普通程序员的AGI学习路径

在 WaytoAGI.com 网站，新增了智能对话功能，您可以在首页输入 AI 相关问题，系统会迅速提供答案要点和参考文章。在导航目录下，还能看到别人在问的 AI 问题。该功能的上线离不开飞书 Aily 团队的支持。

WayToAGI 是一个由一群热爱 AI 的专家和爱好者共同建设的开源知识库和社区。它诞生于 2023 年 4 月 26 日，2024 年的 2050 年将是它的生日庆典。在没有任何推广的情况下，短短一年时间，就拥有超过 70 万用户和超千万次的访问量。它是很多 AI 爱好者知识的源头，社群的口号是让更多的人因 AI 而强大，有很多学社和共学共建的活动。 WayToAGI 不仅是一个普通的技术社区，更是一个汇聚行业顶尖创作者和 KOL 的思想交流平台。社区内有 AI 领域的最新进展、教程、工具和一线实战案例，引领并推广开放共享的知识体系，倡导共学共创等形式，还孵化了 AI 春晚、离谱村等大型共创项目。社区制作的优质作品，多次登上央视首页，广受好评。您可以打开“waytoagi.com”找到这个社群。欢迎您来参与！

如果您是 AI 小白，想要从 0 开始学习 AI，以下是为您推荐的学习步骤： 1. 记忆阶段： 先从 AI 的历史（https://ywh1bkansf.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=tbl1tOC3ZKbrcHVn&view=vewTtypUZc）、基本术语（https://ywh1bkansf.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=tbltvr7KExCt7Jpw&view=vewjxk9tDu）、重要人物（https://ywh1bkansf.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=tblLtN12KuvP5reO&view=vewuvGBXhd）、方法和原理（https://ywh1bkansf.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=tblolGx2mprs1EQz&view=vewx5ROYtl）等开始了解。 看看入门课程（https://waytoagi.feishu.cn/wiki/ZYtkwJQSJiLa5rkMF5scEN4Onhd?table=tblWqPFOvA24Jv6X&view=veweFm2l9w）。 2. 理解阶段： 进一步了解 AI 领域的主要思想和概念（https://ywh1bkansf.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=tblC69kVi8xZMQ4B&view=vewFgR7hhS）。 将精选 AI 网站（https://ywh1bkansf.feishu.cn/wiki/BVmWwpSJGioFyJkfAI3crXWTnyb?table=tblrU3QwceYkyu5Y&view=vewhpVxSzR）和 APP 产品都试一试。 完整的学习路径建议参考「通往 AGI 之路」知识库首页（https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e）的布鲁姆分类法，设计自己的学习路径。 首先，建议阅读「从这里启程」（https://waytoagi.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=blkjooAlLFNtvKJ2）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。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。 然后，在「入门：AI 学习路径」（https://waytoagi.feishu.cn/wiki/ZYtkwJQSJiLa5rkMF5scEN4Onhd?table=tblWqPFOvA24Jv6X&view=veweFm2l9w）中，您将找到一系列为初学者设计的课程。这些课程将引导您了解生成式 AI 等基础知识，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，您可以按照自己的节奏学习，并有机会获得证书。 最后，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。

WaytoAGI 是由一群热爱 AI 的狂热爱好者、专家共同建设的开源 AI 知识库。它诞生于 2023 年 4 月 26 日，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。 其知识库内容丰富，覆盖 AI 绘画、AI 视频、AI 智能体等多个版块，不仅有最新的 AI 教程、工具和一线实战案例，还有开放共享的 AI 知识体系，倡导共学共创等形式，孵化了如 AI 春晚、离谱村等大型共创项目。 WaytoAGI 不仅是一个普通的 AI 技术社区，更是一个汇聚 AI 行业顶尖创作者和 KOL 的思想交流平台，社区制作的优质作品多次登上央视首页，广受好评。社群的口号是“让更多的人因 AI 而强大”，有很多学社和共学共建的活动。您打开“waytoagi.com”就可以找到社群。

