AI时代的数据获取姿势

最近在设计一个数据抓取的模块，意识到其实传统的结构化数据抓取方式，在AI时代已经不太需要了。这可能也是AI给程序员带来的一大效率提升👇🧵 传统的抓取方法，一般要考虑网站的结构、元素的位置，正则、xpath、DOM树解析这种都是需要考虑网站结构的。这种抓取的一大缺点就是需要定制化和大量的数据清洗工作。网站结构稍微一变就抓不到数据了，而且不同网站的结构千差万别，维护工作就变得异常复杂和无聊。

AI浪潮下的创业方向思考

最近因为天天在学习 #AI #GPT4 相关的知识，经常会兴奋到睡不着觉。目前能看得到的关于 #GPT4 很快会来临的引爆点👇👇👇 1. 上下文从目前的4K，很快会扩充到8K、16K、32K，目前绞尽脑汁优化上下文的团队可以省省力气了。如果上下文扩充到16-32K，将对向量检索知识库的能力极大扩充，届时怎么从用户意图挖出更多上下文才是该思考的问题😝

#GPT-4 发布
openai.com/product/gpt-4

1.目前面向Plus付费用户提供服务
2.API开发者可以通过这个链接提交waitlist申请
openai.com/waitlist/gpt-4…

#gpt4 看几个官方给出的GPT-4能做、GPT-3做不到的事情：

1.强大的写作和协作能力：

以下提问是让GPT-4写一下有关灰姑娘的故事，要求每个单词的第一个字母要依次从a~z，不允许有重复

主流稳定币数据跟踪

数据含义：
1.直方图值<0：代表MACD线小于信号线，长期利空趋势
2.直方图值>0：代表MACD线大于信号线，长期利好趋势
3.直方图深色：代表环比加速，深绿短期利好趋势
4.直方图浅色：代表环比减速，浅绿短期利空趋势

详细说明：

https://twitter.com/StephanCptMax/status/1605541515433910272

#stablecoin #稳定币 上周数据：

上周末由于USDC背后SVB银行的暴雷，导致大量用户将USDC赎回USD或者换成USDT避险。
具体数据上看，上周USDT供应量增长了9亿左右（图1），USDC供应量减少了31亿左右（图2）。

AI提示工程系列第五篇：构建一个基于知识库的AI机器人

1/12
在第二篇讲了如何让ChatGPT写长文，是从生成的角度来说。
那如果我们手头有一套知识库，如何根据知识库来建立一个类似 #chatpdf 的问答系统呢？今天就来聊聊这个话题👇🧵

#AI #ChatGPT #提示工程 #promptengineering #SemanticSearch 2/12
本文偏系统设计方面，适合于AI领域的产品/技术同学阅读。

没看过前四篇的朋友可以回顾一下：

https://twitter.com/StephanCptMax/status/1630629960603013120?s=20

主流稳定币数据跟踪

数据含义：
1.直方图值<0：代表MACD线小于信号线，长期利空趋势
2.直方图值>0：代表MACD线大于信号线，长期利好趋势
3.直方图深色：代表环比加速，深绿短期利好趋势
4.直方图浅色：代表环比减速，浅绿短期利空趋势

详细说明：

https://twitter.com/StephanCptMax/status/1605541515433910272

#stablecoin #稳定币 上周数据：

USDT供应直方图，上周继续上升。当前处在长期中性+短期利好趋势

AI提示工程（PE）小技巧系列第四篇：自然语言编程

今天看到特斯拉前AI主管说过的一句话：The hottest new programming language is English.

