Stable Diffusion需要什么显卡

蛟龙 16pro 的配置（处理器 R77745HX，显卡 RTX4060 8G，硬盘 512G PCIE4.0 SSD）对于审计人员本地化部署大模型用于数据分析工作来说，可能存在一定的局限性。 处理器 R77745HX 具有一定的计算能力，但在处理大规模数据和复杂的模型运算时，其性能可能不够强劲。 显卡 RTX4060 8G 对于一些较为复杂的图形处理和计算任务能够提供一定的支持，但对于大规模的深度学习模型训练和数据分析，可能会显得不足。 512G 的 PCIE4.0 SSD 硬盘容量相对较小，在存储大量数据时可能会很快耗尽空间。 综上所述，该配置在一定程度上可以用于简单的数据分析任务，但对于较为复杂和大规模的大模型本地化部署及数据分析工作，可能需要更强大的硬件配置，例如更高性能的处理器、更大容量和更高性能的显卡，以及更大的存储空间。

部署私有大模型对显卡的要求如下： 显存是显卡选择的第一要素，生成速度优先级相对较低。 SD1.5 版本的底模 6G 显存能勉强跑，8G 显存可较流畅生成图片和炼制 lora，12G 能流畅使用 Dreambooth 微调大模型。 即将到来的 SDXL 对显卡性能要求更高，8G 显存起步，建议 16G 显存，微调大模型可能需要 20G 以上的显存，只有 4090 和 3090 能较好应对。 预算不足时，可选择 30 系显卡或二手显卡。但不建议选择 P40 之类超大显存但速度超级慢的卡。 常见显卡中，4090 生成 512 的图可跑进 1 秒内。 对于一些垂直场景的专有技能模型，极端情况下单机单卡，如消费级显卡 3090、3080、RTX 显卡也可以使用。 综合多方评测结论，4090 是用于 SD 图像生成综合性价比最高的显卡。如果有打算进行 Dream booth 微调大模型，硬盘空间要准备充足，一次训练可能会产生几十 G 的文件。同时，其他电脑配件只要不太差即可，内存建议 32GB 以上。硬盘方面，不建议考虑机械盘，可选择国产固态。

显卡在 AI 领域具有重要作用： 1. 提供计算能力：算力可以直接转化为 GPU，电脑里的显卡就是 GPU。购买云服务时，也是服务商购买显卡“租”给用户使用，算力约等于显卡。 2. 图像和图形运算：GPU（图形处理器）是一种专门在个人电脑、工作站、游戏机和一些移动设备（如平板电脑、智能手机等）上做图像和图形相关运算工作的微处理器。 3. 数据处理和存储：显存用于存储显卡芯片处理过或者即将提取的渲染数据，如同计算机的内存一样，是存储要处理的图形信息的部件。 4. 执行特定任务优势：在模型启动过程中，数据从硬盘加载到显卡中。显卡在处理某些任务上优于 CPU，主要是因为它专注于执行浮点运算，而 CPU 负责执行更广泛的计算任务。 5. 满足多样生成任务需求：如在 Stable Diffusion 中，16GB 的 4060ti 虽速度比 12GB 的 4070ti 慢，但大显存可执行更多样的 AI 生成任务，如生成更大分辨率的超清图片，使用更高的参数进行 Dream booth 微调等。

4060 显卡用于 Stable Diffusion 的情况如下： 在 30 系列显卡中，3060ti 12GB 显卡、3090 和 3090ti 比较适合 Stable Diffusion 生成图片，其他显存不够的显卡意义不大。2080ti 22GB 魔改版本显卡比较考验运气，不建议普通玩家选购。A5000 等专业卡不能玩游戏，生成速度不如同价位游戏卡，半精度训练模型运算速度可能会快一点，也不建议普通玩家选购。 如果使用 40 系显卡，16GB 的 4060ti 虽然速度比 12GB 的 4070ti 慢一点，但大显存可以执行更多样的 AI 生成任务，比如生成更大分辨率的超清图片，使用更高的参数进行 Dream booth 微调等。 需要注意的是，如果在 Stable Diffusion 模型加载时遇到 CUDA 显存不足的错误，简单来说就是显卡不行，没有足够的显存空间分配给该模型。解决方法有：换个好一些的显卡，至少英伟达 2060 以上；或者开启低显存模式。 开启低显存模式的方法如下：在 stablediffusionwebui 文件夹下找到 webuiuser.bat，用文本或代码编辑器打开该文件夹。如果显卡显存不足 3G，可以在 set COMMANDLINE_ARGS=的后面添加参数–lowvram –alwaysbatchconduncond 之后保存。如果显卡只有 4G 显存，可以在 set COMMANDLINE_ARGS=的后面添加参数–precision full –nohalf –lowvram –alwaysbatchconduncond 之后保存。

