关于AI未来展望-对话篇

1. 什么是 LLMops？

LLMops 是一种基于大模型的应用开发技术栈，包括开发框架和运营工具。它强调持续迭代和快速反馈，以应对市场和用户需求的变化。

2. 大模型工程化的三种方式

• Prompt：用于生成特定内容的提示。 + Embedding：将私有数据嵌入到大模型中。 + Fine Tune：对大模型进行微调，以提高其性能和准确性。

3. Agent 的三种形式与面临的三大问题

• 纯手工编排的 agent：需要手动设置步骤和工具。 + 完全自主的 agent：不可控且难以预测。 + 混合型 agent：结合了部分编排和自主能力，相对可控。

4. Prompt 的潜力被低估了，它的难度也被低估了

Prompt 在控制大模型回答准确性方面至关重要，但编写高质量的 prompt 并不容易，需要大量技巧和经验。

5. 未来大模型的市场格局

未来大模型市场将多模型共存，各自在不同领域发挥作用。中间层将起到关键作用，连接开发者和大模型，提供技术支持和应用开发工具。

6. Llama2 离真正投产还有相当长的距离

Llama2 作为新一代大模型，目前还处于研发阶段，距离大规模商用还有一段时间。

7. LangChain到底是什么？

LangChain 是一个基于 Long-term AI（LTAI）技术的框架，用于构建智能应用和自动化工作流程。它结合了多个 AI 技术和工具，以实现复杂的任务自动化。

8. Dify五万多个应用中，最典型的落地场景是？

Dify平台上的应用主要集中在教育、行政和市场营销等领域，例如学生水平评估、写作打分和客户服务自动化等。

9. 未来个人助手的入口会在哪儿？

未来个人助手可能会集成到操作系统中，成为用户日常使用的一部分。例如，未来的微信通讯录里可能会包含多个 bot，为用户提供各种服务。

10. AI的三大发展方向

• 看4D电影：结合多种感官数据进行训练，提升模型的理解和表达能力。 + 模型小型化：降低大模型的计算需求和成本，使其更易于部署和使用。 + 一切数据向量化：将所有信息数字化，以便 AI 快速处理和学习。

11. 对于 AI，我俩最焦虑的事情是同一个

• 大模型的发展速度：音频中提到，对于AI的未来发展，两人都感到焦虑。这种焦虑主要源于大模型的发展速度可能没有预期的那样乐观，即大模型的进步和实际应用之间的差距可能比预期的要大。 + 落地难度：大模型在实际应用中的落地难度被低估了。尽管大模型在理论上具有强大的能力，但在实际应用中，如何有效地利用这些能力仍然是一个挑战。

12. 会格外喜欢什么样的创业者？

• 执行力强：曲凯特别看重创业者的执行力。他认为执行力强的团队能够快速将想法转化为实际的产品或服务。 + 有经验：除了执行力，曲凯还看重创业者的经验。有经验的创业者能够更好地理解市场需求和技术实现的难度，从而做出更合理的决策。 + 学习能力：具备强大学习能力的创业者也是曲凯喜欢的类型。这类创业者能够不断学习新技术和新知识，以适应快速变化的市场环境。

13. 怎么看中间层的创业机会？

• 关键作用：曲凯认为中间层在大模型生态系统中扮演着关键角色。中间层连接开发者和大模型，提供技术支持和应用开发工具，帮助开发者更高效地应用大模型技术。 + 市场前景广阔：中间层的创业机会非常广阔。随着大模型技术的普及和应用需求的增加，中间层的解决方案将越来越受到重视。 + 需要定力和经验：虽然中间层的创业机会诱人，但曲凯强调这需要团队有足够的定力和丰富的经验，以确保能够在竞争激烈的市场中脱颖而出。

14. 现在创业者普遍暴露出来的问题都有什么？

• 高估技术难度：许多创业者高估了技术的实现难度，导致在实际开发过程中遇到大量预料之外的问题。 + 忽视市场需求：部分创业者过于关注技术开发，而忽视了市场需求的变化和用户的真正需求，导致最终产品难以获得市场的接受。 + 缺乏有效的运营策略：很多创业者在产品开发后缺乏有效的运营策略，无法确保产品的持续改进和优化，从而影响产品的长期发展。