先说效果
先说效果，获奖了。
2023年10月13日官宣开赛，10月31号提交作品，11月2号告诉作品入围了决赛，11月8号参加决赛路演。在短短一周的时间，从项目idea设想到项目开发落地，我的独立AI项目「Lofi心境」毕竟在「36氪 X Colingo大语言模型运用立异挑战赛」决赛中取得了「优胜奖」。
图：优胜奖获奖的三支团队代表（右上图的是我）
在获奖且振奋之余，我想将本次大赛的经历和收成都记载而且共享出来，期望可以给同在AI路上的朋友们一些考虑。
参赛起先
我是在11月20号关注到这个竞赛的。
在「36氪」上看到Al Hackathon挑战赛的时分，其实我仍是抱有疑问的。一方面，LLM的部署和运用有不小的难度，更别说再加上Pre-Tuning和Fine-Tuning等作业，难度就更大了。另一方面，参赛者要在短时间内还需求依据大模型建立产品项目，还需求有立异思维，这无疑难上加难。
但当我仔细阅读参赛规则和要求后，瞬间来了兴趣。这次Al Hackathon是36氪和CoLingo途径联合举办的，而前面所担忧的LLM的一切部署和操练，都可以依据CoLingo这个低代码途径来快速结束，那么参赛者就只需求专注在场景运用上就行了。
所以抱着学习和交流的情绪，我扫码添加了主办方运营教师的微信，由于时间严峻（只需7天项目时间），因而毫无准备下的我挑选了个人团队参赛，并填写了报名申请表。参赛团队称号也是随意想了下，毕竟定了个比较搞笑的姓名，叫做「长在树上的地瓜」。
考不上清华北大，烤个地瓜也是不错的。
报名结束后，我加入了大赛交流群中。大赛为了让参赛者快速结束项目，CoLingo途径在竞赛前期的每个晚上都组织了途径的运用操练和案例介绍，包含知识库问答辅佐、导购员、简历生成、网页总结、B站视频内容总结……
在学习和众多的案例之后，我陷入了迷茫，或许许多人都会有相同的疑问：
- 大模型具有什么样的才干，对话？推理？总结？
- 我们毕竟能用大模型能做什么？我们真的需求大模型吗？
在学习的那段时间，我一直在考虑这些问题。
构思乍现
回归实践，其时最紧迫也是最困扰的问题是，我该挑选一个什么项目参赛？
假如是凭仗大模型的检索和总结才干，在CoLingo途径上的凭仗LLM总结B站视频内容的案例让人浮光掠影，先取得B站链接中的BV号，再通过BV号和Http Request Maker网络请求结构获取CID，通过BV和CID来获取字幕文件，毕竟再把字幕文件交由LLM进行总结……
假如是想做相似抓取和总结招聘网站上的招聘信息的案例的话，运用LLM和Function_Call取得用户输入的内容，当匹配到系统所需条件时，通过Google_Search搜索引擎结构访问招聘网站，然后运用Web_Crawl扫描网页内容，毕竟将网页内容交由LLM进行分析输出……
要不最简略，运用Knowledge_Search和本地前次的知识库文件，做个知识库问答机器人？
虽然一时间没有想好参赛的项目，但在学习LLM的运用案例时，却是学到了不少内容，对LLM的运用场景有了进一步的知道。
在某天操练完，在家里楼下漫步的时分，和目标聊起这个竞赛，我说看了许多的项目案例，但是不知道该做什么项目参赛好。目标和说我：
不用想太多，你做你擅长的就好啦。
哪怕毕竟不能得奖，这次竞赛也是一次名贵的经历嘛～
是啊，其实想那么多干什么，确定一个方向，做出来就好了。
此刻我的大脑快速检索（自问自答）着一连串的信息：
我擅长哪一块？产品规划、iOS开发。那我做过哪一块？iOS独立开发。具体开发过什么内容？笔记类、图片修改类运用。我想做什么？大约是结合图片最好还有音乐什么的。我能想到什么？相似呼吸或许冥想平复心境或许进步专注的运用……
遽然那么一刻，灵光一闪！赶忙回到家中翻开电脑，一个构思悄然而生。
思维导图或许是我用过最好用的思绪拾掇东西了，不一会儿就把想到的构思具象化了出来。再结合自身产品规划和iOS独立开发的才干，很快就设想了一个「文本 图片 音乐」的冥想类型的运用。
初步的主意是，通过LLM的才干分析用户的心境，凭仗本地知识库和Knowledge_Search的才干匹配「文字」部分，凭仗Midjourney或许第三方API来生成图片，至于音乐部分，假如有现成的Music Agent的API就更好，假如没有的话，就只能自己运用python写一个脚原本组成音乐……
