2025年7月29日 星期二

💥江湖傳說龍蝦GPT-5現世,🤔到底有多厲害

💥江湖傳說龍蝦GPT-5現世,🤔到底有多厲害

GPT-5的「龍蝦」模型最近在匿名測試平台WebDev Arena上引起了廣泛關注,許多用戶認為這可能是GPT-5的預覽版本。這一模型的代號「Lobster」不僅引發了熱烈的討論,還被認為在性能上超越了現有的Grok-4模型,顯示出其強大的能力。

模型背景與命名

根據最新的報導,GPT-5的「龍蝦」模型在WebDev Arena的測試中表現出色,許多用戶反映其生成的內容質量遠超Grok-4。這一模型的出現被認為是OpenAI在測試不同版本的GPT-5,並且社群中已經整理出幾個不同的版本代號,包括:
 * GPT-5:Lobster(龍蝦)
 * GPT-5-mini:Nectarine(油桃)
 * GPT-5-nano:Starfish(海星)
這些代號的使用顯示出OpenAI在開發過程中可能會推出多個版本,以滿足不同用戶的需求。

性能與應用

自然語言處理
GPT-5「龍蝦」模型在自然語言處理方面的能力得到了廣泛的認可。它能夠生成高質量的文本,並在內容創建、數據分析和客戶互動等多個領域展現出色的表現。用戶報告指出,這一模型在生成互動式內容方面的能力尤為突出,能夠創建出令人驚艷的視覺效果和流暢的用戶體驗。

編程能力

在編程方面,GPT-5的能力同樣令人印象深刻。測試者使用相同的提示詞進行比較,發現「龍蝦」模型在代碼生成和問題解決上表現優異,甚至能夠處理複雜的編程任務。這使得它在開發者社群中獲得了高度的評價,許多用戶表示其編程能力已經超越了Claude等競爭對手。

多模態能力

此外,GPT-5還被預期將具備多模態處理能力,這意味著它不僅能理解和生成文本,還能處理圖像和視頻等其他類型的數據。這一特性將使其在創意產業、教育和商業應用中具有更廣泛的應用潛力。

社群反應與未來展望

社群對於GPT-5「龍蝦」模型的反應非常熱烈,許多用戶在測試後表示其性能超乎預期,並期待OpenAI能夠正式發布這一模型。隨著GPT-5的推出,預計將會引發一場AI技術的革命,改變許多行業的運作方式。

GPT-5「龍蝦」模型的出現不僅展示了OpenAI在人工智能領域的最新進展,也為未來的AI應用開啟了新的可能性。隨著技術的進一步發展,這一模型有望在多個領域中發揮重要作用,並為用戶提供更高效、更智能的解決方案。

2025年7月27日 星期日

LangGraph ,怎麼幫助「大語言模型(像 ChatGPT 這類 AI)」變得更聰明、能做更多事~

LangGraph ,怎麼幫助「大語言模型(像 ChatGPT 這類 AI)」變得更聰明、能做更多事~ 
 
1. 先懂「大語言模型的問題」
 
像 ChatGPT 這類 AI,一開始覺得超強,能寫程式、算數據、寫文章詩歌… 但用久了會發現:它只能「回答問題」,不會主動做複雜任務。
比如你想讓它「查今天天氣」「從電腦裡拿資料」「模擬工廠流水線步驟」… 它做不到!因為它沒有「連接外部工具、主動規劃步驟」的能力,只能單純「你問我答」。
 
2. 為什麼需要「Agent」?
 
為了讓大語言模型突破「只能問答」的限制,技術圈想出了 Agent 這個概念:簡單說,就是讓 AI 學會「自主規劃步驟、調用工具」,不再只會被動回答!
 
但要實現 Agent,需要一個「框架」來輔助… 這時候就提到了 LangChain 和 LangGraph~
 
3. LangChain 是什麼?
 
LangChain 是個工具包,它的核心是「把任務拆成一連串步驟(像串成一條「鏈」),讓 AI 按步驟執行」。
比如你想讓 AI 「查天氣 → 整理成報告 → 發送郵件」,LangChain 會幫你把這些步驟「寫死」成固定流程,讓 AI 照著做。
 
優點是「穩定、不會出錯」;但缺點也很明顯:現實中任務超級多,不可能每個任務都手動寫流程!比如工廠流水線有上百種操作,難道每種都寫死步驟?
 
