无邀请码，就可直接上手！
北大校友官宣推出号称“最强通用Agent” Fairies*（中译仙女）*，能执行Deep research、代码生成、发邮件等1000个操作。
编辑部的小伙伴一上手实测就发出了如下感叹~
关键是无需邀请码，Mac和Windows用户只需下载APP就能立即上手试玩。(⊙ˍ⊙)
一打开Fairies，它支持自由选择GPT 4.1、Gemini 2.5 Pro、Claude 4在内的多款模型，还都是各家最新款的那种。
官方已经展现了一些很实用的玩法。比如帮我推荐一台最适合工作的Mac电脑，需要考虑到便携性、能连接多个显示器、能带动视频创建和编辑等需求。
没过多久，Fairies不但在对话框用本文详细推荐了某款产品，还在右侧清晰展示了产品对比图。
选购哪个产品简直一目了然。
再比如帮助团队安排一个合适的会议时间。
只需要给出成员的日程表和会议时长，Fairies就能自动做出最合理的安排，并且把会议通知发送给每位成员。
真·电子秘书get~
网友评论：昨天试了一下！效果很好
那么，号称“最强通用Agent”的Fairies真实能力究竟如何呢？
量子位实测走起。
已经能看到未来智能体形态
目前要想体验Fairies，需要先去官网下载对应版本的APP。
快速登录后会出现一个非常简洁的页面，并且会以侧边栏的形式出现在每一个应用旁边。
首先第一个任务：将桌面上的非图片类文件放入废纸篓。
可以看到，仅用时18s，Fairies就干脆利落地完成了指令要求。
展开其处理过程，我们发现一共只需两个步骤：
第一步，Fairies分析了桌面上的文件类型并列出了一个list。
第二步，筛选出所有的非图片类文件并询问是否同意操作，此时你只需要“Approve All”就可以一键删除不想要的文件。
接下来再尝试一个更复杂点的任务——将桌面文件夹里的3个Word文件一次性转成PDF。
先说结论，虽然由于当日额度提前耗尽未能完成整个测试，但已经能够管中窥豹Fairies的一些特点。
好的方面主要包括：
其一，交互体验不错，即使遇到无法解决的问题，它也能接着提出多种改进方案。
并且通过查看其思考过程，用户也能实时掌握整个流程，对问题如何解决有比较清晰的认知。
其二，Fairies目前看起来更多采用“人机协作”模式，在进行重要操作步骤前均有用户手动确认环节。
这对于降低智能体可能带来的风险非常重要。
比如当它在尝试转换文档时，每一个word文件都会再确认一遍是否开始执行。
所有步骤和代码均可溯源：
不过有一说一，仅从实测来看，它还无法持续稳定地完成复杂任务。
总之整体测试下来的感受是，在Fairies身上确实展现了人类和智能体“强强联合”的未来形态。
另外值得一提的是，官方提供的PDF转换倒是成功了——
不到半分钟，它就将私人邮件里的图片整体转成了PDF文档。
小结一下，Fairies操作界面简单直观，并且能够清晰展示任务流程与进度，新手用户可无痛上手试用。
在文件管理方面，Fairies能准确识别文件属性并完成分类、删除等简单任务，但在本地运行下偶尔也会出现兼容性问题，导致复杂文件操作任务失败。
目前最大的问题是，这免费额度有点不够用啊（doge）~
1000个智能体走出《我的世界》
打造出Fairies的，正是Fundamental Research这家实验室*（前身为Altera智能体平台）*。
北大校友Robert Yang，是这家平台的联合创始人兼CEO。
他曾在北大获得物理学学士学位，并分别在耶鲁大学和纽约大学*（随导师转学）*获得计算神经科学博士学位。
此外，他曾是MIT脑与认知科学系和电子工程与计算机科学系教授，以及MIT MetaConscious小组负责人。
直到2023年，他关闭实验室并离开麻省理工学院的终身教职，创立了Altera。
之后用时不到一年，他就推出了曾经爆火一时的项目Project Sid，将1000个由GPT-4驱动的智能体放进了游戏《我的世界》中。
由于智能体纷纷发展出了自己的故事线，并最终构建了一个完全独立自主运行的社会，这一项目令无数网友感叹《西部世界》照进现实。
对了，整个团队除了Robert Yang，还有CTO Shuying Luo*（北大人工智能专业校友）、首席商务官Nico Christie（右二）、首席科学家Andrew Ahn（右一）*这三位联合创始人。
以及十几位来自MIT电子工程与计算机科学系、Google X等机构的计算神经科学家、物理奥林匹克选手和工程师等。
直到今天，距上次发布Project Sid仅半年左右，他们开始转向通用智能——
致力于打造“最强大的通用智能体”，让Agent走出《我的世界》。
CEO Robert Yang表示，这项工作将在今年夏天更为成熟，届时每个人都将拥有1000个智能体来协作完成日常任务。
目前据官网介绍，Fairies支持免费无限聊天，更专业的应用集成和自动操作等功能，则需要订阅每月20美元的Pro版本*（不限次数）*。
那么，看完Fairies的demo和我们的部分实测，你会考虑氪金订阅专业版吗？
顺便一提，目前Fairies刚刚开设了𝕏账号，感兴趣也可以蹲一波后续~
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
