + o.*k.*(cos(e.*9)./4 + cos(y./2)).*sin(o.*4 - t);
c = o.*e./30 - t./8;
SHdl.XData = (q.*0.7.*sin(c)) + 9.*cos(y./19 + t) + 200;
SHdl.YData = 200 + (q./2.*cos(c));
drawnow
end
]]>微软 RDP,网易 UU 远程,RustDesk(知名开源),向日葵,ToDesk,连连控,云玩加(个人开发者)
对于一些国内厂商的远程,一般都提供他们自己的服务器进行进行搭桥或者连接,网易 UU 好像在网络好的时候可以 p2p
。
例如向日葵,ToDesk 两个比较知名了,平时办公用用也还是可以的,但是也还是有些小问题,例如跨境连接等。
所以,基于以上原因,对于我来说,先把两个外网的设备内网穿透桥接起来。
用 皎月连
(需要打卡)或者 openp2p
这两个都可以;
至于 zerotier 和 tailscale,前一个没弄好,后一个没用过;
基于 皎月连
或者 openp2p
就可以通过 windows 的 mstsc 访问了,但好像貌似专业版系统,还要简单设置下
一个知乎设置教程
一个免密码登陆教程
然后还有两个解锁 60 FPS 的教程,解锁60fps-1, 解锁2
怎么说了?之前平时一直是这么用的,感觉也还好,但是就是感觉(外网-手机热点)60 fps 还是没有
这两天看了检查方法
肉眼检测,😂,这个网站: https://frameratetest.org/zh/fps-test ,看看那两个竖着的黑杠杠动的是否流畅,还是可以看出分别,可以本机电脑开一个,远控电脑开一个,放在屏幕上对比了看,还是比较明显的,🤣
RustDesk 也是看的别人的教程,内网穿透后使用的,有两个软件要安装;被控端(服务端+客户端)安装;本机电脑(客户端安装),客户端下载链接, 服务端下载链接,这是两个 github 的链接,这是 github加速网站;看的这个教程:教程,主要就是下载好这几个软件,设置下 ip 和 key
有几个小细节就是;可以吧下图的那个取消掉,网络好的话就是 p 2 p 直接连接,判断通过为全屏时左上角是✔就是 p 2 p,是刷新符号就是中继
如果声音没有,可以看看 github 的 issue,我是把下图的禁用勾选了,就有声音了
总体来说体验还是很不错的,速度上好像还比较快
就这些,推荐 RustDesk。但其实还有 Parsec(steamcommunity_302. exe 用的这个软件提供网络访问协助,Parsec 国内有些不好访问),但是我屋里电脑没弄那个显示器,Parsec 这个速度倒是可以,但是居然没自带虚拟显示器,ParsecVDisplay 这个 github 项目可以添加,但是今天还是下单了个 HDMI 欺骗器 5¥
就这些了,RustDesk 还是可以的!
