使用AI轻松搞定UI设计；a16z：快速高效使用LLM构建应用程序；AI时代99%软件都会消失；豆瓣9.3的经典Python入门书 | ShowMeAI日报

👀日报&周刊合集 | 🎡生产力工具与行业应用大全 | 🧡 点赞关注评论拜托啦！

🤖 Indeed：美国5月份生成式AI职位发布量增长 20%

Indeed 是美国就业门户网站，根据其最新发布的数据显示，5月份美国与生成式AI相关的职位发布量增长了约20%，其中「数据科学家」「软件工程师」「机器学习工程师」「数据工程师」等职位最受欢迎。

虽然从整体上来看，美国科技岗位相比去年6月份减少了 43.6%，但 ChatGPT 的火爆给AI行业的招聘与求职带来了新的活力，生成式AI岗位的搜索量自2023年1月起逐步攀升。

目前招聘发布方主要是 Meta、Apple、TikTok、Pinterest、Amazon 等头部科技公司，并且岗位需求远位满足求职者的热情，行业爆发力仍然巨大 ⋙ @Reuters News Agency

🤖 AWS 拟投资1亿美元，设立生成式AI创新中心

亚马逊云科技 (AWS) 正在构建一个项目， 投资1亿美元建立 AWS 生成式AI创新中心，为客户提供人工智能、机器学习方面的专家支持，帮助客户开发和部署新型人工智能产品。

从彭博社的报道来看，目前 AWS 瞄准了医疗健康、金融服务、制造等行业的客户，早期用户包含 Highspot、Twilio、Ryanair、Lonely Planet 等企业，加速客户在AI领域的努力。

亚马逊希望借此提升云服务的竞争力，并与微软、谷歌一较高下 ⋙ @Bloomberg News

🤖 Stability AI发布了最新版 Stable Diffusion：SDXL 0.9

左图由SDXL Beta生成，右图由 SDXL 0.9 生成

6月22日，Stability AI 宣布推出了 Stable Diffusion 最先进的文生图模型 SDXL 0.9，大幅改进了构图和图像细节，并且可以在消费级GPU上运行，并实现了创意飞跃。

SDXL 0.9 将两个基础模型 (参数分别为35亿和66亿) 集成 pipeline，并基于第一阶段的输出增加了更多细节。相较于 beta 版本的3.1亿参数/一个模型，SDXL 0.9 作为所有开源图像模型中参数数量最多的模型之一，处理能力和生成能力再上一个台阶。

官方博客表示，API很快发布，SDXL 1.0预计于7月中旬开源，并将发表一篇博客阐述模型原理和细节，感兴趣可以持续关注 ⋙ @Stability AI

🤖 Midjourney 新一轮升级：V5.2版本、修改画幅、精简提示词……

6月23日，Midjourney 宣布了新一轮的更新，主要内如下：

▢ V 5.2 ：增加图片清晰度、审美和多样性，可以使用 -- stylize 参数了，再次提高对于语义的理解能力，上图即使用 V5.2 绘制

▢ Variation：提高了变化幅度，生成图片后点击 V ，可以获得变化更多的4张图像

▢ Zoom Out：类似 Outpainting，默认可以将图像 Zoom Out 1.5 或 2 倍，也可以指定图片 outpainting 到需要的画幅比

▢ 提示词修改功能：通过 /shorten 输入提示词，MJ 将精简提示词，帮助获得更短、更有用的指令 ⋙ @Midjourney | 即刻@海辛

🤖 AI创作技巧分享：帮你轻松搞定UI设计

本文将介绍如何将AI技术应用于UI设计的全流程中，以及这种结合对业务和团队的价值。

无论你是一名经验丰富的UI设计师，还是一名对UI设计感兴趣的新手，你都可以从本文中学习到一些有用的知识和技巧，让你的UI设计更上一层楼。

1. 使用 Bing 辅助设计调研流程：明确用户人群划分 → 分析用户真实需求 → 提取用户审美偏好 → 精细化设

2. Prompt 通用公式：【主题内容】+【环境、背景】+【构图、镜头】+【风格化】+【参考方向】+【渲染方式】+【图像设定】

3. AI绘画对设计团队有着巨大的帮助：创意辅助、效率提升、素材丰富、内容优化、方法沉淀 ⋙ @58UXD

🤖 A16z：如何快速高效的使用 LLM 构建应用程序？

Emerging Architectures for LLM Applications ** 是 a16z 最新一篇文章，作者 Matt Bornstein和Rajko Radovanovic 分享了使用 LLM 构建应用程序的一种新的参考架构，并对每个部分进行了详细的解释。

如图所示，Emerging LLM App Stack 是基于情景学习的设计模式，包含以下三个阶段，适用于大部分的人工智能创业公司或前沿科技公司。

1. 数据预处理/嵌入〖Data preprocessing / embedding〗： 这个阶段涉及存储私有数据以供稍后检索

2. 提示构造/检索〖Prompt construction / retrieval〗：当用户提交一个查询时，应用程序构造一系列提交给语言模型的提示

3. 提示执行/推理〖Prompt execution / inference〗：经过编译的提示被提交给一个预训练的LLM进行推理——包括专有的模型API和开源或自训练的模型 ⋙ @a16z | 中文版阅读

