更自然地与人互动，理解复杂情感和意图 问题解决能力 擅长解决结构化和定义明确的问题 能够处理多维度和非结构化问题，提供创造性的解 决方案 伦理问题 作为受控工具，几乎没有伦理问题 引发自主性和控制问题的伦理讨论 CoT链式思维的出现将大模型分为了两类：“概率预测（快速反应）”模型和“链式推理（慢速思考）”模型。 前者适合快速反馈，处理即时任务；后者通过推理解决复杂问题。了解它们的差异有助于根据任务需求选择合 请分析当前瓶颈并提出3种方 案。” ✅ 激发模型深层推理 ❌ 需清晰定义需求边界 混合模式 结合需求描述与关键 约束条件 平衡灵活性与可控性 “设计一个杭州三日游计划， 要求包含西湖和灵隐寺，且 预算控制在2000元内。” ✅ 兼顾目标与细节 ❌ 需避免过度约束 启发式提问 通过提问引导模型主 动思考（如“为什 么”“如何”） 探索性问题、需模型解 释逻辑 “为什么选择梯度下降法解 容，包括主题、背景、数据等，为AI提供了必要的知 识和上下文。 提示语的基本元素可以根据其功能和作用分为三个大类：信息类元素、结构类元素和控制类元素： 结构类元素用于定义生成内容的组织形式和呈现方式， 决定了AI输出的结构、格式和风格。 控制类元素用于管理和引导AI的生成过程，确保输出 符合预期并能够进行必要的调整，是实现高级提示语 工程的重要工具。 提示语的DNA：解构强大提示语的基本元素

更自然地与人互动，理解复杂情感和意图 问题解决能力 擅长解决结构化和定义明确的问题 能够处理多维度和非结构化问题，提供创造性的解 决方案 伦理问题 作为受控工具，几乎没有伦理问题 引发自主性和控制问题的伦理讨论 CoT链式思维的出现将大模型分为了两类：“概率预测（快速反应）”模型和“链式推理（慢速思考）”模型。 前者适合快速反馈，处理即时任务；后者通过推理解决复杂问题。了解它们的差异有助于根据任务需求选择合 请分析当前瓶颈并提出3种方 案。” ✅ 激发模型深层推理 ❌ 需清晰定义需求边界 混合模式 结合需求描述与关键 约束条件 平衡灵活性与可控性 “设计一个杭州三日游计划， 要求包含西湖和灵隐寺，且 预算控制在2000元内。” ✅ 兼顾目标与细节 ❌ 需避免过度约束 启发式提问 通过提问引导模型主 动思考（如“为什 么”“如何”） 探索性问题、需模型解 释逻辑 “为什么选择梯度下降法解 容，包括主题、背景、数据等，为AI提供了必要的知 识和上下文。 提示语的基本元素可以根据其功能和作用分为三个大类：信息类元素、结构类元素和控制类元素： 结构类元素用于定义生成内容的组织形式和呈现方式， 决定了AI输出的结构、格式和风格。 控制类元素用于管理和引导AI的生成过程，确保输出 符合预期并能够进行必要的调整，是实现高级提示语 工程的重要工具。 提示语的DNA：解构强大提示语的基本元素

术的使用和合规要求，促进了开源模型在合规框架下良性发展。 变革 端上模型的兴起与隐私保护 随着小型模型的性能逐步增强，更多高级 AI 正转向在个人设备上运行。这一趋势不仅显著 降低了云端推理成本，还提升了用户隐私控制。 中国 AI 社区在这一领域也做了重要贡献，推出了如 Qwen2-1.5B、MiniCPM 系列和 DeepSeek Janus 等多款移动友好型模型。其中，最新发布的 GLM Edge 1.5B 这是因为合成数据往往携带“错误”和“幻觉”，在一些冷门的知识上尤甚。因此，合成数 据的实用秘诀是“去粗取精”，需要一定程度的“人机协同”。在如何构造大批量、高质量的合 成数据，让智能体能够在持续地与用户的交互中自我优化而不是劣化，将会成为众多无机器学习 技术背景的开发者的头号难题。 因此，面向数据进行定制化合成、评估、测试、标注、人机协同的“纯数据”产业，有可能 会走上越来越重要的位置，不仅仅是服务于基座模型厂商。 等空间计算设备成为更自然的人机交互入口。推理能力将使得模型可 38 / 111 以可靠处理复杂任务，真正节约用户时间，甚至做到人力不能及的信息采集和分析。多模态和推 理能力也将使具身智能真正具备通用的感知、规划、控制能力。 顶级的专业模型公司有最高质量的数据，因此可以蒸馏出知识密度最高的个人模型。但由于 个人模型的推理成本较低，知识密度稍低的模型未必没有市场。由于训练成本较低，未来个人模 型将百花齐放，AI

