AI带来的三重危机以及对未来的信心
关于人工智能，有这么一则寓言：一辆加速的列车，一经抵达就远远地把人甩在身后。
幸运的是，列车似乎已经抵达，并没有把人甩在身后。因此，我们只需要回答好三个问题：
* 列车是否仍在加速？
* 应该上车吗？
* 怎么上车？
构建人工智能应用的底层逻辑
大语言模型是个黑盒，GPT-4 在早期版本中就如真人一般，而大量使用之后又不禁怀疑：它真的理解了对话吗？
AI也许是以我们不同的方式理解，之所以表现相似，是因为神经网络是一种模拟，人脑也是神经网络，正如我们搞不明白人脑怎么冒出意识那样，模型的生成过程也无法解释。
Stephen
FastGPT & Dify 应用案例及工作流开发总结
AI+Workflow是当前比较流行的Agent应用开发方式，本博客之前重点对比了：Dify vs FastGPT两个开源项目，也演示了Coze的案例，本文继续分享这两款产品的开发实践，借此对拖控件编排工作流这种低代码开发方式进行阶段性总结，读者顺便也能体会到它们之间的差异。
特别强调的是，这几款产品迭代得很快，
给 Matrix Synapse 添加中文搜索
Matrix很好很强大，一般服务端都用Synapse，支持的协议最完善，然而它的中文搜索很难用，原因在于PostgreSQL未能正确的给中文分词。另一个服务端项目dendrite 支持CJK （中日韩）分词，也只是略好一些，并且那个项目开发也几乎停滞了。
开源IM软件中原生支持中文搜索的有Mattermost，我参考它给Synapse开发了一个方案，具体的做法是 使用 Zhparser 插件版 Postgres，给数据表添加一个字段，改少量Synapse代码。通过文件映射的方式，尽可能减少后期维护成本。
Coze平台AI聊天机器人的搭建案例
大语言模型问世一年半，出现了越来越多有意思的东西，例如可以在聊天中触发一些UI互动，让大模型使用第三方工具，执行一些自动化工作流，使用低代码开发Agent 代理最近也非常火热，扣子（Coze）是其中优秀的平台，本次，我尝试在coze.
Dify VS FastGPT —— 两个出色的整合大模型应用的开源项目
在基于大语言模型 API 的生态上，有那么几种类型的应用解决不同的痛点：
1. 使用最广泛的是网页或软件在API上套壳，方便有网络障碍和弹性需要的用户；
2. 检索增强生成（RAG），适用于垂直和私有化数据领域；
3.
AI的轻应用开发只是热闹一时
这篇文章写于2024年1月15日，现在分享到博客上来。
我自己也开发过GPT，对话数超过10k，评分4.5，算排名靠近，不过我也早早取消了Plus订阅，改用API了，那对我来说更好用。
GPT是OpenAI推出的定制版ChatGPT，有点类似于微信小程序。
Ghost进阶系列：填坑总结
更新时间：2023年3月5日20点32分
除非 Ghost 有你不可替代的功能需求，或者喜欢上手高难度，否则我建议你放弃。
备份和更新
Docker 版不支持完整的 Ghost CLI，
曲线救国：用谷歌语音助理唤起必应聊天
现在手机上的 Bing 应用 已支持 AI 聊天，并且可以语音对话。
声音还行，识别率也高，即便偶尔口误或者识别出错别字，也基本上能够返回正确的回答。
不过，
替代 ChatGPT，用 Notion AI 和 Bing Chat 写文稿
Notion 简介
Notion 是一款功能强大的云端笔记软件，可以让用户创建各种类型的文档、表格、数据库、任务清单、日程安排等。Notion 支持多人协作，可以轻松地与团队成员共享和编辑文档。
listmonk：优秀的Newsletter自托管工具
更新时间：2023年8月16日06点59分
Ghost大概是最佳的Newsletter[1]自托管方案，但一来它的学习与搭建成本比较高（参考我的#Ghost 系列博文），二来在Newsletter方面也有诸多限制：不支持SMTP，只支持Mailgun的API。
Docker版PostgreSQL升级迁移（慎用Watchtower更新基础服务）
Docker容器更新是个麻烦事，我的话因为大部分服务只有自己在用，也做了数据持久化和备份，就用Watchtower一键更新，这样做很方便但也可能会产生问题，因为有些项目版本迭代会导致配置、数据以及网络环境不兼容，我碰到过的就有：Alist从V2升级到V3导致配置重置；一个更新失败导致后续所有的容器丢失（大坑，建议还是一个一个更新而不是全部一起更新）