4 分钟明智使用AI取得学业成功
充分理解概念,以便在低风险环境中安全尝试。
精选库
无需一次性浏览所有内容,即可观看最清晰的配套视频。选择一条路径,从上次停止的地方继续,或在知道需要什么时使用筛选器。
108 个结果
没有符合这些筛选条件的内容尝试不同的类别或级别,或清除筛选条件以查看所有内容。
4 分钟充分理解概念,以便在低风险环境中安全尝试。
5 分钟将工作流程转化为一个小型实用实验,并设置明确的质量检查。
5 分钟记下片段中AI回答与专业医学判断分歧的一个例子——不要把该片段当作医疗建议。
11 分钟说出AI对话与持证心理治疗之间的差距,从而知道何时应寻求真人专业人士。
20 分钟说明Turkle所区分的连接与陪伴,并将这一区别应用到一项AI聊天习惯上。
17 分钟解释“注意力经济”概念,并说出一种用于捕获注意力的设计手法。
1 分钟用一句话说明Content Credential旨在记录一项媒体内容的哪些信息——然后在现行C2PA/Adobe文档中核实细节,因为这段30秒视频只是入门介绍。
57 分钟指出圆桌讨论中谈到的、AI陪伴应用对儿童的两项具体风险。
11 分钟定义“影子AI”,并点名一类绝不应进入消费级AI聊天机器人的数据。
1 分钟记下一项发布视频中介绍的Study Mode行为,例如先引导思考而非直接给出答案,然后对照当前产品文档核实,因为功能会发生变化。
13 分钟说出O'Neil认为有害评分系统具有哪些风险(例如不透明性、规模化和造成的伤害),同时不要把这场演讲当作完整的技术定义。
5 分钟用一句话解释为何AI聊天机器人听起来自信却可能事实错误。
5 分钟从视频中借用一条关于隐私、公平或责任的谈话要点,开启与青少年的AI对话。
16 分钟写一条导师模式提示词,要求AI用问题引导,而不是直接给答案。
4 分钟与家人约定一句私密核验口令,用于紧急来电——细节请对照当前消费者保护指引确认,不要仅依赖新闻。
8 分钟概括该新闻片段所介绍的AI辅助写作研究结论——然后将复现与局限视为开放问题,而非已有定论。
17 分钟学会设计能够暂停、恢复、请求人工判断,并将业务状态与模型猜测分离的AI工作流。
18 分钟了解如何将审批关卡实现为明确的工作流检查点,而不是等问题发生后再进行非正式人工审核。
32 分钟学会在不削弱人对含义、语气、术语和最终审批的责任前提下,将AI引入本地化流程。
4 分钟理解多语言嵌入对私有内部搜索的重要性,以及本地检索可在哪些方面降低数据暴露风险。
17 分钟建立一套具有明确审查边界的多智能体编码工作流,使生成的改动保持小规模、经过测试且责任明确。
56 分钟为一项AI工作流建立投资回报率论证,其中包含基线、直接与间接收益、质量关卡和明确的停止决策。
41 分钟围绕业务成果、数据控制、工作负载经济性、基础设施就绪度和运营责任,做出AI自研与采购决策。
20 分钟在为敏感内部文档建立索引前,评估企业知识RAG的实用访问控制模式。
30 分钟将视频中的历史时间表与现行欧盟法律比较,再把当前期限映射到中小企业需要安排的供应商证据和责任归属任务。
37 分钟将私有AI作为基础设施和治理决策来评估,而不是凭直觉在SaaS与自托管之间二选一。
69 分钟识别你自己的智能体最先可能遇到的失败模式,并提前为每一种模式规划测试、降级方案和停用标准。
7 分钟理解在基于PDF和混合文件格式构建RAG前,文档解析、结构保留和摄取质量关卡为何重要。
6 分钟识别语音智能体的核心架构,以及真实通话中会影响客户信任的故障点。
66 分钟了解使用Cursor构建小型项目的完整新手工作流,包括设置、提示、调试、Git基础和AI辅助编程的局限。
5 分钟你可以说出让AI为你编写代码之前需要设定的三项防护措施,并理解每一项为何能防止特定故障。
31 分钟了解n8n支持工作流如何起草有检索依据的回复并提出知识库更新建议,再识别生产使用前所需的控制措施。
