普通程序员的AGI学习路径

AGI 即通用人工智能（Artificial General Intelligence），是指具有人类水平的智能和理解能力的 AI 系统。 其特点包括： 有能力完成任何人类可以完成的智力任务，适用于不同的领域。 拥有某种形式的意识或自我意识。 目前 AGI 还只是一个理论概念，尚未有任何 AI 系统能达到这种通用智能水平。 智能是一个多方面而难以捉摸的概念，1994 年一组心理学家将其定义为一种非常普遍的心理能力，包括推理、规划、解决问题、抽象思维、理解复杂思想、快速学习和从经验中学习等。建立能够展示这种通用智能的人工系统是人工智能研究的长期目标。 OpenAI 提出 AGI 的五个发展等级分别为： 1. 聊天机器人：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者：具备人类推理水平，能够解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 3. 智能体：不仅具备推理能力，还能执行全自动化业务，但目前许多产品执行任务后仍需人类参与。 4. 创新者：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可加速科学研究和新药发现。 5. 组织：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。

WaytoAGI 的创始人是 Purz 。

企业与 WaytoAGI 的合作形式主要包括以下几种： 1. 数据合作：如 Abaka AI 提供智能数据工程平台与数据集构建服务，满足人工智能应用场景对于先进的智能标注工具以及高质量数据的需求。 2. 技术交流与合作：例如 ComfyUI 众星云集的活动中，众多技术专家和企业代表进行交流与合作。 3. 共同举办活动：如与 MIT CEO 联合举办硅谷 AI 创投 Meetup 等活动，促进交流与合作。 4. 资源共享与推广：WaytoAGI 作为一个 AI 开源社区，汇集了上千个人工智能网站和工具，提供最新的 AI 工具、AI 应用、AI 智能体和行业资讯，与其他企业进行资源共享和推广。 5. 项目孵化：WaytoAGI 引领并推广开放共享的知识体系，倡导共学共创等形式，孵化了 AI 春晚、离谱村等大型共创项目。 目前与 WaytoAGI 合作过的公司/产品包括阿里云、通义千问、淘宝、智谱、支付宝、豆包、火山引擎、marscode、coze、堆友、即梦、可灵、MiniMax 海螺 AI、阶跃星辰、百度、Kimi、吐司、liblib、华硕、美团、美的、360、伊利、魔搭、央视频、Civitai、Openart、Tripo3D、青椒云等。

WaytoAGI 与飞书有着密切的关系。“飞书智能伙伴创建平台”（英文名：Aily）是飞书团队旗下的企业级 AI 应用开发平台，为企业构建和发布 AI 应用提供便利。云雀是字节跳动研发的语言模型。WaytoAGI 专属问答机器人基于 Aily 和云雀大模型。在飞书 5000 人大群里，内置了一个智能机器人「waytoAGI 知识库智能问答」，它是基于飞书 Aily 搭建的。用户可以通过在飞书群里发起话题时来使用，它能够自动回答用户关于 AGI 知识库内的问题，进行知识搜索、文档引用等多种操作，还支持多语言问答等功能。此外，关于飞书如何搭建 FAQ 机器人，会议介绍了相关情况，包括利用 AI 技术帮助用户检索知识库内容，引入 RAG 技术，使用飞书的智能伙伴功能搭建等。

