最新

AI 编码代理的工程师层：为 AI 编码代理路由每次编辑的架构约束

我在这方面很纠结。我经常会想起几个月前偶然看到的一个页面，然后我会用浏览器历史记录来查找它。更少的情况下，我会回溯得更久。而且，仅仅是为了留存，我喜欢让所有这些信息都触手可及。 话虽如此，但想到所有这些信息都存在那里，特别是同步到了我的 Firefox 账户，我还是会有点紧张，担心某个假设的黑客、意外的发现，或者其他什么未知的情况。 这让我思考，我一点也不惊讶 HN 上的人们在保存历史记录和删除历史记录方面，会像我一样内心挣扎。很好奇大家都是怎么处理的。

我喜欢iOS屏幕使用时间，因为它是在操作系统层面进行应用阻止的。它内置于每一部iPhone中，你无法像卸载第三方应用那样将其卸载。 最大的弱点是“忽略限制”按钮。你可以设置一个屏幕使用时间密码，但因为你知道密码，所以总能输入它并绕过自己的限制。 所以我开发了WaitToUnlock。 它会生成一个随机的屏幕使用时间密码，并以一种故意令人困惑的顺序引导你输入（例如：输入5，输入8，删除它，输入2……），这样你就很难记住它。然后密码会被锁起来，你必须等待至少6小时才能取回它。 这使得你的屏幕使用时间限制无法被绕过。因为你不再知道密码，所以当你心血来潮时，就不能简单地点击“忽略限制”并输入密码。如果你想移除限制，就必须等到密码再次可用。

我正在斯里兰卡构建一个处理文档和其他敏感数据的 SaaS 平台。 每个用户都可以上传自己的文档和信息，平台使用 RAG（检索增强生成）根据该用户的数据来回答问题。这部分我理解。 我主要担心的是，当用户上传的信息不足时会发生什么。我仍然希望 LLM（大型语言模型）能够使用来自互联网（或经过策划的知识库）的可靠信息提供准确的答案，并附带适当的引用。 以下是我正在考虑的两种架构： 选项 1： 基础 LLM（通过 Azure AI Foundry 或 Amazon Bedrock 使用 OpenAI/Anthropic） ↓ 平台 RAG（由我们管理的全局知识库） ↓ 用户特定 RAG 在这种方法中，我们维护一个由我们（平台管理员）策划和更新的全局知识库。每个用户都可以访问这个共享知识，同时通过他们个人的 RAG 搜索他们自己上传的文档。 选项 2： 开源 LLM ↓ 在斯里兰卡/领域特定数据上进行微调 ↓ 用户特定 RAG 在这里，我们使用斯里兰卡或领域特定的数据对开源模型进行微调，并且每个用户仍然拥有自己的 RAG 来处理其私有文档。 我的顾虑是： 微调实际上是正确的解决方案吗，还是不必要的？ 全局/共享 RAG 是否比微调更好？ 如果您想实现以下目标，您将如何设计此架构： 来自领域知识的准确答案 用户私有文档搜索 引用/来源 为数千用户提供良好的可扩展性 我倾向于选项 1，因为微调似乎成本高昂、耗时，而且我对此还没有经验。但是，我不确定我的想法是否正确。 我非常希望听听其他人会如何处理这个问题。

鉴于最近大型语言模型（LLM）展现出的（令人恐惧的）强大能力，以及我目前的新工作项目不再有趣，我想请教一下：作为一名有编程经验但刚接触人工智能（AI）的人，我（或者任何有类似背景的人）应该如何开始在编程中使用AI？ 我理解很多理论基础（如神经网络、大型语言模型、Agent），但还没有真正将它们用于我的专业工作中。我通常会直接上网搜索，但考虑到网络上的骗子和低质量信息太多，我宁愿直接请教那些真正使用过AI的人。无论是指南、博客文章、视频，还是任何有用的信息，我都将非常感激。 作为背景信息，我正在学习计算机科学，并且已经作为一名全栈初级工程师工作了三年。