231 分钟了解支持智能体在生产强化前如何结合检索、升级机制和工作流工具。
37 分钟将工作流程转化为一个小型实用实验,并设置明确的质量检查。
13 分钟设计一套会议工作流程,在保留人工审核的同时,获取转录文本、摘要和行动项。
4 分钟将工作流程转化为一个小型实用实验,并设置明确的质量检查。
23 分钟了解一个长期延续的ChatGPT对话如何协助处理膳食计划、跑腿事项、旅行准备,以及其他低风险的生活事务。
90 分钟把AI编辑建议当作可能出错的第二次阅读,保留已提供的事实、不确定性和自己的声音。
18 分钟你可以把Perplexity和NotebookLM串联成一套研究流程,先查找来源,再阅读并综合来源内容。
26 分钟你可以设置一个NotebookLM笔记本,并用它总结、提问和交叉参照自己来源中的长文档。
11 分钟了解创建克隆声音之前需要重视哪些录音质量要求和同意边界。
16 分钟了解AI音频的主要工作流程类别:旁白、语音转语音、声音设计和声音克隆。
23 分钟研究多智能体新闻简报流水线,并确定来源、审批和故障处理应该放在哪些环节。
20 分钟你将掌握一套简明的提示词清晰度与迭代框架,以及适用于电子邮件、摘要和分析任务的完整模式。
25 分钟逐层加入角色、任务背景、示例、约束和输出格式,构建更有效的提示词。
24 分钟识别浏览器智能体的操作循环,了解它适合哪些场景,以及哪些环节仍需人工确认。
2 分钟在构建之前,评估实现模式、失败模式和防护措施。
11 分钟识别托管文档助手中的来源选择、提问、工件生成和引用检查阶段。
26 分钟观察基于来源的笔记本工作流,并识别依赖它之前所需的检索、引用、来源追踪和权限检查。
11 分钟要求对语气或清晰度提出带原文引用的建议,再将草稿与获准事实及预期含义核对。
25 分钟使用OWASP LLM风险类别审查工具访问权限、输出处理和敏感数据暴露。
11 分钟区分直接提示词注入与间接提示词注入,并理解为何仅靠过滤还不够。
19 分钟你可以根据真实工作负载,权衡缓存写入附加费与读取节省的成本,估算提示缓存何时划算。
56 分钟仅在稳定前缀、延迟和成本特征符合工作负载时使用提示缓存。
12 分钟将工作流程转化为一个小型实用实验,并设置明确的质量检查。
13 分钟了解项目级上下文,以及它在什么情况下比每次对话都重复相同背景更合适。
131 分钟将工作流程转化为一个小型实用实验,并设置明确的质量检查。
36 分钟有意识地配置个性化功能,避免把记忆、自定义指令和项目背景混为一谈。
22 分钟了解如何将深度研究和分析模式用于商业研究,而不只是学术文献研究。
14 分钟界定深度研究任务的范围,等待报告生成,再核实引用和来源质量后加以使用。
107 分钟掌握面向产品构建者的评估闭环:检查追踪记录、标注故障、定义标准、测试改动,并与人工判断进行比较。
3 分钟将工作流程转化为一个小型实用实验,并设置明确的质量检查。
42 分钟了解示例如何改变模型的行为,并学会判断何时值得投入额外准备来使用少样本提示。
25 分钟你将能够把示例放入更完整的提示词结构中,并预判它们会如何改变模型的输出。
157 分钟将课程作为规划LoRA或QLoRA实验的示例,并自行测量所选配置的资源需求与结果。
59 分钟理解微调在完整训练流程中的位置,并判断它何时优于提示或RAG。
26 分钟构建第一个n8n AI智能体工作流,同时了解工具访问、记忆功能和防护边界各自应放在何处。
92 分钟将简单智能体扩展为包含记忆、错误处理和真实业务集成的多步骤工作流。
30 分钟在将AI加入业务流程前,理解触发器、操作和简单的自动化流程。
12 分钟判断何时应由AI智能体负责触发、推理和操作,而不是使用包含AI步骤的普通Zap。
15 分钟根据你当前的工作量判断ChatGPT付费方案是否有用,而不是购买听起来最令人印象深刻的档位。
