如何用AI提升HR能力

AI 办公领域目前有以下相关内容： 360AI 办公：核心价值主张为每天 6 毛钱，尽享 200+AI 权益，产品能力包括 AI 图片、AI 文档、AI 写作、AI 音视频、AIPPT、AI 翻译、模版大全、办公工具。 在 toB 领域，智能办公产品价值主要体现在办公垂域场景中，比如快速总结群聊内容或会议信息，为写公文提供结构模板参考等。

要基于一条视频的风格结合自己的需求生成新的 demo 视频，您可以参考以下步骤，更高效地达到想要的效果： 1. 准备内容 先准备一段视频中播放的内容文字，比如产品介绍、课程讲解、游戏攻略等。您也可以利用 AI 来生成这段文字。 2. 制作视频 使用剪映 App 进行简单处理。电脑端打开剪映 App，点击“开始创作”。 选择顶部工具栏中的“文本”，点击默认文本右下角的“+”号，为视频添加一个文字内容的轨道。 在界面右侧将准备好的文字内容替换默认文本内容，这将为数字人提供语音播放的内容以及生成与文字内容相对应的口型。 另外，如果您想用 AI 把小说做成视频，可以按照以下流程： 1. 小说内容分析 使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 2. 生成角色与场景描述 根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成 使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作 将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作 利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成 使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理 对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 8. 审阅与调整 观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享 完成所有编辑后，输出最终视频，并在所需平台上分享。 需要注意的是，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。

以下是一些关于 AI 变现的方式和途径： 1. 电商：婴儿的四维彩超 AI 预测 这是适合普通人作为副业的项目，上手简单。 思路和玩法：孕妇妈妈在孕期 22 26 周会进行四维彩超检查，很多准爸爸妈妈期待宝宝模样，从而衍生出市场需求。在小红书、抖音等公域平台发布相关笔记吸引咨询。 操作流程：客户提供四维彩超图原图，在 Midjourney 里进行垫图+特定描述词，10 分钟内出图。 变现方式：在抖音、快手、视频号、小红书上批量发布相关视频或图文，将客户引到私域接单变现。但要注意平台引流需隐蔽，以免被检测限流或封号。 2. AI 摊主速成脑暴会 会议流程包括开场，探讨 AI 摊主可以卖什么、缺少什么 AI 能力、如何组队、摊主现身说法等问题，并明确讨论规则。 发散思考环节使用思维导图、角色扮演、类比思考等技巧激发更多想法，并记录所有想法。 进行想法分类和整理，去除重复想法，筛选和评估想法的可行性、创新性和实用性，进行可行性评估，制定行动计划，包括责任分配、进度表、资源需求和后续跟进人，最后总结并展示会议成果。 3. 写作：AI 写作变现指南 项目启动：确定目标客户群体，如大学生、职场人士、自媒体从业者等，选择合适的 AI 写作工具。 准备阶段：学习并实践 AI 写作技术，构建团队。 商业模式构建：确定服务内容，如提供论文、报告、文案等直接写作服务，制定质量控制标准。 运营与推广：在淘宝等电商平台开设店铺销售写作服务，建立写作培训社群，通过社交媒体和线下活动进行品牌和社群建设，与其他团队合作开发新项目。 项目优化与发展：持续关注 AI 技术进展，根据市场需求拓展新服务和产品，收集客户反馈优化改进服务。

对于 AI 小白来说，可以按照以下步骤开始学习 AI： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可以根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出自己的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 此外，您还可以参考《雪梅 May 的 AI 学习日记》，其中作者介绍了适合纯 AI 小白的学习模式，即输入→模仿→自发创造。学习日记中的学习内容可能因时效性不一定适用，但您可以去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新的内容。同时，该日记中的学习资源都是免费开源的。 像元子语一样，从 prompt 开始，即使是小白类型的 Chat 网页终端用户，也可以通过临时捏一些 prompt 解决具体的问题。参加相关活动，作为围观人群也可能被点燃学习的热情。