对于刚上大学的学生来说，选择联想 ThinkPad T14p AI 笔记本的处理器和显卡需要综合考虑多方面因素。 在处理器方面，i5 处理器通常能够满足大多数日常学习和娱乐需求，如文档处理、网页浏览、观看视频等。如果您只是进行这些常规操作，并且预算相对有限，i5 处理器是一个经济实惠的选择。 然而，如果您计划进行一些较为复杂的任务，例如视频编辑、运行大型软件或同时处理多个繁重的任务，i7 处理器可能会提供更流畅和快速的性能。 在显卡方面，集成显卡足以应对日常的学习和一般的多媒体使用。如果您不玩大型游戏或进行专业的图形设计工作，集成显卡可以满足需求，并且具有更低的功耗和更好的续航表现。 但如果您偶尔会玩一些对显卡性能有一定要求的游戏，或者有涉及图形处理的课程或兴趣爱好，那么独立显卡可能会带来更好的体验。 综上所述，如果您的预算有限，且日常使用场景较为简单，选择 i5 处理器和集成显卡的组合是可以的。如果您希望在未来几年内有更强大的性能应对可能出现的复杂任务，并且预算充足，可以考虑 i7 处理器和独立显卡的配置。

比较显卡 NVIDIA GeForce RTX 3060 Ti 和 RTX 3060 Ti G6X 的性能和规格，可以帮助你确定哪一款更适合你的需求。 NVIDIA GeForce RTX 3060 Ti 发布年份：2020年 显存类型：GDDR6 显存容量：8 GB 显存带宽：448 GB/s CUDA 核心数：4864 基础/加速频率：1410 MHz / 1665 MHz 功耗：200W 建议零售价：较低 NVIDIA GeForce RTX 3060 Ti G6X 发布年份：2022年 显存类型：GDDR6X 显存容量：8 GB 显存带宽：608 GB/s CUDA 核心数：4864 基础/加速频率：可能略有提高（具体频率待确认） 功耗：220W 建议零售价：较高 主要区别 1. 显存类型和带宽： RTX 3060 Ti 使用 GDDR6 显存，带宽为 448 GB/s。 RTX 3060 Ti G6X 使用更先进的 GDDR6X 显存，带宽为 608 GB/s。 这意味着 G6X 版本在处理大数据量和高速数据传输方面表现更好。 2. 功耗： RTX 3060 Ti 的功耗为 200W。 RTX 3060 Ti G6X 的功耗为 220W。 G6X 版本功耗稍高，需要更好的散热和电源配置。 3. 价格： 由于 G6X 显存更先进，RTX 3060 Ti G6X 的售价通常会比 RTX 3060 Ti 略高。 性能对比 在大多数游戏和应用程序中，RTX 3060 Ti G6X 的性能会略优于 RTX 3060 Ti，特别是在高分辨率或需要大量显存带宽的情况下。 对于一般的1080p和1440p游戏，两者性能差距可能不大，但在4K分辨率和需要更多带宽的任务（如视频编辑和3D渲染）中，G6X 版本会有更明显的优势。 适用场景 RTX 3060 Ti：适合预算较低，注重性价比的用户，主要用于1080p和1440p游戏。 RTX 3060 Ti G6X：适合希望获得更高显存带宽，进行高分辨率游戏，视频编辑，3D建模等对显存带宽要求较高的用户。 总结 如果你的主要需求是高分辨率游戏和专业内容创作，并且你愿意为更好的性能付出额外的费用，那么 RTX 3060 Ti G6X 是更好的选择。否则，对于一般的游戏和日常使用，RTX 3060 Ti 依然是一个非常强大的显卡，性价比更高。

