我想确保这一点清楚： 当你加入我的AI/ML工程小组时，你也可以访问未来的每一个小组。 这是终身访问，只要我教授这个小组，你就可以加入，而无需再支付一分钱。 没有每月付款。没有“升级”或“追加销售”。 很简单：你一次性支付加入费用，就可以获得*所有*内容，永远没有限制。你只需在想上课时出现即可。 顺便说一下，许多学生都是这样做的： • 加入一个小组热身 • 加入下一个小组全力以赴 • 加入第三个小组获得超能力 当然，这个是可选的，但对于那些想要灵活性的人来说，这非常重要。 我的下一个小组将在两周后（8月4日）开始，你可以通过访问ml dot school加入。

昨晚我在离开Gemini后上床睡觉，进行了一些我需要的家庭服务的深入研究。 今天我醒来时，发现有几天的工作已经为我准备好了。分析的深度让我感到“天哪，这太棒了！” 我觉得我们不理解。我觉得我们还没有准备好。

95%的开发者还没有准备好进行关于人工智能的诚实对话。

OpenAI 昨天推出了 ChatGPT 代理。 演示令人印象深刻，但请记住，我们早已拥有更强大的代理能力。 这是 ChatGPT 代理与 @genspark_ai 的 1:1 比较，使用相同的提示。 这仅仅是个开始！

我不再确定该如何看待这本书。 在大多数这些想法看起来有价值的时期，这本书确实很棒，但它也导致了一些我所目睹的最大暴行。 我不再推荐人们阅读它。我已经有一段时间没看了。

到目前为止，我上过的最好的课程之一。 下一期课程将于8月4日开始。你可以加入。

这就是你如何用更少的努力写出更好的代码。 定制的专业代理在每一步都在审查你的代码。 我以前见过自动化代码审查，但从未见过能够定义你自定义审查代理的能力。@baz_scm 是第一个做到这一点的，真的很酷。 有三种类型的审查代理： 1. 开箱即用的代理。 这些代理覆盖了每个人想要检查的最常见模式：重复代码、损坏的代码、复杂的代码等。 2. Baz 自动为你创建的推荐审查代理。 Baz 分析你的审查历史和过去的评论，以识别你关心的模式，然后自动创建专门检查这些模式的代理。 例如，如果你总是要求开发人员将文件保持在 100 行代码以内，Baz 会检测到这一点并创建一个检查该规则的自定义代理。 3. 你定义的自定义审查代理。 这些是我最喜欢的：写一个提示，解释你的规则，你的代理将开始检查你的代码，以标记任何符合规则的内容。 我在附带的视频中创建了一个简单的审查代理。 老实说，在这一点上，你没有理由发布糟糕的代码。 这是一个链接，供你尝试这些自定义审查代理： 感谢 @baz_scm 团队与我合作撰写此帖子。

前端开发。 2010 - 2024。

老实说，大多数AI开发者仍然停留在上个世纪。 让我震惊的是，知道错误分析的人少之又少。 这*确实*是评估AI应用程序最快、最有效的方法，而大多数团队仍然在追逐幽灵。 请停止追踪通用指标，遵循以下步骤： 1. 收集失败样本 开始审查您的应用程序生成的响应。对每个响应做笔记，特别是那些错误的响应。您不需要以任何特定方式格式化您的笔记。专注于描述响应中出了什么问题。 2. 对您的笔记进行分类 在您审查了一组良好的响应后，使用一个LLM，要求它在您的笔记中找到常见模式。要求它根据这些模式对每个笔记进行分类。 您将最终得到涵盖应用程序所犯每种错误类型的类别。 3. 诊断最常见的错误 首先关注最常见的错误类型。您不想浪费时间处理罕见的错误。 深入分析导致这些错误样本的对话、输入和日志。尝试理解可能导致问题的原因。 4. 设计有针对性的修复 在这一点上，您想确定如何尽快、以最低成本消除您在上一步中诊断出的错误。 例如，您可以调整提示，添加额外的验证规则，寻找更多的训练数据，或修改模型。 5. 自动化评估过程 您需要实施一个简单的过程，通过您的应用程序重新运行评估集，并评估您的修复是否有效。 我的建议是使用LLM作为评判者，通过应用程序运行样本，给它们打上通过/不通过的标签，并计算结果。 6. 关注您的指标 您在错误分析中识别的每个类别都是您希望随着时间推移而跟踪的指标。 沉迷于"相关性"、"正确性"、"完整性"、"连贯性"以及任何其他现成指标是没有意义的。忘掉这些，专注于您发现的真正问题。

构建更好的 RAG 的小贴士： 用额外的元数据包装你的数据块。尽可能为每个数据块添加更多的上下文。 这将使你的检索器提升 10 倍。