lyzen yang

🚀design ➕ ai 👀art 🔨crypto

[Tw93 @HiTw93]

挺有趣，听朋友说我这几篇文章成为了现在 AI 岗位面试准备必读的文章，那我来汇总一下给大伙好啦，希望有帮助，当然也祝福最近从传统岗位工程师转型成 AI 岗位的小伙伴找到自己满意的工作。

1. 你不知道的 Claude Code：架构、治理与工程实践
https://t.co/p0RWjHcklI

2. 你不知道的 Agent：原理、架构与工程实践
https://t.co/4FXcGYqbaJ

3. 你不知道的大模型训练：原理、路径与新实践
https://t.co/DJuvPaBvhu

4. 你不知道的 AI Coding：非技术人的上手、场景与实战
https://t.co/TLi4q9XOtJ

5. 你不知道的 GEO：AI 可见性的原理、实践与取舍
https://t.co/VrLUqgucwR

6. 你不知道的具身智能：从小机器狗到 Optimus
https://t.co/bRBbRZXIZg

[lyzen yang @lyzenyang]

@lazyappHQ Still waiting for a reply to my email, hoping for a prompt resolution. Thanks!

[lyzen yang @lyzenyang]

@lazyappHQ And I reached out to you immediately after noticing the deduction. I would greatly appreciate it if you could approve a full or partial refund as a one-time courtesy.
My account email is [email protected] — happy to provide the invoice ID or any other details needed.

[宝玉 @dotey]

看有人分享了个GPT用法：“看到一个用AI自学方法：网上找视频教程，用通义听悟转文字，结合其他基础资料喂给ChatGPT ，叫ChatGPT 开始给自己讲课。”
我觉得这法子还不够好，更好的方法是你自己当老师，让ChatGPT当一个聪明又爱提问的学生，答不上来的时候另开一个会话去找ChatGPT咨询，保管你学习效果翻倍！

[向阳乔木 @vista8]

感慨，这都能做个网站？

YC创始人Paul graham的博客内容质量一流。
迄今为止一共写了226篇文章。

今天看到有人做了个阅读记录跟踪网站，就是打卡读完他写的全部文章。

其实@randy 用他的软件epubkit做过226篇文章的双语对照Epub电子书。

领取地址见评论第一条

[Metaverse | Eric @Eric520CC]

🎬Trailer: STARWARS
New World of the Future
Videos: VEO2
Edited in: CapCut
All clips are generated by VEO2 Text To Video.
Expect ElonMusk take us on an interstellar journey
#Veo2 #videofx @labsdotgoogle @GoogleDeepMind @elonmusk

[lyzen yang @lyzenyang]

@anqirocks 团队氛围怎么样啊👀

[Yangqing Jia @jiayq]

I was asked why "GPU is an arbitrage market", so let me break down the definition to a few bullet points.

(1) The conventional cloud cpu market is very friendly to on-demand uses: you request it, you use it, and you release it. Of course, you can reserve machines for 1-3 years for a lower price, but in general, there is an abundance of on-demand CPU resources.

(2) This starts to change in the GPU case. Getting GPUs in an on-demand way is much more difficult. Especially for the newest cards like A100s and H100s: it is very hard, if not impossible, to get on-demand machines on the big clouds. And when you get it, it comes with a notoriously high price tag.

(2-1) I do not blame cloud providers. I served as VP and GM of the AI and big data service back at @alibaba_cloud, and knew this first-hand. Supply chain is tight, cost-per-machine is high, and unlike general-purpose CPUs, you cannot reuse free GPUs to run other workloads, like web services / databases / message queues. As a result, GPU resources naturally have to be more expensive than CPU ones.

(3) Such demand and supply relationship started to trigger what I call "alternative GPU vendors" to emerge. The thought process is: hey, why don't I offer GPUs that are way cheaper than cloud providers, strip away all the bells and whistles (storage, middleware, database, etc) and just offer raw compute, since AI users really just need the compute, and not other fancy web service software?

(4) Such alternative GPU vendors, most famously @CoreWeave, @LambdaAPI and recently @runpod / @sfcompute / etc, run a very different business model compared to conventional big cloud. In other words, cloud is Uber / Hertz: you get cars on demand; alternative GPU is leasing: you get your car for a year or two.

(5) Business wise, these vendors try to optimize utilization by matching up their GPU purchase from NVidia with their GPU sales to end users. In this way they avoid having to charge a high price per gpu hour, or having to eat too much idle GPU sunk cost.

