【日积月累】 1.搜索是 LLM 初期最大的 Killer App 张小珺：你今年依然在美国花的时间非常的多，整个上半年最大的感受是什么？ Guangmi Li：GPT-4 出来一年多了但 AI 应用还没大爆发，从结果上看是比较无聊的。抛开 ...

【日积月累】 1.Voice Agent 全景图  为了快速框定出端到端模型出现后什么领域会有剧烈变化、什么领域不会，我们搭建了以下框架来分析声音领域的不同场景需求。 象限分类标准：1）纵轴是该场景是否对实时性敏感，上方的需要实时在线的回答，...

【日积月累】 1.模型更新 OpenAI 主线 1：成本下降 LLM 大模型的成本下降趋势是非常明确的，在 GPT-3.5 和 GPT-4 的模型定价上都体现得尤其明显。4o 的模型设计初衷除了大家熟知的多模态之外，就是为了推理成本优化...

【日积月累】 1.Thesis • 视频的存量市场巨大，而搜索需求远未被开发；另外从增量来看，视频智能问答、摘要、分类都是新的应用 根据 Sandvine 的数据，从 2021 年到 2022 年上半年，Google、Meta 的互...

【日积月累】 1.Thesis • 原有客服市场格局分散，AI 客服市场快速增长，LLM 有可能提高市场集中度 客服市场从上世纪 50 年代发展到今天，主要经历了四个阶段：传统电话客服（2000 年以前）—多渠道客服（2000 年-...

【日积月累】 1.ChatGPT 让科技投资 进入 AI-alpha 时代 一年前，AI 是否会遭遇“互联网泡沫” 是所有人的疑问，但一年后，随着 AI 开始实打实地帮助公司获得收入增长、Nvidia 等头部公司不断 beat 预期，市场对于...

【日积月累】 1. 什么是 AI-native 应用？ 在传统企业软件领域，AI 往往作为一种补充性能力被整合到现有系统中。但随着 ChatGPT 在 2022 年底的惊艳亮相，一种全新的软件形态开始崭露头角，即AI 原生应用（AI-native ...

【日积月累】 1. 什么是机制可解释性 Lex Fridman：我们可以先从机制可解释性（mechanistic interpretability） 这个概念开始讨论。 Chris Olah：我个人认为理解神经网络首先要建立一个基本的认知，也...

【日积月累】 本文介绍了如何在 Sealos 平台上快速部署 Llama3 中文大模型。文章指出，Meta 最新发布的开源大模型 Llama3 在性能上逼近甚至超越了一些顶级商业模型，如 GPT-4 和 Claude3。作者推荐使用 HuggingFace 社区的 zhouzr/Llama3-8B-Chinese-Chat-GGUF 模型，该模型经过中文微调，能够更好地处理中文对话。文章详细介绍了部署过程：用户可以通过 Sealos 提供的模板快速部署 Llama3 模型，并通过 WebUI（如 Lobe Chat）进行交互。部署过程仅需几分钟，用户无需具备 GPU 资源，因为该模型支持量化，可在 CPU 上高效运行。

【日积月累】 本文是一篇关于如何使用 ComfyUI 进行 AI 绘画的详细教程。文章首先介绍了 AI 绘画工具的分类，指出 ComfyUI 作为模型与产品分离的工具，具有高度的自由度和可拓展性。作者详细介绍了 ComfyUI 的优势，包括低显存需求、快速启动和出图能力，以及清晰的工作流设计。接着，文章提供了在 Linux 主机（包括本地和云端）上安装 ComfyUI 的步骤，包括安装 NVIDIA 驱动、Docker，配置 GPU 支持，以及拉取 ComfyUI 镜像。作者还展示了如何通过 ComfyUI 的可视化编程界面，利用节点和边构建图像生成流程，并详细解析了 ComfyUI 的工作原理，包括加载模型、输入提示词、生成潜空间图像、采样生成图像和解码图像等步骤。最后，文章展示了使用 ComfyUI 生成的高质量图片，并提供了导入和使用高级工作流的方法。

