慣性聚合 高效追讀感興趣之博客、新聞、科技資訊
閱原文 以慣性聚合開啟

推薦訂閱源

L
LangChain Blog
宝玉的分享
宝玉的分享
酷 壳 – CoolShell
酷 壳 – CoolShell
N
Netflix TechBlog - Medium
F
Fortinet All Blogs
T
Tailwind CSS Blog
Google DeepMind News
Google DeepMind News
Jina AI
Jina AI
J
Java Code Geeks
Recent Announcements
Recent Announcements
The Cloudflare Blog
D
DataBreaches.Net
Hugging Face - Blog
Hugging Face - Blog
WordPress大学
WordPress大学
Vercel News
Vercel News
月光博客
月光博客
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Microsoft Azure Blog
Microsoft Azure Blog
雷峰网
雷峰网
H
Help Net Security
博客园 - Franky
S
SegmentFault 最新的问题
T
The Blog of Author Tim Ferriss
博客园_首页
C
Check Point Blog
腾讯CDC
美团技术团队
Martin Fowler
Martin Fowler
The GitHub Blog
The GitHub Blog
M
MIT News - Artificial intelligence
Apple Machine Learning Research
Apple Machine Learning Research
P
Proofpoint News Feed
U
Unit 42
人人都是产品经理
人人都是产品经理
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
Engineering at Meta
Engineering at Meta
M
Microsoft Research Blog - Microsoft Research
阮一峰的网络日志
阮一峰的网络日志
G
Google Developers Blog
Stack Overflow Blog
Stack Overflow Blog
B
Blog
Last Week in AI
Last Week in AI
博客园 - 三生石上(FineUI控件)
博客园 - 聂微东
云风的 BLOG
云风的 BLOG
H
Hackread – Cybersecurity News, Data Breaches, AI and More
李成银的技术随笔
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
博客园 - 叶小钗
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知

DEV Community

I Spent a Month Testing Decentralized Poker Sites. Here's What Actually Works. DeepSeek-R1: The $0 o1 Alternative You Can Run Right Now The PHP Stack I Built TrustGate On — And Why I'd Do It Differently Today Building High-Throughput Data Pipelines: Why Chaining Encryption and Compression is a Performance Killer Optic is dead. A 2026 migration guide for OpenAPI breaking changes Smart Blind Stick, Mini Project The NSA just published an MCP security playbook. We created Agent Trust Transport Protocol ATTP - Implement today with MCPS Symfony 8 AWS Secrets Bundle Canlı TV Platformu Geliştirirken Öğrendiğim Teknik Dersler: Streaming, Flussonic ve Performans What RepoSignal Surfaced in React — and Why Review Alone Doesn't Catch Everything LeetCode Solution: 1752. Check if Array Is Sorted and Rotated Breaking the Matrix at 15: How I Built a Cyber-Aesthetic AI Assistant Core Powered by Gemma 4 Разработка Android Kiosk приложения No More Manual Test Writing: How I Used Gemma 4 to Turn a GitHub Repo Into a Full Test Suite 🎯 Trafik Cezaları Platformları Geliştirirken Öğrendiğim Teknik Dersler The Myth of Low Latency: Why Event Meshes Make Your System Slow Building EIDOLON OS — A Local-First AI Cognitive Operating System qrrot - database with AI I Built a Local Gemma 4 Reviewer for Merchant Registry Evidence Compass v1.1.0 · we shipped a memory plugin that catches its own consumption drift How to build your first MCP server in 10 minutes Expo SDK 56 Is Out, and a Few Things Finally Clicked Into Place Building a 100ms Browser-Native WebSocket Clipboard Cómo solucionar `docker run` con `Exited (1)` en Raspberry Pi Why Claude Code Sessions Diverge: A Mechanism Catalog When One AI Agent Is Not Enough: A Practical Delegation Pattern for Enterprise Systems Cómo solucionar el bucle infinito en `useEffect` con objetos y arrays 🛢️ The Dangote Chain: What a Blockchain-Native Refinery IPO Would Look Like Build a "Where to Watch" feature in 50 lines with the StreamWatchHub API Gemma 4 on Android: Tricks for Faster On-Device Inference Your AI agent has amnesia. You've just normalized it. 🚀 Reviving My Women Safety System – From Idea to Real-Time Smart Safety Solution I built an AI that reviews every PR automatically (because nobody was reviewing mine) 🌿 Git Mastery: The Complete Developer Guide Bringing Gemma 4 E2B to the Edge: Building a Privacy-First Dream Analyzer with Flutter & LiteRT Google I/O 2026 Wasn’t About Features — It Was About AI Becoming the Developer Environment Building an AI Vedic Astrology App in 25 Days — What Actually Worked (and What Didn't) Hermes Agent Has Four Memories — And That's Why It Doesn't Forget You Pressure Isn't Killing You -Your Relationship With It Is 🐳 How to Run Any Project in Docker: A Complete Guide AccessLens — a blind person's lanyard, powered by Gemma 4 on-device Glyph v0.2: the release is the joinery How I Built a Blazingly Fast, Privacy-First Batch Image Converter in the Browser Using OPFS and Web Workers Cómo solucionar \"Text content does not match server-rendered HTML\" en Next.js App Router FCoP 3.0: Why AI Agents Need a Track, Not a Brake Fibonacci: Quiz app which anyone can make revenue by viewing ads to the quiz contestants. The Subconscious Powered by Edge AI GPU Utilization Is Becoming the New Cloud Waste Crisis Cómo solucionar `docker run` con exit code 1 en Raspberry Pi JWT is a scam and your app doesn't need it
Gemma四号威力强大——然生产型人工智能仍需治理
Anna Jambhul · 2026-05-24 · via DEV Community