呼～
一连串幻想之后，总算是有了大体的方向。
入围决赛
自身赛程时间也比较严峻，而恰巧11月30号、31号作品提交时间赶上了阿里云的云栖大会，由于技术社区的福利（感谢我张哥），我以媒体的身份应邀参加云栖大会要去趟杭州，这样参赛时间的组织上就愈加严峻了。
在前期我还可以在B站、油管等途径看看如何结合AI东西来结束图片和音乐部分。到越到往后的时间，心境也愈加烦躁，索性遇到问题就自己来。Midjourney、SD暂时用不了，就改用一些图片的API，Music AI却是找到了些国内外的处理方案，但大体上都需求付费而且没有API，那么没办法了，也自己来吧。
还好技多不压身～
就这样，在CoLingo途径上大体结束了心境分析、心境-疗愈文字匹配、和弦和旋律生成的作业后，剩下的图片部分用了第三方的API，音乐组成部分将CoLingo通过Agent API的方式与Python写的方法桥接组成音乐，毕竟快速运用SwiftUI开发一个简略的iOS运用用于画面出现。
在毕竟效果结束的那一刻，压力得到了开释，听着美丽的音乐，看着文字和图片效果，我感觉被自己规划的运用治好了。原本仅仅想做个项目参赛，没想到真有效果，好像。
在11月31号晚上，在CoLingo的主办催促下，在杭州的酒店，我提交了这个项目。
2天后，我收到了决赛入围的约请。
决赛准备
Al Hackathon挑战赛决赛以「产品演示」的方法进行，每位参赛者需求准备一个演说的PPT，而且为了避免现场演示“翻车”，因而主办方主张可以录制一段产品演示的DEMO。为此，主办方还将PPT模版共享给了我们，这省了不少作业。
说实话，在B端领域作业了那么久，规划PPT和路演应该算是我最擅长的作业。项目布景、处理方案、技术方案、产品亮点……由于决赛路演方法是5 3的方式（5分钟展示，3分钟问答），那么在PPT内容的准备上不能太多，大约每个部分的内容一张PPT。
为了让参赛作品愈加具有吸引力，在PPT中一切的配图根本都是运用AI规划的，当然，也包含我的「毛遂自荐」部分的头像。
PPT结束后，其实远没有完毕。虽然可以现场自由发挥，但为了出现最好的效果，关于第一次参加Al Hackathon挑战赛的我来说，仍是需求做好全面的准备。
为了现场发挥安稳，我依据每张PPT的内容写了一份演说稿。下面是我准备的讲稿部分：
各位评委教师，以及一同在AI领域探索的同行者们，我们好，我是「长在树上的地瓜」团队的队长，今天所带来的AI作品叫做「Lofi心境」。
在这个信息爆破和快节奏的时代，在都市打工的我们常常感受到焦虑和不安，或许是由于作业所带来的压力，或许来自于家庭，亦或许是对自己过高的要求所带来的背负。我们期望和人倾吐今天的心境、今天的焦虑，或许今天遇到的作业，当我们倾吐后，也期望有人将倾听自己的心声。
当你在学习或许作业的时分，我们需求保持高度的专注，我们常常会找一个舒适的环境，戴着耳机，放着轻音乐，专注于当下的作业，不被外界的业务所打扰。亦或许在上下班路上，在嘈杂的人群中寻找一份安静。在这一刻，我们不属于任何人，只属于我们自己。
Lofi心境是一款可以帮忙你缓解焦虑和进步专注才干的运用，我们可以简略的对话的方式，倾吐我们的心境、心境，或许主意，通过大模型的才干，我们可以得到专属定制的lofi音乐场景，包含唯美的图片、抚慰心里的文字，以及舒心的音乐。在心境焦虑时，也可以通过Lofi心境来让自己安静下来，Lofi心境像是有人陪伴着你身边，倾听你的烦恼，而且为你排解焦虑。在你在极力的时分，Lofi心境也可以在此刻为你打造专注的音乐场景，让你感受着音乐，沉浸在专注的国际里。
下面是一段产品Demo的演示。
在曩昔传统的C端产品开发中，要结束这个作品或许需求做许多方面的准备，需求了解其时用户的心境情况，还需求通过复杂的乐理知识和音乐方案来发明这样的产品。而现在，凭仗于大模型的才干，我们可以以对话的方式得到用户其时的心境情况，我们构建了心境分析师的人物，来取得用户输入的内容的心境情况，并通过Knowledge来进行向量匹配，取得疗愈的文字话术，这一部分我们结束了文字展示的内容。