以下是 Stable Diffusion 的相关信息： Stable Diffusion 系列资源： SD 1.4 官方项目： SD 1.5 官方项目： SD 2.x 官方项目： diffusers 库中的 SD 代码 pipelines： SD 核心论文： SD Turbo 技术报告： 教程目录： 1. Stable Diffusion 系列资源 2. 零基础深入浅出理解 Stable Diffusion 核心基础原理 2.1 通俗讲解 Stable Diffusion 模型工作流程（包含详细图解） 2.2 从 0 到 1 读懂 Stable Diffusion 模型核心基础原理（包含详细图解） 2.3 零基础读懂 Stable Diffusion 训练全过程（包含详细图解） 2.4 其他主流生成式模型介绍 3. Stable Diffusion 核心网络结构解析（全网最详细） 3.1 SD 模型整体架构初识 3.2 VAE 模型 3.3 UNet 模型 3.4 CLIP Text Encoder 模型 3.5 SD 官方训练细节解析 4. 从 0 到 1 搭建使用 Stable Diffusion 模型进行 AI 绘画（全网最详细讲解） 4.1 零基础使用 ComfyUI 搭建 Stable Diffusion 推理流程 4.2 零基础使用 SD.Next 搭建 Stable Diffusion 推理流程 4.3 零基础使用 Stable Diffusion WebUI 搭建 Stable Diffusion 推理流程 目前 Stable Diffusion WebUI 可以说是开源社区使用 Stable Diffusion 模型进行 AI 绘画最热门的框架。是 AI 绘画领域最为流行的框架，其生态极其繁荣，非常多的上下游插件能够与 Stable Diffusion WebUI 一起完成诸如 AI 视频生成，AI 证件照生成等工作流，可玩性非常强。接下来，咱们就使用这个流行框架搭建 Stable Diffusion 推理流程。首先，我们需要下载安装 Stable Diffusion WebUI 框架，我们只需要在命令行输入如下代码即可。安装好后，我们可以看到本地的 stablediffusionwebui 文件夹。下面我们需要安装其依赖库，我们进入 Stable Diffusion WebUI 文件夹，并进行以下操作。和 SD.Next 的配置流程类似，我们还需要配置 Stable Diffusion WebUI 的 repositories 插件，我们需要运行下面的代码。如果发现 repositories 插件下载速度较慢，出现很多报错，don't worry，大家可以直接使用 Rocky 已经配置好的资源包，可以快速启动 Stable Diffusion WebUI 框架。Stable Diffusion WebUI 资源包可以关注公众号 WeThinkIn，后台回复“ WebUI 资源”获取。 4.4 零基础使用 diffusers 搭建 Stable Diffusion 推理流程 4.5 Stable Diffusion 生成示例 5. Stable Diffusion 经典应用场景 5.1 文本生成图像 5.2 图片生成图片 5.3 图像 inpainting 5.4 使用 controlnet 辅助生成图片 5.5 超分辨率重建 6. 从 0 到 1 上手使用 Stable Diffusion 训练自己的 AI 绘画模型（全网最详细讲解） 6.0 Stable Diffusion 训练资源分享 6.1 Stable Diffusion 模型训练初识 6.2 配置训练环境与训练文件 6.3 SD 训练数据集制作 6.4 Stable Diffusion 微调（finetune）训练

Stable Diffusion（简称“SD”）的运行对电脑配置有一定要求。对于 Windows 系统： 显卡：必须是 NVIDIA（俗称 N 卡）。 专用 GPU 内存：4GB 勉强可以跑动 SD，出图时间较长；6GB 出一张图时间为 20 50 秒，大部分功能可用；8GB 5 20 秒出一张图，所有功能基本开放。 电脑运行内存：8GB 以上。 电脑系统：Win10 或者 Win11。 对于 Mac 系统，可以查看以下视频进行一键安装：https://www.bilibili.com/video/BV1Kh4y1W7Vg/?spm_id_from=333.788&vd_source=6f836e2ab17b1bdb4fc5ea98f38df761 但具体 MacBook 13 是否能运行及配置是否足够，还需根据上述标准进行对照检查。

Stable Diffusion 与大模型的关系如下： 与其他大模型相比，Stable Diffusion 让用户使用消费级显卡就能实现文生图，且完全免费开源，代码在 GitHub 公开可拷贝使用。 在公众传播层面，AIGC 指用 Stable Diffusion 或 Midjourney 生成图像内容，后来泛指用 AI 生成音乐、图像、视频等内容。LLM 指 NLP 领域的大语言模型，如 ChatGPT。GenAI 是生成式人工智能模型，涵盖了 LLM 和 AIGC。 Stable Diffusion 原采用 LDM+UNet，后来改为 DiT。Transformer 是公众传播中常用名词的底层结构，其底层是 function loss 损失函数，是一个大参数（千亿级别）的回归方程，能在一定 prompt condition 下，重复曾经出现的数据内容实现“生成”能力。 大语言模型是一个 perfect memory，能重复曾经出现的内容，其智能体验在于能解释两个数据集压缩后的“连续”能力。与 Alpha Go 不同，Alpha Go 是增强学习模型，学习结果会调整自身参数，有推理能力，而大语言模型在推理方面较弱。Transformer 决定 LLM 是一个生成式模型。

