Archive

搜索引擎优化在网页设计过程中的位置不能只看表面答案，真正重要的是理解问题背后的机制、边界和现实代价。如果您正在为客户建设网站，而客户又期望最终获得令人印象深刻的结果（即高转化率），那么搜索引擎优化就必须成为您工作流程的一部分。这意味着在网站设计和开发的整个过程中，都要采取全面的搜索引擎优化方法。因此，我建议您在提案和与客户进行早期讨论时采用以下方法： 首先，像 UPQODE 一样，让您的网站为搜索引擎优化做所有的工作： 这样，您就可以清楚地说明您所提供的搜索引擎优化类型（这也有助于那些注重搜索引擎优化的客户首先找到您）。我们的目标是让他们接受您的搜索优化网页设计服务，甚至是之后的持续维护和支持。理想情况下，您希望与能做到以下几点的文案合作： 创建可操作的信息和 CTA、 将目标关键词自然地融入文案中、 Write for user intent, 根据用户意图写作、 Write in HTML, 用 HTML 书写、 创建可读性和可扫描性兼具的副本、 建立页面与页面之间的内部链接系统、 创建元标签并优化搜索 URL、 为图片编写 alt 标签。

在这里提到的 LeapFrog Leapster（一种便携式游戏系统）、Sidekick（一种手机）和 iPod 等产品，不仅有今天仍在广泛使用的同类产品，而且是在个人计算机已经无处不在的时代诞生的。我可以指着自己的起源物品--费雪牌电影浏览器、口袋摇摇乐、Etch A Sketch Animator，或者稍后的 Arion Hot-Watt II 等小玩意儿--描述他们为什么会有那样的东西。上了一定年纪的人，如果还记得在《塞尔达传说》的世界 "海鲁尔"（Hyrule）中探索了几个小时，就会立刻理解这种感觉。Solutions to Complexity 复杂性的解决方案 二十年来，我一直在思考这几页↓。它们来自布鲁斯-毛（Bruce Mau）的《巨变》（Massive Change）一书，这本书与其他许多关于设计、系统、技术和人类文化的书籍不同，它在其所处的时代大放异彩，但却一去不复返。

做好工作，关键是把目标、限制和可执行步骤放在同一个框架里，而不是只追求单点技巧。不要让“工作”意味着别人告诉你要做的事情。其困难的主要原因是，除非亲自去做，否则你无法辨别大多数类型的工作是什么样的。这意味着这四个步骤是重叠的：你可能需要在某件事上工作多年才能知道你有多喜欢它或者你有多擅长它。如果他们至少承认这一点那就更好了——如果他们承认这个系统不仅不能帮助你弄清楚该做什么，而且它的设计假设你在青少年时期会以某种方式神奇地猜测。所以你需要让自己成为一个幸运的大目标，而做到这一点的方法就是保持好奇心。追随你的兴趣可能听起来像是一种相当被动的策略，但实际上，这通常意味着追随你的兴趣，克服各种障碍。在大多数情况下，做好工作的秘诀很简单：在令人兴奋的雄心勃勃的项目上努力工作，并且会带来好的结果。例如，虽然你必须努力工作，但也有可能工作得太辛苦，如果你这样做，你会发现你的回报递减：疲劳会让你变得愚蠢，最终甚至损害你的健康。

在强化循环中，上一个状态的结果会反馈到下一个状态中，从而产生滚雪球效应。冰盖融化：更少的冰意味着更少的阳光反射意味着更多的变暖意味着更少的冰。例如，更多的狐狸意味着更少的兔子（平衡反馈），但过多的捕食会导致兔子种群崩溃（强化循环），导致狐狸种群崩溃（强化循环），让兔子数量激增（强化循环）。破碎的反馈：线性努力产生线性回报 平衡反馈：线性努力产生收敛 强化反馈：线性努力产生指数级回报 大多数笔记应用都有中断的反馈。Zettelkasten 的核心游戏机制是将您的笔记归档到您想要再次绊倒的地方。可利用物、雪克隆物、relatable内容、热点、口渴陷阱、扣篮的火焰诱饵，所有这些都在无情的选择压力下，以增强病毒式传播。能动性不是努力或意志力的功能，而是你周围反馈循环的功能。对于我们的应用程序Subconsciousness来说，这是新兴的集体智慧。我告诉他，我们必须让SFI播客的主持人迈克尔·加菲尔德（Michael Garfield）加入。

使用AI做事：固执己见的指南，关键是把目标、限制和可执行步骤放在同一个框架里，而不是只追求单点技巧。每家公司都可以通过聊天机器人直接访问他们的模型：OpenAI制造GPT-3.5和GPT-4，它们为ChatGPT和Microsoft的Bing提供支持（在Edge浏览器上访问它）。所以这是你的快速参考图表，归纳了LLM的状态： 前四个（包括Bing）都是OpenAI系统。Microsoft的Bing混合使用4和3.5，通常是GPT-4系列中第一个推出新功能的型号。最透明的选项：Adobe Firefly 最佳免费选项：Bing或Bing Image Creator（使用DALL-E），Playgound（允许您使用多个模型） 有四个大型图像生成器可供大多数人使用： 稳定的扩散，这是开源的，您可以从任何高端计算机运行。DALL-E，来自OpenAI，它被合并到Bing（你必须使用创作模式）和Bing图像创建器中。

由 HUNNI MEDIA 为 KNOWABLE 杂志制作 评估美国在应对 Covid-19 大流行中出现的问题可以帮助该国更好地为下一次全球卫生紧急情况做好准备。从需要更强大的疾病监测系统到摆脱国家与其他大陆出现的健康威胁隔离的想法，科学家们讨论了如果国家要为另一次大规模疫情做好准备就必须做出的一些转变。教育是应对大流行病的关键部分，学校可以做更多工作，向学生介绍疾病如何出现和传播的科学知识。Transcript 成绩单 阿普尔瓦·曼达维利（《纽约时报》科学与健康记者）：我认为我们现在看到的这场流行病和气候变化确实应该给我们所有人敲响警钟，让我们知道这个世界已经改变了。因此，我们确实需要为未来做好准备和计划，其中包括许多像这样的其他糟糕的意外情况。William Hanage（哈佛大学陈曾熙公共卫生学院流行病学家）：不幸的是，人们确实倾向于将其与流感进行比较，流感已经产生了许多破坏性影响。

