近两年大模型迭代,除了参数规模、推理能力,**上下文窗口**成了最核心的比拼指标之一。从早期GPT-3.5的4K,到现在主流的128K、1M,甚至谷歌Gemini做到了2M token。很多人只知道“上下文越大,能塞的文档越多”,但很少有人说清:它到底是什么?包含哪些内容?为什么不能无限做大?大就一定好吗?
AI辅助部署时数据库被覆盖了,没有备份,好几年的内容全部丢失。
AI 降低了写代码的门槛,但没有降低做产品的门槛。这篇文章从实际开发经历出发,总结了三个经验:先想清楚再动手、从最小可运行版本开始、把任务拆到足够小。