如何成为一个AIGC算法策略产品

以下是一些尚未到截止日期的 AIGC 活动： 2024 上海国际公益广告大赛：截止 10 月 31 日。作品提交：sipsac.cn，主题为“潮起东方创益未来”，板块包括美丽世界、文化中国、科技生活，类型有平面、音视频、数字创新，金奖 3 万、银奖 1 万、铜奖 5 千，还有全场大奖 10 万。 首届“海丝之光”AI 青瓷设计大赛：截止 2024 年 11 月 10 日。报名链接：，团队参赛最多 5 人，网络投票+专家评审，一等奖 10000 元，二等奖 5000 元，三等奖 1000 元。 百万奖金池重磅赛事“2024 AIGC 营销视频生态创新大赛 '真 AI 牛奶，真 AI 创意'”：作品提交时间为 10 月 11 日 11 月 30 日，专家评审时间为 12 月 1 日 12 月 9 日，成果发布时间为 12 月 10 日。 中国神兽复兴计划 AI 创作大赛开启：9 月 1 日 9 月 24 日。利用 AI 复原《山海经》中的经典神兽，赢取 35 万元现金和实体大奖，获奖作品将获得全网流量曝光，由中央美术学院等权威高校支持。 生成式人工智能（AIGC）网络微短剧、微电影大赛征集评选活动：9 月 3 日 11 月 3 日。一等奖 2 名，奖杯、荣誉证书 10000；二等奖 2 名，奖杯、荣誉证书 8000；三等奖 6 名，奖杯、荣誉证书 3000。 ComfyUI 共学 WaytoAGI 共学计划：8 月 20 23 日每晚 8 点，会议链接：。 全球 AI 视觉创意大赛（瓦卡奖 VACAT）：8 月 22 日 9 月 22 日。全球 AI 视觉创意大赛（瓦卡奖 VACAT Vision Arts Created by AI Technology），致力于构建 AI 视觉创意界的“奥斯卡”平台，推动 AI 视觉技术的应用与创新。

以下是近期的 AIGC 相关比赛活动： 【线上⬆️】，时间为 9 月 1 日 9 月 24 日。利用 AI 复原《山海经》中的经典神兽，赢取 35 万元现金和实体大奖，获奖作品将获得全网流量曝光，由中央美术学院等权威高校支持。 ，时间为 9 月 3 日 11 月 3 日。一等奖 2 名，奖杯、荣誉证书及 10000 元奖励；二等奖 2 名，奖杯、荣誉证书及 8000 元奖励；三等奖 6 名，奖杯、荣誉证书及 3000 元奖励。 【线上⬆️】 。 【线上⬆️】，时间为 8 月 22 日 9 月 22 日。全球 AI 视觉创意大赛（瓦卡奖 VACAT Vision Arts Created by AI Technology），致力于构建 AI 视觉创意界的“奥斯卡”平台，推动 AI 视觉技术的应用与创新。 ，截止时间为 10 月 31 日。作品提交：sipsac.cn，主题为“潮起东方创益未来”，板块包括美丽世界、文化中国、科技生活，类型有平面、音视频、数字创新，金奖 3 万、银奖 1 万、铜奖 5 千，另外有全场大奖 10 万。 ，截止时间为 2024 年 11 月 10 日。让创意点亮传统，传承经典，一等奖 10000 元，二等奖 5000 元，三等奖 1000 元。 ，作品提交时间为 10.11 11.30，专家评审时间为 12.1 12.9，成果发布时间为 12.10 。 ，时间为 1 月 24 日 2 月 28 日。需用魔搭平台【AIGC 专区】麦橘超然模型作底模训练 LORA 模型，描绘心中理想世界，风格不限。提交 LoRA 及 6 张以上高质量作品，单张图片分辨率不低于 1024x1024 像素，每组作品展现一个世界观场景；避免鲜血、骷髅等敏感元素。一等奖 1 名，奖金 5000 元 + 证书；二等奖 3 名，奖金 3000 元 + 证书；三等奖 10 名，奖金 1000 元 + 证书。魔搭社区 AIGC 代言人奖：作品发小红书带一丹一世界话题并@魔搭 ModelScope 社区官方，浏览量满 800，前 20 名可得 300 元天猫超市卡。