Here’s the problem: 问题是这样的： 在错误的时间（例如，当你躺在床上时）记住正确的信息会带来压力，更不用说毫无用处了。2 Goal Focused 2 以目标为中心 最适合：前一天晚上计划你的一天 写下并强调您本月最重要的三项优先事项 在左侧写下您已完成的每项帮助您实现这些目标的任务 那些没有移动针的写在右边 5. Prioritize: 优先考虑： 对于第一个列表，从需要不到两分钟的任务开始。然后你执行紧急且重要的任务，然后是其他所有项目 对于第二个列表，消除、推迟或委托 为了进行更简单的练习，您可以将需要执行的所有操作写在一个列表中。3 Gratefulness 3.感恩 最适合：重置你的大脑并停止无缘无故的担忧 写下你今天做对的 3 件事（或本周做的 5 件事） 写下 3 件（至少）你感到感激的事情 “感恩并不能把事情做好。4 Weekly 4 每周 1. Start with questions: 从问题开始： 与我的预期相比，我上周取得了哪些成就？

我的意思是，如果满足以下条件，您为什么需要记笔记： 您可以记住所需的所有信息；知识工作者需要通过学习和研究不断提高自己的知识，运用知识解决问题，并将知识传播给他人。因此，让我们来看看当您尝试创建真正属于您自己的系统时，三种常见的笔记陷阱是什么。Note-Taking Traps 记笔记的陷阱 首先，为什么我称它们为陷阱而不是错误？PKM Pyramid PKM 金字塔 PKM 金字塔承认工具支持某些思维方式，同时给其他思维方式增加摩擦。笔记陷阱 2. 把笔记当作真理来写 当我们想要构建一个代表您的知识的系统时，我们的第二个陷阱就出现了。如果您需要向某人证明您拥有您声称拥有的知识，您可以将所有笔记提供给他们吗？由于每个笔记都需要是只有正确信息的最终版本，因此它会立即引发完美主义。笔记陷阱3. 写文档笔记 因此，我们不希望您写了数百条笔记，只是为了在您最需要的时候发现找不到它们。

在世界各地，人们的家里到处都是中国产品，他们花时间在中国应用程序上看视频，而且他们中的许多人现在开着中国汽车。中国研究人员在期刊上占据主导地位，并被认为在许多技术领域处于世界领先地位。至少在美国和亚洲，很多人脑海中的下一个问题将是：既然中国已经达到顶峰，它会衰落吗？因此，当人们思考中国的衰落时，他们并不是在问中国经济是否会萎缩，而是在问中国经济是否会萎缩。Source: UN via OWID 资料来源：联合国通过 OWID 中国的人口结构也导致出生率急剧下降。现在中国人最常见的年龄是50岁左右，另一个高峰是35岁： 结果，中国能生育的人突然减少了很多，这就是为什么中国的实际出生人数自2016年以来下降了近一半： Source: WaPo 资料来源：华盛顿邮报 这些引人注目的统计数据让许多人预测中国的人口结构将导致其相对下降。这些人口问题可以在一定程度上通过大规模移民来避免，但只能在一定程度上，而且只有当这些国家能够克服相关的内部政治障碍时。

为了与 MS Office 的其余部分同步，Microsoft Excel 从 5 升级到了 7，MacOS 和 Windows 都跳过了版本 9 以吸引 X 一代。React 从 0.14 跃升至 v15，而 Kubernetes 和 Go 则展示了反对/的承诺系统开发人员无法破坏任何东西/数到 2。虽然 GPT1→2→3 的进程每次都向前迈出了明显的一步，而 Midjourney 4→5 预示着 Balenciaga Pope，但其他进展，如稳定扩散 1→2 则更具争议性。由于这些功能可以在代码中灵活、无限地组合，但通过示例学习很有用（例如 p5.js 游戏创建、绘制模因、创建交互式仪表板、数据预处理、包括季节性、编写复杂的 AST 操作代码、大规模人脸检测，。但 GA 发布后的重点是通过代码解释器提供的模型的质量 - 据说 14 似乎比今天的 GPT-4 更好（在编写代码、自主执行多个步骤、决定何时不继续以及询问用户方面）在一组选项之间进行选择）。

Evernote 未能发挥其潜力（完整历史），关键原因不在单一现象，而在于传奇投资者、程序员兼 Y Combinator 联合创始人 Paul Graham 曾写道，为下一家初创企业想出创意的最佳方法之一就是询问您希望别人为您生产什么产品。对于 Evernote 的创始人 Stepan Pachikov 来说，该产品是帮助他记住事情的一种方式。尽管帕奇科夫早在 2002 年就开始研究最终成为 Evernote 的产品，但他对人类记忆的迷恋源于他在前苏联的成长经历。尽管如此，Evernote 仍受到一系列管理失误和产品发布失败的困扰，公司的未来还远未确定。最初，帕奇科夫对 Evernote 的愿景更接近埃隆·马斯克 (Elon Musk) 的 Neuralink 等神经科技公司承诺的脑机接口。” — 斯捷潘·帕奇科夫 (Stepan Pachikov)，Evernote 创始人 尽管帕奇科夫的新兴想法与谷歌几乎没有共同之处，但这两种产品都基于相同的基本原则：在未来，知道如何查找信息将比记住信息重要得多。

在我之前关于 TikTok 的文章中，我讨论了为什么它的 For You Page 算法是使 TikTok 发挥作用的结缔组织。但在急于了解为什么公司可能想要收购 TikTok 的过程中，如果字节跳动被迫剥离这款流行的短视频应用程序，围绕其算法的炒作已经带有一点异国情调，这通常是西方对中国科技分析的特征。我不想写任何会立即过时的介绍，我只是在这里留下这个旁注，说的是在发布后，甲骨文似乎将接管 TikTok 云计算交易，同时加入沃尔玛和一些风险投资公司的行列，持有 TikTok Global 的部分股权。我第一次听说这本书是在阅读了 Venkatesh Rao 对其主题的归纳之后，如果你不打算阅读正文，那篇文章仍然是这本书的一个很好的 tldr 入门读物（斯科特·亚历山大对这本书的评论也很好，尽管足够长）它几乎可以证明自己的 tldr 是合理的）。Scott 重点关注民族国家如何使用简化的抽象概念在概要层面“查看”其公民，而我想讨论 TikTok 的应用程序设计如何允许其算法“查看”高效执行匹配工作所需的所有细节并准确地。