WAYTOAGI 具有以下功能： 1. 自动问答：自动回答用户关于 AGI 知识库内涉及的问题，可以对多文档进行总结、提炼。 2. 知识搜索：在内置的「waytoAGI」知识库中搜索特定的信息和数据，快速返回相关内容。 3. 文档引用：提供与用户查询相关的文档部分或引用，帮助用户获取更深入的理解。 4. 互动教学：通过互动式的问答，帮助群成员学习和理解 AI 相关的复杂概念。 5. 最新动态更新：分享有关 AGI 领域的最新研究成果、新闻和趋势。 6. 社区互动：促进群内讨论，提问和回答，增强社区的互动性和参与度。 7. 资源共享：提供访问和下载 AI 相关研究论文、书籍、课程和其他资源的链接。 8. 多语言支持：支持多语言问答，满足不同背景用户的需求。 此外，WaytoAGI（通往 AGI 之路）是一个致力于人工智能（AI）学习的中文知识库和社区平台，具有以下特点： 1. 知识库与社区平台：汇集了上千个人工智能网站和工具，提供最新的 AI 工具、AI 应用、AI 智能体和行业资讯。 2. 学习资源：提供丰富的学习资源，包括文章、教程、工具推荐以及最新的 AI 行业资讯等。 3. 实践活动：定期组织活动，如视频挑战赛、模型创作大赛等，鼓励成员在实践中学习，促进交流与合作。 4. 开放共享：引领并推广开放共享的知识体系，倡导共学共创等形式，孵化了 AI 春晚、离谱村等大型共创项目。 5. 用户基础：在没有任何推广的情况下，一年时间已有超过 100 万用户和超千万次的访问量。 6. 目标与愿景：目标是让每个人的学习过程少走弯路，让更多的人因 AI 而强大。目前合作过的公司/产品包括阿里云、通义千问、淘宝、智谱、支付宝、豆包、火山引擎、marscode、coze、堆友、即梦、可灵、MiniMax 海螺 AI、阶跃星辰、百度、Kimi、吐司、liblib、华硕、美团、美的、360、伊利、魔搭、央视频、Civitai、Openart、Tripo3D、青椒云等。

WaytoAGI 是由一群热爱 AI 的专家和爱好者共同建设的开源知识库。它于 2023 年 4 月 26 日诞生，在没有任何推广的情况下，一年时间已有超过 70 万用户和超千万次的访问量，是很多 AI 爱好者知识的源头，社群的 Slogan 是让更多的人因 AI 而强大，有很多学社和共学共建的活动。 WaytoAGI 网站提供以下功能： 1. 和 AI 知识库对话：可以在这里问任何关于 AI 的问题。 2. AI 网站：集合了精选的 AI 网站，可按需求找到适合的工具。 3. AI 提示词：集合了精选的提示词，能复制到 AI 对话网站使用。 4. 知识库精选：将每天知识库的精华内容呈现给大家。 总之，WaytoAGI 网站和 WaytoAGI 知识库各自独立又相互关联，希望成为您学习 AI 路上的好助手。

通义灵码是基于通义大模型的 AI 研发辅助工具，具有以下特点和能力： 提供代码智能生成、研发智能问答、多文件代码修改、自主执行等能力，为开发者带来智能化研发体验，引领 AI 原生研发新范式。 具备多文件代码修改和工具使用的能力，可与开发者协同完成编码任务，如需求实现、问题解决、单元测试用例生成、批量代码修改等。 核心能力包括：从片段级到多文件级的 AI 编码，能完成涉及工程内多文件级的编码任务；新增多种上下文感知、意图理解、反思迭代、工具使用等能力，可与开发者协同完成更复杂的编码任务；自动完成工程内多个文件的代码修改的 Diff 生成，并提供多文件的变更审查视图，高效完成 AI 生成代码的确认；构建人机协同工作流，通过多轮对话逐步完成编码任务，产生多个快照版本，可任意切换、回退。 “AI 实训营”第二期：大咖带你快速上手通义灵码 AI 程序员 讲师：梦飞，WaytoAGI Agent 核心创作者，词元映射 CEO。 课表： 01/22 20:00（直播回放：https://b23.tv/iQcVksx ） 0 基础入门篇：写代码像聊天一样简单 可以进入钉钉群获取更多文档：https://alidocs.dingtalk.com/i/nodes/yQod3RxJKGvvkP3rfj5Lgoy7Jkb4Mw9r?utm_scene=person_space AI 编程的能力与边界 通义灵码上手指南 一句话 AI 编程小游戏展示 01/23 20:00（直播回放：https://waytoagi.feishu.cn/minutes/obcnazg6vi2c7y25xn3898tw?from=ai_minutes ） AI 编程实战篇：人人都能“福从天降” 0 基础带练“福从天降”小游戏 自然语言生成更多小游戏 如何在 Github 部署并生成在线链接 本期共学直播地址： 会议时间：20:00 21:30 会议 ID：932 264 694 会议链接：vc.feishu.cn/j/932264694 加入通义灵码钉钉共学群（钉钉群号：78080029971），大咖在线答疑！春节专题，现场发红包！2 天课程，带你从小白到进阶，从学习到实践，全面了解 AI 应用开发！和百万开发者一起共学、共享、共实践！