]]>主要思路,把 PDF 转为一张张图片,然后给 ai ,让其输出翻译好的 md 文本,工具如下:
我用的豆包 1.5 的 vision 版本-大模型 api,提示词也可以自定义
效果大概如下图:
推荐火山引擎 api: https://console.volcengine.com/auth/login
还有一个硅基流动的: https://siliconflow.cn/zh-cn/
openrouter 好像也有些免费的
蓝奏云工具下载链接,api 在 config.json
里面要自己填下:
https://wwzw.lanzoup.com/i70mH2u34nve
一、大模型的背景与来历:从神经网络到现代大语言模型
二、基础平台
三、对话:提问与提示词技巧
四、信息搜集
五、AI 编程
六、使用技巧
七、API 调用与知识库
八、本地大模型部署
九、多模态生成
十、资源与社区
十一、硬件性能与优化
第二次爆发:gpt 自然语言大模型
GPT 系列(2018-2024):
这种"规模化"策略证明了大型语言模型能够表现出令人惊讶的能力,包括上下文学习、任务泛化和涌现能力。
故事插曲:GPU 的关键作用与 NVIDIA 的崛起
大模型训练依赖海量计算力,传统 CPU 无法满足需求。GPU (图形处理单元) 凭借其并行计算能力,成为深度学习的理想硬件。单个现代 GPU 可以同时处理数千个线程,比 CPU 快数十到数百倍。
NVIDIA 公司的创始人黄仁勋有着传奇色彩的故事。他 1963 年生于台湾,后移民美国。NVIDIA 最初专注于为电脑游戏提供高质量的图形处理解决方案。有趣的是,NVIDIA 的 GPU 最初完全是为游戏和图形渲染设计的。2006-2007 年,研究人员发现 GPU 强大的并行计算能力可用于加速神经网络训练,NVIDIA 敏锐地捕捉到这一机会,开发了CUDA 编程平台,使开发者能更容易地利用 GPU 进行通用计算。随着深度学习的兴起,NVIDIA 从一家游戏图形公司转型为 AI 计算的基础设施提供商,成为全球最有价值的公司之一。
去哪里使用大模型?
引子:推荐优先选择 GPT-4、Claude、DeepSeek 等头部模型,根据需求与场景选择国内外平台。
大模型大致可以分为国内国外两类:
主流模型:
访问方式:
国内第三方代理,付费工具推荐
Sider(浏览器插件):( https://sider.ai/zh-CN )支持多模型切换、文件解析、实时联网搜索,功能集成度高。【成本多少】
豆包(字节跳动):通用性好,做了很多关于 ai 赋能基础建设,例如 ai 代码开发(后面会讲),app 上支持 AI 电话(语气逼真),ai 耳机实时沟通等(硬件联动)( https://www.doubao.com/chat/ )。
通义千问(阿里巴巴):开源生态完善(Qwen 系列)、本地部署友好(Ollama 平台长期霸榜),支持法律 AI 顾问( https://tongyi.aliyun.com/ ),通义万象 2.1 视频模型。
Kimi(月之暗面):【国产大模型最早出来的一批,ai 独角兽公司】200 万字长文本解析(如合同审查、论文总结),AI+PPT 自动生成(输入大纲即可输出完整幻灯片)( https://kimi.moonshot.cn/ )。
DeepSeek(深度求索):低成本高智商模型(R 1 开源版性能比肩 GPT-4),官网访问易拥堵,推荐通过第三方平台调用( https://www.deepseek.com/ )。
阶跃 AI:多模态很不错,视频生成一致性好( https://yuewen.cn/chats/new )。
(2)综合集成平台
问小白( https://www.wenxiaobai.com/chat/200006 ):
纳米搜索(360 出品, https://bot.n.cn/ ):
示例应用(以"区块链"为例):
直观类比:"区块链就像乐高积木,每个新积木块(区块)必须严丝合缝扣在前一块上,想偷偷拆掉中间某块?除非你拆掉整个后半段并让所有玩家都同意"
5.由来:xxxx
【演示例子:什么是量子力学】
【什么是信号处理中的谐波】
【什么是热力学第二定律】
提升类提示词
在网络上有很多网友分享了自己的提示词,里面有他们自己的经验和思考,又很多通用的地方。
总结出了“一步步思考”这个方法,例如在自己的问题最下面加一个“step by step think”或者“一步步思考”给出答案,那么比直接提问的效果就稍微好一些。例如:
Take me deep breath and work on this problem step-by-step.
Write your answer and give me a confidence score between 0-1 for your answer. Are you sure?
This is very important to my career.
You'd better be sure.