AIGC（人工智能生成内容）是利用人工智能技术生成各种类型内容的应用方式，包括文字、图像、视频等。它在内容创作、广告、媒体等领域广泛应用。 AGI（通用人工智能）则是一种让机器具备像人类一样的通用智能的目标，能够理解、学习和处理各种不同的任务和领域。 AIGC 侧重于内容的生成，是通过机器学习和深度学习算法，根据输入的数据和指令生成符合特定要求的内容。而 AGI 追求的是更广泛和通用的智能能力。 例如，AIGC 可以生成文章、艺术作品、短视频等具体的内容形式；AGI 则是期望机器能够像人类一样进行思考、推理、解决复杂的综合性问题等。 总的来说，AIGC 是 AGI 在内容生成方面的一种具体应用，而 AGI 是更宏观和高远的人工智能发展目标。

AIGC 即 AI generated content，又称为生成式 AI，是一种利用人工智能技术生成各种类型内容的应用方式。 AIGC 能够通过机器学习和深度学习算法，根据输入的数据和指令生成符合特定要求的内容，例如 AI 文本续写、文字转图像的 AI 图、AI 主持人等。其应用领域广泛，包括内容创作、广告、媒体等。 能进行 AIGC 的产品项目和媒介众多。在语言文字类，有 OpenAI 的 GPT、Google 的 Bard、百度的文心一言等；在语音声音类，有 Google 的 WaveNet、微软的 Deep Nerual Network、百度的 DeepSpeech 等；在图片美术类，有早期的 GEN 等图片识别/生成技术，去年大热的扩散模型又带火了 Midjourney、谷歌的 Disco Diffusion、OpenAI 的 Dalle·2 以及 stability ai 和 runaway 共同推出的 Stable Diffusion 等。 AIGC、UGC 和 PGC 都是内容生成的不同方式。UGC 是由用户生成的内容，反映用户的真实想法和创意，适用于社交媒体、社区论坛等互动性强的平台。PGC 是由专业人士或机构生成的内容，内容质量高、专业性强，适用于新闻媒体、专业网站等需要高质量内容的平台。AIGC 的优势在于可以快速、大规模地生成内容，适用于需要大量内容的场景，如自动化新闻、广告创作等。

AIGC 即 AI generated content，又称为生成式 AI，是一种利用人工智能技术生成各种类型内容的应用方式。 AIGC 能够通过机器学习和深度学习算法，根据输入的数据和指令生成符合特定要求的内容，其应用领域广泛，包括但不限于内容创作、广告、媒体等。 例如，在文字生成方面，可使用大型语言模型（如 GPT 系列模型）生成文章、故事、对话等内容；在图像生成方面，可使用 Stable Diffusion、DALLE 等模型生成艺术作品、照片等；在视频生成方面，可使用 Runway、KLING 等模型生成动画、短视频等。 AIGC 与 UGC（普通用户生产）、PGC（专业用户生产）都是内容生成的不同方式。UGC 是由用户生成的内容，优势在于内容丰富多样，能反映用户真实想法和创意，适用于社交媒体、社区论坛等互动性强的平台。PGC 是由专业人士或机构生成的内容，优势在于内容质量高、专业性强，适用于新闻媒体、专业网站等需要高质量内容的平台。 能进行 AIGC 的产品项目众多，媒介也多样。语言文字类有 OpenAI 的 GPT、Google 的 Bard、百度的文心一言等；语音声音类有 Google 的 WaveNet、微软的 Deep Nerual Network、百度的 DeepSpeech 等，还有合成 AI 孙燕姿大火的开源模型 Sovits；图片美术类有早期的 GEN 等图片识别/生成技术，去年大热的扩散模型带火了生成质量很高的 Midjourney、先驱者谷歌的 Disco Diffusion、一直在排队测试的 OpenAI 的 Dalle·2，以及 stability ai 和 runaway 共同推出的 Stable Diffusion。Stable Diffusion 是由初创公司 StabilityAI、CompVis 与 Runway 合作开发，2022 年发布的深度学习文本到图像生成模型，代码模型权重已公开发布，当前版本为 2.1 稳定版（2022.12.7），源代码库为 github.com/StabilityAI/stablediffusion。

