by 共识粉碎机
Email Addresses
1 available
Phone Numbers
0 available
September 25, 2024
<p>大家好，欢迎来到共识粉碎机AI颠覆软件讨论会系列的第三期播客！</p><p><strong>本篇播客讨论于9月初</strong>，距今只有1个月时间，但莫子皓老师仍然说有了很大的变化。</p><p>共识粉碎机是AI圈的老社群了，从去年3月份开始我们就坚持举办AI颠覆软件讨论会系列，最近也开始同步播客信息！</p><p>与过去大家听到的AI播客不同，我们同时会讨论场景、应用，也会直接进入到技术细节。</p><p>讨论节奏会非常快速，信息量非常密集，相信每一期对于听众都是一次信息大爆炸。</p><p><strong>【本期嘉宾】</strong></p><p><strong>莫子皓：</strong>互联网保险暖哇科技合伙人</p><p>欢迎关注莫子皓老师的公众号<strong>《过程即奖励》</strong>，以及莫子皓老师的文章</p><h1><a href="https://mp.weixin.qq.com/s/GVItVLqhpIXhdel4QNAKUg"><em><strong>《Workflow Based 企业内部大模型落地 Roadmap》</strong></em></a></h1><p><strong>【共识粉碎机主持人】</strong></p><p><strong>周默：共识粉碎机公众号</strong>主理人，前美元对冲基金投资人，前腾讯/微软战略与投资经理。</p><p>共识粉碎机目前也承接投研咨询合作与AI战略转型/大模型技术落地项目，欢迎戳公众号了解。</p><p><a href="https://u.jd.com/t1EsB1N"><em><strong>同时我们的新书《大模型启示录》也上架啦，欢迎戳这里购买</strong></em></a></p><p><strong>【参考资料】</strong></p><p>本期的内容已经抽取成文字纪要，请查阅共识粉碎机公众号的文章：</p><p><a href="https://mp.weixin.qq.com/s/WXkzOkOxmRUeZJzoqwLy7g"><em><strong>《EP20：非常好的LLM保险销售案例(对谈暖哇)》</strong></em></a></p><p><strong>【本期内容】</strong></p><p>本次讨论主要围绕LLM保险销售，有特别多的落地细节，从企业微信落地到电销落地。</p><p><strong>以下是我们聊得：</strong></p><p>00:01:06 莫子皓与暖哇介绍</p><p>00:03:47 Sales Agent与Copilot</p><p>00:06:59 企业微信LLM销售：用户生命周期的产品设计</p><p>00:09:29 企业微信LLM销售：群发前的服务Agent</p><p>00:10:55 企业微信LLM销售：为什么拆生命周期</p><p>00:12:38 企业微信LLM销售：完成闭环</p><p>00:15:04 企业微信LLM销售：是否需要线索分层</p><p>00:17:03 企业微信LLM销售：拆SOP</p><p>00:19:38 企业微信LLM销售：SOP用不同大模型</p><p>00:23:01 行业Knowhow的意义</p><p>00:24:24 怎么做SFT数据标注</p><p>00:31:02 数据标注的人工要求</p><p>00:37:25 企业微信LLM销售：ROI</p><p>00:43:16 行业Knowhow公司vs标准化SaaS公司</p><p>00:46:05 电销vs企业微信</p><p>00:48:38 电销LLM销售：延迟与座席反应速度</p><p>00:50:08 电销LLM销售：实现情况</p><p>00:53:00 电销LLM销售：关单率与时间节省</p><p>00:57:57 电销vs客服</p><p>00:59:12 电销LLM销售：提升方向</p><p>01:01:14 电销LLM销售：延迟解决方法</p><p>01:05:15 行业横向拓展：保险内与保险外</p><p>01:14:04 LLM销售产品落地会有打磨期吗</p><p>01:16:48 未来的预期</p><p>01:20:20 QA环节：数据标注能否使用第三方</p><p>01:22:00 QA环节：不同SOP模型会合并成一个模型吗</p><figure><img src="https://image.xyzcdn.net/Fk7AFx5NexYGLuzICYfXm7k3PTT-.jpg"/></figure>
September 20, 2024
<p>大家好，欢迎来到共识粉碎机AI颠覆软件讨论会系列的第二期播客！</p><p><strong>本篇播客讨论于6月初，距今已有3个月时间</strong>，按照Lucy和Xiaolei老师的话说，Coding领域三个月已经非常大变化了！如果听众有新的认知，也很欢迎与我们交流。</p><p>共识粉碎机是AI圈的老社群了，从去年3月份开始我们就坚持举办AI颠覆软件讨论会系列，最近也开始同步播客信息！</p><p>与过去大家听到的AI播客不同，我们同时会讨论场景、应用，也会直接进入到技术细节。</p><p>讨论节奏会非常快速，信息量非常密集，相信每一期对于听众都是一次信息大爆炸。</p><p><strong>【本期嘉宾】</strong></p><p><strong>Lucy Gao：</strong>TabbyML(<a href="https://tabby.tabbyml.com/">tabby.tabbyml.com</a>，开源AI coding assistant)联创，ex- engineer @ Google AI / PM @TikTok AI creation</p><p><strong>Xiaolei Zhu：</strong>就职于AI编程独角兽公司AugmentCode</p><p><strong>【共识粉碎机主持人】</strong></p><p><strong>周默：</strong>共识粉碎机公众号主理人，前美元对冲基金投资人，前腾讯/微软战略与投资经理。