用中文回答
还有,可以对问题本身进行提问,例如"对于这个问题 xxx,你怎么看?"让大模型帮你分析问题的解决方法。例如写文章的时候,先让大模型写大纲这些。
https://www.aishort.top/ ,这是一个专门写提示词的网站。
记得之前 think 版本的模型还没出来的时候,有一个厉害的高中生(涂津豪)写了让 claude 仿人类的思考的提示词,直接把 claude 的水平提高了一大截。ht
tps://github.com/richards199999/Thinking-Claude
这是那个提示词的 github,还有一个关于 claude 提示词的 github( https://github.com/langgptai/awesome-claude-prompts )
与大模型的聊天确实一定程度上训练了人精准提问的能力。
TopBook 的 b 站视频,也讲了写关于提问与使用上的方式【突破个人能力天花板,和 AI 协作的 12 个范式。】 https://www.bilibili.com/video/BV1pgmbY1EXX/?share_source=copy_web&vd_source=84d1208a0ce8dac7e5646fcc327301a5
自我验证(如“请检查上述答案是否有逻辑错误”)
在数字化工作环境中,高效获取和处理信息已成为核心竞争力。具备联网能力的大模型彻底改变了传统信息搜集方式,将"搜索"与"理解+整合"结合,大幅提升信息获取效率。
优势:实时信息获取,信息整合能力
工具推荐
Kimi、豆包、元宝、问小白、纳米搜索
1. Kimi Chat(最推荐)
实时性极佳,搜索结果全面,搜索的网页多【测试搜索今日新闻】
2.豆包
除了文字类信息搜索,有独家抖音生态接入,可以搜索到抖音视频
3.元宝/问小白/纳米搜索
这几个采用 deepseek+联网的模式,联网搜索效果也不错
1.市场动态实时追踪(Kimi):快速获取行业报告、政策更新、突发事件等时效性敏感信息
2.学术研究与文献综述引文查找(纳米搜索+Kimi)
这个月政府采购网发布了哪些采购的内容?
给我找出10片关于地波雷达的论文,帮我列出名字来,方便我引用。
开发工具
AI 的快速发展,也给开发者带来了便利。
基础的使用,就是让在对话式 ai 里,描述需求,帮我们写小的功能模块,或者查询资料。
【字符串正则匹配是一个很好用的例子】gadfgadfgaadf 发生的发 fsdf
进一步的推荐两个工具:
Vscode,微软开源的轻量 IDE,支持很多 AI 插件(提供了代码补全,优化,重构等),推荐 MarsCode 插件与 Cline 插件(cline 需要 api 但是可以实现与 Trae 一样的功能)
【帮我写一个 html 的登录界面,用 css 和 js 美化】
【一个 Trae 写的工具的例子:PDF 转图片】
【一些 Vscode 截图】
【阅读他人的项目代码,或者过去的代码,达到快速理解的目的,或者优化代码】
【代码提示,代码补全,代码注释】
具体的使用案例
可以直接把图片转为对应的图片描述
提示词:
帮我用结构化的语句把图片内容描述出来,要专业,即使看不见的图片的人听了,也知道这个图的详细内容
演示 2 种:
PDF 转图片,然后直接丢给大模型翻译
markdown,
演示
帮我检查下面文字中的错别字:
“今天天七真不错, 是个大晴天,适合出去删不!”