通义灵码和 Cursor 在以下方面存在差异： 1. 自动补全功能：Cursor 支持多位置提示，修改更智能；通义灵码在这方面的表现未提及。 2. 上下文控制：Cursor 支持手动选择上下文，更便于专业程序员掌控；通义灵码未提及相关内容。 3. 智能体功能：Cursor 可自动添加、修改、删除全局代码，支持全项目 Agent 操作；通义灵码未提及相关功能。 4. 适配性：Cursor 基于 VSCode 魔改，无缝切换更便捷；通义灵码未提及适配性方面的特点。 此外，Cursor 还有一些独特的优势，如在进入完整项目代码时能索引所有内容，可根据需求选择引用部分文件或代码段，避免无关上下文干扰生成结果。基于需求生成的结果可通过点击按钮直接在对应位置修改。Composer 功能能帮助快速、有序创建多个文件，提升效率，但也带来一定风险。 需要注意的是，对于通义灵码的具体表现和特点，上述内容中未做详细阐述。

以下是 Java 程序员从 0 到 1 开发微调模型的步骤和相关信息： 准备工作： 假设您已经按照相关说明准备了训练数据。 使用 OpenAI CLI 进行微调： 1. 明确从哪里 BASE_MODEL 开始的基本模型的名称（如 ada、babbage、curie 或 davinci），您可以使用后缀参数自定义微调模型的名称。 2. 运行相关命令，该命令会执行以下操作： 使用文件 API 上传文件（或使用已经上传的文件）。 创建微调作业。 流式传输事件直到作业完成（这通常需要几分钟，但如果队列中有很多作业或您的数据集很大，则可能需要数小时）。 关于基本模型： 每个微调工作都从一个默认为 curie 的基本模型开始。模型的选择会影响模型的性能和运行微调模型的成本。您的模型可以是 ada、babbage、curie 或 davinci。请访问定价页面了解有关微调费率的详细信息。 微调作业的时间： 开始微调作业后，可能需要一些时间才能完成。在系统中，您的工作可能排在其他工作之后，训练模型可能需要几分钟或几小时，具体取决于模型和数据集的大小。如果事件流因任何原因中断，您可以通过运行特定命令恢复它。工作完成后，它应该显示微调模型的名称。 微调的优势： 1. 比即时设计更高质量的结果。 2. 能够训练比提示中更多的例子。 3. 由于更短的提示而节省了 Token。 4. 更低的延迟请求。 微调的步骤： 1. 准备和上传训练数据。 2. 训练新的微调模型。 3. 使用您的微调模型。 可微调的模型： 微调目前仅适用于以下基础模型：davinci、curie、babbage 和 ada。这些是原始模型，在训练后没有任何说明（例如 textdavinci003）。您还可以继续微调微调模型以添加其他数据，而无需从头开始。 安装建议： 建议使用 OpenAI 命令行界面。要安装这个，运行相关指令（以下说明适用于 0.9.4 及更高版本。此外，OpenAI CLI 需要 python 3）。通过将相关行添加到您的 shell 初始化脚本（例如.bashrc、zshrc 等）或在微调命令之前的命令行中运行它来设置您的环境变量。 此外，还有“大圣：全网最适合小白的 Llama3 部署和微调教程”，其核心代码全部参考如下开源项目： 。该教程有诸多亮点，如教您如何购买算力，手把手教您下载并部署 Llama3 模型，使用甄嬛数据集微调 Llama3 模型等，但不会讲解微调的技术性原理以及文中会用到的 Python 代码，且需要您充值 50 块钱购买算力的预充值。

