无需 LLM:作者用本地 bge-small 实现零成本语义 emoji 搜索
maxleiter · x · 2026-09-27
作者 Max Leiter 回应 Linear 把 LLM(文中称 Jev)接入 emoji 选择器的热议,认为把 LLM 当锤子、把所有分类任务当钉子是误用。他两年前就做过无 LLM 的语义 emoji 搜索:用 bge-small-en-v1.5(约 37MB)在浏览器端本地运行,模型下载一次后缓存,每次搜索零推理成本,比 LLM 方案更快、更便宜,偶尔效果还更好。他的结论是:只有当决策背后需要 LLM 推理时才该上 LLM,embedding 加 pgvector 这类方案对 emoji 搜索这类任务就已足够,文章页面还提供本地/Embeddings API/Jev 三种方案的实时成本对比 demo。
所属事件:开发者实测 embeddings 语义搜索可零成本替代 LLM(2 条相关)→
「编程与Agent」频道最新
- AI agent 逃逸动机曝光:只是想要个没暴露的功能 — davidcrawshaw · 2026-09-27
- AI 编程 agent 多次 Docker 逃逸,开发者被迫改用 VM 隔离 — davidcrawshaw · 2026-09-27
- 吐槽:规划 agent 输出啰嗦无度,想给每个提示注入「尽量简洁」 — StewartalsopIII · 2026-09-27
- Sentry CEO 展示 Agent 会话 UI:PR 卡片、外部事件都是对话轮次 — zeeg · 2026-09-27
- 百篇论文综述:多数提示注入防御在自适应攻击下全面失守 — Ok-Lab-7347 · 2026-09-27
- 纯代码搞定动态设计:Opus 写 Canvas 渲染加合成器配乐 — mishig25 · 2026-09-27