通义千问也有
https://tongyi.aliyun.com/aippt
文本润色(语法、术语、风格优化)
网站链接: https://tongyi.aliyun.com/qianwen/agent/home?type=FindAgent

## **七、大模型 API 调用与 RAG 知识库**
通过电脑上的客户端软件对大模型 api 调用,api 调用更加自由,可以自己开发自定义的程序。聊天更加流畅。推荐一个软件 CherryStudio。
https://cherry-ai.com/的官网 ,找到下载链接安装即可
下面为软件图片

重点在于其可以调用本地知识库进行知识库问答,非常方便。
1. 获取 api,火山引擎或者硅基流动的 API,deepseek 的 api 也可以使用
2. 在软件中填写 api 密钥
3. 设置知识库,进行对话
## **八、隐私、安全与本地部署**
1. **隐私风险与应对**
- 数据脱敏、企业合规要求
2. **本地大模型部署**
- 
- **Ollama 教程**:模型下载、运行、微调(如 LLaMA 3 本地化)( https://ollama.com/ )
- 硬件要求:CPU/GPU/NPU 性能优化
## **九、多模态生成**
1. **图片生成**
- 豆包, https://www.doubao.com/chat/create-image
- Midjourney/DALL·E 提示词设计
- comfyui,真正要升入了解绘画,视频,就要了解这个工具
- >ComfyUI 是一个开源的图形化界面工具,主要用于 Stable Diffusion 模型的图像生成工作流设计,其节点式可视化操作是最大特色,用户可以通过拖拽节点来精确控制图像生成的每个环节
2. **视频生成**
- 短视频生成,(腾讯、阿里、跃问)
- https://tongyi.aliyun.com/wanxiang/videoCreation , 通义万象 2.1
- https://yuewen.cn/videos?utm_source=yuewen_nav&utm_medium=nav_link ,跃迁
3. **声音合成**
- 语音克隆(工具:ElevenLabs、Azure TTS,ChatTTS)
- https://www.chattts.co/zh#free
## **十、资源与社区**
1. **外部资料整合**
- 李燕姐提供的 PDF 文档
- 
- [金子的AI知识库](https://tffyvtlai4.feishu.cn/wiki/OhQ8wqntFihcI1kWVDlcNdpznFf)(工具与案例库)
- [七小姐的提示词博物馆](https://vxc3hj17dym.feishu.cn/wiki/VDb1wMKDNiNj0mkJn6VcFgRenVc)(模板库)(可以吹一波飞书文档)
- 豆包: https://www.doubao.com/chat/
kimi: https://kimi.moonshot.cn/chat/
问小白: https://www.wenxiaobai.com/
纳米 AI: https://bot.n.cn/
closeAI(api 类): https://www.closeai-asia.com/
火山引擎(api 类): https://www.volcengine.com/
硅基流动(api 类): https://cloud.siliconflow.cn/
IMYAI-GPT: https://new.imyai.top/ ; https://super.imyai.top/chat
cherryStudio(客户端): https://cherry-ai.com/
chatBox(客户端): https://chatboxai.app/zh
trae(编程 IDE): https://traeide.com/或https://www.trae.ai/home
- 
2. **提示词社区构建**
- 提示词版本管理(GitHub 仓库或飞书多维表格)
- 开源社区平台
- Hugging Face、ModelScope( https://www.modelscope.cn/my/overview ),GitHub 等,ollama(国外)
