吧务
level 10
DeepMind1024
楼主
达芬奇画鸡蛋的故事,大家都听过,达芬奇学画画,他的老师一直让他画鸡蛋,横着画,竖着画,正面画,反面画,终于有一天,达芬奇忍不住了问:"老师,我是来学画画的,天天画鸡蛋有什么意义呢?",老师回答他:"要做一个伟大的画家,就要有扎实的基本功,画蛋就是锻炼你的基本功",此后达芬奇画了几年鸡蛋后,从此想画什么就画什么了.
大卫·霍克尼是一位著名的当代艺术家，业余爱好是研究西方美术大师的画作，他在研究的时候，发现了一个非常奇怪的现象：在14世纪的时候，西方画家们还画得非常不像，画中人物的动作和线条都很僵硬,透视关系也基本是错的；但是过了100年，也就是在15世纪末16世纪初的时候，西方画家们的写实绘画技术突飞猛进，跟今天照相机拍出来的效果有得一拼。
他们是怎么做到的呢？是绘画水平普遍提高了么?霍克尼发现，并不是，背后有一个作弊机制。就是光学暗箱技术,就是借助镜子或者小孔成像的原理，把物体或者人物直接投影在画布上，描出线条，然后再画。简直就是土法照相机,那还能画不像吗？他们画得像，原来是靠作弊的,这样一来,画画变就成了一件难度不是很高的事情,之前被反复强调的素描基本功也就变得不那么重要了.
数码摄影刚出来的时候，遇到了当时主流胶片派的一致反对,说什么“没有质感”“颗粒度太大”“噪点太多”,胶片派反对数码摄影更加深层的理由其实是，这个玩法简直是作弊！我们胶片派多年摸索学习的暗房技术、冲印拼接技术变得一点儿用都没有了。数码技术的渗入使摄影界的基本功发生了改变,走向了观察和审美能力
爬楼,可以一阶一阶爬上去,也可以直接坐电梯上去.
最早,大家比拼拳脚,后来有了武器,武器从硬度比拼到了长短,明末抗倭战争中,倭寇们使用的是武士长刀,个个刀法精湛,戚继光发现很吃亏,它比常规兵器长了那么一点,一寸长一寸强.戚继光不是让手下的士兵苦练基本功,练出比倭寇更好的刀法,而是发明了几种新武器拿藤牌挡、拿狼筅卡、拿长枪刺,改变了阵型和战法,改变了战局.再后来,是火枪,坦克,大炮,飞机,导弹,煤气罐子.
1968年墨西哥城奥运会上，Dick Fosbury 用后来被称作“Fosbury Flop”的背越式动作夺冠，这个技术震惊了当时的人,此后彻底改变了跳高技术。此前人们比拼的只是谁的腿力量大,能跳的更高, 能让此项技术得以发挥的,是深泡沫软垫取代沙坑，这使得运动员能够安全地背部着地
今天各领域的高手们,也都有着鲜为人知的暗箱,最为普遍的暗箱,就是AI
AI的使用也分不同的层次,一般人可能就是豆包,DS套壳类AI简单问一问.
在工作中，那些非常难的行业问题可以直接试出AI之间的差距,经实践,只有Anthoropic和Open AI 这两家公司的AI能够真正解决行业难题,并且使用上限极高.
同一个公司的AI,亦有强弱,以GPT为例, 免费,Go,Plus,Pro,Business,Enterprise其带宽,模型,和推理深度有本质的不同,Sol、Terra、Luna 、Mini是不同强度的模型底座对标的是Claude的Fable,Opus,Sonnet,Haiku.
免费和Go,只能使用mini,plus不能使用sol,推理等级 分Low，Medium、High、Extra High、Max、Ultra ，免费用户是Instant，都没有推理模式，Go可以开启最低一档，Plus可以开Medium、High，Pro可以开启Extra High,Business可以开Max,Enterprise可以开Ultra.经实践,不同档位对于深度问题的输出质量可以说是天壤之别.
第二层,就是Agent的使用,对于GPT来说,就是codex,虽然Agent的背后也是这些大模型,但是以Agent方式运行的AI,其达到的实际效果会完全的不同,单独问GPT,很多深层的行业问题是无法解决的,但是Agent可以在你电脑上直接读引擎的底层源码，自己研究自己尝试各种高级方法来解决问题，他会自己动手做实验，如果不行，他还会换另外的思路,有时他的思路会匪夷所思,令人惊叹:"这样也行?"