对于小公司想要部署一个能对运维、运营、客服、美术、策划、程序都有帮助的本地 AI 系统，以下是一些相关信息： 线上和线下本地部署的 AI 特点： 线上部署的优势在于出图速度快，不依赖本地显卡配置，无需下载大型模型，还能参考其他创作者的作品，但出图尺寸受限。线下部署的优势是可添加插件，出图质量高，但使用时电脑可能宕机，配置不高可能爆显存导致出图失败。建议线上用于找参考、测试模型，线下作为主要出图工具。 Ollama： 支持多种大型语言模型，包括通义千问、Llama 2、Mistral 和 Gemma 等，适用于不同场景。 易于使用，适用于 macOS、Windows 和 Linux 系统，支持 CPU 和 GPU。 提供模型库，用户可从中下载不同模型，满足不同需求和硬件条件。 支持自定义模型，可调整参数。 提供 REST API 用于运行和管理模型，以及与其他应用集成。 社区贡献丰富，有多种集成插件和界面。 Google Gemma： 是 Google 发布的家用版小模型，有 2b（20 亿参数）和 7b（70 亿参数）版本。小模型可能不适合复杂任务，但适合提升基础操作效率。部署环境友好，可通过 ollama 方便部署，支持热加载模型文件。2b 反应速度快但互动话题有限，7b 输出质量高但可能卡顿，对非英文语种反馈不稳定。 综合考虑，如果您的公司对出图质量要求较高，且有较好的硬件配置，可以选择线下部署结合线上测试的方式。在语言模型方面，Ollama 具有较多优势，可根据具体需求选择合适的模型进行部署。

对于小游戏公司部署本地 AI 系统以帮助运维、运营、客服、策划和程序等方面，以下是一些建议和相关信息： 目前市面上的 AI 模型各有特点。线上 AI 具有出图速度快、不依赖本地显卡配置、无需下载大型模型以及能参考其他创作者作品等优势，但出图尺寸受限。线下部署的 AI 可以添加插件、出图质量高，但可能导致电脑宕机且对配置要求高。 在游戏领域，AI 大模型带来了诸多变化，如游戏内容辅助生成（包括文、图、3D 和音乐），可应用于游戏策划人和美术设计师。文生图和图生图能提高创作效率，动画辅助渲染可改变角色风格，游戏智能运营涵盖智能 NPC 互动、客服、攻略问答和代码脚本生成等，适用于产品经理、运营经理和社区运营经理。 Google 刚刚发布的家用版小模型 Gemma 有 2b（20 亿参数）和 7b（70 亿参数）版本。相对千亿参数的大模型，这类小模型可能不太适合处理复杂任务，但代表了模型本地化提升基础操作效率的趋势。Ollama 是一个开源的大型语言模型服务，方便部署最新版本的 GPT 模型并通过接口使用，支持热加载模型文件，且像小型的 llama 也支持本地部署。部署时，需进入 ollama.com 下载程序并安装，通过命令提示符进行操作和切换模型。2b 反应速度快但互动话题有限，7b 输出质量高但可能卡顿，且对非英文语种反馈不太稳定。 综合考虑，小游戏公司可以根据自身需求和硬件配置选择合适的 AI 模型。如果对出图质量要求高且有较好的硬件配置，可尝试线下部署；若更注重效率和便捷性，线上模型可能更适合。同时，也可以考虑像 Gemma 这样的小模型进行本地化部署以提升基础操作效率。

目前将传统公司的 HR 部门进行 AI 赋能存在一定的挑战。大多数“AI 应用/AI 转型”仍在走“数字化转型”的老路，把 AI 套在现有流程上，强调“固化流程”“节约成本”，但在技术加速迭代的当下，这种做法可能导致成果过时，使企业业务模式凝固在当前，削弱其主动进化的能力。 然而，我们不能仅止于对 AI 的焦虑。AI 的力量不应只用于优化现有业务流程，而应着重于对未来业务的重新定义。对于 HR 部门的 AI 赋能，应从“AI 能创造和满足 HR 工作的哪些新需求”出发。例如，利用 AI 进行更精准的人才匹配和招聘预测，通过智能分析员工数据来优化培训和绩效管理等。 可执行的步骤可能包括： 1. 深入了解 HR 部门的业务流程和需求，明确哪些环节可以通过 AI 进行优化和创新。 2. 评估现有技术和资源，选择适合的 AI 工具和技术。 3. 进行小规模的试点项目，验证 AI 应用的效果和可行性。 4. 根据试点结果进行调整和优化，逐步推广应用。 5. 持续培训 HR 人员，使其能够熟练运用 AI 工具，并适应新的工作模式。

