在 2022 年总结里,因为 COVID-19 带来了一系列太多变化。而在 2023 年,生成式 AI 的突然出现也带来了更多的变化。
回顾 2022 年的一此想法:
而由于要补充大量的 AI 技术与落地工程,带来了更多的变化,使得 2024 的不确定性变得更强。
与 2022 年相比,由于公司业务的影响,以及生成式 AI 的演进。在这一年写的代码更多了,总结上来说,偏向于一套完整的解决方案 —— 这也是年底总结出来的。
年底,在 OpenAI 开放了 API 之后,我们构建了 ClickPrompt 系列的相关项目,以探索 AI 如何方方面面结合到现有的流程与工具中。
可见在不同的领域,都可能发生不同的变化。
随后,在 Unit Mesh 组织(https://github.com/unit-mesh)下,我们构建了相对比较完整的 AI 研发提升开源方案。
尽管对于 AI 在文本上的应用很有潜力,虽然 B3 编辑器一直在拖延,但是 2024 年应该有不错的机会。
而在这一年里,先前在架构、代码治理积累的经验 —— Chapi 和 ArchGuard 项目,又发挥了重要的作用,使得我又开始思考基础设施的重要性。
年初接触到 ChatGPT 时,便尽自己可能去探索如何与 AI 相处,便有了两个比较火爆的文章:
随便一个项目都比 Unit Mesh 组织下的所有项目 stars 加起来还多。果然,与写流行的开源项目相比,在写 markdown 项目上,我更有天赋。
随着在 Unit Mesh 项目的不断试验与落地,系统性总结内容越来越多,从《构筑大语言模型应用:应用开发与架构设计》、《构建你自己的 AI 辅助编码助手》,再到 Unit Mesh 白皮书《生成式 AI 与开源重塑软件研发》。
除了,上述的内容、文章之外,有几篇文章倒也是挺有预见性的:
类似的文章还有很多,但是我确实懒得整理了。
今年,到算是做了很多社区相关的输出。
除此,在 B 站的生成式 AI 相关内容,播放量超过 7 万。
值得考虑的一点是,未来是否有时间和精力做一些相对基础性的教程。
前期,使用 Stable Diffusion 画,后续在设计 Unit Mesh 相关项目时,设计了一系列 logo 。
2023 年是因为变化产生了大量的产生,也就是所谓的高产。而生成式 AI 对于研发的影响还充满不确定性、变化,它们在改变我们思考、工作以及改变世界的方式。
2024 年,依旧还是充满挑战和变化,有可能是跨越式的发展,但愿你们能抓住这次变化。
所以,暂时不做太多的 2024 规划。
围观我的Github Idea墙, 也许,你会遇到心仪的项目