以下是为您提供的从 0 开始编写一个能够每天和不同的文生图大语言模型对话，并生成不同场景下机器人设计图片的程序的步骤： 首先，对于小白来说，可以参考以下教程进行学习和操作： 1. 张梦飞的【保姆级】一步一图，手把手教你把 AI 接入微信： 重点感谢@熊猫大侠的不厌其烦的答疑解惑，并推荐@熊猫大侠的老王。 作者是看着 WaytoAGI 里大佬的文章学习制作的。有代码基础的同学，可以直接移步到这三篇教程中。 本篇教程适合“小白中的小白”，简单粗暴，不做讲解，复制粘贴即可。一步一图，保姆级指引。 本篇文章中，没有写每一步代码的含义和配置文件的对应含义。如果想要深入研究和调优，请移步上方推荐的三篇文章。 2. 大圣的胎教级教程：万字长文带你理解 RAG 全流程： 这是一篇面向普通人的 RAG 科普，不是面向 RAG 研究者的技术向文章。 文章一共 1.6 万字，旨在让您对 RAG 技术有更全面的认知，在使用 RAG 相关产品时，可以更好地理解其能力边界，从而充分发挥其潜力。 本文适合任何人，包括 AI 爱好者、为企业寻找知识库解决方案的老板、AI 产品经理等。 3. Yeadon 的写给小小白的从游戏入手学习搓图像流 bot： 学会将发布的图像流添加进 bot 中，并测试生成海报，解决无法在聊天界面显示图片的问题，重新调整图像流使其在对话窗口显示图片，最后发布 Bot。 通过这份教程，可以学会如何在 Coze 平台上打造一个有趣的 AI 游戏助手，掌握 AI 人格设定和对话逻辑的设计方法，了解如何配置图像生成功能。 希望以上内容对您有所帮助，祝您编程顺利！

以下是为您梳理的 AGI 学习路线： 1. 应用方面： 深入了解 Prompt，选择适合自己的 AI 对话、绘画和语音产品，每天使用并用于解决实际问题或提升效率。 2. 分析方面： 大量阅读各类文章、视频以及行业报告，理解各知识之间的关系。 3. 学习路径方面： 关键词：少就是多、先有个初识、目录索引推荐、兴趣最重要、先动手。 学习路径如同主线+支线的游戏通关。 学以致用，通过学习分享不断填补知识的缝隙来成长。 4. 分类学习方面： 对 AI 学习路径进行了重构，分为了初学者、面向开发应用者、面向使用模型者三个部分。 将课程目录从文章中单独独立出来，并按照初学者、进阶者进行分类。 同时，还可以参考以下个人心得： YoYo 作为文科生，在学习前不理解 AI 和提示词工程，通过不断尝试各种 AI 工具，走了不少弯路。学习后能够搓多 Agent 的智能体，进行营销文案 demo、SQL 代码进阶学习应用，创建多个智能体，并在公司中实践智能客服从创建到应用的过程。 希望以上内容对您有所帮助。

