Claude3模型试用指南
1 简介
好消息是,2024 年 3 月 4 日发布了 Claude3,据传比 GPT-4 更好,snooet
版本可以免费试用,坏消息是我们这儿不能用。
在官网注册时,需要选择国家并使用手机接收短信验证码。而在选项中没有中国这个选项。即使成功注册了账号并申请了
API
密钥,免费版本仍需要绑定信用卡才能使用。绑定信用卡也需要接收短信验证,网上说每个手机号只能注册一次,所以似乎也无法短信接收平台。(如果你找到了注册方法,请私信告诉我)
虽然无法通过 API
调用并将其添加到我们的工具中,但可以通过亚马逊云来免费体验一下。
2 Claude3
2.1 三个模型
Claude 3 共发布了三个模型:
Claude 3
Opus:最强大的模型,在高度复杂的任务上提供最先进的性能,并展示流畅性和类似人类的理解。
Claude 3
Sonnet:在智能和速度之间最平衡的模型,是企业工作负载和规模化 AI
部署的绝佳选择
Claude 3
Haiku:最快、最紧凑的模型,旨在实现近乎即时的响应能力和模仿人类交互的无缝
AI 体验
2.2 主要特点
这次升级的主要特点包含:
多语言功能:Cla ...
大型语言模型与Agent的结合探索
何需足量革,尽覆此大地,片革垫靴底,即同覆大地。 --
寂天《入行论》
最近看了一些 LLM 实测报告,感觉 LLM
的能力很强大,但在当前阶段,仍然只能对单一简单问题进行一次提问(详见:开源项目_大海捞针测试),对于复杂的问题,可以通过将其拆解为多个简单问题,使用
LLM 进行多步问答来解决。因此,引入了
Agent。目前也临着在对话过程中容易偏离主题的问题(详见:论文阅读_多Agent_股票操作示例)。
猜想大模型的尽头并非某个全能的大模型,而是类似于人的存在,可能是面向
Agent 优化的大模型;或者整体系统由多个大模型组成,其中一个充当主控:
这个主控模型并不大,所以反应速度快。
他并不存储所有的知识,但包含:内在信念(详见:论文阅读_语言与决策_通过LENS看人类行为),基本的常识,语言理解能力,基础推理能力,类似于高中生的水平。
他链接到一个外挂记忆系统,该系统存储客观知识和主观总结,以及长短期记忆,支持存储/搜索(详见:文章阅读_Agent记忆机制综述)。
他还包含一个自我进化系统,该系统能记忆、总结,并推动自已更新能力库。
和当前系统很大差别在于它能自主构建自己的 ...
法律行业算法比赛解读
1 比赛介绍
第三届琶洲算法大赛 -GLM 法律行业大模型挑战赛道
赛题页面:https://tianchi.aliyun.com/competition/entrance/532221/information
解题示例:https://tianchi.aliyun.com/competition/entrance/532221/customize444
说明文档:https://zhipu-ai.feishu.cn/wiki/M6lCwkSEWiBQIKkQLtIcTuV2nqh?spm=a2c22.12281976.0.0.536f7dd2Pg0INK
2 问题概述
在法律服务领域,基于智谱 GLM-4 大模型和相关业务
API,构建一个能回答法律问题的 Agent(问题机器人)。该 Agent
需要在一小时内回答 200 道问题。
这种整体方案可以应用于许多专业领域。我们也可以通过比较优化和未优化的情况下,看看效果如何。(初赛
A 榜的前 100 名得分都在 80-90
分区间内,查看了一些代码后,我觉得稍加改进也能达到 70+)
3 问题类型
简单问题:查单表和几个字段。 ...
Obsidian插件开发指南
1 Obidian 开发
Obsidian 基于 Electron 框架开发(开发者可以使用 Web
技术构建桌面应用,Google 的 Flutter 也是类似的框架),主要使用 HTML、CSS
和 JavaScript。后端则依赖 Node.js(Node.js 是基于 Chrome V8 引擎的
JavaScript 运行环境),使 JavaScript 能在服务器端运行。
开发 Obsidian 插件时,需要掌握 JavaScript 和 Node.js。比如,利用
Node.js 提供的模块和 API
进行文件操作、访问系统资源、处理网络请求等。
2 开发环境
我的开发环境是:VSCode + Node Docker +
Copilot。这样不仅不会影响我的宿主机环境,开发起来也很舒适,还可以利用辅助编码工具。
如果想开发 Obsidian 插件,就需要安装 Node.js 环境。Node.js 提供了
JavaScript 的运行环境和许多内置模块;同时,安装 Node.js 也会安装
npm,用于管理插件项目的依赖项。
推荐使用 Node.js 的第 18 版:
12$ ...
