关于本刊

这是猫鱼周刊的第 56 期，本系列每周日更新，主要内容为每周收集内容的分享，同时发布在

博客：阿猫的博客-猫鱼周刊

RSS：猫鱼周刊

邮件订阅：猫鱼周刊

微信公众号：猫兄的和谐号列车

私信：leslieleung@proton.me

摄于湖南长沙东风路文创园。这里原本是长沙北站原址，被改造成了一个非常小的文创园区。过年期间没有什么商家营业，游客也不多，蛮适合扫街的地方。

今天是农历正月十二了，给大家拜个晚年，各位身体健康万事胜意。

文章

可视化世界上所有的书

原文链接

又是一个我非常喜欢的可交互式的文章。它把世界上所有的书按照 ISBN 放在一整个大书架上，还能实现无级放大。

最夸张的是，当你慢慢放大的时候，每本书的书脊都会渲染出来。

默认会按发表时间染色，另外还有按照图书馆存书量染色稀有度等。

文章里介绍了详细的实现方式，感兴趣可以看看。看到这个我想起做开源项目的时候经常忍不住去想的问题：做这个有什么用？我觉得答案是：没用，就是好玩。

图灵机

原文链接

也是一个可交互式的文章，介绍了图灵机的原理。

图灵提出了一种假象的机器，由一条无限长的纸带、一个读写头、一套控制规则有限的表和一个状态寄存器组成，机器只需要能执行五种指令：打印、向左或向右移动读写头、跳转至指定的状态以及停机，就能完成所有的计算。文章同时也解释了为什么计算机使用二进制会更加合理——在一个位上存储 0 和 1 比 0-9 更加方便。

如何让 LLM 闭嘴

原文链接

greptile 是一家专门做 LLM Code Review 方向产品的公司，调研发现只有 19%的 good case，有 79%是 nit（可改可不改，多数人会忽略）。这个发现其实跟之前我探索的时候差不多，会产生非常多这类实际开发的时候不会被理会的问题。在解决过程中，他们发现：

1. 反馈很重要，可以用来评估以及后续优化 comment 的质量。
2. Prompt Engineering 没有用，few-shot 也没有用，甚至会使效果更差。
3. 加一层 LLM 判断原来的 comment 质量，也没有用，而且会让耗时变长。
4. nits 是主观的，每个团队的认知不一样。
5. fine-tuning 没有尝试，成本、速度和可移植性都不佳。

最终他们使用的方案是：

• 按团队维度，记录生成的 comment 是否被 upvote/downvote，向量化后存储。
• 如果生成的 comment 与三个被 downvote 的 comment 相似度超过一定阈值，则会被屏蔽；如果与三个被 upvote 的 comment 相似度超过一定阈值，则通过；默认会通过。

采用该方案后，“满意度”从 19% 提升到 55+%。

在 vol. 051 中我提到过：

• 绝大部分 AI 不是一个产品，只是一个功能。
• 产品背后使用的模型不重要。
• AI 最好以无感接入的形式悄然融入现有的办公流程。

这个公司的产品就非常符合这些思想。他们的技术方案跟模型本身是无关的（没有微调模型），因此当能力更强、成本更低的模型出现时，切换过去即可。他们也没有打破常规的 CR 流程，也通过反馈的方式使得结果更能让一线程序员接受。

项目

MartialBE/one-hub

项目链接

one-api 的二开。我原本以为这类产品最大的意义是减少不同厂商模型之间的差异，降低开发成本，结果却是各类卖课用来赚信息差的工具。

ZJU-LLMs/Foundations-of-LLMs

项目链接

浙江大学团队的出品，分成传统语言模型、大语言模型架构演化、Prompt 工程、参数高效微调、模型编辑、检索增强生成六章。比较有意思的是，这个项目每周会更新一批新论文。我觉得应该是本科高年级/研究生在撰写，还蛮有意思。

快速看了前两章，大致就是我本科阶段的接触到的内容，讲述过程其实不是很适合没有 NLP 基础的人，对数学基础不好的人也不是很友好（对，就是我，看得云里雾里）。我抱着补补课，不求甚解的态度去看的，算是粗浅做做「继续教育」。

工具/网站

Proud Versioning

网站

一种根据光荣程度的版本号规范，算是对 semver 的一种简化。

绘制城市简笔画

网站链接

一个快速生成城市街道简笔画的网站，试着画了一下广州和深圳。

粗细的道路有点像城市的「脉络」，从简笔画其实也能看出什么地方是城市的核心，什么地方是郊区等等。另外，比较有意思的是，你可以试着在简笔画中找到一些你熟悉的地标、你家所在的位置等等。