AIGC 即 AI generated content，又称为生成式 AI，是一种利用人工智能技术生成各种类型内容的应用方式。 这种技术能够通过机器学习和深度学习算法，根据输入的数据和指令生成符合特定要求的内容。AIGC 的应用非常广泛，例如 AI 文本续写、文字转图像的 AI 图、AI 主持人等。 在内容生成方面，AIGC 包括文字生成（如使用大型语言模型 GPT 系列模型生成文章、故事、对话等）、图像生成（如使用 Stable Diffusion、DALLE 等模型生成艺术作品、照片等）、视频生成（如使用 Runway、KLING 等模型生成动画、短视频等）。 AIGC 与 UGC（普通用户生产）、PGC（专业用户生产）都是内容生成的不同方式。UGC 由用户生成内容，优势在于内容丰富多样，能反映用户真实想法和创意，适用于社交媒体、社区论坛等互动性强的平台。PGC 由专业人士或机构生成内容，优势在于内容质量高、专业性强，适用于新闻媒体、专业网站等需要高质量内容的平台。 能进行 AIGC 的产品项目众多，能进行 AIGC 的媒介也很多，包括且不限于： 语言文字类：OpenAI 的 GPT，Google 的 Bard，百度的文心一言，还有一种国内大佬下场要做的的 LLM 都是语言类的。 语音声音类：Google 的 WaveNet，微软的 Deep Nerual Network，百度的 DeepSpeech 等，还有合成 AI 孙燕姿大火的开源模型 Sovits。 图片美术类：早期有 GEN 等图片识别/生成技术，去年大热的扩散模型又带火了我们比较熟悉的、生成质量无敌的 Midjourney，先驱者谷歌的 Disco Diffusion，一直在排队测试的 OpenAI 的 Dalle·2，以及 stability ai 和 runaway 共同推出的 Stable Diffusion。

深度学习是机器学习的一个子领域。 在机器学习中，深度学习是一种利用深度神经网络来学习数据特征和模式的方法。 深度学习的特点包括： 1. 具有复杂的网络结构，如前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）等。 2. 能够自动从大量数据中提取高级特征。 深度学习在图像识别、语音识别、自然语言处理等领域取得了显著的成果。

不同厂家的 AI 产品底层算法通常是不一样的。 以常见的 ChatGPT 和豆包为例，ChatGPT 是由 OpenAI 开发的，其底层算法具有独特的特点和优势。而豆包是由字节跳动开发的，也有其自身的算法设计和优化。 在当前的 AI 领域，大多数 AI 应用程序都由大型语言模型（LLMs）驱动，其中只有几个基础模型，由少数几个组织创建。例如 OpenAI 制作了 GPT3.5 和 GPT4，Google 有 Bard 等。 从相关的访问量数据来看，不同的 AI 产品在市场上的表现也有所不同。比如在某些月份，ChatGPT 的访问量较高，而豆包的访问量也在不断变化。但这并不能直接反映其底层算法的差异，只是从侧面反映了它们在用户中的受欢迎程度和使用情况。