或者也许从一个点击到下一个，就像 Robin Sloan 的 Tap essay（我希望有一种方法可以将导出到类似的形式，如果有人已经构建了它，已经让我知道了）。任何使用过 Premiere 等非线性编辑器或 After Effects 等合成软件的人都可以证明，编辑视频的门槛确实很高。Instagram 推出了一键照片滤镜（当然是在 Hipstamatic 之后，尽管 Hipstamatic 缺乏像现代社交应用程序的支柱一样的提要），后来 Instagram 添加了编辑故事的附加功能，甚至后来出现了一些单独的应用程序，例如 Boomerang作为功能重新纳入 Instagram。创作者可以使用其中一些滤镜来完成什么，我什至无法想象如何在 Adobe Creative Suite 等工具中进行复制。这让我看着它感到害怕timewarp timewarpchallenge TikTok 的 Warp Scan 过滤器对于过滤器本身来说是一个奇怪的概念，但 TikTok 用户使用它的无数方式恰恰表明了当你向大众扔随机工具并允许涌现的创造力时会发生什么。

尽管我在 2011 年离开了 Hulu，但我仍然与 Hulu 北京办事处的许多团队成员保持着联系，其中许多人在过去十年中分散到了不同的中国科技公司。2011 年，我上次访问 Hulu 北京办事处时，我对中国的任何一家新技术公司能否打入美国市场表示怀疑。来自非 WEIRD 国家（约瑟夫·亨里奇是西方、受过教育、工业化、富裕和民主的简写）的公司将很难进入 WEIRD 文化。显然，防火墙在阻止许多美国公司进入中国市场方面发挥了巨大作用，但在少数美国公司进入中国市场的案例中，比如Uber中国，结果好坏参半。一款由两个上海人设计的应用程序是如何成功地围绕着从 YouTube 到 Facebook 到 Instagram 到 Snapchat 的美国视频应用程序，在一个与美国文化如此不同的文化中成为模因起源、变异和传播的最丰富的来源。Alex Zhu 和 Luyu “Louis” Yang 推出了一款教育短视频应用程序，但没有引起任何关注。

作为 Vets Who Code 的执行董事，我对 300 多名退伍军人和军人配偶进行了网络开发培训，帮助他们为职业生涯的每一步做好准备。高级工程师通常通过展示领导能力（了解您的工作如何适应更大的业务目标、在会议中增加价值、指导同事等）以及将工作与业务优先事项和结果联系起来的意愿来使自己脱颖而出。高级工程职位的候选人应善于识别需要增量改进的领域，并善于利用团队资源来有效管理关键服务中断，以快速减少对客户的不利影响。Build a “brag document” 建立一个“吹牛文档” “吹嘘文档”展示您的专业知识并展示您的成就。It should include: 它应该包括： 已完成的项目：列出您从事过的所有项目，包括所使用的技术、目的，以及最重要的是所取得的成果。Write documentation 编写文档 当您晋升为高级职位时，您需要为初级工程师树立有效沟通和协作的榜样。

他们想象所有的业务主管和产品研究人员都会绕过大部分或全部软件开发人员，直接要求人工智能构建他们认为自己想要或需要的东西。创建软件最困难的部分不是编写代码，而是创建需求，而这些软件需求仍然由人类定义。这不是一个错误，这是一个功能......不等等，这是一个错误 在我的软件职业生涯早期，我被安排参与一个项目的中游，以帮助提高团队的速度。“That will never happen” “那永远不会发生” 这是一位在公司工作多年的高级管理人员，了解公司的业务流程，并且被选来监督该软件是有原因的。问题变得更大、更难解决、成本更高，但问题的根源通常是相同的：需求不明确、不一致或错误。达到可接受的安全水平如此困难的原因是，驾驶汽车比国际象棋需要更多的变量，而这些变量不是有限的。当你构建软件时，你可能会得到想要的结果，但它不太可能像国际象棋那样单一。最近，我被要求帮助一个团队构建一些东西，可以帮助人们获取与 COVID 19 相关的健康问题的信息。

ChatGPT 和其他人工智能系统正在准备推出计算历史上的第三个用户界面范例——60 多年来的第一个新的交互模型。从计算机诞生以来，即 1945 年左右，第一个 UI 范式就是批处理。范式 2：基于命令的交互设计 1964 年左右，分时技术（多个用户通过连接的终端共享一台大型计算机）的出现导致了第二种 UI 范式：基于命令的交互。基于命令的交互已经成为贯穿三代用户界面技术的基本方法：命令行（如 DOS 和 Unix）、全屏基于文本的终端（常见于 IBM 大型机）和图形用户界面（GUI：Macintosh、 Windows 和所有当前的智能手机平台）。自 1984 年 Macintosh 推出以来，图形用户界面一直主导着 UX 世界：大约 40 年的霸主地位，直到它可能被下一代 UI 技术取代，更重要的是，被人工智能形式的下一个 UI 范例所取代。The Newest Paradigm 最新范式 范式 3：基于意图的结果规范 我怀疑当前的生成式人工智能工具集（如 ChatGPT、Bard 等）能否代表我们几年后将使用的 UI，因为它们存在根深蒂固的可用性问题。

General notes: 一般注意事项： 我不会试图在这个练习中耍花招。您甚至可以进行部分运行，例如将球滚下坡道并停在底部，或者将球扔到空中。看起来这可能应该是一个基本的物理问题……但一定有某种扭曲，否则他为什么要让我们这样做呢？好吧，现在我已经明白了……好吧，我想是时候看看如何解决这些物理问题了，我想我比我想象的更生疏。好吧，毕竟我不需要做任何曲线的事情，我只需要做一些势能/动能计算（忽略摩擦力和空气阻力等），就是这样！\Blackboard Montage\ \黑板蒙太奇\ implies 暗示 3.4 m/s 3.4米/秒 implies 暗示 Result: 结果： = 0.8 m = 0.8 m 给定球距桌子的高度、质量和重力常数，我宣布球在斜坡末端的速度为 3.4 m/s，直接水平于地面。好吧，我从来不喜欢物理，所以让我们先从整体上看问题，然后再将其分解成很小的部分——呃，做物理。

在数字时代更好地学习，关键是把目标、限制和可执行步骤放在同一个框架里，而不是只追求单点技巧。事实上，数字产品让你很容易欺骗自己，让自己以为自己在学习，而实际上你是在娱乐。这只是数字化学习和教学的现状，还是实际上在某个地方可以找到轻松学习的余地？我不是医学专家，更不用说神经学专家，但我确实想粗略地了解当我们作为人类创造知识时会发生什么。人类认知似乎从根本上建立在感觉运动过程的基础上：当我们将某些身体活动与信息联系起来时，我们可以更好地保留信息。我从传奇教育技术专家安迪·马图沙克 (Andy Matuschak) 那里学到了这个想法，他使用类似的概念作为捕获可能有用的参考资料的工具。我对政治和数据之间的交叉点非常感兴趣，所以我将链接发送到我的学习收件箱（关于 Things 3 的任务）——然后很快就忘记了。整个过程花费了观看视频两倍的时间，而且还没有完成：我仍然需要某种实验、修补、迭代、在不同环境中的应用，通常需要比记笔记更实际的东西显着巩固我对该主题的知识。

