Way to AGI multi-language support

以下是为新人推荐的入门课程： 1. 【野菩萨的 AIGC 资深课】：由工信部下属单位【人民邮电出版社】开设，涵盖 AI 绘画、视听语言和 ChatGPT 等多个体系的知识，适合 AI 初学者和进阶者。扫码添加菩萨老师助理可了解更多信息。 2. 微软的《》课程，课程列表待更新。 3. 对于新手学习 AI，建议： 了解 AI 基本概念：阅读「」熟悉术语和基础概念，浏览入门文章。 开始学习之旅：在「」中找到为初学者设计的课程，推荐李宏毅老师的课程，也可通过在线教育平台按自己节奏学习。 选择感兴趣模块深入学习：如掌握提示词技巧。 实践和尝试：实践巩固知识，在知识库分享实践作品。 体验 AI 产品：如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人。

以下是关于生成视频的几种方式： 1. 使用 Runway 生成视频： 网页：https://runwayml.com/ 注册：在右上角 Sign Up 注册，输入邮箱与基础信息，完成邮箱验证。 选择 Try For Free 模式：新注册用户会有 125 个积分进行免费创作（约为 100s 的基础 AI）。 生成第一个视频步骤： 选择左侧工具栏“生成视频”。 选择“文字/图片生成视频”。 将图片拖入框内。 选择一个动画系数。 点击生成 4 秒视频。 下载视频。 2. 使用 Adobe 生成带有文本提示和图像的视频： 网址：https://www.adobe.com/products/fi 在 Advanced 部分，您可以使用 Seed 选项，以帮助启动流程并控制 AI 创建的内容的随机性。如果使用相同的种子、提示和控制设置，则可以重新生成类似的视频剪辑。 选择 Generate（生成）。 3. 使用 Aimwise WaytoAGI 百家号文旅分享中的 EBS 丝滑转绘生成视频： 选择文件夹。 导入视频。 设置帧率，调整边数，设置视频高度，设置最大帧数（可在剪辑软件查看，或计算帧率秒）。 点击进行预处理。 使用 ebsynth： 打开 ebsynth。 将 keys 文件夹拖入 keyframes。 将 frames 文件夹拖入 video。 点击 run all 生成视频。 如果视频被拆分为多个文件夹，则需重复上述步骤。 回到 temporal kit。 点击重组 ebsynth，生成视频。

WaytoAGI 网站具有以下功能和特点： 1. 提供和 AI 知识库对话的功能，您可以在此询问任何关于 AI 的问题。 2. 集合了精选的 AI 网站，方便您按需求找到适合的工具。 3. 拥有精选的 AI 提示词，您可以复制到 AI 对话网站使用。 4. 会将每天知识库的精华内容呈现给大家。 WaytoAGI 网站的愿景和目标是让每个人在学习 AI 的过程中少走弯路，让更多的人因 AI 而强大。它是一个全面系统的 AI 学习平台，提供从 AI 常见名词到 AI 应用等各方面的知识。 此外，WaytoAGI 网站和 WaytoAGI 知识库相互关联但各自独立，希望成为您学习 AI 路上的好助手。它还通过公众号、B 站、小红书、X（Twitter）等渠道进行内容传播和消息传递。

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。它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。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 社区的 AI 共学范围广泛且质量高，其中包括 ComfyUI 的共学课程等。社区选择内容开源，体现了“坦诚、无私、热情、互助”的精神。

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。 它涵盖了多个版块，包括 AI 绘画、AI 视频、AI 智能体、AI 3D 等，还通过举办赛事和活动促进大家动手实践，拥有超千万次的访问量，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。此外，WaytoAGI 还孵化了离谱村这个千人共创项目，让大家学习和接触 AI 更容易、更感兴趣，参与者不分年龄层，都能通过 AI 工具创作出各种作品。 2023 年 4 月 26 日诞生，2024 年的 2050 年是它的生日庆典。打开“waytoagi.com”即可找到社群。

WaytoAGI 网站具有以下功能： 1. 和 AI 知识库对话：您可以在此询问任何关于 AI 的问题。 2. AI 网站：集合了精选的 AI 网站，能按您的需求找到适合的工具。 3. AI 提示词：集合了精选的提示词，可复制到 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。 WaytoAGI 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。它是由一群热爱 AI 的专家和爱好者共同建设的开源知识库，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。打开“waytoagi.com”即可找到社群。总之，WaytoAGI 网站和 WaytoAGI 知识库相互关联，希望成为您学习 AI 路上的好助手。

