qiancheng

TPLINK 的 IPC48DW

@tomatocici2333 这个最佳实践也值得一看，感谢

从训练模型的原理上来看 tokenizer 对中文和英文编码的 token id 是不一样的，虽然经过 ROPE 位置编码，中英文混合语料训练过，表面上看回答的头头是道，但是中英文的表现会有较大差异。

1 、大家可能记得 llama3/4 在中文上的表现一塌糊涂，但是在英文上的表现尚可
2 、国内的大模型基座训练会增大中文语料比率，以及增加一下中文互联网常见的语料和书籍，所以大家实际在用大模型比如豆包，千问，deepseek 时候会感觉中文的思考能力和回答的模式接近正常人，这是因为在 post-training 以及 RL 阶段对齐了中国人在日常的常见场景，这也是为什么有的会给你推荐中药和中医的原理，以及算命，阴阳等。

不要忘记大模型发展到如此智能的当下，依然建立在概率论和语料的基础上的。

我赞同 #16 rick13 的观点，如果你能引导 AI 用英语思维，critic thinking 这是最好，但不完全代表你用纯英文问国内的 GPT 就能获得比中文 prompt 得到更好的更高质量的回答，因为国内的 GPT 在英文语料上的训练比率较低，且没有后续多阶段精调。

如果你希望 AI 能更好辅助你，首先你自己要能够 critic thinking ，并验证信息源，尽量不带偏见使用开放式问答，多角度反复尝试多个 GPT 。

Zoo

afmd 可以看看大佬弄的苹果自己的本地模型 API ，速度还不错，对资源占用少
https://github.com/iqiancheng/afmd#readme


Everything -> HoudahSpot
win + V -> Maccy