Jiayuan Zhang Profile picture
Jan 23, 2021 12 tweets 2 min read Read on X
[Thread] 为什么说 Workflow Better than Tools
1/ @pythonhunter__ 发布了第 24 期播客后,我转发并配了「Workflow >>> Tools」的文字,这个意思是工作流/框架是比工具重要的。这个 thread 想具体聊一聊为什么。

2/ 知识工作者大体上是围绕着下面三种元素来展开的:

- Tool:工具
- Knowledge:用来生产的原材料
- Workflow/Framework:做某件事的工作流、框架、方法
3/ 以「做菜」为例(虽然不算广义的知识工作)

- Tool:锅、铲、菜刀
- Knowledge:菜、肉、调料
- Workflow:菜谱
4/ 以「写代码」为例

- Tool:各种编辑器
- Knowledge:语言的语法
- Workflow:设计模式、软件架构
5/ 以「写作」为例

- Tool:Word、Google Doc
- Knowledge:写作的素材
- Workflow:写作的框架
6/ Knowledge 是前提,就像没有原材料做不了饭,不会基本的语法也写不了代码。

Knowledge 是 Input,使用 Tool 并在 Workflow 定义的规则下处理,最后得到的就是产出。 Image
7/ 这三者是一个相辅相成的关系,缺了哪一个整个链条都没办法很好地进行下去,但是这三者也有侧重点,Knowledge(50%) > Workflow(40%) > Tool(10%)。
8/ 工具的迁移成本很大,而系统框架却是通用的。

拿「记笔记」这件事来讲,最近 10 年来涌现了非常多的笔记工具(Evernote、Notion、Roam Research 等),但是从一个平台迁移到另一个平台的成本是非常大的,之前在播客中 @laike9m 就提到一直使用 Evernote 的原因就是很难把里面的笔记迁移出来。
9/ 而 How to Take Smart Notes 中介绍的卡片笔记法,就是一种记笔记的 Workflow,这种是和工具无关的通用框架,半个世纪前的 Niklas Luhmann 可以通过纸笔来实现,现在也可以在 Notion、Roam 这些 App 上来完成。
10/ 最近在几个讨论工具的群里潜水发现,出现最多的话题就是如何用 X 实现 Y 功能,手里的工具和新出的工具有 Z 功能上的差别。

这就好比一群厨师在讨论挑选什么磨刀石才能把刀磨得更锋利,使用什么清洁剂才能把锅洗的更干净一样,没有人真的在乎做出来的菜品如何。
11/ 对工具的使用应该是要在方法上保持克制,在实践上上做到极致。

根据 2/8 原理,一个工具 20% 的核心操作就可以覆盖你 80% 的功能使用,所以在掌握了基本的使用技巧之后,最重要的事是去做菜!

• • •

Missing some Tweet in this thread? You can try to force a refresh
 

Keep Current with Jiayuan Zhang

Jiayuan Zhang Profile picture

Stay in touch and get notified when new unrolls are available from this author!

Read all threads

This Thread may be Removed Anytime!

PDF

Twitter may remove this content at anytime! Save it as PDF for later use!

Try unrolling a thread yourself!

how to unroll video
  1. Follow @ThreadReaderApp to mention us!

  2. From a Twitter thread mention us with a keyword "unroll"
@threadreaderapp unroll

Practice here first or read more on our help page!

More from @Tisoga

Mar 8
I just learned about an exciting development of (by @jeremyphoward), they just released an open source system that can train a 70b large language model on a regular desktop computer with two or more standard gaming GPUs (RTX 3090 or 4090).

This could be a game-changer!

1/nAnswer.AI
The system combines FSDP (Fully Sharded Data Parallel) and QLoRA (Quantized Low-Rank Adaptation) techniques, allowing users to train large models on consumer-grade hardware.

It's the result of a collaboration between , Tim Dettmers (U Washington), and Hugging Face.

2/nAnswer.AI
@jeremyphoward The goal is to make useful AI accessible to everyone, enabling people to create their own personalized models and have control over their AI systems. This project is a key foundation for achieving that goal.

3/n
Read 11 tweets
Dec 18, 2023
是如何构建高效的 RAG 系统的 Part 2

这个系列的 thread 会分享 背后构建整个 Retrieval Augmented Generation System 的经验,包括在生产环境上的一些实践。

这是系列的第二篇,主题是「如何评估一个 RAG 系统」。

🧵 devv.ai
devv.ai
Image
如果没有看过第一篇的朋友,欢迎先看一下第一篇的内容,可以对整个 RAG 系统有一个初步的了解。



1/31
上篇我们提到了什么是 RAG 系统,以及构成的基本要素,这里再来复习一下。

一个最基本的 RAG 系统由以下 3 个部分组成:

1. 语言模型
2. 外部知识合集
3. 当前场景下所需要的外部知识

2/31
Read 32 tweets
Dec 13, 2023
创业应该学习什么?

