2024/07 近期关于AI的阅读和理解[笔记]

玩转API

快速开启 - ApiHug如何在15分钟内，使用 ApiHug 启动一个API开发项目.https://apihug.com/zhCN-docs/start

📐设计先行

通过统一的API 设计元语(DSL, domain specific language), 让API 设计更语言化（Describe)；实现高度的一致化，和高复用。

📑协议驱动

OAS (OpenAPI specification), 是 ApiHug世界的 "金科玉律", 严格保证定义 ↔ 实现之间同构(isomorphism)态射。

🗺️单一信任源

实现 API 从：蓝图→施工→测试→落地，不走样， 不变形，不改味。极致沟通效率和极低信任成本。

❤️ 开发同理心

置身于多种角色,感同身受，在快和慢，现在和将来,个体和团队上综合平衡，极具同理心是ApiHug 人文基础，她不仅仅是一段代码，一个工具，一种方式。

# 微软

微软中国 CTO 韦青：亲身经历大模型落地的体会与思考

• 人的问题最复杂，人的思想转型最难， 成长思维最难

• 企业的转型是由一群意愿转型的人所推动

• 新工具→流程再造→数字化(流程|产品|服务|员工)→优质数据→人工智能

• 流程再造/组织变革会触动既得利益者的利益

• 还是人的问题，强大的技术力量会促进改革的进程

我们每个人的思想实际上都是非常固化的。特别是那些越成功、经验越丰富、过去成就越多的人，他们的思想往往更加难以改变，这是一个公认的事实。

“如果思想不改变，无论你拥有的新工具有多么先进，它又能改变什么呢？"

西摩尔·派普特曾经说过

“应对复杂性和紧迫性的能力是衡量人类组织与制度的标准，但是复杂性和紧迫性已经超越了人类可以应付的程度。”

道格拉斯·恩格尔巴特

“Human beings face ever more complex and urgent problems, and their effectiveness in dealing with these problems is a matter that is critical to the stability and continued progress of society.”

— Douglas Engelbart, 1961

这个理论非常有趣在于应对这些复杂性和紧迫性问题另外一篇论文：  “Augmenting Human Intellect: A Conceptual Framework”

“The conceptual framework we seek must orient us toward ... using modern technology to give direct aid to an individual in comprehending complex situations, isolating the significant factors and solving problems.”

— "Augmenting Human Intellect, Conceptual Framework." Douglas Engelbart, 1962

也就是我们要用技术手段帮助人类应对这种复杂性的挑战， “增强人类智力”（Augmenting Human Intellect）  这个 A 其实 也是 RAG（Retrieval-Augmented Generation） 里面的 A。

在做事的过程中，一方面我们需要跟随，但我们必须记住，仅仅跟随是永远没有未来的。

AI 和现有系统的关系有：加法还是乘法、或前或后两个维度。

• */+:  “+AI”（AI 的简单添加）到“AI 化”或“AI 乘”（AI 的深度融合和乘数效应）的转变；有技术是加法逻辑，但有作用一定是乘法逻辑。一旦把技术内化，融入到每一个环节、步骤、流程，它就是一个乘法概念。萨蒂亚经常说，模型不是产品，模型可以成为产品的一部分!

• 前后： 以终为始，用“AI+”思想设计，以“+AI”来逐步改变；

ChatBot -> Copilot/Agent ->  Multi-Agent 

没有数字化，也不会有智能化!

先别急着定目标，方向差不多就下水吧！

# 华为

以业务价值目标为牵引，流程 + 组织 + 数据 + IT，端到端变革;

多管齐下：SFT+RAG + RLHF.....

作业即标注：重新设计作业过程，将AI反馈流程与作业流程融合，以驱动AI飞轮：流程即消费，反馈，生成；  -- PS 结构化非结构化、人机互补！

3层5阶8步法-不错

①明确目标

1. 生产力、竞争力和客户体验提升

2. 防控关键风险与安全

3. 提升业务效率降低成本

②场景识别

1. 识别高能耗点

2. 业务+数据+技术 三个维度评估

3. 机会点优先级选择；

③重塑流程

1. 业务流程重构

2. 信息流设计闭环，作业即标注

④组织变革

智能业务

1. 业务专家

2. 数据专家

3. 技术专家

开发和交付

1. 数据工程师

2. 知识工程师/专家

3. 提示工程师（初阶）

4. AI训练师（中高阶）

5. AI研究员（高阶）

智能运用运营

1. 人人具备AI初阶技能和数据分析

2. 业务专家向AI高级训练师和咨询

⑤数据和知识工程

1. 高质量数据的采集清洗转换

2. 模式数据集的专家撰写和扩增

⑥AI建模与发布

1. 初阶：模型选型，Prompt

2. 中阶：微调，外挂知识库，Botmaker

3. 高阶：AI数据集，领域模型训练

⑦AI融入业务应用 

1. AI评测上线

2. 大小模型编排

3. SAL（Software Articulation of Law，法律软件表述）治理，涉及到使用软件和人工智能技术来表述、解释和实施法律规则。

⑧AI持续运营

1. 获得反馈

2. 对数据和知识刷新和修正。

3. 对模型持续校准和训练

#Others

人才、组织、流程、产品和产业链

人才（转型-纳新-代谢）:具备成长型思维，思想解放，愿意接受新鲜事物，尤其是目前还不成熟的新鲜事物!

组织（改造-适配）：打破部门墙；各部门可有自己的方法，甚至自己的语言，但是每一个部门或个体都是一个在数字化系统中以API方式输入输出的服务单元。-“书同文，车同轨，行同伦”。API*AI

流程（优化-再造-建模）: 人能理解，机器能处理; 包括结果和过程， BPM

产品/服务（赋能-反馈-定制）： 实时反馈的信号进行纠偏（PID）, BB几句关于 SAAS - Malleable & Fungible + LLM  《Malleable software in the age of LLMs》

产业生态链（优化-纳新-重构）:开源，信息文明时代知识的价值取决于别人愿不愿意用你的东西。API将会是信息文明时代能力表征的语言方式，把你的API分享出去并且被大家所接受，你会发现世界就跟着你的习惯前行了。  数字化 -> 智能化 -> 数据， NLP, LLM , Copilot,  Autopilot; 

PDCA 计划-执行-检查-行动”（Plan-Do-Check-Act） I-P-O-F（Input 输入, Process 处理, Output 输出, Feedback 反馈） COT chain of thought 是如此的相似。

#Other Others

GraphRAG 操作了一通， 效果不尽如人意， 还是喂入的数据质量，识别成图关系太差；在线直接玩耍：NEO4J: https://llm-graph-builder.neo4jlabs.com/

1个好机制胜过10000遍日常管理 -- 有感，其他说的

先提升数据质量，再提升数据量

Tesla Valve特斯拉阀， 一种神奇的阀门！

# Refer

1.  https://www.sohu.com/a/754635626_99922069 韦青：远取诸物，近取诸身，则近AI之道矣

2.  微软中国 CTO 韦青：亲身经历大模型落地的体会与思考

3. 《郑岩-华为云客服AI助手的大模型实践与思考》

4. https://dougengelbart.org/content/view/138/ Augmenting Human Intellect:A Conceptual Framework

5. https://www.huxiu.com/article/539889.html

6. [万字长文]GraphRAG技术栈及样例全面解析

7. https://llm-graph-builder.neo4jlabs.com/

8. https://github.com/neo4j-labs/llm-graph-builder