搭建一个用于帮助学生找工作的 AI Agent 工作流可以参考以下步骤： 1. 规划 总结任务目标与执行形式，明确帮助学生从找合适岗位到面试结果追踪及复盘的全过程。 将任务分解为可管理的子任务，例如找合适岗位、投递简历、与 HR 联系、面试前准备、提醒参加面试、面试结果追踪和复盘等，并确立它们的逻辑顺序和依赖关系。 设计每个子任务的执行方法，比如确定合适的岗位筛选标准、制定简历投递策略、规划与 HR 沟通的方式等。 2. 实施 在相应的平台（如 Coze 等）上搭建工作流框架，设定每个节点的逻辑关系。 详细配置子任务节点，例如设置岗位筛选的参数、简历模板和投递渠道、与 HR 联系的话术等，并验证每个子任务的可用性。 3. 完善 整体试运行工作流，识别功能和性能的卡点。 通过反复测试和迭代，优化工作流，直至达到预期效果，例如提高学生找到合适工作的成功率、提升面试表现等。 此外，在技术实现方面，例如实现无代码开发和工具调用，您可以参考以下操作： 打开 Comfyui 界面后，右键点击界面，即可找到 Comfyui LLM party 的目录，您既可以学习如何手动连接这些节点，从而实现一个最简单的工作流，也可以直接将相关工作流文件拖拽到 Comfyui 界面中一键复刻提示词工程实验。 从 ollama 的 github 仓库找到对应版本并下载，启动 ollama 后，在 cmd 中输入 ollama run gemma2 将自动下载 gemma2 模型到本地并启动。将 ollama 的默认 base URL=http://127.0.0.1:11434/v1/以及 api_key=ollama 填入 LLM 加载器节点即可调用 ollama 中的模型进行实验。如果 ollama 连接不上，很可能是代理服务器的问题，请将您的 127.0.0.1:11434 添加到不使用代理服务器的列表中。

目前在 HR 领域，AI 的应用在国内外都有一定的发展。 在国外，AI 被用于人才招聘，通过分析大量的简历和求职者数据，快速筛选出符合要求的候选人；还用于员工培训，根据员工的技能水平和学习需求，定制个性化的培训计划；在绩效管理方面，利用数据分析来评估员工的工作表现，提供更客观准确的评估结果。 在国内，AI 同样在人才招聘中发挥作用，例如利用智能聊天机器人与求职者进行初步沟通，提高招聘效率；在员工福利管理上，通过数据分析为员工提供更贴合需求的福利方案；在人力资源规划方面，借助 AI 预测人力资源需求，为企业战略提供支持。 需要注意的是，AI 在 HR 领域的应用仍在不断发展和完善中。

AI 对 HR 有以下帮助： 1. 在招聘方面： 处理大量候选人简历时，自动化工具可提升筛选工作的效率和准确性，减少人力资源部门的工作负担，提高招聘效率。 降低因人为错误导致的招聘成本浪费，节约企业成本。 AI 赋能的全链路招聘流程，通过大模型的深度参与，显著提升招聘效率和候选人体验，优化整体业务效能。 2. 存在潜在风险及应对策略： 公司需要采取战略性的应对措施，如更新人力资源程序以限制潜在的不同影响；对人力资源技术提供商进行尽职调查；修改当前的人力资源隐私声明，以符合国家隐私或 AI 相关法规；对 AI 的训练数据进行审查，确保其质量并无偏差；告知申请人有关数据收集和 AI 筛选流程的细节，保障其信息透明度；提供合理的便利措施，确保残障申请人和其他少数群体不会被排除在外；定期评估 AI 筛选结果，发现任何潜在的歧视并及时优化。 3. 具体工作场景案例： 团队绩效管理：根据团队和个人的绩效的往期数据，分析员工绩效排名，输出绩效考评和迭代改进建议。 面试工具：开发使用 GPT4 技术的实时转录工具，帮助求职者在面试中生成完美的回答。

以下是为您推荐的 GraphRAG 学习文档： 1. ，其中包含 GraphRAG 相关内容。 2. ，涉及 GraphRAG 内容。 3. ，有关于 GraphRAG 的介绍。 4. ，包含 GraphRAG 相关内容。 5. ，通俗易懂地介绍了 GraphRAG 的原理、与传统 RAG 的区别、GraphRAG 的优势、知识图谱的创建和利用知识图谱工作。