如果人工智能要继续变得更好，它将不得不以更少的资源做更多的事情 说到 "大型语言模型"（llms），如gpt--它为美国研究实验室Openai制造的流行聊天机器人Chatgpt提供动力--线索就在名字里。如果Epoch ai每10个月翻一番的数字是正确的，那么到2026年，培训成本可能超过10亿美元--假设模型不会首先耗尽数据。Quantitative tightening 量化紧缩 相反，研究人员开始将注意力转向使他们的模型更有效率，而不是简单的更大。华盛顿大学的研究人员发明了一种更有效的方法，使他们能够在一天之内在单个gpu上从llama创建一个新的模型，Guanaco，而不牺牲太多的性能，如果有的话。这是 "目前游戏的一个巨大部分"，开源AI公司Hugging Face的首席科学官Thomas Wolf说。Learn to code 学习编码 例如，在2022年，斯坦福大学的研究人员发表了 "注意力算法 "的修改版本，它允许llms学习单词和想法之间的联系。

记住所读内容，关键是把目标、限制和可执行步骤放在同一个框架里，而不是只追求单点技巧。我们读书的原因之一是因为它们提供了丰富的细节，让我们能够看到作者的世界，并与他们一起踏上旅程。我们在每一本书上都投入了大量的时间，包括多次阅读这本书并对作者、背景和内容进行背景研究。） 在这个问题中，我们将探讨多种策略，以从您所阅读的内容中获得更多收益。无论您是想学习新的哲学还是阅读小说作品，仅使用其中的几个就可以帮助您记住更多内容并建立更深入的联系。您所阅读的内容可以让您获得不为人知的知识。Active reading 主动阅读 “每次读一本好书，我都感觉自己在读一种地图，一张藏宝图，而我所指向的宝藏实际上就是我自己。”——马特·黑格，《活下去的理由》 现在，如果您只是为了好玩而阅读，或者不想记住所读的内容，那么这个问题不适用。Takes notes 做笔记 做笔记是反映所读内容并将其整合到头脑中的重要基础。

人工智能会不可避免地寻求权力吗不能只看表面答案，真正重要的是理解问题背后的机制、边界和现实代价。AI’s “basic drives” 人工智能的“基本驱动力” 争论是这样的。如果我们把这个推向极端，我们可以想象一个人工智能为了获取金钱和权力而欺骗人类，禁用自己的开关，像伏地魔的魂器一样在互联网上复制自己的副本，使自己独立于任何人类控制系统（例如，通过建立自己的电源），在发生暴力冲突时武装自己，如果认为其他智能体是未来的潜在威胁，则首先对其发起打击，并最终发出冯·诺依曼探测器以获取所有资源在其光锥内致力于其目的。Steve Omohundro（2008）首先提出人工智能将具有这些“基本驱动力”；针对人工智能风险的两个常见论点是：（1）人工智能只会追求我们给它的目标，（2）如果人工智能开始行为不当，我们可以简单地将其关闭并修补问题。人工智能系统的目标可能是辅导学生熟练掌握微积分、增加最新 Oculus 耳机的销量、治愈癌症或回答 P = NP 问题。

写科学论文，关键是把目标、限制和可执行步骤放在同一个框架里，而不是只追求单点技巧。1 Abstract 1 提及您使用的方法，可能概述一些收获和观察结果）。2 Introduction 2 简介 引言为论文中的所有参与者奠定了基础：它介绍了方法，并为您要解决的问题提供了背景。提及你是如何解决这个问题的，即你在论文中做出了哪些贡献，以及你如何知道这是一个很好的解决方案（例如，提及实验中的一些整体改进）。3 Background 三、背景 本节主要介绍一些符号以及对大多数概念的解释。5 Methods 5 方法 这是您可以获得最大乐趣的地方，并且通常是最容易编写的部分。6 Experiments 6 实验 “实验”部分是机器学习研究和许多其他学科的基础，您可以在其中描述可以使用新方法研究哪些类型的现象以及获得哪些见解。实验之后可以对后果进行单独讨论，或者您可以将它们收集在最后的单个“讨论”部分中（见下文）。

要写，关键原因不在单一现象，而在于相比之下，写作迫使你采取更简洁的观点：大多数场所对你可以使用的字数或页数都有限制，我认为这些限制从根本上来说是一件好事，因为它们迫使你你的解释更有创意，并且你使用的单词数量更吝啬。我认为在写下你的想法时，你至少会经历以下事情之一： 您将获得有关如何改进您的研究的想法。最后一部分特别相关：我发现很容易欺骗自己相信我理解某些技术或方法，但只有通过实际将它们写下来，我才有办法看看我是否足够好地内化了知识以实际产生一些东西用它。答案 2：写作可以增加你的受众 不幸的是，大多数学术研究都不会被广泛阅读。”的第二个回答是，对写得好的和写得好的论文的任何投资都可以通过吸引其他学科的读者来获得回报，这往往会带来意想不到的结果。例如，我在降维算法及其评估方面的工作在我之前的研究社区中陷入了困境，但它被不同的社区所接受——我什至收到了一些合作邀请，因为人们喜欢我试图激励某些方面的方式（我是坚信建立方法直觉）。

变革性人工智能真的很难实现，关键原因不在单一现象，而在于Sam Altman 表示，OpenAI 将通过首先发明通用人工智能，然后询问它如何赚钱来实现盈利，这令投资者感到震惊。四年前，Demis Hassabis 在英国皇家科学院描述了 DeepMind 的使命，分两步进行：“1. 解决智能问题。我们认为人工智能可以像互联网一样具有“变革性”，提高生产力并改变习惯。在这个问题中，我们汇总了为什么变革性人工智能难以实现的最佳论据。因此，如果经济仍然需要人工智能无法改善的领域，比如建筑业，那么这些行业就会变得相对更有价值，并侵蚀写作带来的收益。Moravec 的悖论和 Steven Pinker 1994 年的观察仍然具有相关性：“三十五年的人工智能研究的主要教训是，困难的问题很简单，简单的问题也很困难。弗朗索瓦·乔莱 (François Chollet) 认为效率是核心，因为“无限的先验或经验可以产生几乎没有泛化能力的系统。