这个 thread 分享一下过去一段时间构建 这个产品时学习的一些资料,适合每个创始人或者有创业想法的人参考。

创业没有千篇一律的公式,但是有体系的方法更能提升成功的概率,另外创业本身是一门实践学科,最好的方法就是 learning by doing。

1/11devv.ai
最推荐的课程就是 YC 的 Startup School,这是一门纯免费的课程,不需要被 YC 创业营录取也能够进行学习。

课程的内容涉及到了创业早期的所有方面,例如:

- 如何构建 MVP
- 如何与用户沟通
- 如何增长

完整看过 n 遍,有些在实践的过程中还会再回去找答案。



2/11 startupschool.org
Image
YC Library 是另一个我会经常去找资料的地方,这里面涵盖了 YC 建立以来发表的大部分内容,可以作为一个 wiki 来查询。



3/11 ycombinator.com/library/
Image
Read 11 tweets
Dec 4, 2023
是如何构建高效的 RAG 系统的 🔎

之前答应过要分享一下 底层涉及到的技术,这个系列 thread 会分享我们在这个项目上的具体实践,这是第一篇。

另外我们开了一个专门用于提交反馈和建议的 GitHub Repo,欢迎反馈。

🧵

devv.ai
devv.ai
github.com/devv-ai/devv
RAG 的全称是:Retrieval Augmented Generation(检索增强生成)

最初来源于 2020 年 Facebook 的一篇论文:Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks(是的,你没有看错,2020 年就有这项技术了)。

1/22 Image
这篇论文要解决的一个问题非常简单:如何让语言模型使用外部知识(external knowledge)进行生成。

通常,pre-train 模型的知识存储在参数中,这就导致了模型不知道训练集之外的知识(例如搜索数据、行业的 knowledge)。

之前的做法是有新的知识就再重新在 pre-train 的模型上 finetune。

2/22
Read 23 tweets
Nov 17, 2023
如何使用 AI 加速软件开发 🚀

经过几周的迭代,今天正式发布 Devv Search



Devv Search 是一款面向开发者的 AI 搜索引擎,我们基于文档、代码、实时搜索数据从零到一构建了一套高效、准确的 RAG 系统,底层的模型基于微调后的 Code Llama 和 GPT-3.5。

1/13 devv.ai
Image
在深度使用了 GitHub Copilot、ChatGPT 等产品之后,我们发现 AI 在代码生成方面依然存在很大的改进空间。

ChatGPT 和通用的 RAG(Bing Chat)系统在代码生成方面并未做特殊的优化,生成的代码会存在以下问题:

1. 时效性差
2. 错误率高
3. 缺乏上下文理解

2/13
例如在这个例子中,GPT-4 & Bard 的生成效果就不尽如人意。



3/13
Read 13 tweets
Jun 12, 2023
如何更高效地阅读论文 📃

上周 @CopilotHubAI 新发布的 Magic Copilot 功能可能会永远改变你阅读论文的方式,只需要 3 个步骤,就可以开始交互式地阅读论文:

1. 上传论文 PDF
2. Magic Copilot 自动生成 Prompt
3. 开始阅读

这个 thread 以 ChatDB 这篇论文为例 👇
app.copilothub.ai/chat?id=7495 Image
1/ 上传论文并生成论文相关的 Prompt

1. 直接上传对应论文
2. 根据论文来生成对应的 Prompt,例如这里我写的需求是「paper analyzer for ChatDB ...」,然后就会自动生成这篇论文的 Prompt

等待十几秒就创建完成了,这篇论文的地址:

arxiv.org/abs/2306.03901
2/ 第一步来让这个 Copilot 总结一下这篇文章中相关的一些内容。
Read 6 tweets

Did Thread Reader help you today?

Support us! We are indie developers!


This site is made by just two indie developers on a laptop doing marketing, support and development! Read more about the story.

Become a Premium Member ($3/month or $30/year) and get exclusive features!

Become Premium

Don't want to be a Premium member but still want to support us?

Make a small donation by buying us coffee ($5) or help with server cost ($10)

Donate via Paypal

Or Donate anonymously using crypto!

Ethereum

0xfe58350B80634f60Fa6Dc149a72b4DFbc17D341E copy

Bitcoin

3ATGMxNzCUFzxpMCHL5sWSt4DVtS8UqXpi copy

Thank you for your support!

Follow Us!

:(