Stable Diffusion 是一种图像生成模型，而 ComfyUI 是一个基于节点流程式的 Stable Diffusion AI 绘图工具 WebUI。 ComfyUI 具有以下特点和相关知识： 工作流定制：通过将 Stable Diffusion 的流程拆分成节点，实现更加精准的工作流定制和完善的可复现性。 核心组件： UNET：从噪音中生成图像的主要组件，在预测过程中通过反复调用，将其预测输出的 noise slice 从原有的噪声中去除，得到逐步去噪后的图像表示。Stable Diffusion Model 的 UNET 包含约 860M 的参数，以 float32 的精度编码大概需要 3.4G 的存储空间。 CLIP：将用户输入的 Prompt 文本转化成 text embedding，UNET 进行迭代降噪，在文本引导下进行多轮预测。 存放路径：ComfyUI 的 Checkpoint 存放路径为 models/checkpoints/，包括 SD 基础预训练模型，如 SD1.5、SDXL 以及 SD 微调模型。 模型实例：如【majicMIX realistic 麦橘写实 V7】by 麦橘 MERJIC sd1.5 微调、【LEOSAM HelloWorld 新世界】by LEOSAM 是只兔狲 SDXL 微调。 训练方法：如 DreamBooth，by Google。 格式：EMAonly & pruned 和 Full，EMAonly & pruned 只画图，Full 可画图和微调训练。 在与 Blender 结合方面： 安装：先安装稳定版 Blender（可从网盘下载或在 Steam 平台下载），然后安装无限圣杯的插件。进入“偏好设置”——插件——选择“安装”，找到“无限圣杯节点工具”里面的压缩包进行安装，安装好之后打上勾。接着更改 ComfyUI 路径为电脑中的地址，并选择适合自己的显存模式。安装完成后重启。 使用：打开软件，编辑器类型中出现“ComfyUI Node”，点击进入 ComfyUI 界面，先点击上方的“新建”按钮，然后展开右侧的 N 面板可以看到无限圣杯的界面。

以下是国内一些较好用可以替代 Midjourney 或 Stable Diffusion 的图像生成工具： 1. 吐司：https://tusiart.com/images/635511733697550450?post_id=635512498197535244&source_id=nzywoVHilkK7o_cqaH31xAh 2. 哩布：https://www.liblib.ai/ 此外，还有一些常见的图像生成工具： 1. DALLE：来自 OpenAI，已纳入 Bing（您必须使用创意模式）和 Bing 图像创建器。 2. Adobe Firefly：内置在各种 Adobe 产品中，但在质量方面落后于 DALLE 和 Midjourney。不过 Adobe 宣布它只使用有权使用的图像。

以下是一些提升 Stable Diffusion 模型训练效果的方法： 1. 理解核心原理： 与 GAN 等生成式模型相比，SD 模型学习拟合训练集分布，训练过程更稳定且泛化性能更强，这归功于其核心的前向扩散过程和反向扩散过程。 前向扩散过程是对图像持续添加高斯噪声直至变成随机噪声矩阵，反向扩散过程则是去噪声直至生成图像。 2. 掌握训练全过程： 训练具体过程是对每个加噪和去噪过程进行计算，从而优化 SD 模型参数。包括从训练集中选取加噪过的图片和噪声强度输入到 UNet 中，让其预测噪声，计算预测噪声与真实噪声的误差，最后通过反向传播更新 UNet 的参数。 完成 UNet 的训练后，可对噪声图片进行去噪，逐步重建出有效图像的 Latent Feature。 3. 利用语义信息控制图片生成： SD 模型生成图片时输入的 prompt，其语义信息通过注意力机制影响图片生成。在训练中，每个训练样本对应标签通过 CLIP Text Encoder 输出 Text Embeddings，并以 Cross Attention 的形式与 UNet 结构耦合，使图片信息与文字信息融合训练。 4. 微调训练参数： train_text_encoder：设置是否在训练时对 Text Encoder 进行微调。 lr_scheduler：设置学习率调度策略，如 linear、cosine 等。 lr_warmup_steps：在启动学习率调度策略前，先固定学习率训练的步数。 debug_dataset：训练时对数据进行 debug 处理，防止破损数据中断训练进程。 in_json：读取数据集 json 文件，其中包含数据名称、标签、分桶等信息。 train_data_dir：读取本地数据集存放路径。 dataset_repeats：整个数据集重复训练的次数，可根据数据量级进行设置。 shuffle_caption：设置为 true 时，对训练标签进行打乱，能一定程度提高模型的泛化性。