WaytoAGI 是一个 AI 开源社区。在短短一年间，靠着口口相传拥有高达数千万的访问量。其知识库涵盖了 AI 领域的最新进展、教程、工具和一线实战案例，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。 WaytoAGI 不仅是一个普通的技术社区，更是一个汇聚行业顶尖创作者和 KOL 的思想交流平台，社区制作的优质作品多次登上央视首页，广受好评。 WaytoAGI 是由一群热爱 AI 的专家和爱好者共同建设的开源 AI 知识库，目前知识库的内容覆盖：AI 绘画、AI 视频、AI 智能体、AI 3D 等多个版块，包含赛事和活动促进大家动手实践。 离谱村是由 WaytoAGI 孵化的千人共创项目，让大家学习和接触 AI 更容易、更感兴趣。这里的参与者不分年龄层，一起脑洞和创意，都可以通过 AI 工具快速简单地创作出各种各样的作品。 “通往 AGI 之路「WaytoAGI」是一个由开发者、学者和有志人士等等参与的学习社区和开源的 AI 知识库。在这里，每个人既是知识的消费者，也是知识的创作者。它不仅是一个知识库，更是连接学习者、实践者和创新者的社区，让大家在这里碰撞思想，相互鼓舞，一同成长。

以下是一份关于学习 AGI 的计划： 日程安排： 8 月 15 日 20:00 22:00：基础原理 + 放大流，授课老师为郭佑萌，详情可参考。 8 月 16 日 20:00 22:00：要点回顾&提示词，授课老师为郭佑萌，作业为。 8 月 20 日 20:00 22:00：提示词深度解析 + controlnet，详情可参考。 8 月 21 日 20:00 22:00：Snap 老师分享，详情可参考。 对于中学生学习 AI 的建议： 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，为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台：可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。也可以探索一些面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 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、深度学习等。学习 AI 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：可以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 技术解决生活中的实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态：关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展。思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 总之，中学生可以从编程基础、工具体验、知识学习、实践项目等多个方面入手，全面系统地学习 AI 知识和技能，为未来的 AI 发展做好准备。但请注意，以上内容由 AI 大模型生成，请仔细甄别。

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。

AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。AI Agent 包括以下几个概念： Chain：通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 Router：我们可以使用一些判定（甚至可以用 LLM 来判定），然后让 Agent 走向不同的 Chain。例如：如果这是一个图片，则 a；否则 b。 Tool：Agent 上可以进行的一次工具调用。例如，对互联网的一次搜索，对数据库的一次检索。 总结下来，有三个 Agent： Responser Agent：主 agent，用于回复用户（伪多模态）。 Background Agent：背景 agent，用于推进角色当前状态（例如进入下一个剧本，抽检生成增长的记忆体）。 Daily Agent：每日 agent，用于生成剧本，配套的图片，以及每日朋友圈。 这三个 Agent 每隔一段时间运行一次（默认 3 分钟），期间会分析历史对话，变更人物关系（亲密度、了解度等），变更反感度，如果超标则拉黑用户，抽简对话内容，提取人物和用户的信息成为“增长的记忆体”，按照时间推进人物剧本，并且有概率主动聊天（与亲密度正相关，跳过夜间时间）。 对于 Java 程序员来说，可以利用 AI Agent 中的工具调用功能，例如对相关技术文档的搜索和检索，以辅助解决编程中的问题；也可以借助其分析和理解能力，对代码逻辑进行审查和优化建议等。

不是所有的程序员的工作都会被替代，但一些简单重复性的编码工作可能会被 AI 自动完成，而复杂的、需要创新和判断的工作仍然需要人类程序员，所以如果程序员想不被淘汰的话，需要不断地更新技能和知识。