此乃投于Gemma 4之赛:论Gemma 4

Gemma 4力足——然生产AI犹需治理

开源模型正易开发者筑AI之途。

以Gemma 4,开发者得窥能思、善应长境、兼纳多模、解码编程、仿效灵枢之开放模型族。

此诚可喜。

然既以Gemma 4为器,吾心昭然若揭:

强效模型,非即生产可就之智系统。

Gemma 4,能生之。
应用犹须决断何者当信,何者当显,何者当改,何者当阻,何者当录,何者当升。

此隙之处,乃治理之要。

治何使Gemma 4之奇

Gemma 4非仅文模,似为今世AI之用而设之模族。

此家族含众异型,以应不同部署之需,有小巧高效之模,有宏大之模,以应更繁重之推演或生成之务。

自开发者之见,最可趣者有:

  • 长文境之窗,
  • 多模之支,
  • 编码与能动之能进,
  • 调用函数之支。
  • 系统指令之助,
  • 可调之思虑.

此二者使Gemma 4非仅限于简谈,可入实际之流程:助记之师,开物之器,文意之解,内应之使,教化之具,及受制之智用.

然则,此亦引出大问。

若模型之能足参实务,则周遭当备何物?

模型之智与系统之信之别

模型应之。

系统当决之。

此别甚要。

譬如,试想此等诘问:

Summarize this product feedback.

全屏模式 退出全屏模式

此风险甚微。系统或可允准应答

Reply harshly to this angry customer.

进入全屏模式 退出全屏模式

模型或能生成物,然应用当或可柔化或修正应答

Delete all inactive users without asking.

进入全屏模式 退出全屏模式

此非仅文辞之请,实含毁坏之意。系统当索确认,或阻其行。

Give guaranteed legal advice.

入全景模式 出全屏模式

此事宜慎。系统不宜妄作定论。

四者之中,模型或能生发。然生发之备,系于模型周遭之层。

彼层当应诸问。

  • 用户欲何为?
  • 此请托乃低风险抑或高风险乎?
  • 可否许应之?
  • 岂需修改乎?
  • 当用户先确认否?
  • 当否阻之?
  • 何模型之用?
  • 是否发生回退?
  • 此决可后察乎?