同样,Agent的使用也有浅深,Claude会有很多深度定制工作流的指令,能拆给多个子 Agent,能够相互分工配合,再合并,再分工,完成更加复杂的任务,这远比单纯的给AI一段话让其完成任务,结果要强的多.codex只有 Business / Enterprise 这个档位上,才有工作流编排的能力.
第三层,就是迁移学习中的Fine-tuning技术,目前好像只有Anthoropic和Open AI提供相关的后台API,这也是为什么说他们的使用上限极高.
大模型对于通用型的信息和技术了解全面,但是对于过于细分的领域和不公开知识,了解有限.Fine-tuning技术就是可以利用大模型的智能水平,去特化某一领域专用的AI,可以为AI提供这些领域的特殊样本,再次训练AI,让其在这些领域也一样擅长. 比如通用型AI对于解老相关的内容,它本来的训练素材其实是不多的,这是比较小众的领域,可以调用后台Fine-tuning的相关API,进行迁移学习,灌以大量的学界资料和文献,再次训练AI,让AI变成解老高手.
第四层,就是提示词本身,随着时代的发展,各种工具的演进,以前很多是基本功的东西,不再是基本功了,而某些东西,会变成新的基本功. 提示词本身,就是使用AI的核心竞争力,是人与人之间真正的差距.
不同的提示词,会产生完全不同的输出质量和结果.
提示词,也被包装成各种"Skills",成为新的上层工具.
以当下最为火爆的AI影视为例:
AI短剧也并不是随便一句话就能做出来的，它涉及到了剧本，分镜镜头，原画设计，首尾帧，镜头控制描述，这些才是护城河，一个真正优质有内容的AI短剧,大多也都是原先影视行业转行过来的精英们制作的，普通人生成的只是玩具。节省的只是原先的演员服化道场地，这些也是原先领域中低层次的工作人员。
以前拍电影，有大量的技巧，来实现那些不好拍出来的效果。现在AI制作短剧一样有这个问题,比如你对AI生成出来的人物动作不满意，你怎么命令ai按照你想要的方式去运作,在提示词上面有大量的技巧,这种技巧包括预制标定物等等，其实跟原先的技巧是一样的，普通人不会掌握这些门道
镜头的控制推、拉、摇、移、跟、升、降、环、转、甩。都是以前导演跟摄像师傅沟通的，存在大量的术语，现在呢，摄像师傅被取代了，AI就可以运镜，但是这些提示词非常专业，普通人依然不知道怎么控制，不知道怎么描述想要的效果
2026年08月17日 04点08分
1
大卫·霍克尼是一位著名的当代艺术家，业余爱好是研究西方美术大师的画作，他在研究的时候，发现了一个非常奇怪的现象：在14世纪的时候，西方画家们还画得非常不像，画中人物的动作和线条都很僵硬,透视关系也基本是错的；但是过了100年，也就是在15世纪末16世纪初的时候，西方画家们的写实绘画技术突飞猛进，跟今天照相机拍出来的效果有得一拼。
他们是怎么做到的呢？是绘画水平普遍提高了么?霍克尼发现，并不是，背后有一个作弊机制。就是光学暗箱技术,就是借助镜子或者小孔成像的原理，把物体或者人物直接投影在画布上，描出线条，然后再画。简直就是土法照相机,那还能画不像吗？他们画得像，原来是靠作弊的,这样一来,画画变就成了一件难度不是很高的事情,之前被反复强调的素描基本功也就变得不那么重要了.
数码摄影刚出来的时候，遇到了当时主流胶片派的一致反对,说什么“没有质感”“颗粒度太大”“噪点太多”,胶片派反对数码摄影更加深层的理由其实是，这个玩法简直是作弊！我们胶片派多年摸索学习的暗房技术、冲印拼接技术变得一点儿用都没有了。数码技术的渗入使摄影界的基本功发生了改变,走向了观察和审美能力
爬楼,可以一阶一阶爬上去,也可以直接坐电梯上去.
最早,大家比拼拳脚,后来有了武器,武器从硬度比拼到了长短,明末抗倭战争中,倭寇们使用的是武士长刀,个个刀法精湛,戚继光发现很吃亏,它比常规兵器长了那么一点,一寸长一寸强.戚继光不是让手下的士兵苦练基本功,练出比倭寇更好的刀法,而是发明了几种新武器拿藤牌挡、拿狼筅卡、拿长枪刺,改变了阵型和战法,改变了战局.再后来,是火枪,坦克,大炮,飞机,导弹,煤气罐子.