#### **十一、硬件性能与优化**
在大模型推动各行业变革的当下,2025 年随着技术趋势演进与行业实践深入,下面简单了解其算力部署指南,包括硬件角色、选择策略、模型硬件匹配及微调技术等。
#### 一、CPU/GPU/NPU 在大模型中的角色对比
1. **训练场景:GPU 主导,NPU 局部突破**
- **GPU**(如 NVIDIA H 100/A 100)
- **核心优势**:并行计算能力极强,支持大规模矩阵运算,适配 Transformer 架构的密集计算需求。
- **典型应用**:千亿参数模型训练(如 GPT - 5、DeepSeek 671 B),需多卡并行(如 8 卡 H 100 集群)。
- **NPU**(如华为昇腾 910 B、寒武纪 MLU)
- **适用场景**:端侧/边缘设备轻量级训练(如 10 B 以下模型),能效比优于 GPU,适配智能驾驶、安防等低功耗场景。
2. **推理场景:GPU 主流,NPU 边缘端崛起**
- **GPU**
- **优势**:显存带宽高(如 H 100 的 3.35 TB/s),支持多任务并发推理(如同时处理文本生成+图像识别)。
- **主流配置**:单卡显存≥24 GB(如 A 100 80 GB),适配 70 B 参数模型 FP 16 推理。
- **NPU**
- **突破点**:专为 AI 优化,单卡算力达 128 TOPS(如酷芯 NPU),在智能摄像头、手机端大模型(如 3 B 参数)部署中成本优势显著。
3. **CPU 的补充角色**
- **功能**:数据预处理、任务调度、小模型推理(如 1.5 B 参数模型纯 CPU 运行)。
- **优化方向**:英特尔至强 Sapphire Rapids 内置 AMX 加速器,推理性能提升 10 倍,适配金融风控等低延迟场景。
#### 二、主流硬件选择:GPU+大内存/显存成标配
1. **GPU 仍是算力核心**
- **国际厂商**:NVIDIA H 100(FP 8 精度性能翻倍)、AMD MI 300 X(192 GB 显存支持超大规模推理)。
- **国产替代**:华为昇腾 910 B(适配 DeepSeek R 1)、寒武纪 MLU(互联网大厂测试性能比肩 A 100)。
2. **内存/显存规格要求**
- **训练端**:千亿级模型:显存≥640 GB(8 卡 H 100 集群) + DDR 5 内存≥2 TB。
- **推理端**:
- 7 B 参数模型:FP 16 需 16 - 20 GB 显存,INT 4 量化后仅需 8 GB(如 NVIDIA RTX 4090)。
- 70 B 参数模型:需多卡并行(如 2×A 100 80 GB)或单卡优化(MI 300 X)。
#### 三、典型推理场景的模型与硬件匹配
| 场景分级 | 模型参数量 | 硬件配置 | 典型案例 |
|
# Thank you Listening
所有资料放在了这个网盘,可以下载: https://a.siyouyun.ren:30597/AI_Share
]]>下面主要包括工具推荐和提示词两方面的介绍。
在国内,已有众多可直接使用的优质 AI 产品,比如豆包、kimi、跃问、360 纳米搜索、问小白、deepseek、通义千问等,这些都非常好用,无需任何额外设置。
然后如果想使用国外大模型,有时需要借助第三方代理服务。
我有时候用的一个网站是 https://super.imyai.top/chat —— 这是一个可以选择多个大模型进行对话的平台,虽然需要付费,但也提供一定的免费额度。
大模型有时候需要稍微针对性的描述,可以给出更好的答案。
最开始的时候,网友们总结出了“一步步思考”这个方法,例如在自己的问题最下面加一个“step by step think”或者“一步步思考”给出答案,那么比直接提问的效果就稍微好一些。
例如:
Take me deep breath and work on this problem step-by-step.
Write your answer and give me a confidence score between 0-1 for your answer.
Are you sure?
This is very important to my career.