以下是为您提供的 AI 学习路径 2.0： AI 与宠物结合的领域和学习路径： AI 宠物助手：基于自然语言处理和计算机视觉，能帮助主人照顾宠物，如自动识别宠物情绪、提供饮食建议、监测健康状况等。 AI 宠物互动玩具：利用 AI 技术开发智能互动玩具，增强宠物娱乐体验，例如会自主移动并引起宠物注意、会发声和互动的玩具。 AI 宠物图像生成：使用生成式 AI 模型，根据文字描述生成宠物形象图像，帮助主人定制个性化形象。 AI 宠物医疗诊断：利用计算机视觉和机器学习技术，开发辅助诊断系统，通过分析症状图像和病历数据提供初步诊断建议。 AI 宠物行为分析：基于传感器数据和计算机视觉，分析宠物行为模式，帮助主人了解其需求和习性。 学习路径建议： 掌握基础的机器学习、计算机视觉、自然语言处理等 AI 技术。 了解宠物行为学、宠物医疗等相关领域知识。 关注业内先进的 AI+宠物应用案例，学习其技术实现。 尝试开发简单的 AI 宠物应用原型，并不断迭代优化。 不会代码者学习 Python + AI 的路径： 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。 异常处理：理解异常，学习使用 try 和 except 语句处理错误。 文件操作：学习文件读写、文件与路径操作。 对于 AI 部分： 基础理论：了解人工智能、机器学习、深度学习的定义及关系。 历史发展：回顾 AI 的发展历程和重要里程碑。 数学基础：熟悉统计学（均值、中位数、方差等）、线性代数（向量、矩阵等）、概率论（条件概率、贝叶斯定理等）。 算法和模型：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）。 AI 的技术历史、发展方向及前沿技术点： 编程基础：Python、C++等。 机器学习基础：监督学习、无监督学习等。 深度学习框架：TensorFlow、PyTorch 等。 应用领域：自然语言处理、计算机视觉、推荐系统等。 数据处理：数据采集、清洗、特征工程等。 模型部署：模型优化、模型服务等。 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。请注意，以上内容由 AI 大模型生成，请仔细甄别。

以下是为新手提供的 AI 学习路径： 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。 了解人工智能的主要分支（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。 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。 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。 此外，在 AI 与宠物结合方面，有以下例子和学习路径： 1. AI 宠物助手： 基于自然语言处理和计算机视觉的 AI 宠物助手，可以帮助主人更好地照顾宠物。 例如自动识别宠物情绪、提供饮食建议、监测宠物健康状况等。 2. AI 宠物互动玩具： 利用 AI 技术开发的智能互动玩具，可以增强宠物的娱乐体验。 例如会自主移动并引起宠物注意的智能玩具、会发出声音和互动的智能宠物玩具等。 3. AI 宠物图像生成： 使用生成式 AI 模型，可以根据文字描述生成各种宠物形象的图像。 这可以帮助宠物主人定制个性化的宠物形象。 4. AI 宠物医疗诊断： 利用计算机视觉和机器学习技术，可以开发 AI 辅助的宠物医疗诊断系统。 通过分析宠物的症状图像和病历数据，提供初步诊断建议。 5. AI 宠物行为分析： 基于传感器数据和计算机视觉，可以利用 AI 技术分析宠物的行为模式。 帮助主人更好地了解宠物的需求和习性。 学习路径建议： 1. 掌握基础的机器学习、计算机视觉、自然语言处理等 AI 技术。 2. 了解宠物行为学、宠物医疗等相关领域知识。 3. 关注业内先进的 AI+宠物应用案例，学习其技术实现。 4. 尝试开发简单的 AI 宠物应用原型，并不断迭代优化。

以下是通过 AI 学习和辅助编程入门的学习方法和路径： 一、AI 基本概念 建议阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的定义、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、当前应用和未来发展趋势。 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，并有可能获得证书。 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。您可以根据自身兴趣选择特定模块进行深入学习。 四、AI 与宠物结合的相关内容 1. AI 宠物助手 基于自然语言处理和计算机视觉的 AI 宠物助手，可以帮助主人更好地照顾宠物。 例如自动识别宠物情绪、提供饮食建议、监测宠物健康状况等。 2. AI 宠物互动玩具 利用 AI 技术开发的智能互动玩具，可以增强宠物的娱乐体验。 例如会自主移动并引起宠物注意的智能玩具、会发出声音和互动的智能宠物玩具等。 3. AI 宠物图像生成 使用生成式 AI 模型，可以根据文字描述生成各种宠物形象的图像。 这可以帮助宠物主人定制个性化的宠物形象。 4. AI 宠物医疗诊断 利用计算机视觉和机器学习技术，可以开发 AI 辅助的宠物医疗诊断系统。 通过分析宠物的症状图像和病历数据，提供初步诊断建议。 5. AI 宠物行为分析 基于传感器数据和计算机视觉，可以利用 AI 技术分析宠物的行为模式。 帮助主人更好地了解宠物的需求和习性。 学习路径建议 1. 掌握基础的机器学习、计算机视觉、自然语言处理等 AI 技术。 2. 了解宠物行为学、宠物医疗等相关领域知识。 3. 关注业内先进的 AI+宠物应用案例，学习其技术实现。 4. 尝试开发简单的 AI 宠物应用原型，并不断迭代优化。 相关学习资源 1. OpenAI API 文档（OpenAI）：使用 OpenAI API 开发的同学必读，。 2. 谷歌生成式 AI 课程（谷歌）：注：进阶课程请从第 5 节开始阅读，。