</p><p>共识粉碎机目前也承接投研咨询合作与AI战略转型/大模型技术落地项目，欢迎戳公众号了解。</p><p><a href="https://u.jd.com/t1EsB1N">同时我们的新书《大模型启示录》也上架啦，欢迎戳这里购买</a></p><p><strong>【参考资料】</strong></p><p>本期的内容已经抽取成文字纪要，请查阅共识粉碎机公众号的文章：</p><p><a href="https://mp.weixin.qq.com/s/0aia8qRvPIMR7UXszm8Rmg"><em><strong>《EP17：AI Coding以及对Coding软件的影响》</strong></em></a></p><p><strong>【本期内容】</strong></p><p>本次讨论主要围绕AI Coding软件，从功能到效果，再到企业落地。</p><p><strong>以下是我们聊得：</strong></p><p>00:02:06 Lucy和TabbyML介绍</p><p>00:04:17 Xiaolei自我介绍</p><p>00:05:23 功能：代码补全、代码注释</p><p>00:09:12 功能：Chat</p><p>00:10:14 未来想做的Coding功能</p><p>00:12:39 Coding产品现在的使用效果</p><p>00:18:21 Coding产品形态还没定下来</p><p>00:24:00 功能：代码优化与上下文</p><p>00:26:46 Agent与Copilot的区别</p><p>00:32:04 三年维度产品会进化到什么程度</p><p>00:39:17 Spring开发流程会因此改变吗</p><p>00:45:35 Coding产品接API和自己训练的选择</p><p>00:54:27 Coding需要多大的模型</p><p>00:59:08 企业定制落地的工作和难度</p><p>01:08:50 企业微调代码库后会有明显提升吗</p><p>01:10:13 怎么为企业提供低门槛的落地工具</p><p>01:13:30 企业RAG代码库的情况</p><p>01:16:47 Coding的RAG与Long Context选择</p><p>01:20:50 1mn Context Window可以把企业代码库都放进去吗</p><p>01:21:10 Coding产品的差异点</p><p>01:28:10 Gitlab Duo的看法</p><p>01:31:00 QA环节：大客户的落地难点</p><p>01:36:08 QA环节：客户的安全考量</p><p>01:37:34 QA环节：客户部署到本地PC的需求</p><p>01:42:36 QA环节：怎么避免代码隐患</p><p>01:48:11 QA环节：未来会有更多的低代码编程场景吗</p><p>01:49:45 QA环节：GPT5级别的模型会带来Coding什么提升</p><figure><img src="https://image.xyzcdn.net/Fk7AFx5NexYGLuzICYfXm7k3PTT-.jpg"/></figure>
August 12, 2024
<p>大家好，欢迎来到共识粉碎机AI颠覆软件讨论会系列的第一期播客！</p><p>共识粉碎机是AI圈的老社群了，从去年3月份开始我们就坚持举办AI颠覆软件讨论会系列，走到现在已经是第19期了，我们也终于准备好在第19期将内容搬上播客！</p><p>与过去大家听到的AI播客不同，我们同时会讨论场景、应用，也会直接进入到技术细节。</p><p>讨论节奏会非常快速，信息量非常密集，相信每一期对于听众都是一次信息大爆炸。</p><p><strong>【本期嘉宾】</strong></p><p><strong>陈将：</strong>Ziilliz生态和AI平台负责人</p><p><strong>唐飞虎：</strong>月之暗面担任研发工程师和开发者关系负责人</p><p><strong>【共识粉碎机主持人】</strong></p><p><strong>周默：</strong>共识粉碎机公众号主理人，前美元对冲基金投资人，前腾讯/微软战略与投资经理。</p><p><em><strong>共识粉碎机目前也承接投研咨询合作与AI战略转型/大模型技术落地项目，欢迎戳公众号了解。</strong></em></p><p><strong>【参考资料】</strong></p><p>本期的内容已经抽取成文字纪要，请查阅共识粉碎机公众号的文章：</p><p><a href="https://mp.weixin.qq.com/s/1lIjwQGJ3yn-e6X-GQp54g"><em><strong>《EP19：长文本vsRAG（月之暗面对谈Zilliz）》</strong></em></a></p><p>关于RAG的讨论共识粉碎机在过往文章中也有讨论，请查阅：</p><p><a href="https://mp.weixin.qq.com/s/phWsKbdrwt0g0iyLMZUzxg"><em><strong>《EP15：RAG带来蓬勃生态》</strong></em></a></p><p><strong>【本期内容】</strong></p><p>本次讨论的大背景是在之前的RAG讨论会后（陈将老师也作为嘉宾参与），我们收到了非常多关于在不同场景是选择长文本还是RAG的问题。与过去讨论长文本与RAG经常空对空相比，我们本次讨论会将分到具体的场景、具体的指标，方便创业者、从业者、投资人具体了解。