最新

在人工智能的兴起过程中，产生了许多概念。你预测哪些概念会保持韧性和持久性，哪些又会随着技术的演变而被淘汰？<p><pre><code> - 模型上下文协议 - 技能 - 自主工作流程 - 代理 - Claude.md / Agents.md - 等等 </code></pre> 附加问题：尽管有上述内容，你认为人工智能生态系统中有哪些未被解决或被忽视的“黑暗角落”？

经过多年的尝试和调整不准确的烧烤食谱和温度，我制作了一个烧烤计算器，它通过热模型、菲克扩散定律、蛋白质结构等，得出了完美的肉类烹饪结果。 在这个过程中，我准确计算了提前多长时间给肉类加盐（剧透：即使是冷冻肉也可以！），意识到最佳的干腌盐通常是“粘附腌盐”（覆盖），并通过物理学推导出大致的木炭用量，等等。 与煎饼计算器一样，我进行了大量的烧烤实验来开发这个工具。和煎饼计算器一样，它是一个纯粹的ESM库，围绕热量和盐的扩散及其他基础原理构建，使得开发更多食谱变得更加容易。

最近，我发现自己主要使用编码助手来调查和学习新主题，包括： * 理解代码库中特定模块的工作原理 * 新代码库的整体架构 * 更快地适应新代码库 * 研究某个主题 * 分析视频内容/会议记录，以便快速跟上主题 等等。 我目前的工作流程是指向一个包含记录的仓库或文件夹，并要求助手提取见解（假设它会首先分析内容，然后建议提取的方式和内容），然后阅读一堆输出的Markdown文件。 但我觉得这个工作流程可以改进，但不知道从哪里开始，也不清楚有哪些认知方法和策略。 你是怎么做的？你采用了哪些策略和技能来快速学习新事物？ * 在这个上下文中，学习 == 主要是在新主题上的适应，因为学习和在任何事情上保持高效都需要时间。