作为一名程序员想要学习 AI ，可以参考以下步骤： 1. 掌握基础知识： 学习 Python 语言，包括属性和方法、继承和多态、异常处理、文件操作等方面。 了解 AI 背景知识，如基础理论（人工智能、机器学习、深度学习的定义及关系）、历史发展、数学基础（统计学基础、线性代数、概率论）。 熟悉算法和模型，如监督学习（线性回归、决策树、支持向量机等）、无监督学习（聚类、降维等）。 2. 了解基本概念： 阅读相关资料，熟悉 AI 的术语和基础概念，了解其主要分支及相互联系。 浏览入门文章，了解 AI 的历史、应用和发展趋势。 3. 开始学习之旅： 参考「」中的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）按照自己的节奏学习，并争取获得证书。 4. 深入特定模块： 根据自身兴趣选择 AI 领域的特定模块（如图像、音乐、视频等）深入学习。 5. 掌握提示词技巧： 提示词上手容易且实用，要熟练掌握。 6. 实践和尝试： 理论学习后通过实践巩固知识，尝试使用各种产品制作作品。 分享实践成果。 7. 体验 AI 产品： 与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解其工作原理和交互方式。 8. 持续学习和跟进： 关注 AI 领域的新闻、博客、论坛和社交媒体，了解最新发展。 加入 AI 相关社群和组织，参加研讨会、工作坊和会议，与他人交流。 学习 AI 是长期过程，需要耐心和持续努力，别怕犯错，每个挑战都是成长机会，逐渐建立自己的知识体系并取得成就。

大模型的发展大致可以分为三个阶段： 1. 准备期：自 2022 年 11 月 30 日 ChatGPT 发布后，国内产学研迅速形成大模型共识。 2. 成长期：国内大模型数量和质量开始逐渐增长。 3. 爆发期：各行各业开源闭源大模型层出不穷，形成百模大战的竞争态势。 在发展过程中，大模型主要有以下几类： 1. 原创大模型：这类模型稀少而珍贵，需要强大的技术积累、持续的高投入，风险较大，但一旦成功竞争力强。 2. 套壳开源大模型：利用现有资源快速迭代和改进，需要在借鉴中实现突破和创新。 3. 拼装大模型：将过去的小模型拼接在一起，试图通过整合已有资源来实现质的飞跃，但整体性能并非各部分简单相加。 此外，360 作为国内唯一又懂大模型又懂安全的双料厂商，提出以“模法”打败魔法的理念，打造专业的安全大模型，只依赖大模型本身的能力，在恶意流量分析和恶意邮件检测效果方面超越 GPT 4，并与 360 积累的工具结合，提升攻击事件的检测和发现能力。同时，企业在运用大模型时，要将好的知识和算法结合，从数据中提炼出真正的实战知识。

以下是系统学习 LLM 开发以及 AI 技术的学习路径： LLM 开发学习路径： 1. 掌握深度学习和自然语言处理基础：包括机器学习、深度学习、神经网络等基础理论，以及自然语言处理中的词向量、序列模型、注意力机制等。相关课程有吴恩达的深度学习课程、斯坦福 cs224n 等。 2. 理解 Transformer 和 BERT 等模型原理：熟悉 Transformer 模型架构及自注意力机制原理，掌握 BERT 的预训练和微调方法，阅读相关论文如 Attention is All You Need、BERT 论文等。 3. 学习 LLM 模型训练和微调：进行大规模文本语料预处理，掌握 LLM 预训练框架如 PyTorch、TensorFlow 等，微调 LLM 模型进行特定任务迁移，参考 HuggingFace 课程、论文及开源仓库等资源。 4. LLM 模型优化和部署：掌握模型压缩、蒸馏、并行等优化技术，进行模型评估和可解释性研究，实现模型服务化、在线推理、多语言支持等，运用相关开源工具如 ONNX、TVM、BentoML 等。 5. LLM 工程实践和案例学习：结合行业场景进行个性化的 LLM 训练，分析和优化具体 LLM 工程案例，研究 LLM 新模型、新方法的最新进展。 6. 持续跟踪前沿发展动态：关注顶会最新论文、技术博客等资源。 AI 技术学习路径： 偏向技术研究方向： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 偏向应用方向： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。 此外，在开始学习 AI 时，还需根据电脑的硬件情况和自身财力选择合适的方式，如本地部署、在线平台或配台电脑。必学、必看内容是基础课，主要解决环境问题和软件安装问题；建炉针对不同炼丹方式提供不同炼丹工具的安装教程；正式内容部分分为数据集预处理、模型训练以及模型调试及优化三个部分。