我认为这里的"English"可以改为"natural language"

今天就来实验下：👇🧵

#AI #ChatGPT #promptengineering

之前的三篇，没看过的朋友可以回顾一下：

https://twitter.com/StephanCptMax/status/1630163637951406081

首先，我这里有如下图文本，我希望将此文本中的“时间”和“事件”分组聚合显示。首先，给出明确的指令、格式要求、以及输入内容：

可以看到，ChatGPT给出的答案不全，且有错误

主流稳定币数据跟踪

数据含义：
1.直方图值<0：代表MACD线小于信号线，长期利空趋势
2.直方图值>0：代表MACD线大于信号线，长期利好趋势
3.直方图深色：代表环比加速，红色短期利空趋势
4.直方图浅色：代表环比减速，粉色短期利好趋势

详细说明：

https://twitter.com/StephanCptMax/status/1605541515433910272

#stablecoin #稳定币 上周数据：
USDT供应直方图，突破0轴后，上周继续上升。当前处在长期中性+短期利好趋势

AI提示工程（PE）小技巧系列第三篇：回答的多样性

有没有发现有时我们需要简单且明确的答案，ChatGPT却给出了非常“发散”的答案？
又或者我们有时希望他的回答能更具有“多样性”和“创造性”一些？今天就来聊聊这个👇🧵

#AI #ChatGPT #promptengineering

之前的两篇，没有看过的朋友可以回顾一下：

https://twitter.com/StephanCptMax/status/1629502675552436226

对于同样的问题，ChatGPT会有很多备选的不同答案，而这些答案在“创造性”和“可预测性”之间的选择是由“温度”来控制的。

“温度”是一个从0~1的值，温度越低，代表可预测性越强，答案会更加单一明确；温度越高，代表创造性越强，答案会更加多样化。

AI提示工程（PE）小技巧系列第二篇：如何让ChatGPT写长文

在使用免费版的ChatGPT过程中，如果我们想要针对一个主题让ChatGPT写一篇长文的话，经常会发现几轮问答下来它的连贯性就不好了。好像ChatGPT对上下文的“记忆力”不太好。以下是原因及一些解决方法👇
#AI #ChatGPT #promptengineering

https://twitter.com/StephanCptMax/status/1629067639434928130

原因

ChatGPT有最大token数量的限制，token的定义如下图。

免费版API中，最大token上限是2048。也就是说一个API账号，能够“记住”的最大上下文信息是2048个token。对于记忆顺序，我猜大致是记新忘旧的。

注意，在对话过程中，用户的输入+ChatGPT的回答内容都会计算token。

AI提示工程（PE）小技巧——思维链（CoT）提示

提示工程（prompt engineering, PE）讲的是如何同AI交流，并得到你要的结果。我认为在未来，这方面的知识储备，就像英语一样，属于必备技能了。所以下面会定期将我学习的PE相关知识分享给大家👇

我的学习内容来源：
learnprompting.org/zh-Hans/docs/i… ChatGPT面对一些逻辑问题有时会出错，为什么？能否优化？
能否“教”ChatGPT怎么思考，怎么推理？

首先，针对特定问题，我们可以“教”它怎么推理，这叫思维链（CoT）提示。
我们可以先以问答的形式，给出一个示例，并且答案中写明推理过程。这样可以有效提升ChatGPT在同类问题上的回答正确率。

讲个鬼故事，聊聊经济周期

昨天和小伙伴讨论到比特币的历史价格走势的经验是否会失效的问题。我个人认为是有可能会失效的，理由如下： 1/ 比特币正式诞生是2009年1月3日，可以说比特币恰好诞生在08年金融危机的底部区间，从诞生后美股长牛十几年，至2021年为止还没有再遇到过08年或2000年的金融危机级别的调整。

下图是BTC的1100日均线走势，可以看到基本一直是向上的：

1/ 听space做了一点笔记，包含space中老师讲到的 #MOVE 在安全层面的一些特性，以及与 #solidity 的对比，另外也加入了我自己的一些思考：

#MOVE #solidity #Starcoin

https://twitter.com/StarcoinSTC/status/1555937873660375040

2/ 首先，为什么安全性在今天的web3领域如此重要？

来自慢雾的统计，2021年全年，区块链安全事件导致的资金损失高达98亿美元。

图片来源：
tuoluo.cn/article/detail…