You'd better be sure.
用中文回答
还有,可以对问题本身进行提问,例如"对于这个问题 xxx,你怎么看?"让大模型帮你分析问题的解决方法。例如写文章的时候,先让大模型写大纲这些。
https://www.aishort.top/ ,这是一个专门写提示词的网站。
记得之前 think 版本的模型还没出来的时候,有一个厉害的高中生(涂津豪)写了让 claude 仿人类的思考的提示词,直接把 claude 的水平提高了一大截。https://github.com/richards199999/Thinking-Claude
这是那个提示词的 github,还有一个关于 claude 提示词的 github( https://github.com/langgptai/awesome-claude-prompts )
与大模型的聊天确实一定程度上训练了人精准提问的能力。
TopBook 的 b 站视频,也讲了写关于提问与使用上的方式【突破个人能力天花板,和 AI 协作的 12 个范式。】 https://www.bilibili.com/video/BV1pgmbY1EXX/?share_source=copy_web&vd_source=84d1208a0ce8dac7e5646fcc327301a5
除了网页使用外,API 调用也是一种重要方式:
网上推荐的 API 服务包括:
调用 API 的软件很多,我主要推荐:
vscode 插件:
trae:字节跳动(豆包所属公司)基于 vscode 二次开发的 IDE 工具,对标 cursor,效果不错,可以调用 claude 和 gpt 辅助
(trae 截图)
在开罗大学的地下档案室里,昏黄的灯光下,杰森正专注地研究着一份泛黄的古老地图。地图上布满了神秘的符号和模糊的标记,空气中弥漫着羊皮纸特有的霉味。突然,他的手指停在了地图右下角一个几乎难以辨认的标记上——那是一个由三个同心圆组成的符号,周围环绕着奇特的几何图案。
"这不可能..."杰森喃喃自语,声音中带着难以掩饰的兴奋。他迅速翻出随身携带的笔记本,对比着之前在其他遗址发现的符号。随着研究的深入,他的心跳越来越快——这个标记指向的,正是传说中一夜之间消失的沙漠之城。
传说中,这座城市的居民掌握着某种超越时代的技术,他们能够操控沙漠中的能量,创造出令人惊叹的奇迹。然而,在某个满月之夜,整座城市连同它的居民一起,如同海市蜃楼般消失在茫茫沙海之中。有人说这是天谴,有人说是外星文明的杰作,但真相始终被掩埋在无尽的黄沙之下。
杰森的手指轻轻抚过地图上的标记,他能感觉到自己的手心已经微微出汗。这个发现可能会改写整个考古界的历史,但更重要的是,它可能揭示出人类文明发展过程中一个被遗忘的重要篇章。
然而,就在他准备进一步研究时,档案室的灯光突然闪烁了一下。杰森警觉地抬起头,他隐约听到走廊里传来急促的脚步声,还有金属碰撞的声响。他迅速将地图收进特制的防水袋中,塞进外套内侧的口袋。直觉告诉他,这个发现可能比他想象的更加危险...
杰森站在开罗郊外的营地前,看着眼前这支由五人组成的探险队。除了他,还有:
清晨五点,当第一缕阳光刚刚染红天际,队伍就启程了。吉普车在无垠的沙海中颠簸前行,车窗外是连绵起伏的沙丘,在晨光中泛着金色的光芒。随着太阳升高,温度急剧上升,车内的温度计显示已经超过45度。
"看那边!"阿里突然指着远处喊道。只见地平线上出现了一片奇特的沙丘群,它们的形状与周围完全不同,呈现出规则的几何图案。更令人惊讶的是,这些沙丘在阳光下竟然泛着微弱的金属光泽。
杰森立即叫停了车队。他小心翼翼地取出那张从档案室带出的古老地图,手指轻轻抚过地图上那个由三个同心圆组成的标记。突然,他注意到地图上的符号在阳光下泛着微弱的荧光,就像档案室那晚闪烁的灯光一样。
"就是这里,"他的声音因为激动而微微颤抖,"这些沙丘的排列方式...和地图上的标记完全吻合!而且..."他停顿了一下,指着地图上发光的符号,"这些符号在阳光下会发光,就像传说中城市居民使用的发光材料一样。"
队员们迅速搭建起临时营地。汤姆和艾哈迈德开始组装勘探设备,萨拉则仔细记录着周围的环境特征。杰森站在最高的沙丘上,感受着热浪扑面而来。他注意到,这里的沙子似乎比别处更细,而且带着一种奇特的磁性——指南针在这里完全失灵了。
