Karpathy 亲述:我每天这样用 LLM,才发现 90% 的人都用错了
这不是一场教你“怎么写 Prompt”的视频,而是 Andrej Karpathy 亲自拆解:他到底把大语言模型当成什么在用。从聊天、思考模型、工具调用,到 Deep Research 和自定义 GPT,这套用法直接拉开了“会用”和“真正会用”之间的差距。
这不是一场教你“怎么写 Prompt”的视频,而是 Andrej Karpathy 亲自拆解:他到底把大语言模型当成什么在用。从聊天、思考模型、工具调用,到 Deep Research 和自定义 GPT,这套用法直接拉开了“会用”和“真正会用”之间的差距。
很多人把“AI Agent”当成新一轮营销热词,但在这场演讲中,Chip 用亲身经历、经典定义和真实工程难题解释了:Agent并不新,却异常困难;也正因为难,它才是通往下一代AI应用的关键路径。
Patrick Dougherty在创业过程中推翻整套产品,转而用AI Agent重构系统。这次分享不是概念宣讲,而是来自真实生产环境的教训:什么才算Agent、为什么“会想”比“知道多”更重要,以及哪些常见做法其实在拖垮Agent表现。
这场演讲给出了一个非常具体、可落地的判断:软件开发正在从“人+IDE里的AI助手”,走向“人+一群自治运行的编码Agent”。通过真实的单元测试Agent Guru,演讲者展示了Agent如何成为代码库里的“正式贡献者”,以及未来开发者真正该专注的价值所在。
这是一篇关于AI Agent如何被错误营销、以及这种叙事为何正在伤害开发者与产品本身的文章。来自前GitHub Copilot开发者布道师的亲身经验,提出了一套“克制而真实的拟人化”框架,帮助AI工具在获得采用率的同时,避免透支开发者信任。
如果你还在把模型、推理、函数调用、Demo 工程拼成一条脆弱的 AI 工具链,这个视频可能会让你有点不舒服。Google 的 AI Studio 正在把这些东西收进一个界面里,而且已经不是 PPT。Greg Isenberg 直接让 Google AI Studio 负责人现场演示,很多从业者看完都会意识到:AI 基础设施的游戏规则,正在被重写。
Google发布Gemini 2.0 Pro后,外界最关心的并非单一模型强弱,而是它折射出的行业趋势:预训练是否撞墙、推理阶段扩展的价值,以及当模型“都足够好”之后,竞争真正转向了哪里。
如果你以为 ChatGPT 是在“理解”你,那这正是最大误解。Andrej Karpathy 用一场长达一小时的 Deep Dive,把大语言模型从神话拉回工程现实:它只是一个在模仿人类的统计机器,但正是这种“不会思考的系统”,正在重塑整个软件世界。
当 GPT-4o mini 把 32k 成本从 120 美元打到 0.6 美元,很多人以为 AI 规模化已经变成“选便宜模型”的问题。但 OpenAI 在 DevDay 现场泼了一盆冷水:真正决定你能不能活下来的,不是成本,而是你是否先把准确率做到“商业可接受”。这场演讲,几乎是在拆穿所有 AI 应用的幻想。
在 OpenAI DevDay 的社区案例里,Amperity 抛出了一个让很多 AI 从业者愣住的做法:他们做了一个跨行业、跨上百客户的 NL2SQL 系统,却刻意没用向量数据库。取而代之的,是两步“研究式”上下文管理。这套思路,可能比你想象得更重要。