DPS Build
Kanalga Telegram’da o‘tish
AI, coding, data science and startups
Ko'proq ko'rsatish1 013
Obunachilar
Ma'lumot yo'q24 soatlar
+37 kun
+1830 kun
Postlar arxiv
1 013
和一个在大厂工作还做独立开发的朋友聊天，觉得我们程序员其实身处一个巨大的泡泡之中。
我们已经习惯于使用 agent，不管是工作还是生活中。但是身边大部分人对于 AI 的认知还停留于聊天界面。
如果说基于聊天交互的 AI 可以回答我们的问题，那么基于 agent 交互的 AI 可以帮我们做很多事。但对于从未用过 agent 来说的人，这简直就是不可想象的事。就好比二十年前，我们怎么可能想象今天的网上购物，外卖还有移动支付。
所以要让更多的人用上 agent 还有极长的路要走。换句话说，还有非常多的机会。
1 013
看了一个潜在客户的需求，要在两个月内帮他们把所有海外市场的数据整合好，然后还要各种可视化，最终能辅助他们决策。他们把这称之为 mvp。
我问了问，你们对于 mvp 的定义是覆盖以上所有点，还是有优先度？直接对接的那位说对啊。然后她老板说，其实我们优先要打通销售和客户数据。
然后拖了一句，我们的数据有部分是手工的。我多问了一句，哪些是手工的？对方说，大部分都是手工的。
最后她老板来了一句，我们其实就是要从手工数据跨越到 AI 数据。
我觉得这个活好像不太敢接了
1 013
试了一下 Codex Dot，对我来说没有太大帮助，因为和我的 paseo workflow 基本一致：
1. 在家里的服务器上跑 paseo daemon，用 cloudflare worker 搭建自己的 relay server；
2. 扫码之后，可以在手机或者其他任意装了 paseo 终端的设备上访问家里服务器上的 paseo；
主要有这几个好处：
1. 所有的文件都在家里的服务器上；
2. paseo 可以接入任何支持的模型，gpt / claude / pi 等等，我的本地模型就用 pi 跑；
3. dot 不会暴露工作过程，paseo 可以看到，有问题的话，可以及时调整
https://github.com/getpaseo/paseo
1 013
再次在釜山地铁体验了鬼打墙一般的体验：
1. 地铁入口的售票机可以买单词票，只接受现金和插入信用卡支付，不支持 tap 或者移动支付；
2. 单日票或者三日票不能在机器上购买，只能在 Busan Subway app 上购买；
3. app 不登录可以进入购买流程，选择 Apple pay 之后，走完所有步骤之后显示失败；
4. 选择输入信用卡输入，又出现了上面 krail 那张变态键盘页面；
5. 最后请朋友帮忙用 naver pay 买了三日票，用我的邮箱先在对方手机上购买，然后再验证邮箱，心想着这样我的手机上就能看到票了吧？试了半天都不行。最后在购买说明上看到，如果不登录购买的话，删除 app 再装回去也看不到车票。估计是默认绑定设备号了。
算了，全程打车吧 😢
1 013
看了下 DHL 的记录，从深圳到香港，然后就飞了。有意思的是，飞机还没飞，目的地的清关已经开始了。
door to door 不到24小时。可惜我不在家，错过了第一次投递😢
1 013
看到一个基于 jev 分类 tweets 情绪进而推测市场走向的项目，不尽感慨。
从 jev 出来到现在不过四五天就出来这个项目；
还没 ChatGPT 之前，还在 deep learning 时代，我花了个好几周的时间，手工标了数据之后，喂给 bert ，把一个类似的项目的 f1 调到 80 多；
而在 deep learning 出现之前，我花了三四年时间，对比了 svm, random forests 等几个机器学习的算法，才把一个类似项目的 f1 调到 70 出头一点。
从年到月到天的变化实在太快了。
