CopilotHub招聘产品设计师；大模型岗位面试官的一线分享；AI应用创业的共识与非共识；LangChain学习手册 | ShowMeAI日报

日报&周刊合集 | 生产力工具与行业应用大全 | 点赞关注评论拜托啦！

CopilotHub 招聘产品设计师，AI Agent C 端产品、远程工作、无限制带薪假期

https://app.copilothub.ai

这是一家成立于2023年的 AI Agent 初创公司，位于上海，目前已获得数家一线美元基金种子轮融资，团队成员来自全球头部社交产品、北美高校以及连续创业者

请将简历及作品集发送至邮箱 [email protected]，邮件标题格式为：产品设计师 - 姓名

CopilotHub 创始人 @加元.Jiayuan 在个人社交媒体上发布了「产品设计师 (Product Designer)」岗位的招聘信息，并且给出了详细的职位描述和任职要求，而且福利待遇很不错~ ⋙ 即刻 @加元.Jiayuan

MidJourney Prompt想象网站，一键帮你批量生成专业提示词

https://midjourney.talkgame.ai

MidJourney.TalkGame.Ai 是一个 Midjourney 的提示词拓展网站，可以根据模糊的、简单的描述 (或提示词)，生成更多候选 Prompt，不仅可以丰富画面细节，还能激发更多灵感。

网站页面非常简洁，在输入框内描述想要创作画面的关键词，点击「想象」按钮，等待几秒钟就可以看到网站生成了中英双语的多个提示词，分为主题、风格、艺术家、作品、视角、光源等。

把鼠标悬浮在某个词上，可以看到这个提示词的相关介绍，点击即可选中这个提示词并出现在页面最下方。最后点击「复制」即完成了本次提示词的想象任务，可以开始绘画创作了！

初创公司 AI21 Labs 成为新晋独角兽，靠的也是帮助企业定制模型

8月31日，AI初创公司 AI21 Labs 在官网宣布已经完成了1.55亿美元的C轮融资，从而使得其总融资达到2.831亿美元，估值更是达到14亿美元。本轮投资者包括三星next、英伟达、谷歌、Pitango、SCB10X 以及英特尔创始人 Amnon Shashua 等。

AI21 Labs成立于2017年，总部位于以色列，是以色列唯一一家开发AI大语言模型的公司。公司的主要产品是大语言模型「Jurassic-2」、多语言阅读&写作AI助手「Wordtune」，通过易于使用的应用程序和 API为包括财富500强在内的客户提供服务，并由此构建了强大的客户群。

• Wordtune：通过文本问答模式，自动生成文本、摘要、改写内容

• Jurassic-2：帮助企业、个人开发者通过自身数据进行微调，以打造法律、销售、医疗、广告等特定业务场景的专属「ChatGPT」，所以是 OpenAI 的主要竞争对手之一 ⋙ AI21 Labs官网

游戏开发者三年心血成乌有，Steam以「包含AI内容」为由退回

这是 Reddit 论坛的一篇热帖，是一位开发者的控诉和求助，他耗费了数年心血和积蓄开发的游戏，因使用了 ChatGPT 而被 Steam 下架。

根据开发者的描述和在评论区的回复，可以了解到这款游戏中的AI模块是可选项，允许玩家使用 ChatGPT 替换 NPC 对话，并且不影响游戏本体，只是为了让游戏体验更加有趣。

但是在开发者向 Steam 提供相关信息并经过一个月的等待后，他收到了下架通知，几番联系也没有明确的解决方案，所以发帖求助。

帖子引起了广泛关注，许多网友对此表示同情并呼吁帮助，也有评论者指出了解平台的规定也是开发者必须注意的事项 ⋙ Reddit 原帖

大模型岗位人才风向如何？这是一线面试官的总结与建议

近期能明显感觉到，AI相关的社招和校招逐渐活跃起来了，ShowMeAI 日报和社群中一直在分享招聘相关信息。

分享一篇来自大模型岗位面试官的分享，一起了解下当前 LLM 人才市场的基本情况，以及候选者们在论文、训练经验、模型评测、落地场景等方面的履历情况。

1. 有大模型方向论文的硕博很少，大部分论文还是在模型架构排列组合，屎上雕花：大家论文普遍目的是为了混饭吃，主要还是模型架构的小改进，方法复杂但效果不佳，并不能吸引到面试官，当然相关高质量研究论文的简历很抢手

2. 有大模型训练经验简历的很少，有65B以上大模型全量训练的更少，有预训练的经验就像捡到了宝：主要是因为算力限制，大部分简历做的是边角工作 (例如 lora 和 ptuning 等)，有65B全量训练更是稀缺，有完整的大模型从0起步训练经验可称为香饽饽，预训练经验更是稀缺

3. 模型评测和强化学习方面经验很稀缺：是当前大模型的黑科技但做好很难，评测难在无法提早有效检验模型好坏，强化学习难在费卡又容易崩溃，这两方面有用经验太少

4. 大模型选型上一定要紧跟行业主流认知：大模型要选择主流的 llama、ChatGLM等，不能用偏门模型，否则结论不被面试官认可，无法在一个层次交流

5. 成功落地的场景稀少，目前都在探索阶段：真正成功落地的场景很少，都在探索阶段，各种问题难以解决，从0到完整落地的简历非常稀缺

6. 大模型需求依然很旺盛，优秀简历很抢手：大公司和创业公司大模型职位需求旺盛，真正有经验的简历非常抢手

7. 大模型八股文的频率高吗：简历扎实不会问八股文，会着重交流经验；简历一般会考察思维和基础八股文 ⋙ 阅读原文

深度拆解天花板级复杂的提示词，什么可照搬什么不要学

https://github.com/JushBJJ/Mr.-Ranedeer-AI-Tutor

Mr.-Ranedeer-AI-Tutor 是一款非常强大的 Prompt 工具，可以让 ChatGPT 成为你的超级老师，辅助学习任何领域的内容，具有以下特点：

