最新

深入研究在人际研究中是个麻烦。我正在尝试构建一个专门为人们进行深入研究的产品。 目标是：进行深入研究 -> 将其转化为简短易懂的内容，就像Instagram的短视频，但只是关于一些有趣事物的文字摘要。这对于咖啡聊天、约会等场合非常有用（我想这将是Cluely发布视频中的API，链接：https://www.youtube.com/watch?v=Rz3LD7u2KX8，专注于约会人群的搜索）。 我想讨论一些新颖、独特的方法来实现这一目标。 以下是我想到的所有想法： 使其复杂化的因素有： 1) 人们可能有相同的名字，因此互联网上可能没有相关的文章。 2) 对人们“有趣”事物的分类。 a) 显而易见的方法是使用大型语言模型（LLMs），但即使LLMs的成本降低，速率限制也不会降低，真正有趣的见解所需的链接数量限制了这一点。 b) （不是广告），使用分层文本分类工具 https://www.trytaylor.ai。 逻辑是，特定句子填充的信息桶越多，它就越“有趣/多维”。 我目前考虑的流程是： 1) 获取该人的前20个搜索结果并进行抓取（如果你知道如何有效利用这些信息，你会惊讶于这能提供多少关于一个人的信息）。 2) 抓取（如果某些网站如LinkedIn较难，可以使用BrightData，如果是YouTube则获取转录文本）。 3) 建立一个个人事实存储 -> 简单的数组。 假设我知道约翰是我想找到的人，并且他有一个LinkedIn账户。 由于我有他的LinkedIn，我的个人事实存储将包含以下详细信息： [ 1) 头像 2) 摩根大通实习 3) 宾夕法尼亚大学学士 ] 等等。 4) 数据验证。 解决匹配名字的问题。 假设我现在找到了一篇关于约翰的文章，但我不知道这是否是指的那个约翰。 假设文章是： “摩根大通实习生约翰喜欢寿司。” 这里有两种方法： a) 我知道他的头像，所以尝试查看他的LinkedIn头像与这篇文章中的头像是否匹配。如果文章中的图片匹配，那么我们可以添加他喜欢寿司的事实，从而丰富我们的数组。 或者 b) 我知道他是摩根大通的实习生，这是我们的基本事实，因此我们可以假设他喜欢寿司的偏好也是真的。 5) 通过 https://www.trytaylor.ai 进行处理，我正在尝试获取产品访问权限，但他们的认证系统有问题，我现在根本无法使用。 本质上，它将把我收集的所有信息分类到不同的桶和子桶中。 将结果缩小到符合某些标准的前5%，因为我现在有了这些标签。