推特博主 @agishaun 基于上方内容，分享了他自己的在千余小开发实践中的经验和收获，帮助你少走弯路：

1. 每个人都可以学会提示词

学习使用 LLM 进行开发，可以节约节省大量时间。因此，尽可能将LLM整合到你的开发流程中，建议从 Microsoft Copilot 开始。

2. 数据，数据，还是数据！

数据质量是LLM开发中被低估的因素。记住！「Garbage in Garbage out (输入是垃圾，输出也是垃圾)」适用于任何软件系统，而LLM仍然是软件系统。

3. 向量数据库不能解决一切问题

一个好的向量数据库，也不能解决所有的数据质量问题。使用 LLAMA 或者 LangChain 框架帮助清理数据并正确地导入数据更为重要。

4. 通过艰难的方式学习 LLM

框架会加速你的开发过程，但它会把实现的细节隐藏起来。如果你刚开始LLM的开发旅程，可以尝试在没有任何框架的情况下开发，或者使用像 Microsoft Guidance 这样的轻框架。

5. 如何正确使用LLM？

一般工程师面对大模型开发时，一般是先准备数据，然后试图存储，再放入LLM 中编排。而 @agishaun认为，更优化的流程可以降低 50% 的开发时间，减少 90% 的错误率，是因为这样开发离LLM 更近，且可以充分利用LLM 的能力 ⋙ Twitter @agishaun

🤖 99%的软件都会消失！真正的 AI 原生产品要怎么设计？

这是 @任鑫 分享的一篇深度思考，探索在AI震荡期的产品出路，看得更远一点，想得更深一点，才能找到 1% 的真正生存机会！

时代变了，之前「靠谱」的产品设计方法会将团队带向死路。因为大厂拥有更「靠谱」的市场、打法和资源，从而碾压路上的所有竞争者。

因此，不能满足于「把AI塞到产品里」这个一阶机会。而要更多思考「如果 AI 成了所有产品的基座，二阶的变化/挑战/机会是什么，新的设计范式是什么」。以下是文章要点，推荐阅读原文：

1. 如果 99% 的软件会消失，要不要提前认命做个 API？

▢ GUI (Graphical User Interface，图形交互界面) 转化成 LUI (Language User Interface，语言交互界面)

▢ 解耦「意愿解读」和「功能实现」，让能力颗粒化以及更容易被充分表达，也就是功能API化

▢ 很多的软件和 SaaS 会消失，同时浮现一堆的 API 被 Copilot 调用 (可能还会分钱)

▢ 新时代的软件会更像是工厂，供应链协同几百个其他工厂 (从别的工厂进货、自己加工、然后出货)，大规模 agent 协作，相互调用标准化的能力，协同创造

2. 未来每一天，都会有 10 亿个新软件生成

▢ 前台自适应创建大量一次性的、最适合完成这次单次任务 & 最适合这个用户的 GUI 方便用户使用；后台是一堆能力的乐高积木块，可以自由拼装，而且可以去网络上选择合适的第三方模块拼装进来

▢ 如果 GUI 交互界面可以快速生成、组装，那么理论上需要的软件或 SaaS 数量会大幅度减少

▢ 对于设计者其实提出了更高要求： 交互模式、能力设计、意图规范、数据提取、用户赋能

3. AI 原生，不意味着一个空白对话框

▢ 对话式 UI 给我们提供的是灵活性，我们可以在其之上，用其他的 UI 来提高直觉性和易用性，不要用一个对话框解决所有问题

▢ 一次交互过程应该拆解成 4 个部分：意图 (intent)、上下文(context)、解读(rollout)、行动(action)

▢ 一个好的对话式界面应该：① 能感知上下文，② 充分利用丰富的共有上下文，③ 有一个让人愉悦的路径引导，④ 搞不定了有对话框可以兜底，⑤ 把交互闭环掉来加快迭代进化 ⋙ @AI炼金术

🤖 豆瓣 9.3 的经典入门书：Python 编程-从入门到实践

ShowMeAI 知识星球资源编码：R121

Python编程-从入门到实践 (第2版) 可以说是 Python 学习必备书籍，全书分为理论基础知识和项目编程实践两个部分，讲解了最重要的基本概念，并通过3个项目实践讲解如何完成项目开发，解决常见的编程问题和困惑。

作者对第2版进行了全面修订，简化了Python安装等内容，新增了f字符串、get()方法等内容，并且在项目中使用了 Plotly 库以及新版本的 Django 和 Bootstrap 等内容。以下是书籍目录，在找 Python 学习资料的同学可以收藏了！

第一部分：基础知识

第1章：起步

第2章：变量和简单数据类型

第3章：列表简介

第4章：操作列表

第5章：if语句

第6章：字典

第7章：用户输入和while循环

第8章：函数

第9章：类

第10章：文件和异常

第11章：测试代码

第二部分：项目

项目1：外星人入侵

第12章：武装飞船

第13章：外星人来了

第14章：记分

项目2：数据可视化

第15章：生成数据

第16章：下载数据

第17章：使用API

项目3 Web应用程序

第18章：从Django入手

第19章：用户账户

第20章：设置应用程序的样式并部署

感谢贡献一手资讯、资料与使用体验的 ShowMeAI 社区同学们！

◉ 点击 👀日报&周刊合集，订阅话题 #ShowMeAI日报，一览AI领域发展前沿，抓住最新发展机会！

◉ 点击 🎡生产力工具与行业应用大全，一起在信息浪潮里扑腾起来吧！