目前最新、效果较好且代码和模型开源的人体姿态估计（动作捕捉算法）相关的研究有以下两篇： 1. 【SD】最强手部识别，controlnet 新预处理器 dw openpose 作者：白马少年｜公众号：【白马与少年】 发布时间：20230813 20:00 原文网址：https://mp.weixin.qq.com/s/_RiKxWy9MXt4DUJIKH5w 介绍：在 controlnet 中，手部识别一直使用的是 openpose 预处理器，但复杂手势有时无法识别。新的 dw openpose 预处理器能完美解决手部识别问题，将其放入特定目录即可使用。但需说明的是，目前这个 DW Pose 只是更精确的 openpose 预处理器，未对 ControlNet 的 openpose 模型做改动。 2. YOLONAS Pose：一个开源的实时人体姿态估计模型 应用场景：基于骨骼标记为基础，适用于智慧体育等场景，可对训练过程的姿态、数据、状态等进行统计和管理。 技术类型：视频、AI 学习模型 简介：主要功能是识别图片和视频中人的姿势，能快速处理图像并实时返回姿态数据，适应不同场景和设备。 主要特点： 实时性能：旨在提供实时的姿态估计，适用于需要即时反馈的应用。 高精度：利用神经网络架构搜索（NAS）提高姿态估计的准确性。 优化的网络结构：NAS 自动测试不同网络结构，找到最优模型。

很抱歉，目前知识库中没有模态分解算法的详细代码。但您可以通过以下途径获取相关代码： 1. 学术研究网站，如 arXiv 等，许多学者会在上面分享他们的研究成果及代码。 2. 相关的开源代码库，如 GitHub 等，您可以通过搜索关键词找到相关项目。 3. 专业的技术论坛，在那里与其他开发者交流，可能会获得有用的信息和代码示例。

以下是关于数据、算法、算力的相关知识： 数据：数据的质量对于生成理想的大模型至关重要，早期大模型存在使用不太合规数据等导致乱说的情况。 算法：算法有技术架构的迭代，如英伟达的显卡辅助模型训练。 算力：算力的字面意思是计算能力，可以直接转化成 GPU 就是算力，电脑里的显卡就是 GPU。一张显卡除了 GPU 外，还有一个很重要的参数是显存。GPU 是一种专门在个人电脑、工作站、游戏机和一些移动设备上做图像和图形相关运算工作的微处理器，其诞生源自对 CPU 的减负，使显卡减少了对 CPU 的依赖，并进行部分原本 CPU 的工作。显存的作用是用来存储显卡芯片处理过或者即将提取的渲染数据。GPU 的生产商主要有 NVIDIA 和 ATI。

很抱歉，目前知识库中没有关于监控视频算法的相关内容。但一般来说，监控视频算法涵盖了目标检测、跟踪、行为分析等多个方面。常见的算法包括基于深度学习的目标检测算法，如 YOLO 和 SSD 等，用于识别视频中的人物、车辆等目标；还有基于光流的目标跟踪算法，用于持续跟踪目标的运动轨迹；在行为分析方面，会运用模式识别和机器学习算法来判断异常行为等。如果您能提供更具体的需求，我可以为您提供更有针对性的信息。

RAG（检索增强生成）的召回策略主要包括以下方面： 1. 检索是 RAG 框架的核心组件之一，其质量和效率对系统性能至关重要。 检索策略：需确定何时进行检索及如何选择要检索的信息，可根据任务和上下文调整。 检索粒度：能以不同粒度进行，选择取决于任务要求和数据结构。 检索方法：包括基于关键字、实体检索、自然语言查询和知识图检索等，各有适用情境和优势。 检索效率：在实时应用中，优化检索过程以降低延迟和资源消耗是重要任务。 外部数据源：可从多种外部数据源检索，选择合适的数据源对获取准确丰富信息很关键。 2. 随着 RAG 的发展，出现了自适应的检索（也称作主动检索），其与 LLM Agent 核心思想相似。 RAG 系统可主动判断检索时机和结束流程，输出最终结果。 根据判断依据，可分为 Promptbase 和 Tuningbase 两种方式。 Promptbase 方式通过 Prompt Engineering 让 LLM 控制流程，如 FLARE 案例。 Tuningbase 方式对 LLM 微调使其生成特殊 token 来触发检索或生成，如 SelfRAG 案例。 3. 在 RAG 系统开发中，为解决文档整合限制等问题，可采取以下措施： 调整检索策略：LlamaIndex 提供多种从基础到高级的检索策略，如基础检索、高级检索与搜索、自动检索、知识图谱检索、组合/层级检索等，以适应不同需求和场景，提高检索精确度和有效性。 微调嵌入技术：对开源嵌入模型进行微调是提高检索准确度的有效手段，LlamaIndex 提供了详细的微调指南和示例代码片段。

