学习AI终归是为了解决你的实际问题
目录
今天我问群友为啥 token 用量那么大，
然后他分享了下他现在是怎么用的：
他的耗用量比我都大得多，我一般一天也就使用 1 到 3 亿的 token。
其实我们课程里讲的都是一些通用的东西，
真正落地真的是需要结合自己的工作，让 AI 来帮你完成任务。
每个人都是不同的，因为每个人每天干的活以及工作流不同。
🤖 举个我自己的例子
比如，前两周我把维护 IMA 知识库的工作全部自动化了。
以前是同事写了一些爬虫，隔一段时间去获取审计相关的信息来源，
再另外同事人工上传到 IMA 知识库。
这不前面 IMA 开放了 API 了嘛，
我想着肯定就可以不再人工上传了，
所以让 AI 把那些爬虫代码部署到家里的 macmini 上，
每天定时早上自动跑一条流水线：
增量下载文件 → mineru 转换成 markdown → 上传 ima 知识库和网盘
其实这中间最坑的就是 ima 的 openapi，
虽然它开放了 API，但每天只有 500 次调用的数量限制，导致我整理历史文件上传的时候根本无法自动化。
我又抓包它网页爬，获取其接口，尝试这个方式还是会限流，
但是我知道它的桌面端是不会限流的，因为之前用桌面端传过大量文件。
所以最后让 AI 去操作桌面端，用桌面端完成的上传动作。
这样每天它就可以完全自动化了，每天把采集情况手机通知我，遇到失败任务也会手机通知我进行处理。
💡 AI 最终是帮你干活的
我分享我这个例子，其实也是想表达：
AI 最终是帮你干活的，如果不能帮你干活，其实就没用。
如果没有 AI，我是写不出来通过桌面端程序上传，实现完全的自动化的，
利用它，就帮我们节约了大量的人工维护时间。
而 AI 帮我干的这个活的场景可能并不适用你，因为你没有这个活，
但 AI 的强大在于，它是通用的，
只要你逻辑清晰，表达清楚，就可以让它在你的具体场景中帮你自动化。
