《开会的革命》一书中提到，“如果你是一个中层管理者，每周可能有大约 35% 的工作时间用来开会，而如果是高层管理者，则可能超过 50%。这就意味着，你可能要把一半以上的工作时间用于组织会议和参加会议。” 上述具体的数字可能因地区、行业与企业等有所不同，但毋容置疑的是，高管需要花费很多时间组织或参加各类会议。而且总体上职位越高，参加会议的时间越多，发起会议的次数也越多，因此做好会议管理尤其是会议时间管理，对于提升个人工作绩效与组织绩效都十分重要。 会议管理做得好，事半功倍，时半功倍；会议管理做不好，不但容易会而不议，议而不决，决而不行，而且相关人员也很累。
得益于人工智能技术的爆发，自动驾驶汽车作为一种特殊的具身智能和机器人，也迎来了一轮技术和应用进展。随着马斯克承诺的无人驾驶出租车落地时刻的渐进，相关概念股暴涨的同时，早已开始自动驾驶出租车商用实验的武汉，也成为了万众瞩目的“全球无人出租车第一城”。然而，在网红主播们和乘客们一边调侃“傻萝卜”跑得慢，一边觉得价格“真香”、没烟味、空调自由的同时，数万出租车司机却在呼吁抵制，甚至有人破坏车辆。 对于自动驾驶这一新生事物的普及，几年前大家都还觉得遥遥无期。但这一次，恐怕是真的需要认真思考了。我们的城市、市民甚至城市规划和交通领域的专业人员，对此大都还没有做好准备。这两天，在很多微信群里看到不少问题和讨论，大都是相关领域专业人员在发问。这里简单整理一些个人思考，大多针对中远期的未来城市目标，基于专业研究中的技术理性推演和适当想象，难免偏颇，仅供参考，望有启发。至于近期的一些社会问题和具体的技术路径，暂不过多讨论。
在大语言模型的浪潮如火如荼之际，有一个概念也被频繁提到，那就是AI Agent。大家或多或少都对AI Agent这个词有所耳闻，但不一定有一个非常清晰的认知，比如AI Agent的具体定义究竟是什么？它和LLM的关系是什么？它能帮我们解决什么问题？AI Agent的技术难点和发展现状怎么样？本文将会逐一解答这些问题，最后也会给出一个AI Agent的具体设计例子：如何设计一个拥有AI Agent能力的QQ机器人。祝这趟AI Agent探索之旅愉快~
进入 2024 年后，企业对 LLM 的关注开始转向生产环境的大规模部署，将 AI 模型接入现有基础设施以优化系统性能，包括降低延迟、提高吞吐量，以及加强日志记录、监控和安全性等。然而这一路径既复杂又耗时，往往需要构建专门的平台和流程。
本文介绍了火山引擎TRDNS在泛CDN场景中的实践经验和优化措施。内容从能力出发，详细介绍了遇到的挑战、TRDNS的优化措施、取得的效果。
以ChatGPT为代表AI大语言模型（LLMs）是一项具有革命性的技术。它不仅可以像之前的人工智能一样进行分类或预测，还可以通过自然语言与人类对话，生成文本、图像、视频、可执行代码等各种形式的内容，这将对人们的生产生活和社会发展产生深远影响。但是人工智能开发和应用阶段的任何错误都可能是灾难性的。[1]现在大语言模型已经面临诸多信任挑战，比如人们越来越无法分辨区分出ChatGPT生成的内容与人类生成的内容；大语言模型存在幻觉问题，会生成错误、具有诱导性的内容，那么人们该如何分辨并信任大语言模型生成的内容；大语言模型还存在偏见、歧视、隐私侵犯、有害言论等多方面伦理风险，继而带来一系列信任危机，甚至遭到业界的抵制和封杀。信任是人工智能发展的一个核心问题，人与技术之间信任关系更是技术发展趋势与人类未来的一个核心问题。[2]DeepMind首席运营官Lila Ibrahim表示，AI大模型是一种变革性技术，但它只有在得到信任的情况下才能充分发挥潜力。
最近做了一些移动端页面的首帧优化的工作，有很多心得和感受，其中有很多共性的东西，总结成一篇文章希望可以帮助到更多业务，也希望引起读者一起讨论。