4. LangGraph 為什麼重要?
 
LangGraph 是 LangChain 裡「更進階」的子工具,它解決了「流程太死板」的問題!
它讓 AI 不再只能走「寫死的步驟」,而是 自己決定「下一步該做什麼」 。
 
舉例:原本 LangChain 要你手動設定「第一步查天氣、第二步寫報告…」,但 LangGraph 讓 AI 自己判斷:「今天需不需要先查天氣?還是直接調用其他工具?」 這樣 AI 就能應對更複雜、多變的任務~

開源革命:字節跳動Coze平台正式上線!無需編程,輕鬆打造你的AI應用:

開源革命:字節跳動Coze平台正式上線!
無需編程,輕鬆打造你的AI應用:Coze開源了:AI開發的全新時代來臨!
從零開始:如何利用Coze開源平台創建AI智能助手!
Coze Studio與Coze Loop:AI開發者的夢想工具!
開源的力量:Coze如何改變AI應用開發的遊戲規則!

Coze開源的意義與影響

在當今科技迅速發展的時代,開源軟體已成為推動創新和技術進步的重要力量。字節跳動最近宣布其AI應用開發平台Coze正式開源,這一舉措不僅引起了業界的廣泛關注,也為開發者提供了新的機會。

本文將深入探討Coze的開源背景、主要功能及其對開發者和整個行業的影響。

Coze的開源背景
Coze是一個無代碼的AI應用開發平台,旨在讓所有技術水平的用戶都能輕鬆創建和部署AI應用。

此次開源的版本包括兩個核心組件:Coze Studio和Coze Loop。

Coze Studio是一個可視化的開發平台,支持拖拽式工作流設計,讓用戶能夠快速構建各種AI應用。

而Coze Loop則是一個專注於Prompt優化的工具,旨在提高AI模型的性能和穩定性。

主要功能介紹

 1. Coze Studio

 * 可視化設計:用戶可以通過簡單的拖拽操作來設計工作流,無需編寫代碼,降低了開發的門檻。
 * 插件集成:平台支持多種插件的集成,開發者可以根據需求添加功能,擴展應用的能力。
 * 智能助手構建:用戶可以輕鬆創建智能助手,並將其部署到各大社交平台和即時通訊應用中。

 2. Coze Loop

 * Prompt優化:該工具提供了一套科學化的優化機制,幫助開發者解決Prompt效果不穩定的問題,提升AI應用的整體性能。

 * 全生命周期管理:Coze Loop涵蓋了從提示詞工程到性能監控的全過程,為開發者提供了全面的支持。
開源的影響
Coze的開源不僅是技術上的突破,更是對整個行業生態的重塑。

以下是幾個主要影響:

 * 降低開發門檻:開源使得更多的開發者能夠參與到AI應用的開發中,無論他們的技術背景如何。這將促進更多創新應用的誕生,推動行業的發展。

 * 促進技術標準化:隨著越來越多的開發者使用Coze,將有助於形成行業內部的技術標準,促進不同平台之間的兼容性。

 * 社區合作與共享:開源的特性鼓勵開發者之間的合作與知識共享,這不僅能提升個人技能,還能加速技術的進步。

 * 商業模式的變革:開源平台的興起可能會對現有的商業模式造成衝擊,特別是對那些依賴於封閉系統的產品。開源的靈活性和可擴展性將吸引更多的用戶和開發者。

Coze的開源標誌著字節跳動在AI領域的一次重要嘗試,這不僅為開發者提供了強大的工具,也為整個行業帶來了新的機遇。

隨著開源社區的發展,我們可以期待更多創新應用的出現,並見證AI技術在各行各業的廣泛應用。這一切都將推動我們邁向一個更加智能化的未來。

2025年7月24日 星期四

ISO 20400:2017 永續採購指南(Sustainable Procurement - Guidance)

ISO 20400:2017 永續採購指南(Sustainable Procurement - Guidance)是一套國際標準,旨在為組織提供一套清晰的行動指引,協助其將永續發展理念系統性地融入採購策略與流程中。

