人们即使非常努力，也仍然容易错过重大的革命性的新机会，主要是因为三大障碍： 一，新机会的思维模型，商业模式和以前的经验完全不一样，底层是完全不同的架构，老的思维模式完全无法理解。 1/

1/n 今天考古一下，讲讲uniswap和Defi summer的缘起 Geosis在以太$50的时候融了$12.5M，而且最早提出了AMM模型; Bancor 17年融了$144M来做AMM,比Uniswap更早上线了产品； 然而却是工作一年就被裁员的loser电气工程师，自学代码不到一年的初级程序员Hyden，拿着以太坊基金会给的$50K做出了unisawp。

【以太坊主流Token 特点概览】 依然是运用了费曼学习法，输入→输出。学习整理可以太坊主流Token 的性质 顺便制作了各类Token 特点的思维导图 分享给需要的小伙伴。 学习资料来源： Element NFT Marketplace中文社区 lanxing ｜蓝鸟会🔆 猫神

“卧槽，我被夹子夹了！” “卧槽，NFT没抢到！” 夹子机器人历史总盈利：12亿美元。 我和WTF贡献者 @BrianHu67482535 更新了WTF Solidity 合约安全 S11：抢先交易，介绍了以太坊中的抢先交易（front-running），并进行了实践：抢跑一笔铸造NFT的交易。 教程和代码开源在github: github.com/AmazingAng/WTF…

整理了一个撸毛工具合集，几乎全都是自己在用的，所以实用性应该很强 基本也没有写什么废话，不过稍微随性了一点，想到什么写什么，之后也会长期更新的 欢迎大家指正和提供意见或者推荐宝藏工具，让这份合集能更加好用。 还请大家点赞转发支持一下，谢谢！ mirror.xyz/litee.eth/QHvs…

全链路性能分析套路： 1） 先看监控，有各种鹰眼、狼眼最好； 2） 没有的话就要徒手上了，先要权限，只要每个节点有权限就好搞了，追着 RT 徒手撸，从客户端一直撸到最后面的数据库； 3）如果没有权限是最悲惨的，一般外包都没权限，但是又要干活，比如我。那么就只能用 ping 到处围着蹭蹭，不进去

昨天跑通了类似 ChatPDF 的全离线方案，不用 ChatGPT（当然效果肯定会差一些），Embedding 使用 CoSENT 方案，内容总结生成回复使用 ChatGLM，效果很不错 这样的好处是成本完全可控，并且支持私有化部署，准备在自己的客户业务上先测试下效果。

我来说说近期 AI 帮我干的事： 1）写代码Github Copilot虽然也不能把所有代码写对，但是在一些常规性的体力活生活帮我节省了太多的时间，诸如：Lint，变量声明和命名，函数调用，数据遍历，代码胶水，失败检查，常规功能，日志，注释，单元测试，文档……让我可以更专注那些更为核心和重要的逻辑。

两年前，我找视频制作公司花了半年做了个二十年来【软件架构的演进】的视频，从单体架构到SOA，再到微服务，再到云原生架构。今天终于把这个视频做成了一个平台：MegaEase Cloud - 国内 cloud.megaease.cn / 国外cloud.megaease.com，欢迎试用和反馈！（视频:youtu.be/6X74pEJ58-E）

一份关于大语言模型的调研论文，有大概50页。非常的全面而且内容很新。 介绍了大语言模型的背景、关键发现和主流技术，回顾了LLMs的最新进展。特别是，我们重点关注LLMs的四个主要方面，即预训练、适应调整、利用和容量评估。 arxiv.org/abs/2303.18223

在学习完吴恩达老师课程之后，又发现了哈佛大学 CS50 利用 GPT-4 打造智能程序的课程，这不是巧了吗？正好学完 Prompt 知识就无缝衔接上这个课程了，于是又做了 CS50 的思维导图。

#月入10万美金 #AI 已经成为普通人改变命运的最新方式，#AI 是下一个红利窗口就像7年前的 #抖音、4年前的 #直播。 油管上的博主用AI工具做动画片一个月收入最高有 #600000美元，浏览量超过百万。但是他只用了几个简单的AI工具 🩸今天分享：《如何用AI制作动画并开启你的月入10万万美金之路》

一次有趣的 idea→build→sell 实践，《开发一个浏览器插件在第三天卖出 1000 元》lutaonan.com/blog/my-extens…，作者实践过程中几点心得： 1）在做出产品之前，先找到人群，试探一下市场 2）确定真正的 MVP，去解决看到的最直接的问题 3）验证产品价值——看市场付费意愿 4）先拍脑袋定价，因为 3）很重要

看到一个 Prompt 届的 Github 产品，FlowGPT，flowgpt.com，以开源社区运作方式聚集了上百万的 Prompt Engineers，在上面有逛到非常多实用的 Prompts。 网站还提供了免费的 ChatGPT 调试能力，方便你对 Prompt 做编写、测试、发布和管理工作，发布出来的 Prompt

这两天，在系统化整理 ChatGPT 等 LLM 的资料和知识框架 无疑中发现了这么个牛逼的 Github Repo: github.com/fighting41love… 包罗万象，简直是 NLP 农民工的乐园 正因为太齐全了，所以细分整理还得继续。好在 Repo 中有 Repo, 有些还指明了论文出处，大赞 !!

airgram.io 这是一家中国出海公司，听朋友说ARR超过100万美金了，是前摩拜CTO张岩团队做的，Focus 在一个很具体的痛点上：会议语音的AI转录，从技术上并没有难度，甚至比很多独立开发者的产品难度还小，但重要的还是洞察与敏感的用户体验思维

问：如果要把一个平台的私有API文档提供给ChatGPT，让它学会API，能生成代码调用这个api，怎么做比较合适，是微调（Fune-Tuning）还是嵌入（Embeding）？ 答： 都能实现，也各有优缺点。 微调（Fune-Tuning） 用微调的话，相当于要在LLM（大语言模型）知识库的基础上，让它学习新的知识。 优点：

Meta 几天前刚刚宣布 Code Llama 现在免费用于研究和商业。 这可能是 ChatGPT 的最强竞争对手： ▸ 可以生成、解释和调试您的代码 ▸ 处理输入 100,000 个代币 ▸ 免费用于研究+商业用途 ▸ 优于大多数开放模型 ▸ 有 7B、13B 和 34B 可供选择 ▸ 支持 Python、C++、Java、PHP、Typescript

这篇文章非常赞👍🏻 基本讲清楚了多模态和多模态大模型（LMMs）。 文章主要分三部分： - 第一部分涵盖了多模态的背景，包括为什么要使用多模态、不同的数据模态以及多模态任务的类型。 - 第二部分深入探讨了多模态系统的神奇之处。通过 CLIP 这个例子，我们可以看到它如何为未来的系统铺平了道路；而

Anthropic为Claude推出高级工具使用功能：可按需发现工具、通过Python代码执行工具，并从示例中学习，提升AI代理的自主性。 传统方法占用77.2k/200k令牌（自由空间61.4%），而工具搜索仅用8.7k令牌（自由空间95.65%），显著优化上下文效率。 标志AI工具集成从静态转向动态，助力构建可扩展代理。