最新

随着人工智能的兴起，涌现了大量的概念。您预测哪些概念将具有韧性并长久存在，哪些又会随着技术演进而逐渐消失？ * 模型上下文协议 * 技能 * 智能体工作流 * 智能体 * Claude.md / Agents.md * 等等 额外问题：尽管有以上所有内容，您认为人工智能生态系统中未被解决或“黑暗角落”是什么？

经过多年摸索不精确的烧烤食谱和温度，我开发了一个烧烤计算器，它基于热力学模型、菲克扩散定律、蛋白质结构等推导出完美的肉类烹饪效果。 在此过程中，我精确计算了提前多久给肉类腌制（剧透：即使是冷冻的肉也可以！），发现最佳的干腌法通常是“附着腌法”（覆盖），并利用物理学推导出了大致的炭量，等等。 与煎饼计算器[1]一样，我为此进行了大量的烧烤实验。与煎饼计算器一样，它是一个纯粹的 ESM 库，围绕着热量和盐扩散以及其他基础原理构建框架，从而更容易开发更多食谱。 [1] https://news.ycombinator.com/item?id=48408854

最近，我发现自己主要使用编码助手来研究和学习新主题，这些主题包括： * 理解代码库中特定模块的工作原理 * 理解新代码库的整体架构 * 更快地适应新代码库 * 研究一个主题 * 分析视频内容/会议记录以快速了解主题 等等。 我目前的工作流程是直接指向代码库或包含记录的文件夹，然后让助手提取见解（假设它会先分析内容，然后提出提取方法和内容），最后阅读大量的输出 Markdown 文件。 但我感觉这个工作流程还有改进的空间，但不知道从何入手，也不知道有哪些认知方法和策略。 你们是怎么做的？你们运用了哪些策略和技能来快速学习新事物？ * 在此上下文中，学习 == 主要指适应新主题，因为学习和在任何方面取得成效都需要时间。