</p><p><strong>以下是我们聊得：</strong></p><p>00:04:21 长文本与RAG的典型差别：准确率</p><p>00:06:55 长文本与RAG的典型差别：成本与延迟</p><p>00:09:43 长文本降低First Token延迟的方法</p><p>00:13:40 长文本vsRAG就像关公战秦琼，：要看场景</p><p>00:16:35 RAG的部署工作与难度</p><p>00:20:38 RAG的权限处理</p><p>00:23:58 长文本的部署与权限处理</p><p>00:27:25 长文本的技术爬坡路径</p><p>00:29:16 RAG的技术爬坡路径</p><p>00:35:04 场景比较：数值计算/Text2SQL</p><p>00:40:24 场景比较：客服与Sales Agent</p><p>00:52:10 长文本与RAG的长度边界讨论</p><p>00:55:01 场景比较：AI Coding</p><p>01:01:04 企业的代码库有多大？</p><p>01:03:49 企业大代码库一定要用RAG吗？</p><p>01:05:36 企业大代码库如何做解析结构？</p><p>01:09:02 场景比较：AI搜索</p><p>01:11:24 GitHub Copilot用长文本还是RAG？</p><p>01:12:26 RAG的成本原理与组成</p><p>01:17:17 长文本还有哪些工作可以降低成本？</p><p>01:18:53 长文本与RAG的融合架构与部署</p><p>01:23:36 QA环节：长文本的技术壁垒与大模型差异化</p><p>01:24:52 QA环节：AI搜索他对于网页语义提取能做到什么颗粒度？AI搜索是否还会混合过去的传统倒排？</p><p>01:28:12 QA环节：大厂的丰富索引库经验会不会让其在AI搜索上比创业公司更强？</p><p>01:29:46 QA环节：GraphRAG带给我们什么启发？技术路线是否是现在的Best Practice？</p><p>01:34:15 QA环节：企业内部落地RAG的过程中如何克服冷启动？</p><figure><img src="https://image.xyzcdn.net/FtIXZfOB-WcOPhYKRH7nQsBsVKyu.png"/></figure>
Pod Engine is not affiliated with, endorsed by, or officially connected with any of the podcasts displayed on this platform. We operate independently as a podcast discovery and analytics service.
All podcast artwork, thumbnails, and content displayed on this page are the property of their respective owners and are protected by applicable copyright laws. This includes, but is not limited to, podcast cover art, episode artwork, show descriptions, episode titles, transcripts, audio snippets, and any other content originating from the podcast creators or their licensors.
We display this content under fair use principles and/or implied license for the purpose of podcast discovery, information, and commentary. We make no claim of ownership over any podcast content, artwork, or related materials shown on this platform. All trademarks, service marks, and trade names are the property of their respective owners.
While we strive to ensure all content usage is properly authorized, if you are a rights holder and believe your content is being used inappropriately or without proper authorization, please contact us immediately at [email protected] for prompt review and appropriate action, which may include content removal or proper attribution.
By accessing and using this platform, you acknowledge and agree to respect all applicable copyright laws and intellectual property rights of content owners. Any unauthorized reproduction, distribution, or commercial use of the content displayed on this platform is strictly prohibited.