19 分钟在构建之前,评估实现模式、失败模式和防护措施。
29 分钟在构建之前,评估实现模式、失败模式和防护措施。
7 分钟区分短期记忆与长期记忆的设计决策,并判断智能体应在何时写入记忆。
44 分钟你可以用代码将情景记忆、语义记忆、工作记忆和程序性记忆接入智能体,而不只是说出这些类别的名称。
19 分钟比较旗舰、轻量、中档和专用模型,让路由决策基于任务适配度、成本和延迟,而不是品牌偏好。
9 分钟在增加编排复杂度前,评估模型路由在质量、成本和可靠性方面的权衡。
30 分钟识别不同工作流阶段,并为每个阶段制定可测试的工具选择标准。
14 分钟把若干用例构想转化为候选阶段,再按照文章中的能力和交接标准进行测试。
28 分钟将NotebookLM从摘要工具扩展为可重复使用的研究与学习工作流程。
35 分钟创建一个基于来源的研究笔记本,并将其转化为简报、学习指南或工作笔记。
9 分钟你将能够在LangSmith中浏览追踪、项目和数据集,并读取token成本、延迟、错误率和每个Span的详细信息。
154 分钟将追踪、评估、反馈和生产审核串联为大语言模型系统的运营循环。
93 分钟了解与聊天机器人的对话不会自动获得隐私、特权或安全保障,因此不适合透露敏感的业务细节。
13 分钟找出一项数据、模型或使用风险,以及能够确认管控措施的工作场所责任人。
11 分钟解释个人AI账户为何会带来职场数据风险,以及如何设定更安全的边界。
13 分钟将提示词注入建模为不可信数据混合问题,并围绕工具调用设计边界。
17 分钟评审提示词注入防御措施,例如污点分析、输出形态限制、用户隔离、确定性设置,以及针对关键路径的冗余检查。
3 分钟了解最初的o1发布定位,并将这段历史说明与当前实施指导区分开来。
28 分钟理解一种关于o1的历史解释,再在当前模型和工作负载上,将直接任务说明与其他受支持的提示词变体进行比较。
9 分钟将本文作为决策上下文,用于采用、风险、治理或投资选择。
13 分钟根据实际故障模式,在提示工程、RAG、微调或组合方案之间作出选择。
77 分钟了解生产环境提示工程师如何在真实压力下修改指令、示例和行为约束,而不是把提示当作一次性文本。
25 分钟观察一条模糊的保险理赔提示如何转变为结构化、可测试的提示,并获得更清晰的示例、输出规则和拒绝行为。
10 分钟用有代表性的案例和明确验收标准,把C.R.A.F.T.作为一种候选提示词生成结构进行评估。
20 分钟提取候选提示词结构,再补充负责人、版本、评估、限制和后备字段,然后提交审核。
131 分钟学会在快速、低成本、深度推理和基于来源的工具之间分配任务,而不是凡事都使用同一个模型。
17 分钟了解一套可重复使用的结构化比较方法,以判断某个模型是否足以胜任任务。
32 分钟理解为什么推理服务引擎、批处理和KV缓存内存主导着自托管推理的经济性。
131 分钟以真实的日常用法为参照,学会判断何时应该追问、何时应该切换模型,以及何时应该开始一段新对话。
8 分钟运用多种AI未来情景来规划应用,而不把公司的命运押在单一预测上。
60 分钟围绕工作流变革、能力建设和现实的组织风险来构建AI应用框架。
9 分钟你可以将任务、上下文、范例、人设、格式和语气组合成适用于日常办公任务的有效提示词。
26 分钟识别可复用的提示词模式,并将它们组合成更清晰的指令、示例和评估步骤。
19 分钟充分了解产品和模型系列的整体格局,从而选定一个起步工具,不再无休止地来回比较不同标签页。
90 分钟使用AI辅助研究、搭建结构和修订,同时由人掌控最终措辞和判断。
36 分钟比较录像中的功能导览与当前账号,找出一项适用于已获许可任务的功能。
39 分钟熟悉ChatGPT的使用方式,同时不把侧边栏中的每个新项目都当作第一天必须掌握的内容。
近期审核的视频以及 AI Expert 内容库中的配套推荐。