以下是一些使用 AI Agent 搭建 HR 服务台或智能问答的成功方案： 1. Coze：新一代的一站式 AI Bot 开发平台，适用于构建基于 AI 模型的各类问答 Bot，集成丰富插件工具，能拓展 Bot 能力边界。 2. Microsoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及将 Copilot 部署到各种渠道。 3. 文心智能体：百度推出的基于文心大模型的智能体（Agent）平台，支持开发者根据自身需求打造大模型时代的产品能力。 4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行设计良好的工作流。 5. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于客服、营销、销售等多种场景，提供多种成熟模板，功能强大且开箱即用。 6. 钉钉 AI 超级助理：依托于钉钉强大的场景和数据优势，提供更深入的环境感知和记忆功能，在处理高频工作场景如销售、客服、行程安排等方面表现出色。 智能体（Agent）在各种应用中扮演重要角色，典型的应用领域包括： 1. 自动驾驶：自动驾驶汽车中的智能体感知周围环境，做出驾驶决策。 2. 家居自动化：智能家居设备（如智能恒温器、智能照明）根据环境和用户行为自动调节。 3. 游戏 AI：游戏中的对手角色（NPC）和智能行为系统。 4. 金融交易：金融市场中的智能交易算法，根据市场数据做出交易决策。 5. 客服聊天机器人：通过自然语言处理与用户互动，提供自动化的客户支持。 6. 机器人：各类机器人（如工业机器人、服务机器人）中集成的智能控制系统。 设计和实现一个智能体通常涉及以下几个步骤： 1. 定义目标：明确智能体需要实现的目标或任务。 2. 感知系统：设计传感器系统，采集环境数据。 3. 决策机制：定义智能体的决策算法，根据感知数据和目标做出决策。 4. 行动系统：设计执行器或输出设备，执行智能体的决策。 5. 学习与优化：如果是学习型智能体，设计学习算法，使智能体能够从经验中改进。 智能体在现代计算机科学和人工智能领域是一个基础且重要的概念。它们通过自主感知和行动，在广泛的应用领域中发挥重要作用。从简单的反应型系统到复杂的学习型系统，智能体技术的不断发展和应用正在改变我们的生活方式和工作模式。

以下是 AI 提升产品经理效率的一些方式： 1. 辅助精读论文：能帮助翻译、拆解公式，分析代码等。可使用工具如 https://scispace.com 。 2. 写一些小脚本：如写 SQL 查询、Python 脚本、正则表达式、图片批量处理等。 3. 产品宣传文案：根据产品宣传渠道写营销文案、营销邮件、产品上架文案等。 4. 调研问卷设计/整理：生成调研框架，回收非结构化问卷，按指定框架生成指定表头表格。 5. 竞品分析：用 BingChat 或 ChatGPT Browsering 插件，按指定框架对比各项数据，如 DAU、用户结构、市场占比等。 6. 解释专业名词：很多垂直领域都有不少缩写或行业黑话，可以用 ChatGPT 解释举例、给场景说明。 7. 优化代码：如让 GPT 介入优化 SQL 查询代码，提高运行效率和降低复杂度。 8. 从不同视角梳理产品逻辑：写完 PRD 后，让 GPT 试着从产品和研发两个视角写逻辑代码，以发现产品逻辑表达问题，方便 QA 同学测试。 此外，对于创业团队，尤其做出海产品的产品经理，AI 的价值会更大些。还有产品经理可以使用如 PMAI 这样的工具，它是一款面向产品经理的生产力工具，具有一键生成 PRD、输出解决方案、生成 SQL 等实用功能。产品体验地址：https://www.pmai.cn/?utm_source=qoZaR5O 。

推理行大模型对 RAG 准确性提升带来了以下改变： 1. 当辅以能有效提取文档中结构化信息并整合为提示词的 PDF 解析器时，大语言模型能作出更准确的响应，提高了提供给模型的数据质量和相关性，从而提升模型输出质量。 2. 大模型应用领域常用的 RAG 方法，能让模型用自定义数据生成结果，处理无尽私有数据，将模型当成高效推理机器。但 RAG 存在一些常见误区： 随意输入任何文档不一定能得到准确回答，RAG 流程中的多个环节都会影响最终质量。 RAG 虽能减少幻觉，但不能完全消除，只要有大模型参与就可能产生幻觉。 RAG 仍消耗大模型的 Token，最终需大模型处理检索结果生成通顺回答。 未来，将研究分享更多基于深度学习的文档解析方法，以更全面理解 RAG 质量和文档解析质量的关系。同时，前沿模型研发团队力争做到吞吐量、速度和准确度的最佳平衡。