(5-1) The potential downside of such GPU providers is that, you suddenly have to deal with a bunch of raw IP addresses instead of a "cloud-native" way of using resources. It's like going from modern K8s to old-school VPS. Of course, as a user, you save on infra, but you need to budget for an in-house platform team, or find a good SaaS platform provider.

(5-2) To clarify, I am not criticizing the lack of the software layer. As a platform guy, I admire and appreciate their ability to run efficient supply chain. They are providing critical balance vs the big clouds in this GPU shortage: they offer a different way to use resources. At the end of day, that's why we have Uber, Hertz, car leases, and purchased cars: it's a spectrum.

(6) plugging in our advertisement: we are complementary to raw GPU vendors. If you reserved a bunch of GPUs from an alternative cloud vendor, or you run your own GPU cluster in IDC and want to have a good platform, @LeptonAI able to give you that. In fact, we use our own platform to run high performance LLM inferences and example applications (like https://t.co/csEZJgrxKi and https://t.co/QPnF7c8egt), worry-free. You can have that too.

[AI Will @FinanceYF5]

当你赚到钱时，最好的事情就是：

投资你的健康。

没有健康，你一无所有。

以下是Ben Smith分享的提升精英健康和表现的20项顶级投资清单：

1) 50项参数的血液检测

原文👇

[Deedy @deedydas]

The best Google Search engineering explainer just dropped.

This was reverse-engineered from 1000s of leaked Google court documents.

I know everyone thinks ew Google, search sucks, but no one else has a truly web scale search engine in ~25yrs. Must read for software engineers.

[空谷 Arvin Xu @arvin17x]

此外，还学了/试了不少新东西：

1. 为了测 PDF 对话，试了主流的几家支持 PDF 对话的产品，某知名 AI 助手的 PDF 解析能力意外的差，而 ChatGPT 的 PDF 理解能力意外的好，一个纯扫描版图片的 PDF ，只有 ChatGPT 回答对了，估计还是借助了多模态的识别才达成的。

2. PDF 解析的相关解决方案中，在我测下来 https://t.co/a5SQXHOgEz 应该是目前最理想的，但不知道为啥好像很小众，没咋见人提过。除了中文图片扫描版 PDF 和公式的解析效果不完美以外，其他场景效果都非常好（普通内容文本、双列内容、表格），所以 LobeChat 的分块上准备用这个方案，能节省了很大一部分工作。可能唯一的缺点就是比较贵了。不过它家也有免费额度，同时也有开源自部署版本，应该还好。

3. 搞 Embedding 模型的厂商就很小众了。除了知名的 OpenAI 以外，像 Voyage 我第一次听说，但他们家的 Embedding 模型似乎是比 OpenAI 的效果还好。而纯中文 Embedding 模型可以用智源的 BGE 。不过由于 LobeChat 需要考虑多语种的场景，并且再加上模型供应商的可达性和性价比，所以默认的模型还是用了 OpenAI 的 embedding-3-small 。

4. 没想到 RAG 流程中居然还有 Reranker 的环节，排序排的好，模型的回复效果甚至能大大提升，有点出人意料但又在情理之中。而 Reranker 模型更小众了， 做的最好的是上面提到的 Voyage。 不过目前由于 chunking 效果还行，感觉一期还不需要用到 Reranker ，目前光是chunking 召回都还有不少优化空间。Reranker 估计要放后面再考虑。

5. 刚跑通 RAG 特别想知道第一版的效果怎么样，然后就搜到一个 《FinLongEval》 的评测，里面都是面向金融场景的长文档评测集，全都给出了 PDF 和 QA 对。照着这里面的内容手动做了测试，测了 14 个 PDF，差不多 30 个问题，其中 23 个回答正确，4 个部分正确，3 个完全不正确，感觉这个准确率在这一版应该算是还凑合了。部分正确和完全不争取的原因还是没召回到准确的片段，所以召回部分还有一些优化空间。

[空谷 Arvin Xu @arvin17x]

LobeChat Cloud （https://t.co/z4k5TITVKc）开启 Public Test 两周，最大的感触就是很庆幸当时做对了接入 Stripe 支付时的策略，避免了被 C 的“巨额亏损”。
在这里简单总结了下我们的一些经验。大家未来做 AI 相关订阅功能时，希望这些经验可以有些帮助。

[Derek Nee @DerekNee]

公开发布后一周：

客户正常付款：?,000 USD
黑产恶意付款：21,636.00 USD 🫡

想不到现在环境如此恶劣，公测上线两天就被国内的黑产盯上了，用黑卡刷了几千刀 flowith 的订阅（目前已封号+退款。

分享给大家我们的经历，希望可以帮助更多创业公司避免这种事情发生。

这里是一黑产论坛对 flowith 公开讨论：https://t.co/ul4OrzaLRu （嗯，论坛名字看起来很开源、很“友善”，一上去我还没搞明白他们所说的 'C' 是什么意思，以为是充值的缩写呢.. 后面才知道 'C' 是 Crack/黑的缩写。所以我要感谢下这个帖子里那些说 “创业公司大家最好别 C” 的朋友了。