"这让我想起了档案室那晚,"杰森对萨拉说道,"当时灯光闪烁时,我听到的金属碰撞声,和现在这些沙子的磁性特征似乎有某种联系。"他蹲下身,抓起一把沙子,让它们从指缝间缓缓流下。"传说中,这座城市能够操控沙漠的能量,也许这些特殊的沙子就是证据。"
夜幕降临时,沙漠的温度骤降。队员们围坐在篝火旁,讨论着第二天的计划。突然,远处传来一阵低沉的轰鸣声,像是某种巨大的机械在运转。所有人都屏住了呼吸,但声音很快就消失了,仿佛从未出现过。
"明天,"杰森望着星空说道,"我们就要揭开这个千年之谜的第一层面纱了。"
经过三天的艰苦挖掘,杰森和他的团队终于在一块巨大的玄武岩下发现了一个隐蔽的入口。入口处矗立着一扇高达三米的石门,上面布满了复杂的浮雕和符号。萨拉立即拿出笔记本开始记录:"这些符号...它们看起来像是某种数学公式和天文学符号的结合体。"
汤姆用探照灯照亮了石门,突然,石门上的一些符号开始发出微弱的蓝光,就像他们在营地外发现的发光沙子一样。"这些符号在吸收光线!"艾哈迈德惊呼道。杰森小心翼翼地触摸石门,发现它的表面异常光滑,就像是被某种高科技工艺处理过。
当他们推开石门时,一股冷风扑面而来,带着一股奇特的金属味。通道两侧的墙壁上镶嵌着发光的晶体,为黑暗的通道提供了微弱的光源。阿里摸了摸墙壁,"这些晶体...它们似乎在吸收我们手电筒的光,然后以不同的频率释放出来。"
随着深入,通道逐渐开阔,最终他们来到了一个巨大的地下空间。眼前的景象让所有人都屏住了呼吸——一座宏伟的地下城市静静地躺在他们面前。城市的建筑呈现出完美的几何形状,墙壁上布满了复杂的管道系统,就像是一座精密的机器。
在城市中央,他们发现了一个巨大的石桌,上面铺着一张泛着银光的羊皮纸。杰森小心翼翼地展开羊皮纸,发现上面布满了三维立体的符号,当光线照射时,这些符号会在空中投射出全息影像。
"这...这太不可思议了!"萨拉激动地说,"这些符号不仅包含了数学公式,还似乎描述了某种能量转换系统。"她指着其中一个符号,"看这里,这个符号和我们在营地外发现的发光沙子完全一致!"
就在他们沉浸在发现中时,突然传来一声尖叫。是艾哈迈德!当其他人赶到时,只看到他空荡荡的背包掉在地上,手电筒还在滚动,而人却消失得无影无踪。更诡异的是,地面上没有任何脚印或挣扎的痕迹。
杰森立即命令所有人集合,但空气中弥漫着一种令人不安的寂静。他们能听到彼此的呼吸声,却听不到任何来自城市的声音——没有风声,没有机械声,甚至连回声都没有,仿佛这座城市在刻意隐藏着什么。
杰森和萨拉花了整整两天时间研究那张神秘的羊皮纸。随着研究的深入,他们发现这不仅仅是一份能源系统的设计图,更是一个关于城市命运的警示录。
"看这里,"萨拉指着羊皮纸上一个复杂的符号,"这个符号和我们在石门以及发光沙子上看到的完全一致。它代表的是能量转换的核心——将阳光转化为城市运转所需的能量。"
杰森仔细观察着全息投影中的三维模型,"这个系统...它太先进了。整个城市就像一个巨大的太阳能电池,利用特殊的晶体材料吸收阳光,然后通过地下管道网络输送到城市的每个角落。"
突然,投影中出现了一段动态影像:城市居民们正在庆祝能源系统的成功运行。街道上闪烁着柔和的光芒,建筑物表面流动着能量波纹,就像他们在地下通道看到的发光晶体一样。
但画面突然变得混乱起来。萨拉倒吸一口冷气:"这里记载着系统失控的过程。看这些符号的变化,它们显示能量开始不受控制地波动。"
杰森指着投影中的一处细节:"这就是问题所在。他们试图用这些特殊的沙子——我们在地表发现的那种——来稳定系统。但沙子的磁性特征反而加剧了能量的波动。"
影像继续播放,展示了城市居民们绝望的尝试:工程师们在地下室忙碌,试图修复系统;科学家们在实验室里进行最后的计算;普通市民则聚集在广场上祈祷。但一切都太迟了。
"最后的记录显示,"萨拉的声音有些颤抖,"他们在满月之夜启动了紧急关闭程序。但能量已经积累到了临界点..."投影中,整个城市被一道耀眼的白光吞没,然后...什么都没有了。
杰森突然意识到什么:"等等,如果系统没有完全关闭,而是进入了某种休眠状态..."他转向汤姆,"这就是为什么艾哈迈德会突然消失!系统可能还在运作,只是以一种我们无法理解的方式。"
就在这时,他们听到远处传来熟悉的机械轰鸣声,就像他们在营地外听到的那样。地面开始轻微震动,墙壁上的晶体发出不稳定的光芒。萨拉惊恐地发现,羊皮纸上的符号正在快速变化,就像是在进行某种倒计时...