要知道 sentiment analysis 这个细分领域从出现到现在也不到二十年，最早的那篇论文就是研究是否可以用 Twitter 上讨论股市的帖子来预测股市走向，时间应该是 2008年。
https://github.com/brainstormity/Jev-X-Sentiment-Analysis
1 013
更高潮的来了，客户给的参考收入是他们四个市场收入。目标是希望明年在新渠道做到这四个市场的一半。
结果呢，这个负责项目的小朋友既没问清楚要从四个市场一起做，还是优先做哪个市场。也没问清楚现有渠道在四个市场的情况，就疯狂写了计划出来，然后还要我们报价。
拜托，这是要落地赚钱的项目，不是画画饼就行的咨询项目。你能把客户情况弄弄清楚，把行业情况弄弄清楚，再掂量掂量自己能不能接吧？
1 013
如果在 reset 之前有用不完的 token，可以拿来读所有的 adr 文档，然后整理出一个 compass 文档，给以后的项目用。
这件事价值太高了，我花了这么多时间精力和 token 在一个项目上。有可以复用到下一个项目的代码当然很好，但更重要的是，我从这个项目里学到了什么。
积累下来的 adr 具有很高的价值，因为所有的主要决策都记录在此。既然有了这些积淀，不如再把他们提炼一下，看看我们能学到什么，能少走那些弯路。
1 013
最近一个老朋友打算把他们拿到的一个大项目拆分一块给我们，因为他们自己完全没经验。
恰好我们都有经验，就看了下客户的公开数据，然后很认真地开始准备。
和我们对接的是朋友手下的小朋友，负责商务。极其不专业，连续两次，自己安排了会议时间之后，会议开始后半小时都不出现，也不发消息通知改时间。
第二次开会的时候，她反复催促我们给报价和方案，并说他们已经和客户聊得差不多了，就剩把分包给我们的这块填进去。
我多问了几句，发现他们所谓的计划完全不靠谱，连最起码的行业知识都不懂。末了，她说可以发已经和用户确认的时间线给我们。
等他们发来，我一看，两眼一黑，这个时间线完全就是凭他们的想象捏造出来的，完全没有考虑客户的真实需求和痛点。属于既不尊重自己的专业领域，也不理解客户需求的典型。
然后她还口口声声说客户很欣赏他们的专业意见。🤪
1 013
本来以为12306已经够烂了，结果打开韩国高铁 Korail 的网站 + app 才知道什么是更烂的：
1. 密码只能设置纯数字，6-13位，我还以为键盘坏了，死活输入不了，看了半天才看见只允许纯数字；
2. 信用卡输入的时候，不能粘贴，前四位和最后四位可以用手机键盘输入，中间的两个四位必须用他们的安全键盘输入，然后就是截图里的奇葩玩意，只能看见当下输入的那个字符，看不到四位字符；
3. 选票的时间窗口错位的，比如你选八点，它显示九点，你选九点，它显示十点…
1 013
上一周基本跑通了整个流程，也拿到一些结果，但有一个问题始终困扰着我：
用 whisper-mlx 把录音转成中文后，所有的标点都丢失了，英语倒还好。这样以来，问题很大，因为 whisper 的模型是根据根据时间窗口切割结果的，比如3秒，10秒之类的，但没有标点就无法重新分句，只能硬拿3秒10秒这样的切块和英语做对比。尽管也能看出一些眉目（抄得太厉害了），但总归难以说服自己。
我一开始想直接在切块里添加标点，然后再分句。但这样的问题很大，每个切块都是破损的，这样直接喂给模型，效果还是很差。后来我想，要不干脆直接把所有一段录音的所有切块直接拼在一起，然后再添加标点，再分句。查了查，还真有人这么玩过，而且还有专门的模型。结果拿来一试，不光分句的问题解决了，后续的问题也解决了不少。
有了 agent，这就是一两小时的事，没有 agent，恐怕是一两周的活。
1 013
完整的工作流在这里，这也让我意识到了 FDE 的重要性：
1. 作为程序员出身的我们，天然地以为所有人对于 AI，对于 agent 的认知都是类似的；
2. 作为一般人，以为 AI 就是聊天框，就是几个 skill；
两边都不知道对方的不知道，这中间的差距非常大，而 FDE 正好可以解决这些
https://t.me/tms_ur_way/3968