/llms.txt

网站链接

一种类似 sitemap.xml 的格式，使用自然语言帮助 LLM 更好地阅读网站。

不少网站已经有做这个，这里有两个网站收集了一些有 llms.txt 的网站：

• llms.txt directory
• llmstxt.directory - Index of llms.txt Implementations

想法

城市旅游就是打卡吗？

春节期间我去长沙玩了几天，去之前做了一些攻略，但发现这些攻略不是很对我的胃口。有很多所谓「打卡点」，例如 IFS 顶楼那个雕塑、旁边的步行街等等，这些东西每个城市都有，毫无特色。我很快就转变了思路，去找一些有城市味道的街区，去扫街，随缘找路边小店吃饭，不去排网红餐厅。

这算是不同的旅游风格。我去年在香港也进行了一次扫街，我直接就没有去通常推荐的旅游地方，而是沿着港岛线去走街串巷，摆脱了拥挤的游客，更加深度地去感受这座城市。对于拍照这件事，我不是很喜欢给自己拍照，对照片里有没有自己不是很有执念；另外，我觉得拍千篇一律的打卡机位其实没什么意思，你在网上能找到无数差不多一样的照片，不如自己去创作。

这次旅游也有一个非常有意思的地方，我带着从家里找出来的傻瓜胶卷相机，拜访了长沙一家胶片馆。老板非常善谈，店里也有非常多胶卷相机收藏。最后我把相机里 07 年拍摄的胶卷交给了老板冲洗，又买了一卷柯达全能 400 在后续的旅途中拍摄。这卷 07 年的胶卷最终洗出了差不多二十年前的影像，包括一位已经去世十年的长辈。也许后续我会再写篇文章讲讲我胶卷摄影的故事。

警惕 LLM 懂哥

想了好久，给这段这么个比较偏激的标题。我知道最近非常多博主创作 DeepSeek 相关的内容来蹭流量，效果也非常好；另外这个话题也非常出圈，在现实生活中也经常有人提起。目前我产生了一种生理反射，听到这个词就恶心。

我目前对它的理解是这样的：

• 一家中国企业，在硬件条件受限的情况下，训练并开源了媲美闭源商业模型的大模型。这是值得称道的，确实很优秀。
• 至于开源只开了权重这件事，其实大模型的「开源」就是这样，训练数据其实跟算法本身同样值钱，加上开放出来你再训练一遍意义不大，纯浪费电。
• 其实模型功能并没有很大的创新，推理也是 OpenAI 先做出来的，如果想体验完全没必要都去挤那个 R1。另外推理也不适合全部的应用场景，慢加上成本高，并非银弹。

回到标题「警惕懂哥」，是因为很多人蹭着这个流量开始卖课、卖 API，但其实他们屁都不懂。什么叫懂呢，至少把上面推荐那本书说的知识点脉络串讲清楚吧，我相信大多数在卖课的人压根说不出来（甚至连「语言模型」到底是什么都不知道）。

还有一个很火的话题是「本地部署」，这个也比较扯淡，先说观点：

• 所有在消费级硬件上能部署，能跑起来的，都是蒸馏模型，简单来说就是让小参数的模型「鹦鹉学舌」，并不能反映所谓「满血模型」的实力。换句话说，就是「看起来像」，也会比模型本身好，但是 benchmark 达不到「满血模型」的水平。
• 基于上一条，所有本地部署的都是玩具级别的，如果你手头正好有闲置的硬件，可以部署着玩，但是没必要因此去购入任何硬件。
• 如果是想用于生产，更加没必要自己搭建。规模上来的时候，吞吐量会是一个非常关键的指标，需要堆很多硬件才能保证。另外，集群的稳定运行也会耗费巨大的成本。使用公有设施在成本和性能上都更优。

摸着良心，我分享几个比较合理的方式：

• 个人体验玩，首先考虑官网的网页对话；如果要 API，可以用官方的，或者用硅基流动的。（硅基流动目前注册有免费的额度。）另外 OpenRouter 等现在也有，不过价格略高。
• 个人已有设备，可以尝试 Ollama 或 LM Studio自己部署一些蒸馏模型玩玩，这些产品已经把部署做到非常傻瓜式。
• B 端接入，可以考虑硅基流动里面带 「Pro」的模型，例如「Pro/deepseek-ai/DeepSeek-V3」，是独立的通道，只能充值使用，不能用赠送的余额。好处是不怎么会出现超时的问题，免费的那个目前基本不怎么可用。
• B 端有比较高的性能或稳定性要求，可以考虑各云服务厂商的预留实例。例如 AWS 可以用导入模型，或者硅基流动也有可以商务洽谈的预留实例。这类的吞吐量和成本也不如公共服务理想。

最后

本周刊已在 GitHub 开源，欢迎 star。同时，如果你有好的内容，也欢迎投稿。如果你觉得周刊的内容不错，可以分享给你的朋友，让更多人了解到好的内容，对我也是一种认可和鼓励。（或许你也可以请我喝杯咖啡）

另外，我建了一个交流群，欢迎入群讨论或反馈，可以通过文章头部的联系邮箱私信我获得入群方式。