以下是为新手提供的 AI 学习路径： 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。 了解人工智能的主要分支（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。 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。 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。 此外，关于 AI 与宠物的结合，有以下例子和学习路径： 1. AI 宠物助手： 基于自然语言处理和计算机视觉的 AI 宠物助手，可以帮助主人更好地照顾宠物。 例如自动识别宠物情绪、提供饮食建议、监测宠物健康状况等。 2. AI 宠物互动玩具： 利用 AI 技术开发的智能互动玩具，可以增强宠物的娱乐体验。 例如会自主移动并引起宠物注意的智能玩具、会发出声音和互动的智能宠物玩具等。 3. AI 宠物图像生成： 使用生成式 AI 模型，可以根据文字描述生成各种宠物形象的图像。 这可以帮助宠物主人定制个性化的宠物形象。 4. AI 宠物医疗诊断： 利用计算机视觉和机器学习技术，可以开发 AI 辅助的宠物医疗诊断系统。 通过分析宠物的症状图像和病历数据，提供初步诊断建议。 5. AI 宠物行为分析： 基于传感器数据和计算机视觉，可以利用 AI 技术分析宠物的行为模式。 帮助主人更好地了解宠物的需求和习性。 学习路径建议： 1. 掌握基础的机器学习、计算机视觉、自然语言处理等 AI 技术。 2. 了解宠物行为学、宠物医疗等相关领域知识。 3. 关注业内先进的 AI+宠物应用案例，学习其技术实现。 4. 尝试开发简单的 AI 宠物应用原型，并不断迭代优化。

以下是系统学习 LLM 开发的学习路径： 1. 掌握深度学习和自然语言处理基础： 学习机器学习、深度学习、神经网络等基础理论。 掌握自然语言处理基础，如词向量、序列模型、注意力机制等。 相关课程：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。 熟悉 LLM 预训练框架，如 PyTorch、TensorFlow 等。 微调 LLM 模型进行特定任务迁移。 相关资源：HuggingFace 课程、论文及开源仓库等。 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。 相关资源：ONNX、TVM、BentoML 等开源工具。 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。 参与相关社区交流和项目实践。 对于新人，以下是一些学习路径的想法和参考： 1. 短期冲 ComfyUI，掌握这个工具，来解决深度图、打光、视频流畅性等问题。 2. 现阶段围绕绘图和视频两个领域重点实践，并沉淀自己的作品。 3. 搭建自媒体平台，选择小红书/抖音构建个人 IP，积累基本的声望。 4. 长期有节奏地参与关键词的测评，积累艺术家风格，同时考虑通过上学/读书的方式，系统性学习艺术/哲学。保持初心，持续练习。

