原贴链接

https://v.redd.it/lrthfybr6und1/DASH_1080.mp4?source=fallback

讨论总结

本次讨论主要围绕使用大型语言模型（LLMs）在手机上生成可用的移动应用展开。评论者们对这一技术表示了惊讶和兴趣，认为这是一个非常酷且有潜力的实验。然而，也有评论者对未来可能出现的过度依赖和硬件限制表示担忧，特别是对电池寿命和网络连接的需求。讨论中还涉及了技术细节，如多LLM架构的实现、代码生成和API访问等。总体而言，讨论氛围积极，但也存在一些质疑和建议，如对技术是否真正在本地运行的疑问，以及对生成应用代码的查看需求。

主要观点

  1. 👍 使用 AI 在手机上生成移动应用程序是可能的
    • 支持理由：评论者对这一技术表示惊讶和赞赏，认为这是一个非常酷的实验。
    • 反对声音：有评论者担忧过度依赖AI会导致硬件优化问题和电池寿命缩短。
  2. 🔥 生成应用程序的过程可能需要多次调整提示
    • 正方观点：通过改变提示来完成所有操作，显示了技术的灵活性。
    • 反方观点：多次调整提示可能增加了操作的复杂性和时间成本。
  3. 💡 未来这种技术可能会在设备本地运行
    • 解释：评论者认为如果生成的应用不需要访问API，可以在没有互联网的情况下使用，这将是一个很酷的功能。
  4. 💡 对未来技术发展表示担忧
    • 解释：评论者认为过度依赖AI会导致优化问题和电池寿命的进一步缩短。
  5. 💡 生成的应用如果不需要访问API，可以在没有互联网的情况下使用
    • 解释：评论者对离线使用移动应用的可能性表示了兴趣和期待。

金句与有趣评论

  1. “😂 All of those apps are live created by an AI? This is honestly crazy!”
    • 亮点：评论者对AI生成应用的惊讶和赞叹。
  2. “🤔 Is this local though? It seems like you’re leveraging a bunch of APIs from the big players”
    • 亮点：评论者对技术是否真正在本地运行的质疑。
  3. “👀 I love it, it’s an interesting experiment, it fails a lot but it’s a good idea.”
    • 亮点：评论者对实验的积极态度和对未来改进的建议。
  4. “👀 Maybe it would be nice to be able to see the code of the generated apps to improve them or know what to tell the llm to fix.”
    • 亮点：评论者对查看生成应用代码的需求，以便改进和指导LLM修复。
  5. “👀 Anyway, you’re heading in the right direction, and if it starts making chess.com clones and, god forbid, Fortnite clones, it has the obvious potential to destroy industries :)”
    • 亮点：评论者对技术潜力的乐观展望和对行业影响的思考。

情感分析

讨论的总体情感倾向是积极的，大多数评论者对使用LLMs在手机上生成移动应用的技术表示了赞赏和兴趣。然而，也有一些评论者对未来可能出现的过度依赖和硬件限制表示担忧，特别是对电池寿命和网络连接的需求。这些担忧反映了技术进步与实际应用之间的潜在矛盾。

趋势与预测

  • 新兴话题：未来LLMs在手机上生成复杂应用的可能性，如生成类似chess.com或Fortnite的应用。
  • 潜在影响：如果技术能够实现离线运行和生成复杂应用，可能会对移动应用开发行业产生重大影响，甚至改变现有的开发模式。

详细内容：

标题：利用手机上的大语言模型生成可用移动应用引发热议

最近，Reddit 上一个关于在手机上利用大语言模型生成可用移动应用的帖子引发了众多网友的关注。该帖子包含了一个视频链接https://v.redd.it/lrthfybr6und1/DASH_1080.mp4?source=fallback，获得了大量的点赞和众多精彩评论。

帖子引发的主要讨论方向包括对这一技术的惊叹、对其可行性和实用性的探讨，以及对可能存在的问题的担忧。

讨论的焦点主要集中在以下几个方面：

有人对这项技术感到无比惊讶，直呼“所有这些应用都是由人工智能实时创建的？这简直太疯狂了！”还有人称赞道“这太酷了！我把它收藏起来了”“这非常酷！”。

但也有人提出了质疑和担忧。有用户表示“上帝啊，千万别。如果真这样，优化会完全被抛之脑后，我们本就少得可怜的电池续航时间会变得更短。更别提那些人工智能根本无法在手机硬件上运行，没有良好的网络连接根本没法用。”

在技术层面，有人询问“能告诉我们更多关于这项技术的信息吗？您用了什么来实现这个？”开发者回复称“这是 llama 3.1 70b、gpt 4o-mini 和 claude 3.5 sonnet 的组合。sonnet 负责大部分主要的‘代码’生成，llama 负责预处理和整理，4o-mini 是应用本身能获取的‘接口’。”同时有人问到“那如何执行生成的代码呢？关于服务方面，您有什么工具和框架的建议吗？”开发者回答“我最大的经验就是依靠 API 提供者。他们非常努力地优化他们的堆栈，并且有更大的量来分摊成本。”还有人问道“这是否成本很高？”

对于应用的本地运行和开源问题，有人询问“这是本地的吗？看起来您在利用大公司的一堆 API。”还有人希望“能够看到生成应用的代码以进行改进，或者知道该告诉大语言模型如何修复。也许有一天它能够在设备上本地运行并且随时适应用户的需求。”有人问道“能分享 GitHub 吗？代码？您使用了 agentic flows 吗？”

也有用户在实际体验后提出了问题，比如“我让它生成一个数独（我从不玩），几分钟后我发现一行里有两个 8，所以我觉得这是失败的。而且我不明白‘通过手机模拟任何东西’这个标语，这些到底是怎样的模拟？”但同时也表示“您正朝着正确的方向前进，如果它开始生成chess.com的克隆版，甚至是《堡垒之夜》的克隆版，它显然有摧毁行业的潜力。”

总之，这次关于在手机上利用大语言模型生成可用移动应用的讨论，既展现了大家对新技术的期待和好奇，也反映出了对其可能带来的问题的审慎思考。