以下是关于 AGI 学习路径的相关内容： YoYo 在通往 AGI 的学习之路上有以下心得： 学习前状态：不理解 AI 和提示词工程，作为文科生不懂代码且英语差，在学习前注册尝试各种 AI 工具走了不少弯路，对 ChatGPT 的认识仅限于日常问答和 SQL 学习交互，能支持工作数据提取。 学习后现状：可以搓多 Agent 的智能体，但需要进修 Python 搓更多智能体；进行了营销文案 demo、SQL 代码进阶学习应用；创建了 3 个图像流智能体和 2 个 Agent 智能体玩具；在公司中实践了智能客服从创建到应用的过程，实现企业微信机器人问答的基本功能；进行了学习 Dr.kown 的尝试实践和图像流的尝试以及企业智能体实践。 在 AGI 的学习路径方面，关键词包括：少就是多、先有个初识、目录索引推荐、兴趣最重要、先动手。学习路径如同游戏通关，有主线和支线。个人感受是学不完，找到适合自己的就好，学以致用，通过学习分享不断填补知识的缝隙来成长。 此外，“通往 AGI 之路”是一个致力于人工智能学习的中文知识库和社区平台，为学习者提供系统全面的 AI 学习路径，涵盖从基础概念到实际应用的各个方面。由开发者、学者和 AI 爱好者共同参与建设，提供丰富的学习资源，包括文章、教程、工具推荐以及最新的 AI 行业资讯等，还定期组织活动。其品牌 VI 融合了独特的设计元素，以彩虹色彰显多元性和创新，以鹿的形象象征智慧与优雅，通过非衬线字体展现现代感和清晰性。

以下是关于 AI 在师范生实践能力培养的路径的相关内容： 对于师范生实践能力的培养，可参考以下路径： 1. 基础学习 了解 AI 基本概念：熟悉 AI 的术语、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。 掌握编程语言：如 Python、JavaScript 等，这些是 AI 和机器学习的基础。学习编程语法、数据结构、算法等基础知识。 2. 学习资源与平台 在线教育平台：通过 Coursera、edX、Udacity 等平台上的课程，按照自己的节奏学习。 特定课程：特别推荐李宏毅老师的课程。 3. 深入学习与选择方向 依据兴趣选择特定模块，如自然语言处理、计算机视觉、推荐系统等。 掌握提示词技巧，上手容易且实用。 4. 实践与应用 参与实践项目：参加学校或社区组织的相关竞赛、创意设计大赛等活动，尝试利用 AI 技术解决实际问题，培养动手能力。 体验 AI 产品：与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解其工作原理和交互方式。 5. 关注前沿动态 关注权威媒体和学者，了解 AI 技术的最新进展和发展方向。 6. 结合教育领域 学习 AI 在教育领域的应用案例，思考如何将 AI 技术应用于教学实践中。 总之，师范生可以从多个方面入手，全面系统地学习 AI 知识和技能，并将其与教育实践相结合，提升自身的实践能力。

以下是利用布鲁姆分类法为您规划的 AI 学习路径： 1. 记忆： 先从 AI 的历史、基本术语、重要人物、方法和原理等开始了解。 查看入门课程。 2. 分析： 大量阅读各类文章、视频以及行业报告，理解各知识之间的关系。 3. 应用： 深入了解 Prompt，选择适合自己的 AI 对话、绘画和语音产品，每天使用并用来解决实际问题或提升效率。 完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。

以下是为 0 基础的您规划的学习 AI 知识的路径： 一、了解 AI 基本概念 建议阅读「」部分，熟悉 AI 的术语和基础概念。了解什么是人工智能，它的主要分支（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。同时，浏览入门文章，这些文章通常会介绍 AI 的历史、当前的应用和未来的发展趋势。 二、开始 AI 学习之旅 在「」中，您将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。您还可以通过在线教育平台（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。 三、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。建议您一定要掌握提示词的技巧，它上手容易且很有用。 四、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。 五、体验 AI 产品 与现有的 AI 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 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。 六、长期学习与成长 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得自己的成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。 如果您的学习方向偏向技术研究： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 如果您的学习方向偏向应用： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。

