返回首页
最新
在过去的几年里，我尝试了各种人工智能工具和模型，但老实说，这让我感到一种虚假的自信。此外，我本该节省的时间在调试、修正和改进人工智能生成的糟糕内容上又被消耗掉了。<p>我是不是在错误地使用这些工具，还是其他人也有同样的感觉？
我编写了一个 Terraform/OpenTofu 模块，使 Azure 云的 IP 范围易于访问。这些 IP 范围会在每晚更新。你觉得怎么样？
像ChatGPT和Copilot这样的语言模型（LLMs）就像那些超饱和的垃圾食品，比如披萨或汉堡，瞬间让人感觉良好（提供现成的代码片段或答案），但随着时间的推移，只会积累体重、糖分和疾病（技术债务、思维枯竭）。
我们已经停止阅读甚至查阅官方文档，这在今天已成为一种濒临灭绝的技能。为什么还要去查阅呢，如果一个LLM可以为我们完成这些，并仅告诉我们创建发布或满足紧急截止日期所需的信息。
最近AWS的宕机事件只是一个短暂的预兆，预示着如果这一趋势持续下去，未来可能会发生的事情。想象一下一个世界，大多数程序员主要是LLM的提示输入者，对核心编程技能甚至与应用程序、框架或库相关的操作技能的理解非常浅薄。如果那时发生重大宕机或技术问题，而周围没有人知道实际情况，我们该怎么办？
更不用说人类工人被替代的问题，这是当今最受讨论的话题。最终，中高层管理人员会想，为什么我们还需要这些“提示工程师”，让一个代理来完成这项工作。之后，高层管理会想，为什么我们需要这些“提示经理”，让另一个控制其他代理的智能代理来做！最终，公司将完全由机器人运营，股东们将安然享受他们的财富！
尽管上述场景听起来有些反乌托邦，但这正是我们在人工智能和商业导向环境不断发展的背景下，最终走向的世界。但考虑到公共和私营部门现有系统的状态，这一过程至少还需要几十年。在那之前，让我们程序员装备自己，掌握那些经受住时间考验的真正老派技能——如查阅文档、参考Stack Overflow和维基百科获取知识等，以谦逊和热情进行编码，而不是依赖这些LLM的垃圾。
我开发了MuseBot，这是一款多平台聊天机器人，集成了大型语言模型（LLM）API，以提供人工智能驱动的响应。它支持Telegram、Discord、Slack、Lark（飞书）、钉钉、企业微信、QQ和微信等平台，让您可以随时与您喜欢的模型进行对话。
MuseBot与OpenAI、DeepSeek、Gemini和OpenRouter模型无缝连接，使对话感觉自然、动态且响应迅速。
主要特点：
- AI响应：使用LLM API提供智能聊天机器人回复。
- 流式输出：实时响应，感觉像是在进行对话。
- 简易部署：只需几个步骤即可在本地或任何云服务器上运行。
- 图像理解：发送一张图片，机器人可以进行解读并作出回应。
- 语音支持：支持使用语音消息进行沟通。
- 功能调用：支持MCP风格的功能调用，以扩展能力。
- RAG支持：通过检索增强生成（RAG）提升上下文理解。
- 管理平台：基于Web的平台，用于管理机器人和配置。
- 服务注册：自动将机器人实例注册到服务注册中心。
- 指标与监控：内置Prometheus指标，便于观察和监控。
MuseBot完全使用Golang构建，旨在实现高性能、模块化和易于扩展。我非常希望听到与聊天机器人、LLM集成或基于Go的基础设施相关的开发者反馈，特别是关于提升可扩展性和实时性能的想法。