以下是教师利用 AI 提升教学效率的一些方式： 1. 利用多文体智能作文批改评分工具，如 BigModel 智谱 AI 大模型开放平台。大模型能凭借其数据处理能力和应用潜力，为教师提供精确的学生需求洞察，帮助教师量身打造学习方案，提高教学效果和工作效率。 2. 借助 Character.ai 平台，让历史人物作为数字教师为学生授课，实现一对一辅导，提高学生参与感，生动地传授知识，还能根据学生情况提供定制化学习计划和资源，缓解教育资源不平等问题。 3. 使用阅读备课小助手，如在 flowgpt 上传的相关工具，极大缩短教学准备时间。例如，以前准备教研素材和制作 PPT 可能需要一天到一天半，现在可缩短至 1 2 小时。它能根据输入的阅读文章，按要求生成教学目标、词汇列表、段落分析、阅读理解题目和泛读文章等，还能实现一键课程目标设计、制作词汇练习、生成段落结构、生成泛读练习、生成口语输出活动和回答模板等功能。

对于 AI 小白来说，想要通过学习 AI 提升工作领域的效率，可以按照以下步骤进行： 1. 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，您可以找到一系列为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，您可以根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 通过与这些 AI 产品的对话，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 此外，AI 工作流是给每个环节找最合适的 AI 工具，不同的 AI 工具配合起来效果更好。虽然当前 AI 可能不够完美，但提前学习 AI 工作流可以提前布局，抢占先机。未来会出现更强大的 AI 工具，熟练掌握 AI 工作流的人能迅速应用新工具提升效率，而未学习的人则会落后。学习 AI 工作流不仅能提升当下工作效率，也能在未来占据有利位置。

以下是一些适合您入门学习的 AI 课程： 1. 工具入门篇（AI Tools）： 数据工具多维表格小白之旅：适合 Excel 重度使用者、手动数据处理使用者、文件工作者。通过表格+AI 进行信息整理、提效、打标签，满足 80%数据处理需求。 文章链接： 视频链接： 2. 工具入门篇（AI Code）： 编程工具Cursor 的小白试用反馈：适合 0 编程经验、觉得编程离我们很遥远的小白。通过 AI 工具对编程祛魅，降低技术壁垒。 文章链接： 3. 工具入门篇（AI Music）： 音乐工具Suno 的小白探索笔记：适合 0 乐理知识、觉得作词作曲和我们毫不相关成本巨大的小白。AI 赋能音乐创作，无需乐理知识即可参与音乐制作。 文章链接： 此外，还有以下相关内容供您参考： 1. 关于 AI 视频制作的交流与答疑： 视频流表格制作：在知识库的 AI 视频专栏中有相关教程和模板。 Copy UI 社区：微推有专门研究 Copy UI 的社区，相关内容有趣但本次未展开讲。 SD 类图片作用：国内大厂很卷，一般需求吉梦等产品可完成，特殊精细要求才用 SD，不了解可在微推加 AI 会话中找。 图片视角转移：使用 P 模型，上传图片并告知镜头移动方向和相关内容。 PNG 与背景融合：Recraft 产品目前不太擅长 PNG 与背景的特别好的融合，可通过合并方式处理。 保证文字不崩：使用吉梦的 2.1 模型效果较好。 新手 AI 视频制作：纯小白参与项目时，项目组会做好部分准备工作，上手难度不高，专注出图和出视频，用好相关技术。 关于利用 AI 工具创作北京宣传片相关问题的探讨。 AI 工具使用思路：对于如何利用 AI 工具创作，建议直接上手尝试，通过试错和与 AI 交流获取反馈，遇到具体问题再向社区请教。 素材处理方法：若有故宫相关照片素材，可采用导入参考图生图、让实拍素材动起来等方式，还可通过抠图、融图等操作将素材与虚拟背景融合。 创作需先构思：创作时不能仅考虑如何连接已有素材，而应先构思剧本和想要表达的内容，再合理运用素材。 2. 入门工具推荐： Kimi 智能助手：Chatgpt 的国产平替，实际上手体验最好，推荐新手用 Kimi 入门学习和体验 AI。不用科学🕸️、不用付费、支持实时联网。是国内最早支持 20 万字无损上下文的 AI，也是目前对长文理解做的最好的 Ai 产品。能一次搜索几十个数据来源，无广告，能定向指定搜索源。 PC 端： 移动端 Android/ios： 您还可以通过「飞书」这款工具，浏览其社区的精选课程、先进客户实践。下载飞书：