GPT不能只看表面答案，真正重要的是理解问题背后的机制、边界和现实代价。在像数学研究这样可以自动检查工作的领域，我预测 GPT 2030 将胜过大多数专业数学家。最后，由于 AlphaFold 和 AlphaZero 在蛋白质工程和游戏方面具有超人的能力，GPT 2030 也可以，例如，如果它在与 AlphaFold/AlphaZero 模型类似的数据上进行多模式训练。GPT-4 在训练截止后提出的 LeetCode 问题上表现优于人类基线（Bubeck et al. 2023，表 2），并通过了几家主要科技公司的模拟面试（图 1.5）。在更具挑战性的 APPS 数据集上，Parsel 进一步优于 AlphaCode (7.8%-25.5%)。(2023) 使用 GPT-3 构建了一个系统，该系统发现并描述了大型文本数据集中的几种以前未知的模式，以及 Bills 等人中相关任务的扩展趋势。

纳西姆·塔勒布（Nassim Taleb）是《黑天鹅》和《反脆弱：从混乱中获得的东西》一书的作者，他从他的 Facebook 帐户中获得了 34 条见解： 人造的东西给我们带来宿醉，自然的宿醉则相反。笑到最后的唯一问题是胜利者必须独自笑。朋友们，不知道有没有人计算过，如果我们关闭大学的经济系和政治学系，可以节省多少钱。那些需要研究这些主题的人可以在私人时间进行。当某人以前半部分包含“我”、“不是”和“但是”开始一个句子时，应该删除“不是”，并将“但是”替换为“因此”。切勿购买制造该产品的公司所有者不使用的产品，或者，例如药物，也不会偶然使用的产品。刚刚意识到，为了礼貌地摆脱某人，布鲁克林的人们会说“如果你需要什么，请给我打电话”。当有人写“我不喜欢你，但我同意你”时，我读到“我不喜欢你，因为我同意你”。一本可以归纳的书不应该被写成一本书。

东方：通过构建一个世界模型来理解你的感官 决定：将你的模型转化为一个计划 行动：做一些事情来实现改变 ......你的行为会给你的环境带来直接的变化，也会产生涟漪效应。博伊德开发了OODA循环框架来解释战斗机飞行员如何在冲突中获胜。例如，OODA循环与机器人范式的感知-计划-行动循环几乎相同，这并非偶然。(Boyd, 1981. 冲突模式) 通过保持更好的意识，人们可以创造机会，以对手认为非常不规范和混乱的方式行事。当某些东西的行动比你能理解它的速度快时，它就会进入你的OODA循环。任何东西都可以进入你的OODA循环。我们已经达到了一个信息缩放的门槛，互联网已经进入了每个人的OODA循环。From Thinking Together: 摘自《共同思考》： 互联网极大地增加了我们信息环境的复杂性，但还没有产生使其合理化的工具。它被帮助你确定方向的人工智能代理所迷惑，并由世界范围内的分散知识图谱Noosphere提供动力。

我每天都看到人们犯同样的错误，主要是因为我们自然而然地模仿大公司的做法。作为一个小企业，我们可以精心设计一个产品，避免所有这些要点，更有可能取得成功。作为一个单独的创始人或小型自营企业，任何类型的产品/服务都需要大量的用户，最好避免。这个想法是一个婚礼目录，我将其定位为 "婚礼的TripAdvisor"（这是在TripAdvisor的全盛时期）。这项业务需要大规模的网络效应才能发挥作用，在没有预算的情况下，试图在这种规模上吸引订婚的夫妇和婚礼供应商，基本上是不可能的。如果你非常努力地工作，并获得了100个用户，你仍然只有每月1千美元的收入，这还没有考虑到运行成本和用户的取消。反过来说，你可以只让一个单一的B2B客户每月为一项服务支付1万美元，并赚取10倍的金额，而且运行成本更低，没有流失。它不仅允许你以更高的价格出售（所以你不需要规模），它's也更容易销售。与其说是社交网络，不如说是建立一个小众的专业社区 不要写AI博客，而是为社交媒体经理写一份AI图像生成通讯 不做一般的网页设计公司，而做一个针对英国物流公司的网络机构 想一想有更大预算的小市场。

人工智能会拯救世界，关键原因不在单一现象，而在于幸运的是，我在这里带来了一个好消息：人工智能不会毁灭世界，而且事实上可能会拯救世界。对人工智能不是什么的一个简短描述：杀手软件和机器人会突然出现，决定谋杀人类或以其他方式毁掉一切，就像你在电影中看到的那样。对人工智能可能是什么的描述更简短：一种使我们关心的一切变得更好的方法。在几十年的时间里，社会科学最有效的核心结论是，人类的智慧能使一系列非常广泛的生活结果变得更好。人工智能为我们提供的是深刻增强人类智能的机会，使所有这些智能成果--以及许多其他成果，从创造新药到解决气候变化的方法，再到到达星星的技术--从这里开始变得更好。人工智能对人类智能的增强已经开始了--人工智能已经以多种计算机控制系统的形式出现在我们身边，现在正以ChatGPT这样的人工智能大型语言模型迅速升级，并将从这里开始非常迅速地加速--如果我们允许它。每个科学家都会有一个人工智能助手/合作者/伙伴，这将大大扩展他们的科学研究和成就范围。

这些首要原则为进行这些关键的招聘奠定了基础。虽然在成长阶段雇用新的高管几乎总是必要的，但这并不意味着一旦你找到产品与市场的契合点，你就会提升整个领导团队的水平。我们将这本基于Andreessen Horowitz运营团队数十年经验的游戏手册放在一起，与大家分享招聘高管的最佳流程和工具，以便将你的公司从产品-市场契合度提高到IPO。在后面的章节中，我们将介绍高管招聘过程，成长阶段的私营公司的高管薪酬，以及一些最常见的高管职位的招聘和入职的技巧和最佳实践。尽管一个好的招聘程序可以加快这个时间框架，但招聘一个顶级高管仍然需要大量的时间和资源。从技术到产品到销售的CEO 虽然高管招聘遵循一些一般的模式，\但这些模式对于了解更广泛的人才状况比确定你的具体招聘重点更有用。例如，在增长的早期阶段，你可能需要一个工程主管，他可以迅速扩大招聘范围，为单一产品工作。组织结构随着公司规模的扩大而发展，当你在成长阶段引进C-suite高管的时候，你很可能已经在几个不同的结构中循环了。

