Posts

一个常驻 macOS 桌面的学习入口，可以聊天、划词查词、显示实时字幕并在课后整理笔记。这里记录了做这个项目时的需求取舍、模型对比和一些体会。

https://docs.openclaw.ai/ OpenClaw部署 服务器与系统环境 腾讯云轻量应用服务器 4核CPU，4GB内存，70G系统盘 ubuntu 22.04.5 LTS 64bit，根据chatGPT推荐兼容性最好 安装OpenClaw 更新系统并下载依赖 # 更新系统 sudo apt update && sudo apt upgrade -y # 安装基础依赖 sudo apt install -y git curl wget unzip build-essential # 安装nvm curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash source ~/.bashrc # 安装node.js nvm install --lts nvm use --lts # 验证安装成功，查看版本号 node -v npm -v 下载OpenClaw npm install -g openclaw@latest 启动OpenClaw # 初始化配置并安装 openclaw onboard --install-daemon # install-daemon 自动将 OpenClaw 的 Gateway 服务安装为后台守护进程，静默运行， # 开机自动启动及崩溃自动重启 from chatGPT ...

AI Agent（从 Chatbot 到生产级 Agent） AI Agent是LLM应用的高级形态，能够自主规划、执行任务并与环境交互。 经典论文： Yao, S., et al. (2022). “ReAct: Synergizing Reasoning and Acting in Language Models.” ICLR. [论文链接] - ReAct框架，Agent核心范式 Wei, J., et al. (2022). “Chain-of-Thought Prompting Elicits Reasoning in Large Language Models.” NeurIPS. [论文链接] Wang, G., et al. (2024). “A Survey on Large Language Model based Autonomous Agents.” arXiv. [论文链接] - Agent综述 一、整体演进路径 Chatbot → Tool Use → Agent → Production Agent（工业级） 演进说明： Chatbot: 仅能对话，无法执行外部操作 Tool Use: 能调用单一工具 Agent: 能自主规划并执行多步骤任务 Production Agent: 工业级，具备错误处理、权限控制、监控等能力 二、核心概念拆解 1️⃣ Chatbot LLM + Prompt ...

Prompt Engineering https://www.coursera.org/learn/chatgpt-prompt-engineering-for-developers-project/home/welcome Prompt Engineering（提示工程）是设计和优化输入提示（prompts）以引导大语言模型生成期望输出的技术。这一领域随着GPT-3的发布而兴起，是连接用户意图与模型能力的关键桥梁。 经典论文： Brown, T. B., et al. (2020). “Language Models are Few-Shot Learners.” NeurIPS. [论文链接] - GPT-3论文，首次系统展示了prompt engineering的潜力 Wei, J., et al. (2022). “Chain-of-Thought Prompting Elicits Reasoning in Large Language Models.” NeurIPS. [论文链接] 1. Prompting Principles（提示原则） Principle 1: Write clear and specific instructions（编写清晰具体的指令） 清晰性（Clarity）和具体性（Specificity）是prompt设计的核心原则。研究表明，模糊的指令会导致模型输出不确定性增加，而具体的指令能显著提升输出质量。 Tactic 1: Use delimiters to clearly indicate distinct parts of the input 分隔符（如 ```、"""、—、<>）能帮助模型识别输入的不同部分，避免混淆。这在处理包含多段文本或代码的任务时尤为重要。 Tactic 2: Ask for a structured output 要求结构化输出（如JSON、HTML、Markdown表格）便于后续程序处理，是构建AI应用的最佳实践。 Tactic 3: Ask the model to check whether conditions are satisfied 让模型先验证条件再执行任务，可以减少错误输出。 Tactic 4: “Few-shot” prompting - give examples Few-shot prompting通过提供少量示例来引导模型理解任务格式和期望输出。 经典论文： Brown, T. B., et al. (2020). “Language Models are Few-Shot Learners.” NeurIPS. [论文链接] - 首次提出few-shot learning概念 Min, S., et al. (2022). “Rethinking the Role of Demonstrations: What Makes In-Context Learning Work?” EMNLP. [论文链接] ...

RAG RAG (Retrieval-Augmented Generation) 是一种结合信息检索与文本生成的AI架构，通过检索外部知识库来增强LLM的回答能力。 经典论文： Lewis, P., et al. (2020). “Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks.” NeurIPS. [论文链接] - RAG开山之作 Guu, K., et al. (2020). “REALM: Retrieval-Augmented Language Model Pre-Training.” ICML. [论文链接] Izacard, G., & Grave, É. (2021). “Leveraging Passage Retrieval with Generative Models for Open Domain Question Answering.” EACL. [论文链接] - RAG的另一种实现 1. Context Window（上下文窗口） 概念 Context Window 指的是 大语言模型在一次推理时能够读取和理解的最大文本长度。 经典论文： Dai, Z., et al. (2019). “Transformer-XL: Attentive Language Models Beyond a Fixed-Length Context.” ACL. [论文链接] - 突破固定上下文长度的开创性工作 通常包含： ...

