你需要这种要求就不要选 kimi, kimi 跟随人类指令的能力很差。以及楼上说的对，你真要做这种就前置一个意图识别，识别完再调用回答

kimi 跟随人类指令的能力相当差，优势只在超长上下文。 文心没怎么用不评价。
国内外一起算的话 qwen 应该是国产最强模型。yi 就一魔改 llama ，没啥前景。
deepseek 还有待进一步观察他那个 MHL 是否在回答质量上优于 MHA

这场景不是更适合 sqlretriever 么，你的问题转化 sql 然后查询数据库。vector db 更适合搞知识库(比如问答 qa)查询。
当然你硬要这么搞也行，调整存到数据库的 a 的字段，尽量把信息搞的精简 比如类似 json 的那种格式 “商品名: acd, 价格: xxx, 生产公司: xxx,” 然后多余信息一点都不要给。
我之前做过一个查询工作的也是上面类似的思路

本来就是苹果在公开卖开发机，怎么可能很火

提取块的: qanything, ragflow 但是是把整篇文章分块，你要求的段落在里面，然后 llm 问答，可以在管理界面查看管理提取过的段落
普通低配能跑: 这两都不怎么行
最后开源模型: qwen 1.5 的 7 或者 14 应该能满足你需求

接近是接近，推理和跟随用户指令上来说还是差点意思，中文能力更差点意思，另外用 groq 就可以了，个人用直接免费那一档不会超限制。

苹果的模型倾向就跟现在主流模型不同，
第一特别小 0.27b 0.35b 1b 和 3b 可以跑哪怕 4g 的内存里，其次他有自己的推理框架和压缩算法，这点上比安卓这边是个优势。
第二他估计是要搞 large action model ，也就是说只要能识别用户意图并操作用户手机执行操作就行了，不是我们一般意义上 all purpose 的 llm 大模型。传统功能的大模型应该他会放云端，也就是跟百度和谷歌合作那个

对 你这个要求直接拿 ref 搞是正确做法，实际上 react 对上 canvas 场景基本都是各种 anti-pattern 的 ref 乱飞搞定的

你要是关注过的话就会发现苹果的模型是超小型模型，之前开源的模型是 0.27b 0.45b 1b 和 3b ，不量化都能在 8g 里跑, 更何况还有量化+llm in a flash 技术，把 cache 存到储存里。
苹果的目标显然是连 4g 设备都能一并支持的模型。

@maolon 才发现是给课程引流的，先不说是不是发错板块，好歹你付费课程就别 ai 机翻了，机翻了好歹手动修一下...

翻译的部分真的很粗糙，很多地方看不懂，还不如直接放原文链接出来算了，你文章直接 tldr

3.5 确实现在远远不如主流的开源和闭源模型了，我现在在逐步把以前老的调用 3.5 的 agent 都切换到 groq 的 llama3 上去

提醒一句所有用 m 系列的 ipad 续航都很 emmmm(pro 和 air)。 问题主要出在那个屏幕功耗太高上。注重续航要么等新双层 oled 降低功耗改进版的 pro 要么就买到 a 系列的 ipad

目前没有，大多数都是有一部分的功能但是没有整个流程，比如总结导入 notion 的有，根据视频总结的有，但是整个流程加你的 preference 的，没有。
我觉得你可以写一个，保守 1000star 起步

see you in go/water deep fire hot 😂

@qianckjuan hmmmm 那不就是 neuron 了么...