理解 AI(五):嵌入——AI 怎么理解语义
1、一个奇怪的问题 你有没有想过这个问题: AI 是怎么知道“苹果”和“水果”意思相近的? 它当然知道,因为 AI “见过”这两个词在大量文本里一起出现。但具体是怎么做到的呢? 这就引出了今天的主题:Embedding(嵌入)。 2、从文字到数字 要理解 Embedding,先要理解一个基本问题:AI 是怎么表示“苹果”这个词的? AI ...
一个开发出身的DevOps工程师 · 代码有理性,文章有温度
1、一个奇怪的问题 你有没有想过这个问题: AI 是怎么知道“苹果”和“水果”意思相近的? 它当然知道,因为 AI “见过”这两个词在大量文本里一起出现。但具体是怎么做到的呢? 这就引出了今天的主题:Embedding(嵌入)。 2、从文字到数字 要理解 Embedding,先要理解一个基本问题:AI 是怎么表示“苹果”这个词的? AI ...
1、同一个问题,不同的回答 你有没有发现,同样的问题问 AI 多次,得到的回答可能不一样? 有时候 AI 回答得很“保守”,精准但有点无聊;有时候又很“跳跃”,充满创意但可能跑题。 这不是 AI 在“随机发挥”,而是采样参数在起作用。 其中最关键的两个参数,就是 Temperature 和 Top-P。 2、从概率分布到“掷骰子” 回顾一下...
1、长对话里的“失忆” 你有没有遇到过这种情况? 和 AI 聊了很长一段之后,你提到了开头的某个细节,AI 好像“记不住”了?或者 AI 开始前后矛盾,说法和对不上? 这不是 AI 变笨了,而是遇到了 上下文窗口(Context Window) 的限制。 2、什么是上下文窗口? 上下文窗口 = AI 能“看到”的 Token 总数。 还记得...
1、Token?不只是“词” 如果你用过 ChatGPT 或者其他大语言模型,一定见过“按 Token 计费”的说法。1K tokens 多少钱,100K tokens 多少钱。 那 Token 到底是什么? 一个常见的误解是:1 Token = 1 个英文单词。 这个说法对了一半,但不全对。准确地说,Token 是 AI 处理文本的基本单位,...
1、从“说话”这件事说起 你有没有想过,人类每天说的话,其实大部分是可以预测的? “今天天气真——” 大多数人会接好或者不错。 “谢谢你的——” 大多数人会接帮助或者提醒。 “这个东西真的是——” 大多数人会接太棒了、太好了、很实用。 这听起来有点奇怪,但仔细想想,我们日常对话里的大量内容,其实都是可预测的。不是因为我们没有创意,而是因为语言本身...
1、为什么要用快捷键 在使用 Jira 管理需求的日常工作中,大量时间花在创建 Issue、编辑字段、切换视图、搜索过滤上。如果每次操作都要用鼠标点来点去,效率会大打折扣。 Jira 内置了丰富的快捷键,熟练使用后可以大幅提升操作效率。这篇文章整理了日常使用中最实用的快捷键,按使用场景分类介绍。 提示:首次使用时,可以按 ? 查看当前页面的...
1、当 Issue 多到找不到时 一个活跃项目的 Issue 数量很容易达到几百甚至上千。这时候,靠肉眼翻看板找 Issue 已经不可行了。Jira 提供了强大的查询语言 JQL(Jira Query Language),让你可以精确地筛选出想要的数据。 JQL 之于 Jira,就像 SQL 之于数据库。掌握 JQL 是高效使用 Jira 的必备技...
1、从工作流到看板 上一篇介绍了 Jira 的工作流,它定义了 Issue 的状态流转规则。而看板(Board) 则是将工作流可视化的载体——把 Issue 以卡片形式展示在不同的状态列中,让团队一眼就能看到工作进展。 Jira 支持两种看板模式: Scrum 看板:面向迭代式开发,有 Sprint、待办事项列表(Backlog)、燃尽图 ...
1、Issue 是 Jira 的心脏 上一篇介绍了 Jira 的核心概念,其中 Issue 是 Jira 最基本的单元。如果说 Project 是容器,那 Issue 就是容器里的血液。团队的日常工作,本质上就是对 Issue 的创建、流转、追踪和关闭。 2、创建 Issue 的最佳实践 创建 Issue 看似简单,但要写出一个”好的” Issu...
1、DevOps 从需求开始 DevOps 的生命周期通常被描述为:计划 → 编码 → 构建 → 测试 → 发布 → 部署 → 运维 → 监控,然后循环反馈。很多人把关注点放在后面的 CI/CD 和运维自动化上,却忽略了起点——需求管理。 没有好的需求管理,后面的自动化再漂亮也是“高效地做错误的事情”。 在需求管理领域,Jira 是事实上的行业标...