要提升 AIGC 智能体技能，需要掌握以下知识： 1. 对 AI 及提示词工程有清晰的理解。 2. 掌握 Python 语言，以便能搓更多智能体。 3. 了解向量数据库，如 Milvus 等。 4. 熟悉 Web 框架，如 FastAPI 框架，掌握流传输、负载限流等相关技术，实现与前端或业务后端的接口对接。 5. 学会提出具体且有详细背景信息的问题，以从 ChatGPT 等模型获得更精准的答案。 6. 不断积累行业领域知识，达到能较好操纵 AI 完成复杂任务的程度。

Claude 3.7 在多个方面表现出色。相较于 DeepSeek R1，除了数学方面，带有扩展思考模式的 Claude 3.7 在任务指令跟随、通用推理、多模态能力和自主编程方面表现出色，拿下最高分。在多项基准测试中，“扩展思考”模式加持下的 Claude 3.7 在数学、物理、指令执行、编程等方面刷新了 SOTA，编码能力暴涨 10%以上，几乎完全碾压 o3mini 和 DeepSeek R1，与 Grok 3 不相上下。宾夕法尼亚大学沃顿商学院的教授 Ethan Mollick 对 Claude 3.7 进行了测试，对其能力既惊叹不已又感到一丝不安。例如，Claude 3.7 能通过自然对话或文档获得可运行的程序，还能对需求进行预判和采用新方法思考，生成超出要求的成果。参考资料：https://www.anthropic.com/news/claude37sonnet https://x.com/alexalbert__/status/1894093648121532546 https://x.com/AnthropicAI/status/1894092430560965029 https://www.oneusefulthing.org/p/anewgenerationofaisclaude37

搭建 AI 工作流包括以下三种能力： 1. 熟悉各种 AI 工具：这是入门 AI 工作流的第一步。不同环节可能需要不同工具，例如写标题可用 ChatGPT，写文章可用 Claude，检查文本中的错别字和病句可用秘塔写作猫的 AI 纠错功能。需要了解多个不同 AI 工具的特点和用途，根据具体细分任务选择合适的工具。 2. 编写提示词：这决定能否用好工具。提示词是搭建人和 AI 之间的“沟通桥梁”，要用 AI 能听懂的语言清晰说明需求、任务内容和步骤，让 AI 明白要做什么以及怎么做。 3. 搭建 AI 智能体：AI 智能体如同员工，能根据设定的工作流自动调用不同 AI 工具完成全流程任务，无需人类时刻干预。例如写一篇文章，可设计“写作助手”的 AI 智能体，输入文章主题、风格和要求，它会自动写大纲、用 Claude 模型写初稿、修改润色并排版，从而提高效率。 您可以对照这三个层级，评估自己的 AI 工作流能力，找出差距和不足，多学习、多实践、多交流。

以下是为您制定的包含实施策略、里程碑和最佳实践的详细框架，以帮助您有效地实现目标： 一、英语四级考试 实施策略： 1. 制定学习计划，每天安排一定时间学习英语，包括词汇、语法、听力、阅读和写作。 2. 多做历年真题，熟悉考试题型和难度。 3. 参加英语学习社群或找学习伙伴，互相监督和鼓励。 里程碑： 1. 每月进行一次模拟考试，评估学习进度。 2. 两个月内完成词汇和语法的系统学习。 最佳实践： 1. 利用碎片时间背单词，如在公交车上、课间等。 2. 听力练习时，反复听同一篇材料，直到完全听懂。 3. 写作练习后请老师或同学帮忙批改，总结错误和不足。 二、参加苹果 26 年的 Swift 学生挑战赛 实施策略： 1. 从零基础开始学习 Swift 编程语言，通过在线课程、书籍等资源进行系统学习。 2. 参与相关的编程实践项目，提升实际操作能力。 3. 关注苹果官方网站和社区，了解挑战赛的最新动态和要求。 里程碑： 1. 三个月内掌握 Swift 编程语言的基础知识。 2. 半年内完成一个小型的 Swift 项目开发。 最佳实践： 1. 遇到问题及时在技术论坛或社区寻求帮助。 2. 定期回顾和总结所学知识，加深理解和记忆。 3. 参考优秀的 Swift 项目案例，学习他人的编程思路和技巧。 三、成为 AI 产品经理 实施策略： 1. 学习 AI 相关的基础知识，包括机器学习、深度学习等。 2. 了解产品经理的职责和工作流程，通过实践项目积累经验。 3. 关注行业动态，参加相关的研讨会和培训课程。 里程碑： 1. 一年内掌握 AI 基础知识和产品经理的基本技能。 2. 参与实际的 AI 项目开发，担任产品经理助理角色。 最佳实践： 1. 多与行业内的专业人士交流，获取经验和建议。 2. 不断提升自己的沟通和协调能力，以更好地推动项目进展。 3. 学会从用户需求出发，设计具有创新性和实用性的 AI 产品。 希望以上框架对您有所帮助，祝您顺利实现目标！