训练模型来协助运营跨境电商线上店铺，仅依靠一些精准的关键词通常是不够的。模型的训练需要多方面的数据和信息，包括但不限于产品的详细描述、客户的评价和反馈、市场趋势、竞争对手的情况等。精准的关键词可以作为其中的一部分输入，但不足以全面有效地训练模型以达到理想的辅助运营效果。

以下是为您提供的关于银行采购 2024 年分行内训师培训项目中对培训老师资质、授课经验、AI 工具运用等技能的细化要求建议： 培训老师资质： 具备相关领域的专业教育背景，如计算机科学、人工智能等。 持有相关的行业认证或资格证书。 授课经验： 拥有丰富的企业内训经验，特别是在金融行业的培训经历。 成功完成过类似 AI 工具课程开发与设计、课程制作与实践等相关课程的授课。 AI 工具运用技能： 熟练掌握多种主流的 AI 工具，如常见的机器学习框架、自然语言处理工具等。 能够运用 AI 工具进行实际项目开发，并具有相关的案例成果。 熟悉短视频制作和直播授课中涉及的 AI 辅助技术，如智能剪辑工具、虚拟主播技术等。 希望以上建议对您有所帮助。

以下是面试 AI 公司需要了解的资料： 一、AI 市场与 AI 产品经理 （一）AI 就业市场 1. 鱼龙混杂，求职者要做好信息甄别。即使面试通过拿到 offer，除了看 boss 直聘的招聘评价，一定要提前收集其他信息，如在脉脉上搜一下这家公司靠不靠谱。 2. 一些公司实际上没搞懂用 AI 能为自己企业带来什么价值，只是处于焦虑或跟风心态要做 AI，这部分企业可以聊，但要求求职者要有咨询和商业化的思维，能帮公司厘清业务增长机会。 3. 不同公司对 AI 产品经理的定位不同，所以招聘市场上对 AI 产品经理的岗位职责和任职要求也不同，慢慢会统一标准，这也是产品经理转型的机会。 4. 有行业沉淀和认知的产品经理转型会更有机会，类似之前的“互联网+”，目前应用层的机会在“AI+行业”，只懂 AI 或只懂行业是不够的。还有就是业务创新，找到细分的场景痛点并完成 PMF 验证，海外有很多优秀案例。 二、AI 面试官的相关产品 1. 用友大易 AI 面试产品：具有强大的技术底座、高度的场景贴合度、招聘全环节集成的解决方案、先进的防作弊技术以及严密的数据安全保障。可以帮助企业完成面试，还能借助人岗匹配模型，自主完成初筛，并对符合企业要求的候选人自动发送面试邀约。 2. 海纳 AI 面试：通过在线方式、无需人为干预完成自动面试、自动评估，精准度高达 98%，面试效率比人工方式提升 5 倍以上。同时候选人体验也得到改善、到面率比之前提升最高达 30%。 3. InterviewAI：这是一个在线平台，提供与面试职位相关的问题和由 AI 生成的推荐答案。候选人可以使用设备上的麦克风回答每个问题，每个问题最多回答三次。对于每个答案，候选人将收到评估、建议和得分。 使用这些产品时，企业需要考虑到数据安全性和隐私保护的问题。 三、Python + AI 学习 （一）Python 学习 1. 属性和方法：学习如何为类定义属性和方法，以及如何通过对象来调用它们。 2. 继承和多态：了解类之间的继承关系以及如何实现多态。 3. 异常处理 理解异常：了解什么是异常，以及它们在 Python 中是如何工作的。 异常处理：学习如何使用 try 和 except 语句来处理程序中可能发生的错误。 4. 文件操作 文件读写：学习如何打开文件、读取文件内容以及写入文件。 文件与路径操作：理解如何使用 Python 来处理文件路径，以及如何列举目录下的文件。 （二）AI 学习 1. 基础理论：了解人工智能、机器学习、深度学习的定义及其之间的关系。 2. 历史发展：简要回顾 AI 的发展历程和重要里程碑。 3. 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、矩阵等线性代数基本概念。 概率论：基础的概率论知识，如条件概率、贝叶斯定理。 4. 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。