1968年墨西哥城奥运会上，Dick Fosbury 用后来被称作“Fosbury Flop”的背越式动作夺冠，这个技术震惊了当时的人,此后彻底改变了跳高技术。此前人们比拼的只是谁的腿力量大,能跳的更高, 能让此项技术得以发挥的,是深泡沫软垫取代沙坑，这使得运动员能够安全地背部着地
今天各领域的高手们,也都有着鲜为人知的暗箱,最为普遍的暗箱,就是AI
AI的使用也分不同的层次,一般人可能就是豆包,DS套壳类AI简单问一问.
在工作中，那些非常难的行业问题可以直接试出AI之间的差距,经实践,只有Anthoropic和Open AI 这两家公司的AI能够真正解决行业难题,并且使用上限极高.
同一个公司的AI,亦有强弱,以GPT为例, 免费,Go,Plus,Pro,Business,Enterprise其带宽,模型,和推理深度有本质的不同,Sol、Terra、Luna 、Mini是不同强度的模型底座对标的是Claude的Fable,Opus,Sonnet,Haiku.
免费和Go,只能使用mini,plus不能使用sol,推理等级 分Low，Medium、High、Extra High、Max、Ultra ，免费用户是Instant，都没有推理模式，Go可以开启最低一档，Plus可以开Medium、High，Pro可以开启Extra High,Business可以开Max,Enterprise可以开Ultra.经实践,不同档位对于深度问题的输出质量可以说是天壤之别.
第二层,就是Agent的使用,对于GPT来说,就是codex,虽然Agent的背后也是这些大模型,但是以Agent方式运行的AI,其达到的实际效果会完全的不同,单独问GPT,很多深层的行业问题是无法解决的,但是Agent可以在你电脑上直接读引擎的底层源码，自己研究自己尝试各种高级方法来解决问题，他会自己动手做实验，如果不行，他还会换另外的思路,有时他的思路会匪夷所思,令人惊叹:"这样也行?"
同样,Agent的使用也有浅深,Claude会有很多深度定制工作流的指令,能拆给多个子 Agent,能够相互分工配合,再合并,再分工,完成更加复杂的任务,这远比单纯的给AI一段话让其完成任务,结果要强的多.codex只有 Business / Enterprise 这个档位上,才有工作流编排的能力.
第三层,就是迁移学习中的Fine-tuning技术,目前好像只有Anthoropic和Open AI提供相关的后台API,这也是为什么说他们的使用上限极高.
大模型对于通用型的信息和技术了解全面,但是对于过于细分的领域和不公开知识,了解有限.Fine-tuning技术就是可以利用大模型的智能水平,去特化某一领域专用的AI,可以为AI提供这些领域的特殊样本,再次训练AI,让其在这些领域也一样擅长. 比如通用型AI对于解老相关的内容,它本来的训练素材其实是不多的,这是比较小众的领域,可以调用后台Fine-tuning的相关API,进行迁移学习,灌以大量的学界资料和文献,再次训练AI,让AI变成解老高手.
第四层,就是提示词本身,随着时代的发展,各种工具的演进,以前很多是基本功的东西,不再是基本功了,而某些东西,会变成新的基本功. 提示词本身,就是使用AI的核心竞争力,是人与人之间真正的差距.
不同的提示词,会产生完全不同的输出质量和结果.
提示词,也被包装成各种"Skills",成为新的上层工具.
以当下最为火爆的AI影视为例:
AI短剧也并不是随便一句话就能做出来的，它涉及到了剧本，分镜镜头，原画设计，首尾帧，镜头控制描述，这些才是护城河，一个真正优质有内容的AI短剧,大多也都是原先影视行业转行过来的精英们制作的，普通人生成的只是玩具。节省的只是原先的演员服化道场地，这些也是原先领域中低层次的工作人员。
以前拍电影，有大量的技巧，来实现那些不好拍出来的效果。现在AI制作短剧一样有这个问题,比如你对AI生成出来的人物动作不满意，你怎么命令ai按照你想要的方式去运作,在提示词上面有大量的技巧,这种技巧包括预制标定物等等，其实跟原先的技巧是一样的，普通人不会掌握这些门道
镜头的控制推、拉、摇、移、跟、升、降、环、转、甩。都是以前导演跟摄像师傅沟通的，存在大量的术语，现在呢，摄像师傅被取代了，AI就可以运镜，但是这些提示词非常专业，普通人依然不知道怎么控制，不知道怎么描述想要的效果