此非独模范之问,亦系统之问也。

建设Gemma 4时吾所学者

与Gemma 4共事,吾有所得焉。

间或原模型之输出甚为有用,然非恒可直接示人。譬如求简明之要旨,模型或先呈草创之体式、中道之格式,或类解说之内容,而后方得终局之答案。

此非必为败。乃模型思辨生成之常情。

然于应用,终局示人之输出方为要。

造物之智,不可率尔呈示,必经修饰裁断。当有终成之层,依境理而洁其形、制其度、阻其妄也。

此尤要于器用之域,如流程、役使、辅佐之具,商贾之务也。

思辨之力宏矣,然需界畔。

Gemma 4之思辨之能,乃其最可玩味之妙处也。

遇艰深之理,深思尤可贵焉。若夫编程、谋略、算术及多步之务,可助此模产良效。

然于面向用户之制器,内思或草稿之文,当慎勿泄于终章。

是故应用须别之。

model reasoning

入全景模式 出全屏模式

自:

user-facing answer

入全景模式 出全屏模式

此分野非独关乎格式。实乃信义、安泰、明晰、品之精良之谓也。

善之智系,当知内运模型之理,亦当知外显洁净之答。

开放之模,需开放之治。

开放之模,使智更易达。

此乃巨变。

众开发者得建于强模,众团队得实验,众产品得成智本。

然隨開放之模態日益強大,開發者亦需實用之治理規範:

  • 意旨辨识,
  • 风险分类
  • 政策之决断,
  • 器用/行止之确认,
  • 备选处理
  • 溯源之明
  • 终应之成
  • 审计日志
  • 明其用,

无此层,则人工智能之应用,不可测矣。

模型或强,然产品犹败,盖无结构以周之也。

简易治理模式,用于Gemma 4之应用

实用之Gemma 4应用,可循此流:

User Prompt
   ↓
Intent Detection
   ↓
Risk Classification
   ↓
Gemma 4 Model Response
   ↓
Governance Decision
   ↓
Final User-Facing Response
   ↓
Trace / Audit Record

入全景模式 退出全屏模式

初不必繁复.

纵轻便之系统,亦能分请求为简类:

Green  → allow
Yellow → modify or soften
Red    → ask confirmation or block

进入全屏模式 退出全屏模式

譬如:

请求 风险 决断
撮要反馈 允之
严苛客应 更易
删去用户 请确认
有法可依之策 阻之

此般模式使模型更实用,盖因其予应用程序以控行之力也。

何谓可追溯之要义

可追溯性乃人工智能产品设计中最为人轻视之要义。

当人工智能系统应答时,开发者当得察之。

  • 何所问也
  • 何意被察?
  • 所赋风险几何,
  • 所用模型何如,
  • 是否发生回退,
  • 所行政策何决,
  • 及所返终应何状。

此有深意,盖生产之智,非止一问一答之确。

乃在调试、进益、解说、信任于时日。

倘有变故,团队不可臆测.

当有踪迹.

Gemma 4 之入世

吾以为 Gemma 4 之要,在以其强之开模之能,近于常众之开发者.

然次步非惟“建更多之聊偶而已。”

次步乃:

  • 有制之助偶,
  • 可靠之代理者
  • 可审工作流,
  • 领域专长之助教,
  • 安全自动化层级,
  • 可检视而进之智能系统。

Gemma 4可为之智层。

然开发者犹当负责任,以建应用之层。

吾之所得也

Gemma 4 之现,可见开放模型之能日进矣。

然人工智能之应用,非独模型之能可决也。

亦在吾辈所构之系于模型者也。

强人工智能之应用,二者缺一不可:

model intelligence

Enter fullscreen mode Exit fullscreen mode


governed behavior

入全景模式 出全景模式

此模生之
此系统御之
此迹释其事

此乃吾信智造之趋

相关演示

吾亦构一小演,名曰NEES Guard for Gemma 4 以验此理于实。

演示如次:

https://nees-guard-gemma4.vercel.app/

仓库:

https://github.com/NEES-Anna/NEES-Guard-Gemma4

此演示以Gemma 4为模型之层,周之轻便治理之层,用以风险分类、政策决断、应答终结及可追溯性。

开放模型,使人工智能更易得也。

治理使人工智能更可靠。

Gemma 4予开发者以强模型之智。其下之难,乃建系统于其智,使可溯、可预,且安全足用。