生成式人工智能如何修复新闻不能只看表面答案，真正重要的是理解问题背后的机制、边界和现实代价。我发现自己一直在努力向人们宣传 "人工智能可以拯救新闻"，所以我试图在这里把大部分的想法记录下来，供以后参考。人工智能可以为那些以帮助公众维持我们集体现实的各个角落的现有的、合理有用的心理模型为生的人类团队做很多事情。有太多的实时感知工具需要建立在当前一代人工智能模型之上，我觉得我知道其中一些工具应该是什么样子的，所以在中，我将描述它。在我讨论人工智能驱动的感知中心（用传统说法就是 "新闻编辑室"）可能是什么样子之前，我需要提供一些背景知识，说明把一个故事从投稿或任务一直带到成品的过程。️ 以下是大多数新闻编辑室处理一个故事的核心过程，这些步骤大致按时间顺序排列。标题和摘录：你听说过的每一个新闻机构都有一个专门的流程，用于生成可点击的标题和摘录，并将其放在社交媒体的OpenGraph描述中，这个流程甚至可能不涉及撰写故事的记者。

很多人不这么认为，但我认为这是因为他们要么没有把这个比喻延伸得足够远，要么是因为他们没有正确理解金融债务。这在第一年就能获得90万美元的利润!(不包括折旧) 有盈利的长虹公司承担债务是有原因的，而且随着时间的推移，债务总额往往增加而不是减少。利率第二高的是普通用途的信用卡，如Visa或Mastercard。技术债务通常表现为你的开发速度放缓（即你所做的其他事情的开销），这意味着在中长期内推出的功能较少，这意味着收入和客户反馈较少。在这之后，在添加测试和文档之前，你尝试写的每一个PR（即 偿还债务）会更慢，因为你有可能创造出未被发现的错误或遇到未被记录的边缘案例。Debt ceilings 债务最高限额 美国政府给自己强加了一个著名的不明智的债务上限，这主要是为了制造戏剧性，并创造一个伟大的地方来推动没有人看的无关的附加条款，因为提高债务上限的法案总是会通过。相当于技术债务的情况是，当你落后到完全没有改进的情况下，你可以勉强维持系统的运行；。

今天下午，瓦尔达将用SpaceX公司的猎鹰9号火箭将一个药物制造工厂发射到太空。因为瓦尔达既做太空又做生物，所以我与埃利奥特-赫斯伯格合作，讲述它的故事。前几天，我与Varda联合创始人兼首席执行官威尔-布鲁伊(Will Bruey)进行了一次通话，在回答关于他的公司如何能够招募到这么多SpaceX工程师的问题时，他说了一句话，真正有助于将Varda置于背景之中： "对于我们所有在过去十年中一直在SpaceX工作的人来说，一旦我们做到这一点，问题就变成了：我们在上面做什么？虽然商业企业发射了通信卫星，但空间在很大程度上仍然是政府的领域，他们垄断了发射能力，直到2003年，埃隆-马斯克成立了SpaceX公司，目标是建造可重复使用的火箭，努力大幅降低将东西和人送入轨道及以外的成本。在北京时间今天下午2点19分，瓦尔达将在SpaceX火箭上发射世界上第一个商业太空工厂。瓦尔达需要证明，主要是它能够将工厂送入太空，围绕地球运行，并将带有有效载荷的太空舱安全送回地球表面。

然而，具有讽刺意味的是，一段时间以来，我一直在广泛地使用Obsidian，Obsidian不是一个大纲编辑器，而是一个长篇的markdown编辑器。即便如此，你还是可以通过Obsidian的功能和插件实现舒适的 "类似大纲 "的编辑体验。我不时地看到关于提纲的问题，例如丹尼-哈奇尔提出的这个问题： Good question Danny! 好问题，Danny! 在中，我将解释如何用 "原生 "的黑曜石来完成类似大纲的编辑，以及一些插件，使黑曜石的大纲更进一步。Smart indent lists 智能缩进列表 在 "设置 "中，在 "编辑器 "选项卡下，启用 "智能缩进列表 "选项。下面是纯文这个问题件的模样： 纲要是以标准的markdown列表的形式输出的，有tab缩进。请注意如何使用两种不同的方法来折叠一个项目列表： Folding and unfolding 折叠和展开 你会注意到，我们可以使用命令调板Toggle Fold on Current line命令在其父级层面上折叠列表。

华莱士击中了我们对管理的需要，而不是消除我们核心的、硬性的人类本能。如果你像我一样是个学生，你从来都不喜欢听到这句话，你往往会觉得你需要别人教你如何思考的说法有点侮辱你，因为你甚至被一所这么好的大学录取这一事实似乎证明你已经知道如何思考。但我要向你提出，文科的陈词滥调原来根本不是侮辱性的，因为我们在这样的地方应该得到的真正重要的思维教育并不是真正的思考能力，而是选择思考什么。如果你在思考问题方面的完全自由似乎太明显了，不能浪费时间讨论，我想请你想一想鱼和水，并把你对完全明显的价值的怀疑包围起来，就几分钟时间。其中一个人有宗教信仰，另一个人是无神论者，两个人正在争论上帝的存在，争论的力度特别大，大约在第四杯啤酒之后。" 通过一种标准的文科分析来处理这个故事是很容易的：完全相同的经历对两个不同的人来说可能意味着两种完全不同的东西，因为这些人有两种不同的信仰模板和两种不同的从经验中构建意义的方式。

如果有任何一个人可以因为计算机的普及而受到指责或赞扬，你，这位29岁的计算机革命之父，是首要的竞争者。你知道，我对钱这件事的主要反应是，所有对它的关注都很幽默，因为它几乎不是过去十年里发生在我身上的最有见地或最有价值的事情。现在，学生们甚至不在用理想主义的方式思考问题，或者至少远远没有那么多。他们在学习商业专业时，当然不会让当时的任何哲学问题占去他们太多的时间。今天，它非常简陋，然而我们的Macintosh电脑运行时的耗电量比一个100瓦的灯泡还要少，它可以为你每天节省几个小时。你不需要了解这些东西就可以使用Macintosh--但你问了笑。而且，除此之外，对我来说，最整洁的事情是Macintosh让你像电话那样唱歌。想象一下，如果你在成长过程中拥有这个精致的Etch A Sketch，你可以做什么。大多数计算机使用按键来输入指令，但Macintosh用一种叫做鼠标的东西取代了许多按键--一个在桌子上滚动的小盒子，在计算机屏幕上引导一个指针。

