我知道听起来像我是一位自学的“提示工程师”，但实际上我花了一些时间学习编程。我犯的一个错误是过于专注于学习不同的框架和语法等。然而，仅仅学习语法而不解决问题是无法持续编程的。因此，我也学了一些问题解决的知识。但当我发现不仅AI在语法上比我强，在问题解决上也是如此时，这让我感到非常沮丧（不过我有时能发现它们的错误，但总体上它们确实比我强）。而且它们的能力正在迅速提升。最近我不再学习太多新的编程知识。例如，今天我使用了束搜索（beam search），却不知道它是什么以及如何运作，我知道这是一种我很少会再次使用的东西，而且显然我是在使用AI。你见过那个梗吗？有人说“我在10分钟内做了这个网站”，然后发了一个本地地址的链接？这似乎想告诉我们，仅仅使用AI是行不通的。但如果有人掌握了非常基础、一般的知识，他们能否和那些真正能编程的人一样好，而不依赖AI呢？（我不是在谈论我自己，我仍在学习，永远都会学习）。所以我认为更好的选择似乎是专注于提示AI，寻找好的创意和想法，而减少编程的时间！？（别评判我，我喜欢编程。或者说我曾经喜欢过。有时我仍然喜欢）。我知道如果我这么容易就感到沮丧并考虑放弃，那我最好还是放弃（老实说，我并不这样想，但如果你谈论放弃，这就是你得到的答案）。我不想放弃。我只是想知道，如果有人问我这个，我该怎么回答。此外，我也不知道这是否是提问和讨论的合适地方？
返回首页
最新
有一天，我在下班回家的路上，想知道我们认识多少个在罗马时代生活过的人名。经过一番搜索，我找到了关于执政官和官员的名单，但没有涉及普通人，甚至大多数像自由人和奴隶这样的人的信息。因此，我最终建立了一个处理超过50万条拉丁铭文的管道，这些铭文来自于克劳斯-斯拉比铭文数据库（Epigraphic Database Clauss-Slaby）<a href="https://edcs.hist.uzh.ch/en/" rel="nofollow">https://edcs.hist.uzh.ch/en/</a>，并提取出人名（并尝试对其进行聚类，但这仍在进行中）。
有一些数据库，古典学者们为特定地区手动完成了类似的工作，比如Trismegistos <a href="https://www.trismegistos.org/" rel="nofollow">https://www.trismegistos.org/</a>和罗马帝国拉丁铭文（LIRE）<a href="https://pure.au.dk/portal/en/publications/latin-inscriptions-of-the-roman-empire-lire/" rel="nofollow">https://pure.au.dk/portal/en/publications/latin-inscriptions...</a>是我发现的两个主要项目。但似乎没有一个项目是我所设想的那样，尽管我在某些地方读到过这被认为是可能的。
我不是古典学者，也不是网络开发者，但我有Claude和Gemini，并且能基本阅读拉丁文——所以我开始着手工作。我使用LIRE和另一个数据库作为基础数据，建立了一个管道来提取和处理铭文，以恢复人名。我开发的过程使用了高端的语言模型（LLM），如Sonnet或Gemini Pro，来监督提取和调整过程，直到明显的错误率合理为止。到目前为止，我认为合理的标准是在100-500的小样本中，错误率低于1-2%，且没有观察到系统性问题。不同地区通常需要不同的提示，因此这基本上变成了一个让高级AI为低级AI调整提示的练习。与LIRE相比，提取的结果F1分数在0.64到0.87之间，但对此要持保留态度。
完成了几个地区的工作后，我想看看成果，于是简单搭建了一个粗糙的网站，但由于我不是网络开发者，访问数据的方式比较原始。网站看起来不错，我还为每个条目添加了摘要和机器翻译。我希望最终能得到真正的古典学者团队的反馈，并使网站更好地运行，因此我正在重写它，目前网站功能大致正常，虽然还有一些小问题，但与旧版相比性能有了显著提升。所有条目都链接回正确的来源，而旧的网络应用程序链接了多个数据存在的额外来源，但我还没有在新版本中重新实现这一点。（旧的网页界面仍然可以在<a href="https://roman-names.com" rel="nofollow">https://roman-names.com</a>访问，但我得提醒你，它的使用体验比较笨重，且完全不适合移动设备）
到目前为止的主要发现：
AI监督的AI提取为我节省了时间。我曾经手动调整了一段时间，然后我将运行手册变成了一个我输入指令的想法，让大型AI在我稀疏的监督下进行。
当我将原始文本（包括标记）输入模型时，提取效果显著提高（约提高了10个F1分数），而不是使用清理过的文本版本。
我觉得这是一个很酷的小项目，想和大家分享。如果你恰好在相关领域工作，有什么我可以做得更好的地方，请告诉我。