Lofi音乐场景部分，和以往需求专业的音乐人参加不同，我们通过另一个心理医生的大模型，通过用户的心境情况，来幻想一个治好的音乐场景，比如一首安静的、钢琴、美丽的环境、令人放松的曲子。我们让心理医生创建了这样的提示词。下一步我们构建了一个“作曲家”的人物，让作曲家依据心理分析师的设想的音乐场景，规划和弦和旋律，后边我们通过本地的python音乐库生成脚本生成音乐部分。毕竟，我们将文字、音乐、图片相结合，在APP的载体上出现毕竟的效果。
中心才干方面，非常感谢CoLingo途径供应的大模型的拾掇才干，可以很方便地调用大模型来分析其时用户的心境，而且通过本地知识库来匹配治好的文字。在整个作品规划进程，我们运用到了多个Language Model供应的才干，以及通过本地知识库构建Knowledge Search 来做文字向量匹配，通过Code来拾掇和输出信息，毕竟运用Agent API与移动端产品相链接，毕竟结束Lofi心境的整个项目。
毕竟，再一次感谢36k AI协同立异中心和CoLingo途径，以上就是我们团队的作品介绍，谢谢我们。
讲稿写完后，其实也不是一次就完毕了，在竞赛前我还做了另一件作业，就是「预演」。
许是为了准备充分，或许添加自己的底气，也是为了操控演说的时间，我大约是做了3、4次预演操练，为此也都删除了部分讲稿的内容（时长原因）。
路演现场
11月8号下午，由所以作业日特别请了半响假。
路演当天开幕式后，先是线下（北京现场）的团队进行路演，线下路演的效果比线上路演效果要好太多，这是在看直播时分的直观感受。
但其实也发现一个问题，大多数团队其实作品都非常不错，但由于时间或许前期准备的关系，大多数团队都没有将自己的作品彻底展示，这非常的惋惜。
所以在边看其他团队路演进程中，我也在不断调整自己演说的交稿的内容。毕竟，下面是我的路演的直播视频：
整体来说，已然是对自己比较满意了，毕竟这个进程没有太多的卡顿，而且时间把控得也还好。毕竟，也取得了不错的效果，下面是颁奖典礼的直播视频：
视频中我只截取了自己参赛内容和颁奖的部分，后边其实还有「总冠军」（总冠军是一等奖，我是二等奖优胜奖）的团队颁奖，当然其他团队的作品也可以在「36氪」无缺的重播中见到，非常引荐我们去看重播～
无缺重播地址：
赛后感悟
以上，就是Al Hackathon挑战赛的全进程，回忆整个竞赛进程（好吧，我说实话，看了几次重播），从参赛准备到路演，整个进程应该是比较无缺和具有参看含义的，也是我学习路上一个重要的足迹。
关于这次大赛比较深入的我觉得有几点：
- 当新技术来临的时分，我们应该尽或许将新技术与自身的才干相融合，拥抱新技术。
一直以来我所擅长是产品规划和iOS开发，而LLM自身所具有的才干可以补偿我后端上的缺少，也使得一个作品从构思到落地可以在非常短的时间结束，这自身就是一件非常“可怕”的作业。
- 多去尝试新领域和新事物，先结束再完善。
本次大赛170多名选手报名，组成70多支部队，提交作品并入围只需30支部队，而毕竟也只需4只部队得奖（1支总冠军，3支优胜奖）。说实话，或许看到这次Al Hackathon挑战赛的或许特别多，而毕竟有勇气报名的却很少，但不去报名或许永远没有机遇被看到。而报名参赛后，我猜毕竟提交作品参赛或许又挑选了许多人，这个阶段我感觉「结束」并「做好」更重要，首先时间很短，单单有个构思就很不错了，在有限的资源、有限的时间内做到最好，这现已很不简单了。其次「结束」才有机遇，「没结束」就失去了被发现的机遇，哪怕你的作品再优异。
- 撕开1米的口子，打1000米的纵深。
假如是看商业化才干，那么决赛中有许多部队都比我强许多，乃至有些企业的作品现已投入市场进行验证了。假如是看团队布景，有些团队的成员title几乎吓人，各种清华北大、研究生、海外留学生。假如是看技术才干，那么运用GPT4或许将AI与自家系统相结合的案例更是不计其数。但假如看作品是否幽默，作品是否精约，作品是否吸引人，我感觉自己的作品仍是很不错的。它就是一个很简略的东西，就面向一个很垂直的领域，就是做一件很有意思的作业。
“你要找到你真正想做的作业，那种可以让你一直想做下去的作业…..”前公司CTO（我的老领导）这么和我说道。
这次的Al Hackathon挑战赛对我来说仅仅一次开端，它开启了我人生中关于AI这一方向的新篇章，它似乎向我展示一条全新的路途，这条路途或许还不太明朗，需求一步一步开拓新的地图。
但人生，不也是这样吗？