以下是关于人工智能伦理策略的相关内容： 英国国防部：2022 年 6 月发布了自身的 AI 伦理原则和政策，确定了英国政府在人工智能赋能军事能力方面的方法。将通过特定情境的方法确保该政策应用的适当一致性和协调性，从而促进英国在国防领域使用人工智能方面的领导地位。在引入任何法定责任之前，会考虑是否需要豁免以允许现有监管机构（如在国家安全等领域工作的机构）继续其领域级别的方法。 欧盟：欧洲议会和欧盟理事会规定了人工智能的统一规则，并修正了一系列条例。人工智能是一个快速发展的技术族，能带来广泛的经济、环境和社会效益，如改进预测、优化运营等，但也可能根据具体应用、使用情况和技术发展水平产生风险，对受欧盟法律保护的公共利益和基本权利造成损害。鉴于其可能的重大影响和建立信任的必要性，人工智能及其监管框架的发展必须符合欧盟价值观、基本权利和自由，应以人为本，最终目的是提高人类福祉。为确保在健康、安全和基本权利方面对公众利益提供一致和高水平的保护，应为所有高风险人工智能系统制定统一规则，这些规则应与《宪章》一致，非歧视性，并符合欧盟国际贸易承诺，还应考虑相关宣言、原则和准则。 AI 应用专家的实战经验： 企业管理者：在小规模决策中使用 AI 分析工具作为决策参考，制定 AI 工具使用的培训计划，识别可能受益于 AI 自动化的重复性任务并测试解决方案效果，制定公司的 AI 使用政策确保符合伦理标准和法律要求。 教育工作者：尝试使用 AI 辅助教案设计、为学生制定个性化学习计划、将 AI 工具整合到课堂活动中、开发教导学生了解 AI 的课程模块。 无论属于哪个群体，与 AI 协作是学习过程，应从小处着手，保持好奇心和开放态度，保持批判性思维，将 AI 视为工具而非完全依赖的解决方案。

目前没有关于利用 AI 穿搭针对微胖女生设计并提供购买链接以实现兼职盈利的详细策略和操作步骤的相关内容。但一般来说，您可以按照以下思路进行尝试： 首先，您需要确定目标受众，即微胖女生的具体身材特点和穿搭需求。可以通过市场调研、社交媒体互动等方式收集相关信息。 其次，选择适合的 AI 穿搭工具或软件。了解其功能和特点，学习如何有效地输入相关参数，如身高、体重、体型、个人风格偏好等，以获取准确的穿搭建议。 然后，根据生成的穿搭建议，寻找可靠的购买渠道和商品。这可能需要您与一些电商平台建立合作关系，获取商品的推广链接。 在推广方面，可以利用社交媒体平台、时尚论坛等渠道展示您的穿搭设计和购买链接。通过优质的内容吸引潜在客户，并建立良好的口碑。 同时，不断优化您的服务，根据用户的反馈和市场的变化调整穿搭方案和推广策略。 需要注意的是，实现兼职盈利需要一定的时间和努力，并且要确保所推荐的商品质量可靠，穿搭建议具有实用性和时尚感。

