📚 今日知识点
【项目经验】AI产品MVP验证：先不做完整功能，用GPT-4 API+简单前端快速验证需求。真实用户反馈比预判重要10倍。
【项目经验】成本优化：小模型+Prompt工程 > 大模型+暴力Prompt。7B模型调优后，很多任务能达到GPT-4的80%效果，成本只有1/10。
【LLM】上下文窗口是记忆容量：GPT-4是128K，Claude是200K。长对话中可以用滑动窗口或RAG技术避免遗忘关键信息。
【Vibe Coding】相信AI但验证结果：让AI写复杂逻辑，但你必须理解代码结构。不理解的东西，永远不要直接部署到生产环境。
【LLM】Temperature参数控制输出的随机性：0.1=确定性高（适合代码、文档），0.7=平衡（适合创意写作），1.0+=创造性强但可能不连贯。
【项目经验】成本优化：小模型+Prompt工程 > 大模型+暴力Prompt。7B模型调优后，很多任务能达到GPT-4的80%效果，成本只有1/10。
【项目经验】成本优化：小模型+Prompt工程 > 大模型+暴力Prompt。7B模型调优后，很多任务能达到GPT-4的80%效果，成本只有1/10。
【架构】LangChain vs LangGraph：Chain是线性流程，Graph是循环流程。复杂Agent用LangGraph，简单任务用LangChain足够。
【Agent】Self-Reflection让Agent自我修正：在每步行动后，让模型评估结果并调整策略。显著提升复杂任务的成功率。
【LLM】Few-shot learning比Zero-shot效果更好：给2-3个示例，模型理解能力显著提升。示例格式很重要，保持一致性。
【项目经验】AI产品MVP验证：先不做完整功能，用GPT-4 API+简单前端快速验证需求。真实用户反馈比预判重要10倍。
【项目经验】监控AI系统：除了延迟和成功率，还要监控「幻觉率」和「拒答率」。这些指标直接影响用户体验。
【LLM】上下文窗口是记忆容量：GPT-4是128K，Claude是200K。长对话中可以用滑动窗口或RAG技术避免遗忘关键信息。
【LLM】Temperature参数控制输出的随机性：0.1=确定性高（适合代码、文档），0.7=平衡（适合创意写作），1.0+=创造性强但可能不连贯。
【Agent】ReAct模式：Reasoning（思考）+ Acting（行动）。Agent先分解任务，再逐步执行，最后验证结果。是复杂任务的标准范式。
📖 论文推荐
Self-Refine (2024)
- 作者: Various Researchers
- 简介: 生成-批评-改进循环。比一次性生成质量更高，代码、写作必备。
Attention Is All You Need (2017)
- 作者: Vaswani et al. (Google Brain)
- 简介: 引用10万+！Transformer论文，彻底改变NLP领域。自注意力机制是所有大模型（GPT、BERT、Claude）的架构基础。必读经典。
Mixture of Agents (2024)
- 作者: Together AI
- 简介: 多Agent协作框架，每个专注一领域。通过aggregation得到更好结果。
Tree of Thoughts (2023)
- 作者: Yao et al.
- 简介: 引用1500+！思维树方法，探索多个推理路径并回溯。数学、编程等复杂任务效果显著。
BERT: Pre-training of Deep Bidirectional Transformers (2019)
- 作者: Devlin et al. (Google)
- 简介: 引用8万+！首次证明双向预训练的效果。BERT刷新11项NLP任务SOTA，开启了预训练语言模型时代。
GraphRAG (2024)
- 作者: Microsoft Research
- 简介: 结合知识图谱+社区检测，解决RAG全局性盲点。企业级知识库必备技术。
Toolformer (2023)
- 作者: Schick et al.
- 简介: 引用1000+！让模型学习调用外部工具。现代AI工具调用的基础，Agent能力扩展的关键。
Constitutional AI (2022)
- 作者: Anthropic
- 简介: 引用2000+！宪法AI，通过自我批评避免有害输出。Claude模型的核心安全机制，RLHF的替代方案。
Qwen2.5 (2024)
- 作者: Alibaba
- 简介: 72B开源，性能超越闭源模型。数学、编程、长文本突出。中国开源AI的重要里程碑。
Chain of Density (2024)
- 作者: Various Researchers
- 简介: 迭代增加摘要密度，简洁且信息丰富。长文档摘要必备。
- Instruction Tuning (2022)
- 作者: Wei et al. (Google)
- 简介: 引用5000+！证明指令微调让单一模型完成多任务。ChatGPT等聊天机器人的技术基础。
- DeepSeek-V3: Technical Report (2025)
- 作者: DeepSeek Team
- 简介: 开源MoE架构，671B参数激活仅37B。性能媲美GPT-4，训练成本560万美元。开源的里程碑。
- Language Models are Few-Shot Learners (2020)
- 作者: Brown et al. (OpenAI)
- 简介: 引用6万+！GPT-3论文，定义few-shot learning。175B参数展示规模化效果，是现代prompt技术的起点。
- Chain of Density (2024)
- 作者: Various Researchers
- 简介: 迭代增加摘要密度，简洁且信息丰富。长文档摘要必备。
- Long Context Beyond 1M Tokens (2024)
- 作者: Google, Anthropic
- 简介: Gemini 1.5、Claude 3突破1M上下文。长文档、代码库、视频内容处理成为可能。
本日报由AI助手自动生成，帮您快速了解AI领域最新动态。