对于普通不懂得程序的人来说，在面对未来的 AI 时代，学习编程的基础知识是有一定必要的。如果想系统性地学习 Python，以下是一些需要重点关注的主要知识： 1. Python 基础： 基本语法：了解 Python 的基本语法规则，如变量命名、缩进等。 数据类型：熟悉字符串（String）、整数（Integer）、浮点数（Float）、列表（List）、元组（Tuple）、字典（Dictionary）等基本数据类型。 控制流：学会使用条件语句（if）、循环语句（for 和 while）来控制程序执行流程。 2. 函数： 定义和调用函数：学习如何定义自己的函数以及调用现有的函数。 参数和返回值：理解函数接收参数和返回结果的方式。 作用域和命名空间：了解局部变量和全局变量的概念及工作方式。 3. 模块和包： 导入模块：学习如何导入 Python 标准库中的模块或第三方库。 使用包：理解如何安装和使用 Python 包来扩展程序功能。 4. 面向对象编程（OOP）： 类和对象：了解类的定义和实例化等基本概念。 属性和方法：学习为类定义属性和方法，并通过对象调用。 继承和多态：了解类之间的继承关系及实现多态的方法。 5. 异常处理： 理解异常：了解异常的概念及在 Python 中的工作原理。 异常处理：学会使用 try 和 except 语句处理程序中可能出现的错误。 6. 文件操作： 文件读写：学习如何打开文件、读取文件内容和写入文件。 文件与路径操作：理解如何使用 Python 处理文件路径及列举目录下的文件。 对于中学生学习 AI，建议如下： 1. 从编程语言入手学习：可以从 Python、JavaScript 等编程语言开始，学习编程语法、数据结构、算法等基础知识。 2. 尝试使用 AI 工具和平台：使用 ChatGPT、Midjourney 等 AI 生成工具体验应用场景，探索如百度的“文心智能体平台”、Coze 智能体平台等面向中学生的教育平台。 3. 学习 AI 基础知识：了解 AI 的基本概念、发展历程、主要技术（如机器学习、深度学习），学习其在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目：参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动，尝试利用 AI 技术解决实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态：关注权威媒体和学者，了解最新进展，思考 AI 技术对未来社会的影响，培养思考和判断能力。 总之，中学生可以从编程基础、工具体验、知识学习、实践项目等多方面入手，全面系统地学习 AI 知识和技能，为未来的 AI 发展做好准备。但需注意，以上内容由 AI 大模型生成，请仔细甄别。

普通人要熟练使用 AI ，可以参考以下几点： 1. 提供背景信息：在使用 AI 时，尽可能为其提供详细的背景信息，以确保输出更准确和有用。 2. 让 AI 自我反思：促使 AI 对每次输出的内容进行再次思考，提高输出质量。 3. 尝试使用：对于超出自己理解范围的 AI ，最简单的方法是亲自试一试，百闻不如一练。 4. 了解 AI 能力边界：虽然目前难以明确类似 GPT4 等模型的具体能力边界，但要心中有数，避免在边界外的任务上过度依赖。 5. 接受培训：使用 AI 时接受一定的培训，能提高任务完成的效率和质量。 6. 注意协作方式：可以采用“半人马”模式，即人与 AI 紧密结合但各司其职，人类主导流程并合理调配资源；也可以向“机械人”模式发展，实现人与 AI 的高度融合，更精细化地协作和创作。 此外，尽可能简单地试用 AI ，是让普通人在 AI 发展中更快受益的好方式。

