好的AI产品分析 1/100 Cursor
在这个专栏，我会用最简单的语言介绍我狂热喜爱的AI产品。也算是一个产品经理的自我提高和反馈的专栏。 CursorCursor 是一个AI编程工具，它可以帮助你更快速、更准确地编写代码。它集成了LLM，可以让你在编写代码时获得实时的智能提示和自动补全。
Manus的多Agent架构怎么做？
在本文主要讨论两个问题：1、像Manus这样的多Agent系统，可以有哪些实现方式2、多Agent系统中，如何实现信息的管理和共享 我在用LangGraph开发一个多Agent系统，LangGraph基于Langchain开发，是一个基于图的控制流框架，它可以更好的实现动态循环调用工作流。 LangChain的优点我们就不赘述，可以说是早期的完善的对开发者非常友好的框架。但LangGraph的控制流是静态的，它需要预先定义好所有可能的节点和边。而我们用的所有的AI产品都希望可以动态执行工作流，这就是我们的核心问题：如何用LangGraph实现动态控制流？ OpenAI 目前尚未公开其应用产品中多智能体（multi-agent）系统的具体架构细节（例如 ChatGPT 内部是否使用多个 Agent、是否使用静态图 LangGraph 或动态控制流等），但我们可以从 已公开的系统设计模式、相关研究趋势，以及 OpenAI 生态中类似产品（如 Manuscripts、AutoGPT、LangGraph 等）来合理推测其可能的实现方式。以下是系统性回答： 多 Agent...
AG-UI使用指南
人们说MCP的下一步时AG-UI，那么AG-UI到底是什么呢？其实看他的定义就知道，代理+前端。我最近开发时应用时发现Cursor对前端的支持很糟糕，我需要新的工具和方法！！ 以下是一些AG-UI的尝试，希望能帮助我解决这一难题。 什么是AG-UIAG-UI（Agent-User Interaction Protocol）的开源协议由CopilotKit提供，你可以把它想象成一套“通用语言”，专门用来解决AI代理和前端应用之间的沟通难题。 简单来说，AG-UI就像是在AI代理和你的App界面之间搭了一座“鹊桥”！我喜欢这个想法，不管它好用与否，他就是我需要的。https://docs.agentwire.io/introduction...
猫咪呼噜算法解析
几个月前我在做AI硬件产品，做了一个猫咪样子的AI陪伴式玩具的DEMO。它的核心功能之一就是猫咪的呼噜声，如果呼噜可以伴随它的心情和情绪而变化，他就会给用户更真实的体验。 有个印度裔开发者在十几年前做了个有趣的前端，https://purrli.com/...
Langgraph的持久化管理-记忆模块
持久化就是记忆，就是能让AI记住用户的定制化的核心。 LangGraph 有一个内置的持久层，通过校验指针实现。使用校验指针编译图形时，校验指针会在每个超级步骤superstep中保存图形状态的校验点checkpoint。这些检查点被保存到一个线程中，在图形执行后可以访问该线程。由于线程允许在图形执行后访问图形的状态，因此包括人在回路、内存、时间旅行和容错在内的多种强大功能都成为可能。有关如何在图形中添加和使用定点器的端到端示例，请参阅本指南。下面，我们将详细讨论这些概念。 这个checkpoint的概念非常重要，需要详细理解。 checkpoint检查点是在每个超级步骤中保存的图形状态快照，由具有以下关键属性的 StateSnapshot 对象表示：config: Config associated with this checkpoint.metadata: 与该检查点相关的元数据。values: 此时状态通道的值。next 图中下一个要执行的节点名称元组。tasks:PregelTask...
Langgraph的魅力
作为一名AI产品经理，Langgraph的魅力在于它提供了一种新的方式来构建AI应用。他用轮询的方式构建应用，我觉得比传统的Agent更符合直觉。https://github.langchain.ac.cn/langgraph/...
什么才是AI产品经理
如果你看过创新者的窘境，你应该知道，产品才是企业竞争的本质。对于新的革命性技术，传统的做法是愚蠢的。 大的企业会因为路径依赖而错失新的商业机会，大的企业做的越好，反倒越容易失败。因为他的价值体系是为了传统的需求而建立的。他的架构让它无法聚焦小的需求和革命性技术。像诺基亚的CEO说的：“我们并没有做错什么，但不知为什么，我们输了。” ...
AI声乐教师的产品思考
音频生成和音频理解是两个完全反向的领域。音频生成是生成式AI，音频理解是判别式AI。它们的逻辑是相反的。 ...
如何构建一个唱歌模型
事实上，我并没有成功的做出一个AI音频模型，以上只是我作为一名连续创业者的思考和尝试，供大家思考。我一直在关注Idoubi的开发成果和产品哲学，他有一个AI音乐播放器产品Melodisco我很喜欢，但是据他所述，AI生成的曲风单调，并且他没有自己的音乐模型，仅从产品体验层面无法赶超Suno / Udio 这些模型厂，而且目前的好的音频模型全部是闭源的，让很多创业公司望而却步。 作为音乐爱好者，我不禁思考实现音频模型的难度，我想知道基于一个LLM模型去蒸馏一个音频模型的可行性。以下是一些思考的内容，供大家参考。 音频生成模型研究开源模型GPT-SOVITSGPT-SoVITS是花儿不哭大佬研发的低成本AI音色克隆软件,我仔细的看了大佬的训练方式，只能说在算法上做到了极致，将训练成本降到了很低的地步，非常适合个人使用。它的AI...
大模型相关面试题 1
应用是AI非常重要的发展方向，了解底层原理才能做出好的产品。大模型相关的面试问题通常涉及模型的原理、应用、优化以及面试者对于该领域的理解和经验。 以下是一些从各种地方搜罗的常见的大模型面试问题以及建议的回答方式： 1、请简述什么是大模型，以及它与传统模型的主要区别是什么？大模型通常指的是参数数量巨大的深度学习模型，如 GPT 系列。它们与传统模型的主要区别在于规模：大模型拥有更多的参数和更复杂的结构，从而能够处理更复杂、更广泛的任务。此外，大模型通常需要更多的数据和计算资源进行训练和推理。 2、谈谈你对 Transformer 模型的理解，以及它在自然语言处理中的应用。Transformer 模型是一种基于自注意力机制的神经网络结构，它通过多头自注意力和编码器-解码器结构，有效地捕捉序列数据中的长期依赖关系。在自然语言处理中，Transformer 广泛应用于机器翻译、文本摘要、问答系统等任务，并取得了显著的性能提升。 3、你如何评估大模型的性能？有哪些常用的评估指标？评估大模型性能时，我们通常会考虑多个方面，包括准确率、召回率、F1...