到目前为止的故事：在本系列的上一篇文章中，我将RLHF描述为微调阶段，在这个阶段，我们赋予ML模型以道德指南针或对什么是好和坏的感觉。这些问题有很多，所以这个问题的重点是为下一期对聊天机器人道德教化的内部运作的狭义调查打下基础。从人类反馈中强化学习（RLHF）显然将人工智能的道德指南针置于第二阵营中--即一个人对 "好 "和 "坏 "的先天感觉是群体共识的直接产物，因此，从坏中学习好是一个被合适的人类群体适当地社会化的问题。道德教育是否可以简化为 "学习如何用正确的行动和语言取悦他人，以便为自己或社区获得一些利益"，或者这种类型的学习更适合称为 "修辞"，而真正的道德教育则完全是另一回事？回顾一下上一期关于监督下的微调（SFT）的内容，以便为RLHF的讨论做准备： 基础模型经过训练，可以产生与输入提示有某种联系的文字、像素、视频帧等的序列，这些序列具有使它们对人类来说是合理和有意义的品质。

画出创意，关键是把目标、限制和可执行步骤放在同一个框架里，而不是只追求单点技巧。在一个创作过程中，绘画可以扮演四个不同的角色。该死的，我们甚至可以尝试陶艺 当然，我们还把一路上学到的东西都画成草图。Ok, but what? 好的，但是什么？在最终的产品展示中，我们会用一系列的图像来引导观众从最初的问题到解决方案。当想法还处于萌芽状态时--例如在这里，我并不100%确定我们应该采用锅圈，并希望与其他设计师讨论这个想法--我建议采用非常简单的格式： one headline 一个头条新闻 one image 一幅图像 one written sentence 一句话 当我们展示一个想法--相对于一个最终产品--我们通常希望为辩论留出空间。作为我们思想的延伸的绘画创意 研究性绘画有丰富的细节，使我们熟悉我们的主题。这些草图是粗略的、自发的，最重要的是：快速的 为了使这些草图有意义，我们用精心设计的简洁图纸来澄清我们的想法。

鉴于《通俗》杂志对建立职业护城河的关注，我之前没有谈及个人品牌，这有点可笑。Pricing Power in Careers 职业中的定价权 我认为，如果你要为你的职业生涯建立一个个人品牌，那么你应该根据它给你带来的职业利益来评估它。(当然，建立个人品牌还有其他原因，比如在社交媒体上吸引志同道合的人，或者扩大你对新朋友和新想法的接触面--但我在这里不谈这个，毕竟这是一个职业博客！我在这个话题上看到的最好的定义是由商人Brent Beshore提出的，他认为： "品牌是你可以从任何公司或个人那里期待的可能结果的分布。" Morgan Housel writes: 摩根-豪斯尔写道： 品牌并不是为了拥有最高的质量。因此，典型的风险投资职业道路不是依靠良好的回报，而是在社交媒体上建立个人品牌，并在他们的基金失败（很可能）的情况下，利用这一资产软着陆到其他角色。我记得听到Beshore关于品牌和风险投资的论点，然后研究了他的回答的二阶含义。

雅诗-兰黛的儿子伦纳德-兰黛是最早努力解决个人品牌建设问题的人之一。把一个人变成一个品牌的艺术，本质上是建立一个投影的艺术--一个你想插入其他人头脑中的人的模型。然而，为了创建雅诗兰黛的品牌，Leonard Lauder将她缩减到只有最符合公司利益的核心投影。在社交媒体上建立投影的想法绝不是什么新鲜事--Shawn Wang，我认为是软件世界中最好的个人品牌建设者之一，在他的《如何推销自己》指南中这样说： 我的个人品牌的其他方面并没有得到那么多的关注。我是一个巨大的泰瑞-普拉切特粉丝（GNU Terry Pratchett）。声誉和个人品牌不是一回事 这个话题中最有趣的张力之一是声誉和个人品牌之间的差距。我目前思考这个问题的最佳框架是，声誉是别人对你的评价，而个人品牌是你对自己的投射。" (我从April Dunford那里偷了这个例子，因为她用它来说明这个确切的观点：当你在一个早期阶段的公司，在你尝试之前，你怎么知道一种营销策略是否比另一种更好？

2017 年，BuzzFeed 首席执行官乔纳·佩雷蒂 (Jonah Peretti) 宣称，“如果你考虑的是选民，你考虑的是公众，你考虑的是人们被告知的情况，那么媒体的订阅模式无助于告知广大公众”；” 2023 年的今天，BuzzFeed 关闭了其新闻团队，The Athletic 已被纽约时报收购；The Athletic 有一个更幸福的结局，尽管有人认为《纽约时报》付出了过高的代价，因为这家体育刊物从未盈利过；这也是我在 2015 年的 Popping the Publishing Bubble 中论证的观点的演变和反驳： 出版商很容易感到难过：在互联网出现之前，大多数人都在赚钱，而在最初的几年里，生产成本较低的在线出版物似乎也能盈利。然而，问题在于广告资金永远存在的假设，导致了一种“建立它，他们就会来”的心态，这种心态几乎完全专注于内容制作，而对可持续商业模式的关注太少。

在 1954 年的打字机历史 The Wonderful Writing Machine 中，布鲁斯·布利文 (Bruce Bliven) 写道，当这些机器首次问世时，“一个真正的困难……是公众觉得打字，私人通信，是侮辱性的，或令人困惑的，或两者兼而有之。其他人收到一封打字的信件会感到侮辱，因为他们认为这暗示发件人认为他们无法手写阅读：“德克萨斯州的保险人，J.P. Johns 是 Type-Writer 的早期用户之一，他向他的一位代理人发送了一张打字的便条，并得到了愤怒的回复： “我认为当时没有必要，将来也没有必要让印刷商给我写信”并且像传单一样设置。” 在研究技术对美国社会的影响的民主引擎中，罗杰·伯林盖姆 (Roger Burlingame) 讲述了 1876 年，雷明顿 (Remingtons) 公司——第一台商业上成功的打字机的制造商——如何将一台机器送往费城的百年纪念展。