以下是为您规划的 AI 学习路径： 1. 了解 AI 基本概念 阅读「」部分，熟悉 AI 的术语和基础概念。 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，您可以根据自己的兴趣选择特定的模块进行深入学习。 此外，如果您想将 AI 与宠物结合，以下是一些例子和学习路径： 1. AI 宠物助手 基于自然语言处理和计算机视觉的 AI 宠物助手，可以帮助主人更好地照顾宠物。 例如自动识别宠物情绪、提供饮食建议、监测宠物健康状况等。 2. AI 宠物互动玩具 利用 AI 技术开发的智能互动玩具，可以增强宠物的娱乐体验。 例如会自主移动并引起宠物注意的智能玩具、会发出声音和互动的智能宠物玩具等。 3. AI 宠物图像生成 使用生成式 AI 模型，可以根据文字描述生成各种宠物形象的图像。 这可以帮助宠物主人定制个性化的宠物形象。 4. AI 宠物医疗诊断 利用计算机视觉和机器学习技术，可以开发 AI 辅助的宠物医疗诊断系统。 通过分析宠物的症状图像和病历数据，提供初步诊断建议。 5. AI 宠物行为分析 基于传感器数据和计算机视觉，可以利用 AI 技术分析宠物的行为模式。 帮助主人更好地了解宠物的需求和习性。 学习路径建议： 掌握基础的机器学习、计算机视觉、自然语言处理等 AI 技术。 了解宠物行为学、宠物医疗等相关领域知识。 关注业内先进的 AI+宠物应用案例，学习其技术实现。 尝试开发简单的 AI 宠物应用原型，并不断迭代优化。

以下是一些免费且普通人好操作的可用于制作 PPT 里逻辑图的工具： 1. PlantUML：通过编写描述性文本自动生成序列图、用例图、类图等，辅助创建逻辑视图。 2. Gliffy：基于云的绘图工具，能创建各种架构图，包括逻辑视图和部署视图。 3. Archi：免费开源工具，用于创建 ArchiMate 和 TOGAF 模型，支持逻辑视图创建。 4. Lucidchart：流行的在线绘图工具，支持多种图表创建，如逻辑视图、功能视图和部署视图，可通过拖放界面轻松操作。 5. Visual Paradigm：全面的 UML 工具，提供创建各种架构视图的功能，包括逻辑视图（类图、组件图）、功能视图（用例图）和部署视图（部署图）。 6. ArchiMate：开源建模语言，专门用于企业架构，支持逻辑视图创建，可与 Archi 工具配合使用。 7. Enterprise Architect：强大的建模、设计和生成代码工具，支持创建多种架构视图，包括逻辑、功能和部署视图。 8. Microsoft Visio：广泛使用的图表和矢量图形应用程序，提供丰富模板用于创建逻辑视图、功能视图和部署视图等。 9. draw.io（现称为 diagrams.net）：免费在线图表软件，允许创建各种类型图表，包括软件架构图，支持创建逻辑视图和部署视图等。 在选择工具时，您应考虑具体需求，比如是否需要支持特定建模语言、是否需要与特定开发工具集成、是否偏好在线工具或桌面应用程序等。请注意，虽然这些工具可以辅助创建架构视图，但它们不都是基于 AI 的。AI 在绘图工具中的应用通常涉及到智能推荐布局、自动生成图表代码或识别图表中的模式和关系。

AI 可以在以下方面改变普通人的生活： 1. 提供个性化服务：如通过 Character.ai ，每个人都能拥有像钢铁侠中 Javis 一样的人工智能助手，帮助完成各种任务，重构如授课教师、游戏玩家、情感伴侣等各种服务。 2. 改变日常互动方式：像 iPhone 一样，生成式 AI 将改变我们与技术的日常互动方式，催生新的产品，如 Uber、DoorDash 和 Airbnb 等，并对现有产品进行超级增强，改善消费者体验和扩展性。 3. 降低智慧成本：人类的智慧成本高昂，而 AI 能够大幅降低这一成本。例如，最富有的人能雇佣专业医生和高素质家教，AI 则有可能让更多人获得类似的服务。 4. 应对全球性问题：AI 有潜力在应对气候变化、流行病等方面提供更智能的指导，改变各行各业，带来更长寿、健康和充实的生活。

对于普通人学习 AI ，以下是一些建议： Python 方面： 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。 异常处理：理解异常的概念及在 Python 中的工作方式，学会使用 try 和 except 语句处理错误。 文件操作：掌握文件的读写、文件与路径操作，如打开文件、读取和写入内容，处理文件路径及列举目录下的文件。 AI 方面： AI 背景知识： 基础理论：了解人工智能、机器学习、深度学习的定义及相互关系。 历史发展：简要回顾 AI 的发展历程和重要里程碑。 数学基础： 统计学基础：熟悉均值、中位数、方差等统计概念。 线性代数：了解向量、矩阵等基本概念。 概率论：掌握基础的概率论知识，如条件概率、贝叶斯定理。 算法和模型： 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 无监督学习：熟悉聚类、降维等算法。 强化学习：了解其基本概念。 评估和调优： 性能评估：知道如何评估模型性能，包括交叉验证、精确度、召回率等。 模型调优：学习使用网格搜索等技术优化模型参数。 神经网络基础

