超喵ai实习第二天记录

发表于 更新于

📅 实习日报 | Day 2

🛠 1. 工程与技术落地 (Morning)

上午主要完成了后端开发环境的搭建及代码架构的重构，确保后续开发的可扩展性和数据安全性。

  • 服务器配置
    • 购入并配置了一台 Singapore Region 的服务器。
    • 本地完成 SSH 连接配置。
    • Docker化部署：在服务器端部署 Docker，通过 Docker 安装了数据库。
    • 数据持久化处理：通过命令行配置 Volume Mapping（挂载卷），将数据库数据映射到宿主机指定目录，解决容器重启或迁移可能导致的数据丢失问题。
    • 在本地 Goland Database 模块添加了远程数据源，实现了本地 IDE 直接管理远程数据库，提升调试效率。
  • 代码重构（Refactoring）
    • 针对昨天 main.go 单文件代码过于臃肿的问题进行了架构分层。
    • 实现分层：
      • Model：定义数据结构。
      • Repository：处理数据库交互。
      • Handler：处理业务逻辑与路由。
    • 成果：目前的工程结构清晰，降低了后续功能的维护成本，对于整体业务逻辑更清晰。

📱 2. 产品体验与调研 (Afternoon)

下午查阅了《产品实习手册》，并对现有的 AI 工具进行了初步调研。

  • 产品手册学习：结合手册内容，初步思考了“AI + 学习”的结合点。
  • 大模型基座测试
    • 对目前主流的大模型进行了同质化测试（Consistency Test）。
    • Self-Reflection：目前的测试比较浅层，暂时无法从复杂的教育场景中区分各家模型的优劣势，后续需要结合具体 Prompt 场景进行深度评测。
  • 竞品/工具体验
    • 体验了多款 AI 产品，其中 Manus 的表现令人印象深刻。
    • 下班前探索了 AI Studio 的进阶用法，熟悉了更复杂的参数调试。

💡 3. 行业观察与思考 (Evening)

晚上看到关于 Seedance2 的演示视频，引发了关于“AI + 教育”的新思考：

  • 现象：目前的视频生成模型（如 Seedance2 等）已经可以通过少量 Prompt 生成高质量视频。
  • 思考：
    • 视觉是人类学习最高效的媒介之一。
    • 目前的教育痛点在于高质量视频课件制作成本高、周期长。
    • 未来机会：当视频 AI 技术进一步成熟（成本降低、生成可控），“即时生成的视频学习资源” 将成为可能。用户只需要有想学的知识点，AI 实时生成对应的讲解视频。