这种采用预先训练的基础模型并为它们注入价值观、道德和政治的业务，无疑是整个 AI 努力中最具争议和政治敏感性的部分。或者，用我的 RETURN 同事 James Poulos 的话来说，我们可以说这是对模型进行教理问答的地方——这是对他们进行道德教育的地方。我们现在使用的大型语言模型，尤其是来自 OpenAI、Google 和 Anthropic 的模型，都有一个重要的共同点：它们都经历了一系列训练后的微调阶段，使人类更容易理解它们使用，但要付出代价。当您将相同的文本放入 GPT-4 的基础模型时，它进入模型时完全没有任何此类解释性线索和线索。” “首先确保汽车安全地离开路肩并远离交通……” 换句话说，当提示包含一个没有上下文线索可以指导解释的直接问题时，实际上根本没有理由让基础模型假设最合适的输出是提示问题的答案。♂️ 基础模型如果要知道如何回答，要么需要在问题旁边添加更多信息，要么需要进一步训练以假设最适合直接问题的输出是直接答案。

BuzzFeed在新闻领域的赌注没有成功，而The Athletic被纽约时报收购，后者的重点是增加广告。2017 年，BuzzFeed 首席执行官乔纳·佩雷蒂 (Jonah Peretti) 宣称，“如果你考虑的是选民，你考虑的是公众，你考虑的是人们被告知的情况，那么媒体的订阅模式无助于告知广大公众”；” 2023 年的今天，BuzzFeed 关闭了其新闻团队，The Athletic 已被纽约时报收购；The Athletic 有一个更幸福的结局，尽管有人认为《纽约时报》付出了过高的代价，因为这家体育刊物从未盈利过；这也是我在 2015 年的 Popping the Publishing Bubble 中论证的观点的演变和反驳： 出版商很容易感到难过：在互联网出现之前，大多数人都在赚钱，而在最初的几年里，生产成本较低的在线出版物似乎也能盈利。然而，问题在于广告资金永远存在的假设，导致了一种“建立它，他们就会来”的心态，这种心态几乎完全专注于内容制作，而对可持续商业模式的关注太少。

在百老汇音乐剧 Q 大道的虚构世界中，Kate Monster 是一个举止甜美、身着淡紫色高领毛衣和波波头发型的木偶。但当她向一位名叫 Trekkie Monster 的隐居、头发蓬松的邻居描述她的课程时，他打断了每一行，他说互联网的真正原因是：色情。当 Avenue Q 于 2003 年以其歌曲“The Internet is for Porn”首映时，它成为第一张带有家长咨询标签的百老汇演员专辑。2005 年出版的 Pornified 一书的作者帕梅拉·保罗 (Pamela Paul) 是这么说的：“所有的色情内容，所有的时间。这一估计与《纽约时报》2001 年 Juniper Media Metrix 调查报告的数据相似，该调查估计当年有 2800 万色情网站用户。幸运地与两家最大的制作公司 Vivid 和 Wicked Pictures 签约的色情明星可以通过拍摄两个场景每周赚取 10,000 美元。

My original claim 我的原始主张 您可能知道，这次演讲是基于我的跨界项目，我采访了既从事传统工程又从事软件工程的人。关于高级原则，例如“社区”或“责任”，我们可以说很多，但更有趣的是细节。说“传统工程需要更多的开放会议”是一回事，说“传统工程需要更好的版本控制！如果我们有一本关于如何进行版本控制或如何制作一个好的插件系统的书会怎样！The Problem 问题 有人对此表示反对。My defense 我的辩护 The Research Process 研究过程 让我们首先列出我们在这种“调查编年史”中所做的一些事情。我记得反对意见是没有足够的材料可以收集，我们会做不好的综合。它甚至在没有分析的情况下也很有用： Just collection：github 上获得无数星星的“很棒的”repos 列表。有很多针对特定技术的咨询店，所以他们有动力写关于特定技术的书，但我还没有看到那么多针对特定问题领域的咨询店。

使用 GitHub Actions 让你的 GitHub 配置文件动态化 April 9, 2023 2023 年 4 月 9 日 人们首先在网上在哪里发现您？使用 GitHub Actions，您可以将静态 markdown 文档转变为动态体验，随时了解有关您的最新信息。在此示例中，您将学习如何抓取网站并使用该数据动态更新您的 GitHub 配置文件。How Your GitHub Profile Works 你的 GitHub 配置文件是如何工作的 你的 GitHub 配置文件可以通过在网络浏览器中转到 找到，例如我的。您的文件结构现在应该如下所示： Making a Dynamic Profile 制作动态配置文件 我们需要为这个例子做三件事： 在 中定义动态内容所在的位置 在 中添加一个脚本来完成抓取工作 在 中为 GitHub Actions 添加一个工作流程，它将按计划运行脚本 现在让我们执行这些步骤中的每一个。

根据 Sam Altman 的说法，OpenAI 的计划 上周，我有幸与 Sam Altman 和其他 20 位开发人员坐下来讨论 OpenAI 的 API 及其产品计划。讨论涉及实际的开发人员问题以及与 OpenAI 的使命和人工智能的社会影响相关的更宏观的问题。以下是要点： 1 OpenAI 目前严重受 GPU 限制 整个讨论中出现的一个共同主题是，目前 OpenAI 非常受 GPU 限制，这推迟了他们的许多短期计划。OpenAI 还没有克服 O(n^2) 的注意力扩展，因此尽管他们很快就会有 100k - 1M 令牌上下文窗口（今年）似乎有道理，但任何更大的东西都需要研究突破。Finetuning API——微调 API 将扩展到最新的模型，但具体形式将取决于开发人员表示他们真正想要的东西。4 OpenAI 将避免与他们的客户竞争——除了 ChatGPT 不少开发人员表示，当 OpenAI 可能最终发布对他们具有竞争力的产品时，他们对使用 OpenAI API 进行构建感到紧张。

最近我了解了一种称为矢量搜索或语义搜索的新型搜索。这是一种搜索技术，它试图找到与用户搜索词的含义相匹配的文档，而不是像全文搜索 (FTS) 那样尝试匹配关键字。我看到了 Alex Garcia 的帖子，该帖子介绍了一个名为 sqlite-vss 的用于矢量搜索的新 SQLite 扩展。由于我的博客数据已经在我认为的 SQLite 数据库中，为什么不呢？计算嵌入需要一个名为句子转换器的 python 库。这可以用 pip 安装： 我使用可信赖的 sqlite-utils 将嵌入到我的数据库中添加到新列中。CLI 有一个 子命令，可用于在表的每一行上运行 python 函数并将结果写入不同的列。首先让我们在 列上运行嵌入： 接下来是 列，用于计算每个帖子正文的嵌入： 现在我们启用 sqlite-vss 扩展并使用它来构建索引。