国内头部的 AI 产品包括以下这些： 在 APP 端：夸克和豆包的历史总下载量已过亿。单月新增方面，夸克、豆包和 Kimi 智能助手月增长可达到千万级。DAU 方面，夸克 DAU 超过 2600 万，豆包、Kimi、天天跳绳和文小言 DAU 超百万。用户粘性方面，夸克和叨叨三日留存率超过 30%。 在 Web 端：月总访问量超千万的产品包括夸克、腾讯文档、百度文库、Kimi 智能助手、文心一言、豆包和通义。在用户活跃度上，夸克、Notion 和百度文库的 MAU 超过千万。 在生成 Logo 方面的 AI 产品有： Looka：在线 Logo 设计平台，使用 AI 理解用户品牌信息和设计偏好，生成多个设计方案供选择和定制。 Tailor Brands：AI 驱动的品牌创建工具，通过用户回答问题生成 Logo 选项。 Designhill：Logo 制作器使用 AI 技术创建个性化 Logo 设计。 LogoMakr：提供简单易用的 Logo 设计工具，可利用 AI 建议的元素和颜色方案。 Canva：广受欢迎的在线设计工具，提供 Logo 设计模板和元素，有 AI 辅助设计建议。 LogoAI by Tailor Brands：Tailor Brands 推出的 AI Logo 设计工具，根据用户输入生成设计方案。 标小智：中文 AI Logo 设计工具，利用人工智能技术创建个性化 Logo。 此外，还有一些其他的 AI 产品，如 GPTs 用对话引导获取用户信息，Jasper 拆解场景流程按步骤收集信息，Leonardo 用画布和实时反馈加速 Prompt 提升，Novel 用交互式、渐进式续写，c.ai 卷生态卷模型，筑梦岛探索更多场景的对话玩法，FlowGPT 以 Prompt 的分享为核心，小悟空数据驱动优化 Prompt 等。这些产品致力于以更低的门槛帮助用户获得更高质量的 Prompt，从而更好地驱动模型。但当前阶段的 AI 产品还普遍体现出初级产品化、强行产品化的特征。

要从 IT 产品和项目经理转变为 AI 产品经理，可以参考以下步骤： 1. 入门级：通过 WaytoAGI 等开源网站或相关课程了解 AI 概念，使用 AI 产品并动手实践应用搭建。 2. 研究级： 技术研究路径：对某一领域有认知，能根据需求场景选择解决方案，利用 Hugging face 等工具手搓出一些 AI 应用来验证想法。 商业化研究路径：熟悉传统互联网偏功能实现和偏商业运营的产品经理工作，最好能将两者结合。 3. 落地应用级：积累成功落地应用的案例，产生商业化价值。 AI 产品经理的岗位技能要求包括： 1. 本科及以上学历，计算机科学、人工智能、机器学习相关专业背景。 2. 熟悉 ChatGPT、Llama、Claude 等 AI 工具的使用及原理，并具有实际应用经验。 3. 熟练掌握 ChatGPT、Midjourney 等 AI 工具的使用及原理。 4. 负责制定和执行 AI 项目，如 Prompt 设计平台化方法和模板化方法。 5. 了解并熟悉 Prompt Engineering，包括常见的 Prompt 优化策略（例如 CoT、Fewshot 等）。 6. 对数据驱动的决策有深入的理解，能够基于数据分析做出决策。 7. 具有创新思维，能够基于业务需求提出并实践 AI first 的解决方案。 8. 对 AI 技术与算法领域抱有强烈的好奇心，并能付诸实践。 9. 对 AIGC 领域有深入的理解与实际工作经验，保持对 AI 技术前沿的关注。 10. 具备一定的编程和算法研究能力，能应用新的 AI 技术和算法于对话模型生成。 11. 具有一定的编程基础，熟练使用 Python、Git 等工具。 总结来说，AI 产品经理要懂得技术框架，不一定要了解技术细节，而是对技术边界有认知，最好能知道一些优化手段和新技术的发展。同时，要关注场景、痛点、价值。