以下是为您推荐的一些用于制作 PPT 时获取插图元素的 AI 工具： 1. Gamma：这是一个在线 PPT 制作网站，允许用户通过输入文本和想法提示快速生成幻灯片。它支持嵌入多媒体格式，如 GIF 和视频，以增强演示文稿的吸引力。网址：https://gamma.app/ 2. 美图 AI PPT：由知名图像编辑软件“美图秀秀”的开发团队推出。用户通过输入简单的文本描述来生成专业的 PPT 设计，包含丰富的模板库和设计元素，适用于多种场合。网址：https://www.xdesign.com/ppt/ 3. Mindshow：一款 AI 驱动的 PPT 辅助工具，提供自动布局、图像选择和文本优化等智能设计功能，还可能包括互动元素和动画效果。网址：https://www.mindshow.fun/ 此外，还有以下工具在制作 PPT 方面各有特点： |工具|优势|劣势| |||| |爱设计|视觉效果多样，样式丰富，需付费，但有推广计划|无明显劣势| |MindShow|免费模版多，操作方便|视觉不够丰富| |闪击|相对简单|语法复杂些，需付费| |Process ON|老用户多，除 PPT 外其他功能众多|需付费| |WPS AI|不仅支持 PPT，还有 Word、Excel，视觉效果很好，暂时完全免费|需要申请资格|

数据标注涉及以下方面： 1. 从量到质的转变：早期大模型训练侧重依靠大量算力和大规模数据集提升性能，如今数据质量成为提高模型性能的关键瓶颈，更需注重提高数据质量和相关性。 2. 向知识密集型转变：多模态模型需处理多种类型数据，如文本、图像、声音等，这使数据标注过程更细致复杂，需要更高水平的理解和分析能力，不再是简单的劳动力作业。 3. 对标注方式的理解：大模型的数据标注不仅关注清晰的行业术语，还需要能被模型理解的标注方式，可能涉及更多上下文的理解和语义分析。 4. 对业务的理解：目前数据服务依赖于标注员对业务的理解，通用型数据需求减少，更多是公司内部独有的数据内容和词语，能承接大模型数据标注的服务商不多。 现在更需要标注的数据类型和行业包括： 1. 多模态模型相关的数据，如同时包含文本、图像、声音等多种类型的数据。 2. 公司内部独有的、与特定业务相关的数据。 在数据标注过程中，还需注意数据隐私与安全问题，如数据加密与计算效率的权衡等。

以下为您推荐几款公文写作的工具： 1. 秘塔写作猫：https://xiezuocat.com/ 写作猫是 AI 写作伴侣，能推敲用语、斟酌文法、改写文风，还能实时同步翻译。支持全文改写，一键修改，实时纠错并给出修改建议，智能分析文章的各类属性，为文章的正负情感、情绪强度和易读性打分。 2. 笔灵 AI 写作：https://ibiling.cn/ 是得力的智能写作助手，在心得体会、公文写作、演讲稿、小说、论文等方面表现出色。支持一键改写/续写/扩写，智能锤炼打磨文字，满足您的需求。 3. 腾讯 Effidit 写作：https://effidit.qq.com/ 智能创作助手 Effidit 由腾讯 AI Lab 开发，能提升写作者的写作效率和创作体验。 更多 AI 写作类工具可以查看这里：https://www.waytoagi.com/sites/category/2 内容由 AI 大模型生成，请仔细甄别。 另外，从开发视角来看，在需要依赖模板的情况下，ChatGPT 对于撰写官方文件是一个节省时间的工具。比如在处理美国移民事务时，您可以先花 10 分钟列出相关理由，然后让 AI 智能体根据模板写出信件，再稍作编辑即可。 还有“公文笔杆子”李继刚的相关 prompt 最佳实践，您可以查看：https://waytoagi.feishu.cn/wiki/JTjPweIUWiXjppkKGBwcu6QsnGdYTNAdwxWhoUNJfxxOCqcBkDBnYc