OpenAI的CUA_ComputerUseAgent
2025 年 1 月 24 日,OpenAI 发布了其首款 AI 智能体
Operator。这是一款能够在浏览器上执行简单在线任务的网络应用,例如预订音乐会门票和在线购买杂货。
Operator 由新模型 Computer-Using Agent(CUA)驱动,该模型基于 GPT-4o
构建。目前,该应用仅面向订阅每月 200 美元 ChatGPT Pro
服务的美国用户开放,未来将逐步向其他用户推广。
官方介绍: https://openai.com/index/computer-using-agent/
原理:
将 GPT-4
的推理能力结合视觉功能,用于操作电脑桌面(类似于操作浏览器)。
基于桌面解析和文字识别技术,可以控制键盘和鼠标,并在沙箱环境中进行操作。
问题:
安全问题:适合操作商场中机器人,对于个人数据/公司数据可能涉及安全问题。
目标用户是谁:像 Dify,扣子也有此问题。
应用场景:
浏览器使用:语法检查、退款总计、更新许可证、客户查询。
电脑使用:下载讲座、合并 PDF、压缩图像、计算价格、导出图像。
其它:
要 200 刀的 pro 才能用,而 ...
MCP协议解析
1 简介
MCP(Model Context Protocol,模型上下文协议)是 Anthropic 在 2024
年底推出的一种开放协议,旨在实现大语言模型(LLM)与外部数据源、工具和应用程序之间的安全、高效互动。
MCP 使得不同 AI
模型能够轻松连接到外部工具和数据源,而无需单独整合多个
API。传统上,整合外部工具需要处理各个 API
的代码、文档、认证方式、错误处理以及后续维护,增加了开发复杂度。MCP
的特点在于其“即插即用”功能,工具只需封装一次,即可与多种大模型 API
组合使用。
2 现有方法的问题
常用方法:
方法一:将数据上传到服务器
将数据存储在他人服务器中,存在安全风险。
上传过程中,数据大小和类型受到严格限制。
方法二:给予大模型本地管理员权限,自动处理本地数据。
同样存在安全隐患。
例如:Open Interpreter、CUA。
MCP 的优势:
统一协议:MCP 作为统一接口,只需一次集成即可连接多个服务。
动态发现:AI
模型能够自动识别并使用可用工具,无需提前固定每个接口。
双向通信:支持数据拉取和操作触发。
安全性:确保只有授 ...
MCP服务器与客户端指南
1 MCP Server
1.1 准备
12pip install mcp# 安装后就可运行 mcp 命令
1.1.1 提供本地服务
12345678910111213141516171819202122# server.pyfrom mcp.server.fastmcp import FastMCP# Create an MCP servermcp = FastMCP("Demo")# Add an addition tool@mcp.tool()def add(a: int, b: int) -> int: """Add two numbers""" return a + b# Add a dynamic greeting resource@mcp.resource("greeting://{name}")def get_greeting(name: str) -> str: """Get a personalized g ...
MCP服务配置指南
1 资源分类
MCP 服务主要包括以下几种:
搜索:搜索和爬虫功能
数据:本地文件、GitHub
工具:为已有工具提供 MCP 调用方法
2 mcp.so
收集了大量 MCP Servers,可在 mcp.so
上使用,而无需本地安装,只需简单配置(如配置 API Key),即可通过 URL
访问各种 MCP Server。
截至目前,http://mcp.so/ 已提供超过 4000 项服务(250328)。
3 tavily
功能:网络搜索 & 智能提取
申请 apikey:https://tavily.com/
3.1 SSE 方式
使用 host 方式访问,需要设置 https://mcp.so/server/tavily-mcp
3.2 本地方式
123456apt install npmgit clone https://github.com/tavily-ai/tavily-mcp.gitcd tavily-mcpnpm installnpm run buildnpx build/index.js # 运行试试
3.3 注意事项
在本地调用时,请勿将 ...
Manus和OpenManus
1 Manus
1.1 概述
官网: https://manus.im/usecases
根据 Manus 发布会的数据,Manus 的功能覆盖了 76% 的垂直类 Agent
项目。其官网展示了 50
多个用例,主要应用于数据分析、调查研究和效率提升。工程方面,Manus
付出了大量努力,整体交互比其他产品优化了许多。
从个人体验来看,Manus
的推广和设计非常出色,与浏览器的整合也令人印象深刻。它有效填补了市场空白,市面上虽有众多开源的
agent 工具,但普遍缺乏易用性;即便是 coze
的图形化界面模块拼接,也存在一定的使用门槛。
Manus
的另一大优势在于其示例表现。一句简单提问,即能获得优质输出。在国内,类似体验的产品有
kimi(检索)和 deepseek-R1(推理),但它们通常只处理单个简单问题。而
Manus
不仅可以在线搜索数据,还能够进行多步操作,解决复杂问题。这一特点似乎填补了市场空白。不过,其实际效果及成本如何,尚需进一步观察和讨论。
1.2 用户交互
界面:打开网站上的实例,可以清晰看到工作过程,左侧展示模型思考,右侧展示工具调用,左右分区的交互流畅。 ...
LLM 中的 role
1 取值
role 有 3 个取值:
system: 设置 AI 助手的行为指南和身份定位
user: 用户输入的内容
assistant: AI 的回复内容
2 示例
123456messages = [ {"role": "system", "content": "你是AI助手"}, {"role": "user", "content": "你好"}, {"role": "assistant", "content": "你好,我能帮你什么?"}, {"role": "user", "content": "解释下Python"}]
3 说明
system 消息设定 AI 的行为规范和专 ...