【日积月累】 本文介绍了 frp（Fast Reverse Proxy），一款开源的内网代理工具，能够轻松将内网服务暴露到公网。frp 使用 Go 语言编写，支持 TCP、UDP、HTTP、HTTPS 等多种协议，并具备丰富的功能，如自定义域名、负载均衡、加密传输等。文章详细解析了 frp 的架构和工作原理，包括在公网服务器上部署 frp 服务端（frps）和在内网服务器上部署客户端（frpc）以建立反向代理通道。此外，文章还对比了 frp 与其他内网代理解决方案（如 ngrok 和 Cloudflare Tunnel），指出 frp 在开源友好度、功能灵活性和成本控制上的优势。部署方面，作者推荐通过 Sealos 应用商店一键部署 frp，简化安装过程。使用示例包括将本地 Web 服务暴露到公网、TCP 服务代理（如 SSH）、加密与压缩传输以及负载均衡配置。文章总结 frp 的优势为使用简单、功能强大、性能出色、可扩展性强和社区活跃，适合个人开发测试及小型团队使用。

【日积月累】 本文介绍了如何将 Cursor 编程工具接入超低价的 DeepSeek-V3 模型，以降低使用成本。作者指出，DeepSeek-V3 的价格非常实惠，每百万输入 tokens 仅需 0.1 元（缓存命中）或 1 元（缓存未命中），输出 tokens 每百万 2 元，性价比极高。通过 Sealos AI Proxy，用户可以以官方定价接入 DeepSeek-V3 模型，无需支付额外费用。文章详细介绍了接入过程：用户需要登录 Sealos Cloud，创建一个新的 API Key，然后在 Cursor 的设置中添加自定义模型，将模型名称设置为 `deepseek-chat`，并输入 Sealos AI Proxy 的 API 地址和 API Key。完成这些步骤后，用户即可在 Cursor 中使用 DeepSeek-V3 模型进行代码生成和对话交互。

【日积月累】 本文介绍了如何使用 JetBrains Goland 远程开发基于 MCP（Model Context Protocol）的智能对话助手。作者首先介绍了 MCP 协议的核心思想：通过程序读取大模型的格式化输出并自动执行某些操作。基于这一理念，作者展示了如何在 Sealos 平台上创建一个 Go 语言开发的对话助手，而无需依赖官方的 Go SDK 或受限于客户端选择。开发环境通过 Sealos Devbox 创建，利用云端算力解决本地开发资源不足的问题。核心代码实现包括加载 MCP 服务、生成提示词、对话循环和工具调用等功能。通过配置本地的 `server.json` 文件，开发者可以定义工具的名称、参数和描述，使得大模型能够调用这些工具来执行特定任务。文章还展示了实际运行效果，证明了该方案的可行性和稳定性。

【日积月累】 本文介绍了如何使用 Cursor 和 Devbox 快速搭建开发环境并连接数据库，极大地简化了传统开发中繁琐的环境配置过程。作者通过实际操作展示了如何在 Sealos 平台上创建一个 MySQL 数据库，并通过 Devbox 创建 Go 语言的开发环境。借助 Cursor 编程 IDE，开发者可以快速初始化项目、安装依赖并使用 GORM 框架连接数据库，实现用户数据的增删改查操作。文章还提到可以通过 Cursor 的 AI 能力进一步完善项目，例如添加数据验证和接口化等功能。这种开发模式让开发者能够专注于核心业务逻辑，而不是被环境配置所困扰。

【日积月累】 本文深入解析了 Cursor 的开源替代品 Cline 的实现原理和架构设计。Cline 是一款基于 VS Code 的插件，完全免费且支持接入多种主流大模型 API（如 DeepSeek），其使用体验与 Cursor 非常接近。文章从架构设计、核心模块实现等角度，详细介绍了 Cline 的技术细节，包括其模块化设计、任务执行流程、工具执行流程、安全机制以及文件存储方案。Cline 通过 ShadowGit 检查点系统、多层级文件存储和安全可控的任务执行机制，为 AI 辅助开发工具树立了新的标杆。作者还提到，Sealos 团队将借鉴 Cline 的优秀实践，开发 AI Coding 项目，作为 Devbox 云原生开发环境的核心能力。