虽然论坛里有不少善意人士，但后面我们还是被 'C' 了，Stripe 显示邮箱为 [email protected] 的客户订阅了 10 个我们钛金会员，且成功付款了。而这个邮箱即是「神墨网络工作室」的官方邮箱，也就是 https://t.co/CXyCE1Rksh 论坛版主的账户。同时我也看到了他们的 https://t.co/04k2nNSmZv 仓库，论坛中他们还分享到「今天 C 了 20 万美元」。

根据论坛和他们的 Git 账户可以看到同时被 'C' 的还有 Groq、Cohere、Perplexity 等项目，嗯，和这些估值数十亿美金的项目一同被 'C' 我们还挺荣幸的？

其实他们 'C' 只有两种方式：1. Stripe 使用生成的虚拟信用卡/黑卡订阅，然后消耗我们的 AI 次数（此方法他们刷了 20k 美元左右，但没成功） 2. 通过邀请好友获得免费的额度，然后消耗我们的次数（此方法他们虚假邀请了 300 个用户左右）

因此我们第一时间修改了 Stripe 付款策略，加强了风险控制，最近两天基本可以百分之百阻止恶意付款了（如果大家正常付款被阻止了请和我联系，应该几率很低），这里也可以理解为啥 OpenAI 的付款那么难了... 它们的策略要严格的多，以及我们对批量刷邀请的账户也进行了风险（是刷的的话非常明显）。

目前为止基本以上已经基本能阻止大量的恶意滥用行为了，接下来会继续关注，这条贴也一定会被贵论坛的大哥们看到，我本来是想在论坛里直接和你们沟通的，但你们是邀请制我无法注册，因此只能通过这种公开方式和你们交流，希望你们可以“慈悲”一点，放过我们这种做产品的创业公司，不要再浪费时间，flowith 会持续调整策略阻止类似行为。

这段经历对我们来说也是产品迭代外的一个小插曲，希望可以帮助其他独立开发者和创业者预防此类行为。Stripe 上要配置好 Radar 和审核标准，同时推荐机制也要防止滥用。🫡🫡🫡

[Tyler Nickerson @TylerNickerson]

Alright, folks REALLY wanted this one, so here ya go 👇

[lyzen yang @lyzenyang]

@alex_barashkov @figma Great work. Would love to dive in！ file plz

[Sébastien Deconinck @Deconinck_co]

UI and motion design based on a concept from @sovpal.

I used @figma to create the UI and @AdobeAE to bring it to life.

If you want a tutorial: RT and Like 💙

Day 9 ✅
#daretoshare24 #uidesign #motiondesign

[Nitish Khagwal @nitishkmrk]

Crafted a bunch of widgets with @figma variable bindings — Smooooth ✨

[lyzen yang @lyzenyang]

@jerrywanglaus 请问是什么字体啊

[Barret李靖 @Barret_China]

微软官方推出了专门的 AI 课程，Generative AI for Beginners，https://t.co/Wm0JHRMQy2，总共 12 节课，其中 6 节概念课，6 节编程课，我全部看了一遍，写的确实非常基础，学会以后，基本上你就可以自己去构建生成式 AI 应用了。

概念课会告诉你 AI 的发展情况、了解 LLM 的工作原理、掌握 Prompt 的初级和高级用法；编程课会让你学会调用 OpenAI、处理图片、使用向量数据库、调用 Function、开发一个完成的 AI 应用。

如果你担心自己编程能力不行，学不会编程课（大概率如此），可以看看这个教程，How to be a Programmer，https://t.co/szF3FQV8yQ，它将一个程序员的技能划分为三个层级，入门、进阶和高级，教会你重点概念的原理、检索答案的姿势、调试代码的技巧、优化性能的方法等等；至于编码部分，我觉得你可以不用过多学习，交给 ChatGPT 就行，让 AI 帮你写代码。

当然，你可以去 freeCodeCamp 学习编程，真正成为一名程序员，它提供了 3000 小时的免费课程，涵盖了编程涉及到的方方面面，https://t.co/kzAPhHFfYL，包括 HTML/CSS/JavaScript 三件套、Python 课程、移动应用程序开发课程、游戏开发、C 系列、PHP 系列、数据库等等，应有皆有。