2024年8月碎碎记：工作流、RAG与本质问题

拖延来源于精确性的不足。
1、通过倒推和量化，消除结果和过程的模糊性；
2、找出关键步骤框架。

八月，我花了很多时间在探索和思考AI工作流的编排、RAG（检索增强生成）的应用，以及如何回归本质看问题。

🌊 AI 工作流 (Workflow) 与 RAG

Workflow 是当下AI应用开发的热点，涌现了大量优秀的产品和框架。

Workflow 编排工具

• 商业与开源方案: Dify, Coze, Langflow, FlowiseAI, Aigne, Ragflow, Vectorshift 等，各有千秋。
• 核心原理: 值得花时间搞清楚这些 Workflow 工具背后实现的共同原理。

RAG (Retrieval-Augmented Generation)

RAG 应用的基础技术核心是：让大模型依靠现有的数据（PDF/WORD/Excel/HTML等）精准地回答用户的问题。

• RAG 系统构成:
  • 数据工程: 知识库的构建，包括文件类型、格式、分割策略、知识类型、索引方式等。
  • 检索生成: 数据处理完成后，配合大模型进行检索生成，包括 Prompt 工程、算法策略、检索方式、中间件、大模型、查询处理等。
  • 业务系统: 商业行为衍生的上层应用，包括租户、计费、开放平台、洞察、运营等。
• 相关工具与资源:
  • 多模态检索: Byaldi
  • 技术实现: Advanced Retrieval-Augmented Generation: From Theory to LlamaIndex Implementation
  • RAG 公司: Devv.ai, RunLLM.com

🛠️ AI 工具箱：从Prompt到代码生成

这个月收集的工具和资源，覆盖了从提示词工程到具体应用的方方面面。

Prompt 工程资源

• Prompting Guide: 中文版指南
• 新奇鼠：Prompt Engineering Guide
• SuperPrompt: GitHub - NeoVertex1/SuperPrompt
• LangGPT: GitHub - langgptai/LangGPT

代码生成与 Serverless

• Cursor: 强大的AI代码编辑器。
• Val Town: Serverless 结合 AI 生成代码，一个非常酷的探索。
• Claude Engineer: GitHub - Doriandarko/claude-engineer

AI 网关与其他

• Kong Gateway - AI Proxy: AI 网关解决方案
• Semantic Router: GitHub - aurelio-labs/semantic-router
• AI模型资源: Free AI API, AI相关API白嫖和成本评估综合表

🤔 回归本质：关于知识、商业与自我

学会回归本质看问题。

• 知识的本质是理解自我和世界；
• 技能的本质是使用工具解决问题；
• 产品的本质是满足一群人的需求；
• 商业的本质是用产品买卖；
• 网络的本质是连接和流量变现；
• 社群的本质是创造人与人的信任和多重链接；
• 媒体的本质是传播信息；
• 教育的本质是改变认知和行为；
• 咨询的本质是提供个性化指导方案；
• 品牌的本质是用独特标签霸占用户心智。

贝叶斯公式与个人成长

贝叶斯公式：P(信念|证据) = 似然比 * P(信念) 人与人因成长背景和教育差异，初始信念 P(信念) 不同。面对新证据，大家更新后的信念 P(信念|证据) 也会不同。这提醒我们，要不断接触新证据、新信息，持续更新自己的认知。

两个世界的对话

• 学院派流量玩法: SEO, ASO, build in public, ARR, MRR，非常“光鲜靓丽”。
• 草根流量玩法: 有自热、无自热、红薯自热、截流、打粉、出粉、收粉、手工打粉、卡密、一转二转、有偿粉、无偿粉……

这两个世界的话语体系完全不同，理解它们之间的差异，本身就是一种重要的认知。

重要的心态

• 最重要的心态: Active (遇山开山, 不等不靠)
• 最重要的技能: Focus (全神贯注, 心无旁骛)

---

“把你的内心想成一个充满了鱼的池塘，每条鱼都是一种情绪。试着成为那个池塘，而不是其中的一条鱼”。