开源开发者洞察（1/2） 开源使用者多于开源贡献者，寻求知识增长、自我认同与职业发展是开 发者参与开源社区的三大主要原因 开源社区中，使用开源项目的开发者占比最高，达到27.8%，仍将社区视为获取资源的重要渠道。同时我们看到，也有18.2%的开发 者对社区做出了代码贡献，比例排名第二。在开发者参与开源贡献的原因中，提升自身知识技术水平、提高自我认同、获得职业发 展机会排名前三，这也与开发者参与开源的方式相互印证。 维护程序问题/可拓展性 获得经济收益 了解前沿技术 实现互惠互利、共建共享 获得职业发展机会 提高自我认同 提升自身知识技术水平 占比（%） 56.6% 53.9% 参与开源贡献的原因 开源代码仓、开源社区公开课程、讲座、技术指南已 成为开发者在工作学习外的重要行业知识来源 知识技术 水平提升 实现自我 价值认同 开发者多以兴趣为导向选择开源项目，在帮助项目逐 渐完善的过程中，完成自身的价值认同 者提供了更多的创新空间和灵活性。 来源：根据专家访谈、公开资料，由艾瑞咨询研究院自主研究及绘制。 openEuler连接全景图 主流场景100%支持 | 含3.5W+主流应用 + + 工业控制 云原生 大数据 CDN MEC … 覆盖全场景应用 支持多样性设备 服务器 边缘计算 嵌入式 云计算 主流计算架构100%覆盖 | 220+整机，1000+板卡 LoongArch ARM

生产关系的大幅改变，加速重构传统行业模式，颠覆传统的就业观、生育观、 教育观，对传统社会秩序的稳定运行带来挑战。 （c）未来脱离控制的风险。随着人工智能技术的快速发展，不排除人工 智能自主获取外部资源、自我复制，产生自我意识，寻求外部权力，带来谋求 与人类争夺控制权的风险。 4. 技术应对措施 针对上述安全风险，模型算法研发者、服务提供者、系统使用者等需从 训练数据、算力设施、模型算法 性。 4.1.2 数据安全风险应对 （a） 在训练数据和用户交互数据的收集、存储、使用、加工、传输、提 供、公开、删除等各环节，应遵循数据收集使用、个人信息处理的安全规则， 严格落实关于用户控制权、知情权、选择权等法律法规明确的合法权益。 （b） 加强知识产权保护，在训练数据选择、结果输出等环节防止侵犯知 识产权。 （c） 对训练数据进行严格筛选，确保不包含核生化导武器等高危领域敏 （b）服务提供者应在合同或服务协议中，以使用者易于理解的方式，告 知人工智能产品和服务的适用范围、注意事项、使用禁忌，支持使用者知情选 择、审慎使用。 （c）服务提供者应在告知同意、服务协议等文件中，支持使用者行使人 类监督和控制责任。 （d）服务提供者应让使用者了解人工智能产品的精确度，在人工智能决 策有重大影响时，做好解释说明预案。 （e）服务提供者应检查研发者提供的责任说明文件，确保责任链条可以 追溯到递归采用的人工智能模型。

。 ” 激发模型深层推理 需清晰定义需求边界 混合模式 结合需求描述与关键 约束条件 平衡灵活性与可控性 “设计一个杭州三日游计划， 要求包含西湖和灵隐寺， 且 预算控制在2000元内 。 ” 兼顾目标与细节 需避免过度约束 启发式提问 通过提问引导模型主 动思考（如“为什 么 ”“如何 ”） 探索性问题 、需模型解 释逻辑 “为什么选择梯度下降法解 控制提示语长度的技巧： 避免嵌套复杂的指令 、 保持简洁性 、使用分步提示 如何实现精准定义： 明确的核心问题 、具体化的 策略一： 精准定义任务， 减少模糊性 灵活运用开放式提示与封闭式提示 分解任务的技巧： 分段生成 逐层深入 设置逻 求AI给出精准回答 策略四： 控制提示语长度 ，确保生成的准确性 应对策略： ▪ 采用增量方法： 从基础提示语开始， 逐步添加细节和要求 。 ▪ 主动寻求反馈： 要求AI对其输出进行自我评估， 并提供改进建议 。 ▪ 准备多轮对话： 设计一系列后续问题， 用于澄清和改进初始输出 。 应对策略： ▪ 平衡详细度：

