AI·应用
在编排一期Data Elixir通讯时，有数百篇相关帖子、工具和资源需要考虑。大部分通过约200个RSS源、806个社交媒体账号、Hacker News和Reddit到达我这里。我写了Python脚本来获取并排名社交媒体账号的帖子，这些脚本已成为捕捉网络热点不可或缺的工具。但引起共鸣不等于好，也不等于适合Data Elixir。那种判断仍来自我本人阅读。即使有脚本帮助过滤一切，我每周仍最终有100-200篇帖子要考虑。自动化最后一段策展会很棒，但那种阅读和判断不是传统代码能做的。我仍做最终决定，但你本周读到的Data Elixir一期中的一些链接是由一个我教会像我一样思考的LLM浮现的。这篇文章讲述我如何构建它，包括其核心的评判器，以及我最关心的部分：我如何教它我的品味，以及我如何检查它是否真的学会了。沿途还有教给我最多的死胡同，以及一个你可以丢进编码智能体、开始自己构建类似东西的提示词。每天早上，一个Python脚本从一组RSS源、一个电子邮件收件箱和Hacker News拉取新链接。然后每个链接被跟进并简化为一个共同结构，包括标题、链接、来源和简短摘要。脚本跳过陈旧或已见过的链接，然后将剩下的传给一个LLM评判器，它根据我的品味为每个链接打分。任何过线的都会被排名并发送到我的收件箱。
来源：原文链接 (新窗口)
本页由搜罗吧(Solo8.cn)信息精选服务自动生成，内容仅供参考，不构成任何建议。