Transformer：从入门到产品视角 📚 导论：为什么Transformer如此重要？ Transformer模型是由Vaswani等人在2017年发表的论文《Attention Is All You Need》中提出的神经网络架构。它彻底改变了自然语言处理领域，成为现代大语言模型（如GPT、BERT、LLaMA等）的基石。 核心创新：完全抛弃传统的CNN/RNN架构，仅使用注意力机制来捕捉序列依赖关系，实现了两大突破： 并行计算：解决了RNN无法并行的问题，大幅提升训练速度 长程依赖：解决了RNN/LSTM在处理长序列时的梯度消失问题 ...

一、主流支付方式对比 1. 公对公现金支付 方式：柜台或网银主动转账、通过银行分账系统支付并获取回单 限额：可大额转账，5万以上走人行大额支付系统周末和假期不开可能受影响（工作日是前天晚上20:30一直跑到当天17:15） 到账时效：一般能及时到账 电商平台核验收款成功：财务手工核查银行账户、通过识别汇款备注里与订单关联的唯一代码自动核查、通过银行分账系统支付一般可实时确认 2. 网关支付 前往第三方支付公司或银行提供的统一收银台，跳转指定银行网银支付 限额：取决于支付卡类型及安全等级 支持银行：取决于统一收银台的服务提供方的合作银行数量 3. 聚合码/扫码支付 分主扫（客户手机APP唤起摄像头扫描商家二维码）和被扫（客户出示支付码给商家），电商网页用主扫的方案。 由聚合支付服务提供商提供的聚合码一般支持多个支付方式（比如微信、支付宝等），接入聚合码对商户更加方便。 由支付公司提供的单一渠道比如微信收款码、支付宝收款码只能支持指定APP扫码支付，好处是服务更稳定，体验更好。 4. 第三方APP支付 唤起第三方APP付款，国内头部的三家是微信、支付宝、云闪付，其中微信在线下场景覆盖广，支付宝依托淘宝生态、碰一碰支付创新持续和微信抢占市场，云闪付作为国家队，目前依托消费补贴、一站式银行卡管理功能也有一定流量且铺的比较广。其他的比如京东支付、连连支付等，体量和前三有一定差距，在特定场景有自身优势。 支持银行：基本齐全，且都支持余额、信用支付等方式。微信目前侧重个人支付，不支持绑定公账，支付宝可以创建企业账户绑定公账支付。 5. 移动快捷支付 打开支付渠道H5页面绑定银行卡付款，目前用的较少，主流支付公司都有该形式，但H5页面安全风险相较APP支付更高，且用户体验较差（需重复登录）。 6. 银行卡快捷支付 通过和支付公司合作，平台对接支付公司，用户在平台绑卡后选卡支付。 部分渠道可以免密支付，平台需承担部分风控责任，但用户体验好，支付速度快。 支持银行：取决于服务提供方的合作银行数量。 7. 账户余额支付 购买支付牌照或通过和第三方支付公司合作提供钱包功能，支持用户充值余额支付。 平台需要针对充值、支付、提现做一定风控措施。该方式对用户体验好，且有助于提高用户粘性。 8. 金融白条支付 比较知名的有花呗、京东白条、美团月付等，通过金融机构授信一定额度给用户支付，C端大部分有一个月的平台贴息。该方式可以大幅提升用户粘性，特别是一些B端客户对现金流比较重视，提供账期可以建立紧密合作关系，但这对信用评估和风控有较高要求。 9. 月结 由商家针对指定客户允许其赊账或签订月结的协议，商家自行记账并要求客户定期还款，平台如果有自营业务，也会考虑设计相关功能。该方式交易不受第三方担保，可以不经过电商平台，通常是商家与合作紧密熟悉的客户采用该方式。 10. 数字人民币 等同于现金支付，目前支付APP和扫码支付，使用量较低。 11. 代付 生成订单并将代付收银台分享给其他用户进行支付。代付收银台页面提供的支付方式需要考虑代付用户的身份，设备环境等因素。 12. 先用后付 授信门槛低，通常额度小，不计入央行征信，由平台担保并向商家收取交易服务费，C端通常用户要开通了绑定银行卡代扣支付方式，个人认为该方式可以降低用户的下单决策成本，同时不像花呗等信用支付方式那么重。