這份指南的核心目標是引導企業在採購活動中考慮環境、社會與經濟層面的影響,以實現更具韌性、負責任且永續的供應鏈。

ISO 20400 的目的與核心精神
在全球氣候變遷與永續發展的浪潮下,企業被要求不僅要專注於自身的永續發展,更應將永續精神向下延伸至其合作夥伴與供應鏈。

ISO 20400 便是在此背景下應運而生,它提供了一個實用的框架,幫助組織在整個採購生命週期中,最大限度地產生正面的環境、社會及經濟影響。這意味著永續採購不再只是「盡量減少負面影響」,而是主動追求「最積極的正面影響」。

導入 ISO 20400 能為組織帶來多重效益:
 * 風險管理:有效管理環境、社會與經濟面向的潛在風險,降低財務與聲譽風險。
 * 競爭力強化:掌握永續轉型帶來的機會,提升供應鏈競爭力,並在全球永續趨勢中掌握先機。
 * 利害關係人期望:滿足客戶與其他利害關係人對永續經營的期待。
 * 夥伴關係建立:有助於建立長期穩定的合作夥伴關係。
 * 年報與合規:為組織的年度永續報告提供支持,並有助於應對未來的法規要求。
與 ISO 26000 的關聯與核心主題
ISO 20400 永續採購指南是根據 ISO 26000 社會責任指引(Social Responsibility - Guidance)所訂定。ISO 26000 闡述了七個核心主題,這些主題也構成了 ISO 20400 永續採購政策的基礎,並延伸出 37 項永續議題,指導組織制定其永續採購策略。

這七大核心主題包括:

 1. 組織治理 (Organizational Governance):涉及組織的決策流程與架構,確保永續原則的整合。

 2. 人權 (Human Rights):涵蓋盡職調查、人權風險、反歧視、弱勢團體保護、勞工基本權益等議題。

 3. 勞動實務 (Labour Practices):聚焦於雇傭關係、工作條件、社會保護、勞工健康與安全,以及人力發展與訓練。

 4. 環境 (The Environment):涉及污染預防、永續資源利用、氣候變遷緩解與調適,以及環境保護、生態多樣性與自然棲地復育。

 5. 公平營運實務 (Fair Operating Practices):包括反貪腐、負責任的政治參與、公平競爭、價值鏈的社會責任推動,以及尊重智慧財產權。

 6. 消費者議題 (Consumer Issues):關注公平行銷、資訊透明、消費者健康與安全、永續消費、客戶服務與爭議解決,以及消費者資訊保護和隱私。

 7. 社區參與及營造 (Community Involvement and Development):鼓勵組織參與社區、支持教育與文化、創造就業與職能發展、促進科技發展與取得,以及進行財富與收入創造、健康與社會投資。

導入與實踐流程

組織導入 ISO 20400 通常會遵循一套系統化的流程,以確保永續採購理念能有效落地。常見的輔導流程包括:
 1. 教育訓練:協助組織建立永續採購文化,使員工掌握核心理念和實務應用,理解 12 項準則、7 大核心和 5 大重點考量層面。

 2. 重大性議題鑑別:結合組織自身的永續目標,識別對其最具影響力的永續議題,例如永續資源利用、溫室氣體排放或地方創生等。此階段需整合內部與外部利害關係人的觀點,並評估風險與機會。

 3. 政策擬定:制定明確的永續採購政策,包括組織架構與權責、永續承諾聲明、核心原則、採購準則,以及短期、中期和長期目標,並使其與組織的整體永續策略保持一致。

 4. 供應商管理辦法制定:建立完善的供應商管理制度,將永續要求納入供應鏈的各個環節。這可能包括建立供應商自評問卷、設計供應商評選機制、導入相關績效指標(KPI),以及建立供應商表現追蹤機制。

永續採購的影響力
永續採購對於供應鏈的永續發展至關重要,因為平均而言,50%至 80%的永續影響可能來自於供應商。因此,企業需要將 ESG(環境、社會、治理)的要求推展至整個合作夥伴網絡,以打造具備永續韌性的供應鏈。越來越多的企業已經通過 ISO 20400 認證,例如台灣大哥大和元大金控,這顯示了將永續準則納入採購流程的趨勢,旨在加速供應鏈的綠色轉型,擴大永續影響力。