字节在 AI 领域推出了众多产品，包括从生产力到娱乐陪伴，从对话产品到 Agent 工具再到文生图等十几个 AI 应用，还推出了 AI 硬件，如今年 10 月能与豆包语音对话的 Ola Friend 耳机，近期还在研发 AI 眼镜。 生成 Logo 的 AI 产品有： 1. Looka：在线 Logo 设计平台，使用 AI 理解用户品牌信息和设计偏好，生成多个设计方案供选择和定制。 2. Tailor Brands：AI 驱动的品牌创建工具，通过用户回答问题生成 Logo 选项。 3. Designhill：其 Logo 制作器使用 AI 技术创建个性化 Logo，用户可选择元素和风格。 4. LogoMakr：提供简单易用的 Logo 设计工具，用户可利用 AI 建议的元素和颜色方案。 5. Canva：广受欢迎的在线设计工具，提供 Logo 设计模板和元素，有 AI 辅助设计建议。 6. LogoAI by Tailor Brands：Tailor Brands 推出的 AI Logo 设计工具，根据输入快速生成方案。 7. 标小智：中文 AI Logo 设计工具，利用人工智能技术帮助创建个性化 Logo。 AI 面试官的相关产品有： 1. 用友大易 AI 面试产品：具有强大技术底座、高度场景贴合度、全环节集成解决方案、先进防作弊技术和严密数据安全保障，能完成面试、初筛和发送邀约。 2. 海纳 AI 面试：在线自动面试、评估，精准度高达 98%，效率提升 5 倍以上，改善候选人体验，到面率提升。 3. InterviewAI：在线平台，提供职位相关问题和 AI 生成的推荐答案，候选人用麦克风回答，收到评估、建议和得分。

以下是为您整合的相关内容： 对于 AI 小白来说，使用 AI 工具简化工作中的费时费力之事是可行的。 在接触 AI 工具时，对于超出自己理解范围的事情，最简单有效的方法就是尝试。学习新事物，实践比听闻更重要。 比如在 AI 视频制作方面，人物设定与剧本是关键部分，包括主体、动作、场景等要素；分镜处理也较为重要，要考虑用几个镜头表述内容；生成环节如同抽卡，可多尝试，最后进行粗检和后期处理，如 AI 配音剪辑、加过渡滤镜等。小白制作 AI 视频要做好脚本即提示词，有耐心抽卡，并不断提升撰写提示词的能力。撰写提示词时要了解主体、动作、场景，避免使用专有名词和网络名词，给 AI 清晰描述。工具选用方面，没有绝对好的工具，只有适合的，如小白可使用剪映，主力机是 MacBook Pro 可使用 final cut。还可向 ChatGPT 询问获取灵感。 另外，在“AI 布道”活动中发现，AI 工具虽强大能做很多事，但也在其与普通人之间形成了一道墙。AI 是未来必然的方向，其科普还有很长的路要走，但尽可能简单地试用它，能让普通人更快受益。无论是什么身份、什么年龄段的人，都可以尝试使用 AI 工具。 如果您想要跟相关作者交朋友、一起在 AI 路上探寻，欢迎戳这里：

