Karpathy LLM Wiki 插件发布：AI 驱动的 Obsidian 自组织知识库
Obsidian 社区推出了一款名为 Karpathy LLM Wiki 的新插件，由开发者 Greener-Dalii 打造。该插件利用大语言模型，将用户的笔记自动转化为一个动态生长的知识库。用户只需将文章或笔记拖入指定文件夹，AI 便会自动提取关键概念、生成摘要并建立双向链接，确保信息随新内容自动更新。插件支持单篇或多文件批量导入，提供自然语言查询功能，答案可直接溯源至原始笔记。此外，它还具备智能修复、标签自定义、粒度控制等特性，旨在减少手动整理负担，让知识管理更加高效。用户需配置 LLM 提供商（如 DeepSeek）并输入 API 密钥即可使用。 #Obsidian #插件 #AI #知识库 #LLM #笔记 #自组织 #KarpathyLLMWiki #社区插件
Obsidian 社区推出了一款名为 Karpathy LLM Wiki 的新插件，由开发者 Greener-Dalii 打造。该插件利用大语言模型，将用户的笔记自动转化为一个动态生长的知识库。用户只需将文章或笔记拖入指定文件夹，AI 便会自动提取关键概念、生成摘要并建立双向链接，确保信息随新内容自动更新。插件支持单篇或多文件批量导入，提供自然语言查询功能，答案可直接溯源至原始笔记。此外，它还具备智能修复、标签自定义、粒度控制等特性，旨在减少手动整理负担，让知识管理更加高效。用户需配置 LLM 提供商（如 DeepSeek）并输入 API 密钥即可使用。 #Obsidian #插件 #AI #知识库 #LLM #笔记 #自组织 #KarpathyLLMWiki #社区插件
AI创业公司融资
2025年美国风投资金中，AI公司占比高达65%，但大部分资金流向头部企业。2026年2月全球风投达到1890亿美元的历史峰值，其中OpenAI、Anthropic、Waymo三家公司就占去83%，其余创业公司仅分得剩余部分。与此同时，种子轮（20万至500万美元）数量和金额均下降约20%，超过一半的种子轮资金流向1000万美元以上的“巨型种子轮”，这些交易更像小型A轮，主要面向二次创业者。对于普通创始人，种子轮融资中位数约为400万美元、估值2000万美元，需出让20%股份，而仅有约六分之一的种子公司能在两年内达到A轮所需的300万美元收入门槛。风投基金全球募资额降至1186亿美元，创十年新低。这意味着AI融资热潮并未改善普通创业者的机会，创始人需审慎计算是否值得融资。 #AI #风投 #创业 #种子轮 #融资 #科技 #初创公司 #大模型 #OpenAI
2025年美国风投资金中，AI公司占比高达65%，但大部分资金流向头部企业。2026年2月全球风投达到1890亿美元的历史峰值，其中OpenAI、Anthropic、Waymo三家公司就占去83%，其余创业公司仅分得剩余部分。与此同时，种子轮（20万至500万美元）数量和金额均下降约20%，超过一半的种子轮资金流向1000万美元以上的“巨型种子轮”，这些交易更像小型A轮，主要面向二次创业者。对于普通创始人，种子轮融资中位数约为400万美元、估值2000万美元，需出让20%股份，而仅有约六分之一的种子公司能在两年内达到A轮所需的300万美元收入门槛。风投基金全球募资额降至1186亿美元，创十年新低。这意味着AI融资热潮并未改善普通创业者的机会，创始人需审慎计算是否值得融资。 #AI #风投 #创业 #种子轮 #融资 #科技 #初创公司 #大模型 #OpenAI
LLM技术债
初创公司发现，用大语言模型快速构建AI产品原型，可能同时也在快速将核心业务逻辑埋入提示词中。在MVP阶段，LLM成本看似无害——每次调用几美分，几百个用户，几条提示链。但随着产品增长，一个工作流变成十个，一次用户操作触发数十次模型调用。账单飙升，延迟显现，输出变得不确定，临时提示词变成了生产基础设施。许多AI初创公司正陷入这个泥潭：它们无意中将后端逻辑编码进了一个概率文本界面。有创始人用前沿模型做分类，后来换成微调的小模型，成本降低了约90%。另一团队将LLM作为冷启动引擎，生成标注数据后替换为更便宜的分类器。还有从业者直言，LLM对原型很好，但对规模化关键数据工作，它们昂贵、缓慢且方差大。许多团队甚至不知道自己的AI系统在哪里结束，数据管道应该从哪里开始。 #LLM #技术债 #AI创业 #成本控制 #模型优化 #数据工程 #初创公司
初创公司发现，用大语言模型快速构建AI产品原型，可能同时也在快速将核心业务逻辑埋入提示词中。在MVP阶段，LLM成本看似无害——每次调用几美分，几百个用户，几条提示链。但随着产品增长，一个工作流变成十个，一次用户操作触发数十次模型调用。账单飙升，延迟显现，输出变得不确定，临时提示词变成了生产基础设施。许多AI初创公司正陷入这个泥潭：它们无意中将后端逻辑编码进了一个概率文本界面。有创始人用前沿模型做分类，后来换成微调的小模型，成本降低了约90%。另一团队将LLM作为冷启动引擎，生成标注数据后替换为更便宜的分类器。还有从业者直言，LLM对原型很好，但对规模化关键数据工作，它们昂贵、缓慢且方差大。许多团队甚至不知道自己的AI系统在哪里结束，数据管道应该从哪里开始。 #LLM #技术债 #AI创业 #成本控制 #模型优化 #数据工程 #初创公司