AI 对于普通个体户具有多方面的作用，主要包括以下几点： 1. 自媒体与内容创作：个体可以成为自媒体博主，利用 AI 工具生成优质内容，提升创作效率和质量。 2. 商业应用： 应用于实体印刷，如在 T 恤、杯子等实物上进行个性化设计。 进行电商商品的设计和优化。 开展 AI 服装预售业务。 承接 AI 视频制作订单。 3. 设计与创意工作： 提升设计质量和效率。 开发 AI 绘画相关应用。 利用 AI 进行摄影创作。 承接设计接单业务。 4. 个性化服务： 定制萌娃头像。 为客户提供 AI 相关的培训服务。 此外，随着 AI 技术的不断发展和应用普及，普通个体户能够凭借 AI 工具释放更多创造力，重新定义传统职业边界，推动行业创新和社会生产力的提升。但要充分利用好 AI ，需要个体户深入了解自身需求，掌握相关技能，并结合实际场景进行创新应用。

AI 对于普通人具有多方面的重要意义： 1. 工作效率提升：能处理重复性和繁琐的日常任务，例如编写程序或脚本。 2. 创新解决方案：开启无限可能性，从自动化日常任务到创造创新性成果。 3. 融入工作生活：一定程度上缓解工作中的交互问题，融入日常工作场景。 4. 减轻劳动负担：将人从重复性劳动中抽离，节省时间和精力。 5. 个性化服务：如为小朋友制作游戏或智能硬件，创造独特体验。 6. 医疗领域：在初诊、获取医疗数据、降本等方面发挥作用，提供“人体健康模型”的可能性。 同时，AI 应用是技术驱动的，目前产品能做的事情还较有限。在一些领域，如医疗，短期内仍存在一些问题，如医生使用 AI 助手动力不足等。但从长远来看，AI 有着广阔的发展空间和想象空间。

Coze 扣子是一款基于自然语言处理和人工智能技术的智能助手平台，具有以下特点和功能： 1. 提供丰富的插件生态，能帮助用户快速实现个性化的智能应用，无需编写复杂代码。 2. 经过一年多的用户打磨，插件生态和分发渠道对个人用户够用，上手难度不高，信息获取插件丰富。 3. 推出专业版服务，主要特性包括企业级 SLA 保障、高级特性支持（如批量处理、私有数据等）以及更优惠的计费项。 对于非 IT 专业的普通人，学习用它来创建智能体的路径和步骤如下： 1. 体验和了解 Coze 扣子平台的基本功能和操作，熟悉其界面和常用工具。 2. 学习相关的基础知识，例如自然语言处理的基本概念、智能体的工作原理等。 3. 参考平台提供的教程和示例，逐步尝试创建简单的智能体。 4. 加入相关的学习交流群，与其他用户交流经验，共同学习进步。 需要注意的是，目前提示词攻击在业内是公开的秘密，像扣子这样的智能体编排平台，其热门智能体的核心提示词可能会被轻易获取，存在一定的安全风险。

以下是为普通人提供的学习利用 AI 以提高工作学习效率的方法及学习顺序： 一、了解 AI 基本概念 首先，建议阅读相关资料，如「」部分，熟悉 AI 的术语和基础概念，包括人工智能是什么、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。同时，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。 二、开始 AI 学习之旅 在「」中，能找到为初学者设计的一系列课程。特别推荐李宏毅老师的课程。还可以通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并争取获得证书。 三、选择感兴趣的模块深入学习 AI 领域广泛，涵盖图像、音乐、视频等。可根据自身兴趣选择特定模块深入，比如一定要掌握提示词的技巧，其上手容易且实用。 四、实践和尝试 理论学习后，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，在知识库中也有很多大家实践后的作品和文章分享，欢迎自己实践后也进行分享。 五、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，了解其工作原理和交互方式。通过对话获得对 AI 在实际应用中表现的第一手体验，激发对 AI 潜力的认识。 此外，还可以参考《雪梅 May 的 AI 学习日记》中的学习模式，即输入→模仿→自发创造。同时注意，学习资源大多是免费开源的，可在 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新的内容。学习时间可根据自身情况灵活安排，不必有压力，能学多少算多少。