以下是为您提供的 AI 产品经理学习资料： 一、AI 市场与 AI 产品经理分析 （一）入门级 能通过 WaytoAGI 等开源网站或一些课程了解 AI 的概念，使用 AI 产品并尝试动手实践应用搭建。对应的画像可能是喜欢听小宇宙 APP 的播客或浏览 AI 相关的文章。 （二）研究级 有两个路径，一个是技术研究路径，一个是商业化研究路径。对应传统互联网偏功能实现的产品经理和偏商业运营的产品经理，最好是同一个人。这个阶段对应的画像可能是对某一领域有认知，可以根据需求场景选择解决方案，或利用 Hugging face 等工具手搓出一些 AI 应用来验证想法。 （三）落地应用 这一阶段的画像就是有一些成功落地应用的案例，如产生商业化价值。对应传统互联网 PM 也有三个层级： 1. 负责功能模块与执行细节。 2. 负责整体系统与产品架构。 3. 熟悉行业竞争格局与商业运营策略。 总结来说，对 AI 产品经理要求懂得技术框架，不一定要了解技术细节，而是对技术边界有认知，最好能知道一些优化手段和新技术的发展。AI 是工具和手段，产品经理要关注的还是场景、痛点、价值。 二、学习笔记：AI for everyone 吴恩达 （一）在企业中建构人工智能 1. 案例研究：智能扬声器 探测到触发词或唤醒词。 语音识别。 意图识别。 执行相关程序。 智能音箱面临需要对每一个用户提出的需求进行单独的程序编写导致花费大量资金教育客户的困境。 2. 案例研究：自动驾驶汽车 汽车检测，使用监督学习，识别前方车辆不仅需要前置摄像头，还包括后置与两侧的摄像头或者传感器，如雷达与激光雷达。 行人检测，使用相似的传感器与技术。 运动规划，规划行车路径，输出驾驶路径，速度。如匀速行驶在道路上或避开道路边停靠的车辆。 （二）人工智能团队的角色示例 1. 软件工程师，如智能音箱中的软件编程工作，团队中 50%以上的占比。 2. 机械学习工程师，创建 AB 的映射，或创建其他机械学习算法。搜集汽车图片，位置的数据，训练神经网络或深度学习算法，不断迭代，确保准确的输出。 3. 机械学习研究员，负责开发机械学习的前沿技术。可能需要发表论文，或专注于研究。 4. 应用机械学习科学家，负责学术文献或研究文献中研究前沿技术，并想办法找到技术解决面临的问题。 5. 数据科学家，检测数据并分析数据背后的意义，向团队成员与负责人展示数据分析得出的结论。 6. 数据工程师，整理数据，确保数据是安全，易被保存，读取。因为人工智能需要处理的数据极大，自动驾驶汽车每分钟都会制造好几个 GB 的数据。 7. AI 产品经理，帮助决定用 AI 做什么，什么是可行且有价值的。 三、刘海：「AI 提示词工程师」の见解和经验分享 （一）入门第一步：AI 提示词工程师 岗位技能要求： 1. 本科及以上学历，计算机科学、人工智能、机器学习相关专业背景。 2. 熟悉 ChatGPT、Llama、Claude 等 AI 工具的使用及原理，并具有实际应用经验。 3. 熟练掌握 ChatGPT、Midjourney 等 AI 工具的使用及原理。 4. 负责制定和执行 AI 项目，如 Prompt 设计平台化方法和模板化方法。 5. 了解并熟悉 Prompt Engineering，包括常见的 Prompt 优化策略（例如 CoT、Fewshot 等）。 6. 对数据驱动的决策有深入的理解，能够基于数据分析做出决策。 7. 具有创新思维，能够基于业务需求提出并实践 AI first 的解决方案。 8. 对 AI 技术与算法领域抱有强烈的好奇心，并能付诸实践。 9. 对 AIGC 领域有深入的理解与实际工作经验，保持对 AI 技术前沿的关注。 10. 具备一定的编程和算法研究能力，能应用新的 AI 技术和算法于对话模型生成。 11. 具有一定的编程基础，熟练使用 Python、Git 等工具。 观察上面的岗位需求，其实公司并不是需要一个 prompt 工程师，而是一个 AI 互联网产品经理。产品经理的工作内容（仅作参考）：

以下是为您生成的客服系统相关的大模型提示词示例，每次回复内容不同： 1. 非常抱歉给您带来了不便，关于产品问题，您可以咨询我的同事，点击即可进行咨询。 2. 很抱歉让您遇到了困扰，产品方面的疑问请找我的同事咨询，点击就能联系到。 3. 实在不好意思呀，产品的问题您向我的同事咨询会更清楚，点击即可开启咨询。 4. 深感抱歉，对于产品的情况，建议您咨询我的同事，点击就能和他交流。 5. 抱歉给您造成了不好的体验，产品相关问题请咨询我的同事，点击就能获取帮助。