Trae 是一款强大的 AI 编程工具，具有以下特点和优势： 1. 显著提升开发效率： 对于像 Eric Quan 这样不太擅长编程的人，几乎每行代码都可依靠 Trae 完成，能快速 Ship 产品，前端代码开发效率高，可直接在窗口里看预览确认效果，0 到部署所需时间大幅缩短，1 个月的 MVP 能实现原来半年才敢想的 App。 对于有编程基础和专业开发的同学，Trae 支持通过目录选择代码文件作为上下文，集成终端报错信息，支持将多个文件作为上下文，还支持“解释这个文件夹”的功能。 2. 节省开发成本：随着项目与团队扩张，成本节省更显著。一个人相当于一个团队，能大幅减少开发者数量。 3. 丰富的功能和支持： 支持将数据库嵌入到 IDE 中，使用方便。 提供插件市场功能，使用 openvsx 作为插件源，也支持自行上传插件。 具备回退版本功能，能记录修改代码和沟通需求，方便找到历史记录并重新生成，对不满意的生成代码效果可回退到之前版本。 4. 模式选择：在产品使用中，Chat 模式更可控，可只修改指定内容；同时也有 Builder 模式，能更自动化生成代码。 总之，Trae 为不同类型的开发者提供了强大的支持，极大地改变了开发的方式和效率。

以下是关于 ChatGPT 技术能力路线图的相关内容： 阶段一：开卷有益阶段 理解人类语言，学习语义关系、语法规律，能够应对未见过的语言处理情况。 GPT3 习得各种词汇和语法规则、编程语言及不同语言之间的关系，但存在回答不受约束的问题，指挥很重要。 阶段二：模版规范阶段 对话模版矫正模型，可形成优质对话并实现延展能力，知道什么该说和不该说。 通过任务对话范文训练，实现理解指令要求和例子要求的能力。 同时，在 AGI 实现路径与技术预测方面： 主要技术路线与理论框架包括可能性，如硬件与计算架构的趋势（量子计算、神经形态芯片、云计算资源扩展等），软件与算法进展（深度学习、元学习、强化学习、神经符号混合、AutoML、AutoGPT 等），以及人工智能安全与对齐研究（对齐难题、可解释性等）。 实现 AGI 所需的里程碑与风险点包括可能的时间表（如 2030、2040、2050 关键技术预测）和潜在的“奇点”时刻与触发条件（硬件爆发、算法重大突破、意外的研究范式转折等）。 此外，AI 的发展历程： 从 1950 年提出，近 20 年在国内互联网发展下普及。 最初应用是基于 NLP 技术的聊天机器人和客服机器人。 随后中英文翻译、语音识别、人脸识别等技术取得突破，在日常生活中广泛应用。 以前技术突破多限于特定领域，模型应用范围狭窄。 随着 OpenAI ChatGPT 等大型语言模型的突破，展示了新的发展路线，通过大规模模型预训练，涌现出广泛的智能应用。 这种集多功能于一体的模型为 AI 未来发展提供新方向，也带来新焦虑，但“人机共生”几乎是人类发展的必然。

大模型的泛化能力，用不太通俗的话说是“指模型在未曾见过的数据上表现良好的能力”，通俗来讲就是“举一反三”的能力。人类是泛化能力很强的物种，我们不需要见过世界上的每一只猫，就能认识猫这个概念。 例如在多模态大模型领域，像 Shikra Chen 等人介绍的模型展示了值得称赞的泛化能力，可以有效处理看不见的设置。在关于大模型的思考与探讨中，李继刚认为微调垂类模型可能使大模型泛化能力下降，需分场景看待。