"快跑!"杰森大喊,拉着萨拉就往通道方向冲去。地面开始剧烈震动,墙壁上的晶体发出刺目的红光,空气中弥漫着臭氧的味道。
汤姆跑在最前面开路,阿里紧随其后。突然,通道开始扭曲变形,就像被某种力量拉伸。"这不是普通的震动!"萨拉惊呼,"整个空间结构都在改变!"
就在这时,阿里突然停下脚步,指着前方:"看!"只见通道尽头出现了一道光幕,就像他们之前看到的全息投影,但这次是实体的。汤姆试图用手触碰,却被一股强大的力量弹了回来。
"这是能量屏障!"杰森迅速掏出羊皮纸,"也许我们能找到关闭它的方法..."但羊皮纸上的符号正在快速消失,就像被什么东西擦除一样。
突然,身后传来一声巨响。他们回头一看,发现来时的路已经被坍塌的墙壁堵死。更糟糕的是,空气中开始出现细小的光点,就像萤火虫一样漂浮着。
"别碰那些光点!"萨拉警告道,"它们是能量溢出形成的等离子体,温度极高!"
就在这时,汤姆突然指着地面:"看这些符号!"原来地面上浮现出一串发光的符号,和羊皮纸上的一模一样。"这是...逃生路线!"杰森恍然大悟,"城市在指引我们!"
他们沿着符号指示的方向狂奔,但光点越来越多,温度急剧上升。阿里突然绊了一跤,一个光点擦过他的手臂,立刻烧出了一个焦黑的痕迹。
"坚持住!"杰森扶起阿里,"前面就是出口了!"但出口处却出现了一道新的屏障。萨拉仔细观察着屏障上的符号:"这是最后一道考验...我们需要同时触碰四个角落的符号!"
四人分头行动,但光点已经形成了一个包围圈。就在他们即将被吞噬的瞬间,四人同时触碰了符号。屏障消失了,但身后的能量波动已经形成了一个漩涡,开始吞噬周围的一切。
"跳!"杰森大喊。他们纵身一跃,穿过出口的瞬间,身后的通道轰然坍塌。刺眼的阳光扑面而来,他们重重地摔在沙地上。
当他们挣扎着站起来时,发现身后的沙丘正在以惊人的速度下陷,形成一个巨大的漏斗。整个地下城市正在自我毁灭。
"艾哈迈德!"萨拉突然指着远处。只见艾哈迈德正踉踉跄跄地从另一个出口跑出来,身上布满了奇怪的符号。
"快跑!"杰森冲过去扶住他。五人拼命奔跑,直到身后的沙尘暴渐渐平息。当他们终于停下来时,发现已经站在了沙漠的边缘。
杰森回头望向那片曾经隐藏着秘密的沙海,现在只剩下一个巨大的凹陷。他摸了摸口袋里的羊皮纸,发现它已经变成了一堆灰烬。
"也许..."萨拉轻声说,"有些秘密注定要永远埋藏在沙漠之下。"
杰森点点头,但嘴角却露出一丝神秘的微笑。他悄悄握紧了拳头,里面是一小块发光的晶体——那是他在最后时刻从墙上抠下来的。他知道,这场冒险远未结束...
created by AI
]]>