國際大廠也越來越要求供應鏈夥伴共同落實企業社會責任,這已成為全球供應鏈管理的重要趨勢,因為消費者對「黑心企業」的容忍度越來越低。

儘管 ISO 20400 提供了明確的指引,但實踐永續供應鏈仍面臨挑戰。例如,如何平衡成本節省與永續目標,以及在供應商面臨危機時如何保持永續性。

組織可以透過線上工具進行自我評估,以了解其與 ISO 20400 的符合程度,這有助於初步掌握永續採購的進展。

ISO 20400 永續採購指南為組織提供了一個全面的框架,幫助其在採購活動中系統性地整合永續原則,不僅降低風險、提升競爭力,更能與供應鏈夥伴共同推動全球永續發展。

2025年7月23日 星期三

「從提示到情境:如何讓你的AI系統更智能?」

「從提示到情境:如何讓你的AI系統更智能?」
「掌握AI的未來:為什麼情境工程是你必須學習的技能?」
「提示工程不再夠用!探索情境工程的無限可能性!」

提示工程與情境工程比較
在當前的人工智慧(AI)領域,提示工程(Prompt Engineering)和情境工程(Context Engineering)是兩個重要的概念,這兩者在設計和優化AI系統的過程中扮演著關鍵角色。雖然它們有相互關聯,但各自的焦點和應用範疇卻有所不同。
提示工程的定義與特點
提示工程主要是指設計和優化輸入文本(即提示)以引導AI模型生成所需的輸出。這一過程涉及到精心設計問題或指令,以便模型能夠準確、信息豐富地回應。提示工程的常見技術包括:
 * 指令式提示:直接的命令,例如「總結這封電子郵件」。
 * 角色提示:設定AI的行為,例如「你是一名法律助理」。
 * 少量示例提示:在提示中提供示例以指導回應。
 * 思考鏈提示:鼓勵模型解釋其推理過程。
提示工程的優勢在於其快速和可及性,特別是在處理單次交互或沒有持久記憶的模型時,能夠有效提高生成的質量。
情境工程的定義與特點
情境工程則是一個更為廣泛的概念,涉及設計影響AI系統理解和回應的周邊信息。這不僅僅是關於用戶的即時問題,而是關於AI在回答時所擁有的所有背景知識。情境工程的關鍵要素包括:
 * 用戶資料和偏好:用戶的歷史互動和偏好設置。
 * 外部知識:來自文檔、數據庫的相關信息。
 * 系統狀態或環境:當前的任務上下文和狀態。
情境工程的目的是創建一個豐富且相關的背景,以幫助AI準確解釋查詢並保持交互的連貫性。這使得AI能夠在多輪對話中保持上下文,並提供個性化的回答,即使實際的提示是通用的。
兩者的比較
 1. 焦點:
 * 提示工程:專注於如何設計具體的問題或指令。
 * 情境工程:關注於塑造AI理解問題時的整體環境和背景。
 2. 範疇:
 * 提示工程:通常處理單次的輸入-輸出對。
 * 情境工程:涉及多輪、狀態保持的交互。
 3. 使用方式:
 * 提示工程:直接影響AI的輸出。
 * 情境工程:通過背景知識間接影響AI的回應。
 4. 可重複性:
 * 提示工程:可能需要手動調整,效果不穩定。
 * 情境工程:設計為在多個用戶和任務中保持一致性和可重用性。
 5. 可擴展性:
 * 提示工程:在用戶數量增加時容易出現問題。
 * 情境工程:從一開始就考慮到擴展性,能夠處理更複雜的情境。
 6. 精確性:
 * 提示工程:依賴於語言的精確性。
 * 情境工程:專注於在正確的時間提供正確的輸入,減少對提示本身的負擔。

總結來說,提示工程和情境工程在AI系統設計中各有其重要性。提示工程是針對具體問題的精細調整,而情境工程則是建立一個支持AI理解和回應的整體框架。隨著AI應用場景的複雜化,情境工程的重要性愈加凸顯,因為它能夠確保AI在多輪交互中保持一致性和連貫性,從而提升用戶體驗。在未來的AI發展中,這兩者的結合將是創造更智能、更具適應性的系統的關鍵。

💥江湖傳說龍蝦GPT-5現世,🤔到底有多厲害

💥江湖傳說龍蝦GPT-5現世,🤔到底有多厲害 GPT-5的「龍蝦」模型最近在匿名測試平台WebDev Arena上引起了廣泛關注,許多用戶認為這可能是GPT-5的預覽版本。這一模型的代號「Lobster」不僅引發了熱烈的討論,還被認為在性能上超越了現有...