3.15更新： //3pvtkwzwrm.coze.site coze生产环境的参数是部署时系统自动赋值的，不需要自己填API key之类的参数。重新做了一个在生产环境就跑通了，具体方法是让AI基于前一个应用生成一个详细的提示词包含功能点、技术架构等内容，感觉提示词专业的话对于编码还是有帮助的，但是依然会出现细节上的bug，需要进行两三次修复。功能出了问题好排查，配置或者网络等细节出了问题不是程序员的话真的不太好排查，也许是我对一些技术细节还不够了解。 最近正好考虑雅思，新东方的雅思小程序推出了一个AI练真题的功能，参考这个试了下能否用扣子直接生成一个类似的功能。 功能介绍： 根据选择的题型随机生成题目，点击开始录音可以根据题型限制录音时长。录音结束后进行语音识别，并通过AI对识别结果进行分析，给出评分、改进建议和AI扩写的答案。 首页： 这里题目下方的灰色提示是AI自动补全的功能，prompt并未做要求，同时录音时间的文字提示也是AI补全的，页面也是响应式，交互总体比较友好。我也没有对UI风格做要求，感觉AI味比较浓（非贬义），第一遍生成的字体较小做了一次调整。 评分页： 在扣子上直接部署后可能是api的原因，生成环境语音识别功能没有跑通，但是在测试环境实现了完整的功能。 整个过程大概用了两个小时，修复bug的过程比较顺畅，会进行自测基本功能问题提了都可以修复。但是涉及到接口调用，环境部署等导致的问题时，修复bug的技术要求就直线上升了，需要你能够发现比较具体的问题并准确描述，否则的话只是基于前端的报错，AI可能无法定位到准确问题，对无开发背景的人来说还是有难度。

最近接触到了一些关于反诈骗洗钱的工作，对电信诈骗洗钱等有了比较直观的认知。电商平台很容易被犯罪份子利用，作为产品经理，设计产品时一定要有风险意识，否则产品上出现犯罪情况，轻则有自责感、负罪感，重则接受行政处罚，双罚制实施后上至平台下至负责人均会受罚，打击犯罪，人人有责。 相关资料 充值提现平台，缘何沦为诈骗犯“洗钱工具”？ //zhuanlan.zhihu.com/p/151289531 中华人民共和国反电信网络诈骗法（全文） //zhuanlan.zhihu.com/p/560714960 风控系统设计 对于电商平台的账户系统，一般会有开户、储值、交易、提现几个主要功能。在设计之初，每个功能都需要针对业务场景做限制，功能上线后，需要考虑可能被利用或存在风险的场景，对用户数据做监控，及时识别异常用户行为，做对应的限制、告警、以及拦截。 开户环节，要充分落实KYC，非目标用户无需开放开户入口，如果账户权限有多种类别，则对用户也要严格分类对应，满足指定条件用户可开对应账户。不要为了后期功能改造的灵活性，或者为了业务的快速扩张，而放松限制，设计时务必要在业务和安全方面做好衡量，追求业务指标而忽视安全可能导致严重后果。 储值环节，要考虑支持哪些支付渠道储值，一般来说信用卡支付要禁止，公私账支付也要根据平台虚拟账户性质做对应处理。另外，用户是否有储值的需要？一般需要储值多少额度？用户一般在什么时间操作储值？这些特征都需要研究并做对应风控，比如限制储值额度，禁止部分用户储值，禁止部分业务使用余额支付，异常时间储值告警等。 交易的监控是电商平台的核心工作之一，一般来说平台对用户和商家入驻已经做了限制和审核，平台仅需要核对买卖双方的交易真实性即可。从分账系统的角度看，交易的概念更为广泛，从A账户到B账户的转账，即是一笔交易，在用户购买商品行为之外，其他业务场景也可能出现交易。这里我们需要检查交易的合理性，不仅针对正常的用户购买行为，还需检查用户账户之间和商家账户之间可能的转账行为。对于特殊业务场景导致的和购买行为不对应的交易，应该做严格限制，最低程度的满足业务场景需求即可，超出此场景的交易一律禁止。对于用户购买产生的交易，则要检查其购买频次、金额，以避免用户和商家串通，伪造交易利用平台洗钱，必要时需要校验付款用户身份以防范盗号、卖号等情况。 原路退款一般没有风险，提现是用户账户出金的唯二路径（不含平台转账扣费等），不管前面出现了哪些问题，最后一道防火墙如果拦住了，就可以避免资金损失。提现本身需要做安全校验，另外提现还需要严格限制资金去向。对于提现金额、笔数、到账时效都需要做风控，如果是提现次数不多的B端平台，交给人工审核也是个好主意。 总的来说，风控既要防竞对，又要防内鬼，还要防未知的犯罪份子，设计产品时不能只想到一方，不同坏人做坏事，手段会有所区别，做产品的，对于本身存在较大风险的业务，能不做尽量别做，一定要做的话，还是想想清楚什么方案风险最小。

和美术馆由普利兹克获奖建筑师安藤忠雄担任建筑设计。建筑理念融入“天圆地方”的中原正朔文化元素，主体由圆弧形与方形的几何结构组成。正中心的圆形逐渐变换重心、比例、高度，交错重叠，从内到外、从建筑到城市，慢慢扩展延伸。和美术馆的“和”既是“协和”，也是“混和”，象征空间融合境界的理念。 馆藏有部分国画精品，包括张大千、吴冠中、黄宾虹等画家作品。 此外不定期有国内外艺术家作品展。这次去的时候有极简艺术家夏纳•霍维兹作品展：交织的韵律。作品特点大致是在方格纸上按数学规律重复基础图案、线条、色彩，形成有韵律感的画作。没有看到大型作品，有启发但不是很感兴趣。 在4楼可以参观艺术品修复工作，有点像三星堆博物馆的参观形式。但是隔着透明玻璃一直看着里边工作人员其实感觉有些尴尬。