law撞墙  预训练模型思考深度不够  算力见顶，变成少数巨头游戏 预训练大模型 推理大模型 预训练大模型难以通往AGI之路  推理模型如R1——通过逻辑链条推导答案， 分解规划，自我反思  预训练范式像是记忆和模仿，强化学习范 式更像探索实践  记住很多东西只是基础，真正有价值的是 融会贯通 R1找到了人类通往AGI的方向 DeepSeek颠覆式创新——技术创新 工 序 模 型 导 图 原料 废钢 烧结 球团 焦化 炼铁 炼钢 精炼 连铸 热轧 冷轧 销售 • 料场环境实时监控 • 人员越界安全监测 • 回转窑窑况智能分 析 • 原料无人天车吊装 控制 • 生产现场运输状态 监控 • 现场路线智能调度 • 智能化能源调度 • 料场智能调度 • 燃料水分视觉分析 • 多角度废钢图像 采集 • 废钢智能定级 • 杂质识别 & 扣杂 烧结烟气 S02 排放在 线预测与控制 • 构建能源消耗预测 • 智能故障诊断 • 挡板位移检测 • 皮带划痕、 撕裂、 跑偏检测预警 • 1球团皮带智能监测 • 生球粒度分布在线 识别 • 球团1颗粒粒度检测 • 球团1现场生产安全 态势感知与预警 • 皮带机预测性维护 • 建立设备健康模型 • 焦化皮带智能监测 • 生产现场动作远程控制 • 焦化现场生产安全态势 感知与预警

图像：如照片、原创艺术作品 • 音频：如视频游戏中的配音、音乐 • 文本：如代码、广告文案、小说 • 3D 模型：如角色、场景 目前，AIGC 技术处于早期阶段，最常见的产品形态是基于文本的，通过用 户输入来控制内容的生成。用户输入文本描述所需的内容，然后模型输出与描 述相符的内容。下图 1描述了 AI 大模型，AIGC 和 AGI 关系。 Figure 1: AI 大模型，AIGC 和 AGI 关系 4 General Intelligence，人工通用智能）是一种理论上的人工智能， 它可以理解、学习和应用知识跨越各种不同领域，功能上等同于人类智能。 与专用人工智能（AI）不同，AGI 能够执行任何智力任务，具备自我意识和 自适应学习能力。AGI 的研发目标是创造出可以广泛地模拟人类认知能力的智 能系统。 1.3 大模型 大模型通常指的是大规模的人工智能模型，这类模型通过训练大量的数据来获 得广泛的知识和能

《HuggingGPT: Solving AI Tasks with ChatGPT and its Friends in HuggingFace》，介绍了一个大模型协作系统。该系统提出了一种让 LLM 充 当控制器的新方法，让 LLM 来管理现有的 AI 模型，来完成多模态的复杂 AI 任务，并且使用语言作为通用接口。 2023 年 2 月，谷歌首席执行官 Sundar Pichai 宣布，他们将在未来几周内面 提供支持的实验性对话式 AI 服务，称为 Bard——与流 行的 ChatGPT 展开直接竞争。 与此同时，微软开源了基于论文实现的项目 JARVIS。其自我描述是用于连 接 LLM 和 AI 模型的协作系统。该系统由 LLM（大语言模型）作为控制器和 许多 AI 模型作为协作执行者（来自 HuggingFace Hub）组成。 7 月 13 日，京东全面推出京东言犀大模型， 服务千行百业，拥抱产业智能。言犀大模型 月，陈天奇团队(MLC)发布了一个可将大型语言模型和基于 LLM 的聊天机器人引入 Web 浏览器的项目：Web LLM。一切都在浏览器内运行， 无需服务器支持，并使用 WebGPU 加速。 用 ChatGPT 控制 AI 模型 陈天奇团队发布 Web LLM 用浏览器跑大模型 微软开源 JARVIS（贾维斯） 依托大模型能力，京东云言犀为客户提供涵 盖客户服务、营销导购、多模态数字人等多 种营服销一体化解决方案。

行业之间、企业与个人用户之间的生态圈 • 开源社区汇集了 一大批具备开发 能力的人才，降 低企业人员筛选 成本 开源社区/基金会 在开源社区，贡献愈大话语权愈强， 企业可通过提供大量贡献者在一定 程度上控制开源社区的项目发展方 向而并不违反社区规则 开源对企业的价值直接体现在技术层面 • 我国企业对开源技术的使用率上升， 2020年我国有88.2%的企业已经采用开 源技术。 • 传统行业逐步引入开源生态，主要用于 kube-events K8s事件处理 Notification Manager K8s消息通知 Alerting Syst 高性能报警系统 S2i-operator 基于Kubernetes CRD的控制器 OpenFunction 开源FaaS平台 Kube-design KubeSphere Console前端React组件库 ks-devops 云原生DevOps平台 Radon 料研究及绘制。 中国信通院可信开源社区评估体系及当前国内开源社区发展阶段 有途径/可预期参与社区治理/运营/开发；可放心使用社区发布的项目 可信社区 言行一致、知行合一、社区优先、勇于革新、自我进化、尊重守信 可信价值观 社区可信（组织可信） 项目可信（产品可信） 透明 多样性 公开 合规 可交付 安全 社区治理 成员管理 文档管理 组织架构 组织架构 社区运营 会议活动