以下为一些好用的可将普通图片转油墨画风格的 AI 工具： 1. Artguru AI Art Generator：在线平台，能生成逼真图像，为设计师提供灵感，丰富创作过程。 2. Retrato：AI 工具，可将图片转换为非凡肖像，有 500 多种风格可选，适合制作个性头像。 3. Stable Diffusion Reimagine：新型 AI 工具，通过稳定扩散算法生成精细、具细节的全新视觉作品。 需要注意的是，这些 AI 模型通过组合技术如扩散模型、大型视觉转换器等工作，能根据文本或参考图像生成具有创意且质量不错的相似图像输出，但仍存在一些局限，如偶尔会出现性能不稳定、生成内容不当等问题。

大语言模型的未来趋势在闭源云端和开源本地部署方面存在多种可能性。 对于开源本地部署，以下是一些相关信息： Ollama 是一个方便用户在本地运行和管理大型语言模型的框架，具有以下特点： 支持多种大型语言模型，如通义千问、Llama 2、Mistral 和 Gemma 等，适用于不同应用场景。 易于使用，适用于 macOS、Windows 和 Linux 系统，同时支持 CPU 和 GPU。 提供模型库，用户可从中下载不同模型，以满足不同需求和硬件条件，模型库可通过 https://ollama.com/library 查找。 支持用户自定义模型，例如修改温度参数调整创造性和连贯性，或设置特定系统消息。 提供 REST API 用于运行和管理模型，以及与其他应用程序的集成选项。 社区贡献丰富，包括多种集成插件和界面，如 Web 和桌面应用、Telegram 机器人、Obsidian 插件等。 安装可访问 https://ollama.com/download/ 。 可以通过一些教程学习如何本地部署大模型以及搭建个人知识库，例如了解如何使用 Ollama 一键部署本地大模型、通过搭建本地聊天工具了解 ChatGPT 信息流转、RAG 的概念及核心技术、通过 AnythingLLM 搭建完全本地化的数据库等。 同时，采用开源或国内企业提供的 13B 级模型本地部署在内部系统中，虽需投入算力，但有其价值。智能客服的大量优质大客户可能会选择自己搭建智能客服平台，并结合大模型企业提供的技术服务，基于大模型搭建 LangChain、RAG 框架，实现 RPA 自动流程。 对于普通用户是否有必要了解本地部署知识以及是否有必要自己搭建 agent 以及 rag，这取决于个人需求和兴趣。如果您希望更深入了解大模型的工作原理和运行机制，或者有特定的个性化需求，那么了解和尝试本地部署可能是有意义的。但如果只是一般的使用需求，可能无需深入了解和自行搭建。

在 AI 时代，普通人获取就业机会可以从以下几个方面考虑： 1. 关注新行业：AI 技术开辟了新的行业领域，会产生更多的就业需求。尽管技术变革难以准确预测，但保持对新领域的关注，提升自身认知，避免选择已呈衰落趋势的行业。 2. 发展独特技能：技术专业人士应发展 AI 难以替代的技能，如团队建设、跨文化交流、创新解决方案设计等，将技术智慧与人际交往能力相融合。 3. 重新规划职业生涯：对于从事可能被 AI 取代风险工作的人，需要重新思考职业规划，学习新技能或转向更需要人类特质的工作领域。 4. 利用热门场景：像护肤、健身、穿搭和考编考证等热门场景，相关的 AI 应用受到关注和使用，为大学生等群体提供了一定的就业机会。 5. 适应企业需求：企业在生产环节中对 AI 应用的使用逐渐增加，了解并适应这一趋势，有助于获取相关就业机会。 同时，如果 AI 导致就业失衡，政府可以通过税收调节，如推行全民基本收入（Universal basic income UBI）来平衡差异。总之，要保持乐观，不断提升自己以适应时代变化。