• 让你拥有随叫随到的专家级 AI 助教！

• 想怎么学就能怎么学，定制私人学习计划！

• 从小学到博士，一路伴你学习成长！

• 支持 免费版ChatGPT的GPT-3.5，配合 GPT-4 效果更佳！

这篇文章非常仔细地研究了 Mr.-Ranedeer-AI-Tutor 出神入化的 Prompt 技巧，总结了3条值得借鉴的技巧和2个要避开的坑：

经验1：用对格式AI记忆力和稳定性就能大幅提升

• 详细举例解释了用 json 格式组织 Prompt，形成清晰的层级结构，能更好地帮助 LLM 记忆要点

• yaml 格式也能起到树状组织指令的作用，但比 json 更加简洁，当层级不复杂时也能使用

• 相比之下，markdown 只用###来区分层级，不太明显，只适合一层简单的分块

避坑1：严谨的 json 表达会让 GPT 丢失一些创造力

• 过于严格规范的 json 格式，会使 GPT 生成的回复变得中规中矩，就像降低了temperature一样

• 可通过用 yaml 形式、减少不必要结构、加入口语化表述等方式来增加 Prompt 的灵活性

经验2：对AI编程只需伪到极致的伪代码

• Mr. Ranedeer像init、version这样的函数名，GPT就能无师自通地当作代码调用

• 完全不需要真正的代码格式，伪代码融入自然语言对GPT也足够，它能处理复杂逻辑 (但太口语化时GPT也可能辨别错误)

经验3：用code interpreter的内存大幅增强AI的记忆力

• code interpreter能在内存中保存信息，被查询时再取出，极大增强了GPT的记忆力

• 解决了Prompt本身容量有限、GPT处理复杂学习内容时易失忆的问题

避坑2：专业领域的know how比Prompt技巧更重要

• Prompt技巧只是保证生成内容的下限质量，要提高上限还是需要领域内的专业知识 ⋙ 阅读原文

AI应用创业的共识与非共识，伟大往往超乎计划

作者结合过去半年跟数百位AI创业者的面对面交流，以及旁听近千场AI项目路演，逐渐展开本文来探讨，国内AI应用创业者在以下话题上有哪些共识与非共识：

1. 未来难以精准预测，伟大往往超乎计划：当新的生产力革命和交互革命来临时，人们往往乐于预测未来，但过去的经验无法推断未来的范式；我们需要接受未来的不确定性，根据现实的数据反馈来修正我们的信念，并进行快速的行动和迭代

2. 大模型创业还有没有机会：分析了十多家投资机构已经投资了十多家国内大模型公司，投资重心将放在AI应用层，建议AI应用公司把握现在最佳的融资时机

3. 业务重要，还是融资重要：业务比融资更重要；作者建议如果产品还未达到产品市场适配度，应该把精力放在获得客户和业务增长上，也可以考虑客户支付、政府补贴等多种融资途径

4. 不出海，就出局：AI应用若面向国内市场，可考虑不同的销售模式；若面向海外市场则可采用 PLG 模式，建议 AI Native 应用最好出海，针对国内大中型企业的则可不用考虑

5. 中国市场到底需不需要SaaS：作者分析了目前阻碍 SaaS 发展的原因，但软件和服务的需求不会消失，AI Agent可能成为新的软件形态，直接跳过SaaS阶段

6. AI Agents是否是软件的最佳形态：2023年将是AI应用创业的元年，未来会出现大量AI应用，创业者需要社群支持，现在是AI应用创业的黄金时期 ⋙ 阅读原文

LangChain AI Handbook，一本非常系统和全面的教程性手册

这是 Pinecone 发布的系列文章，发布在官方博客上，全面介绍了 LangChain 的各个方面。该手册手册包含多章节，每章聚焦一个话题，如提示工程、会话记忆、检索增强、自定义工具等，是一篇针对LangChain使用的非常系统和全面的教程性手册。

1. 介绍LangChain：概述了LangChain的核心组成部分，包括提示模板、大语言模型、代理和记忆等

• LangChain

• 我们的第一个提示模板

• Hugging Face Hub LLM

• OpenAI LLMs

• 参考文献

2. 提示模板和提示的艺术：探讨了设计更好提示的艺术和科学

• 提示工程

• 提示模板

• 资源

◉ 使用LangChain进行数据预处理：展示了如何对文本进行预处理和分块

3. 对话记忆：探讨了如何使用会话记忆来构建更智能的聊天机器人

• ConversationChain

• 对话记忆的形式

4. 检索增强：演示了如何使用向量数据库来增强LLM，避免hallucination

• 创建知识库

• LangChain向量存储和查询

◉ 项目-播客聊天机器人智能体：展示了构建播客聊天机器人代理的示例

5. AI智能体：探讨了如何使用ReAct和会话代理来增强LLM的能力

• 什么是智能体？

• 智能体类型

• 参考文献

6. 自定义工具：演示了如何为代理构建自定义工具

• 构建工具

• 参考文献

◉ 更多资源：提供了相关的Jupyter Notebook和开源LLM资源 ⋙ LangChain AI Handbook

感谢贡献一手资讯、资料与使用体验的 ShowMeAI 社区同学们！

◉ 点击 日报&周刊合集，订阅话题 #ShowMeAI日报，一览AI领域发展前沿，抓住最新发展机会！

◉ 点击 生产力工具与行业应用大全，一起在信息浪潮里扑腾起来吧！