以下是为您推荐的一些与 multi agent 相关的项目： 1. 《Multi Agent 策略架构基础（1）》：https://waytoagi.feishu.cn/record/1sfvunQZGoT5vB2r29i9PWi6W ，其中介绍了有代表性的 Multi Agent demo 项目包括 AutoGPT、Smallville 小镇和面壁智能 ChatDev，探讨了 Multi Agent 领域的相关内容以及其面临的挑战和限制。 2. 吴恩达最新演讲中提到的清华面壁智能的开源项目 ChatDev，展示了多智能体协作的场景，如不同身份的智能体合作开发小游戏。 此外，为您补充一些关于 multi agent 的知识： 多智能体（MultiAgent）是由多个自主、独立的智能体（Agent）组成的系统。每个智能体都能感知环境、决策并执行任务，且它们之间能信息共享、任务协调与协同行动以实现整体目标。 随着大型语言模型（LLM）的出现，以 LLM 为核心构建的 Agent 系统受广泛关注。目前常见框架集中在单 Agent 场景，其核心是 LLM 与工具协同配合，可能需与用户多轮交互。而多 Agent 场景为不同 Agent 指定角色，通过协作完成复杂任务，与用户交互可能减少。 构建多 Agent 框架主要组成部分包括： 环境（environment）：所有 Agent 处于同一环境，环境包含全局状态信息，Agent 与环境有信息交互与更新。 阶段（stage）：采用 SOP 思想将复杂任务分解为多个子任务。 控制器（controller）：可以是 LLM 或预先定义好的规则，负责环境在不同 Agent 和阶段之间切换。 记忆：在多 Agent 框架中，由于 Agent 数量增多，消息数量及每条消息需记录的字段也相应增加。

很抱歉，目前知识库中没有关于“mat1 and mat2 shapes cannot be multiplied”错误原因与解决方法的相关内容。但通常这种错误可能是由于矩阵的维度不匹配导致的。您可以检查矩阵 mat1 和 mat2 的形状，确保它们满足乘法运算的规则。例如，如果是二维矩阵相乘，第一个矩阵的列数应该等于第二个矩阵的行数。解决方法可能包括重新调整矩阵的形状，或者检查数据处理和运算的逻辑，确保矩阵的维度在进行乘法运算时是正确匹配的。

多智能体（Multiagent）是指多个相互作用的智能体组成的系统。在人工智能领域，多智能体系统具有广泛的应用。例如，在供应链中，不同经济运营商之间的责任分配存在不确定性。就我国相关规范而言，服务提供者往往是主要责任主体。而在《人工智能法案》中，人工智能系统供应链的参与主体更为细化，包括提供者、部署商、授权代表、进口商和分发商等，它们被统称为“运营者”。2023 年《AI 法案》折衷草案在法律义务分配设计上，特别是对于高风险人工智能系统，提供者和部署商将承担主要义务。其中，提供者承担最广泛的合规义务，包括建立风险管理制度和质量管理制度等，涵盖人工智能系统生命周期的事前和事后环节；部署商的义务则主要集中于确保对高风险人工智能系统的人工监督和日常检测义务，主要覆盖人工智能生命周期的事中环节。

在多智能体（MultiAgent）系统中，常见的调度模式主要有以下几种： 1. 集中式调度（Centralized Scheduling） 在这种模式下，有一个中央控制器负责收集所有智能体的信息，并做出整体最优的决策和资源分配。常见于需要全局协调的场景，如机器人协作、交通管制等。 2. 分布式调度（Distributed Scheduling） 每个智能体根据本地信息和与其他智能体的交互来做出决策，无需中央控制器。常用于大规模、动态、开放的系统，如传感器网络、P2P 网络等。 3. 市场驱动调度（MarketDriven Scheduling） 智能体通过竞价机制获取资源和任务分配。类似于现实市场的供需规律，常用于电力负载调度、计算资源分配等领域。 4. 约束优化调度（Constraint Optimization Scheduling） 将多智能体协作问题建模为分布式约束优化问题，通过启发式或完全算法求解近似最优解。适用于任务分配、资源规划等约束严格的场景。 5. 组织结构调度（Organizational Structuring） 根据特定的组织拓扑结构（层级、同辈、联盟等）对智能体角色和协作模式进行规范，实现有序调度。常见于多机器人协作、组织自动化系统中。 6. 基于规范协议的调度（Normbased Scheduling） 定义一组协议规范来约束智能体的行为，并由规范引擎统一调度和裁决。适用于开放、异构的多智能体系统。 这些调度模式各有利弊，实际应用时需要根据系统的特点、约束和目标进行选择和设计。同时也可以采用混合模式，结合不同模式的优点。调度质量和系统性能是评价标准。

关于多智能体（MultiAgent） 多智能体是由多个自主、独立的智能体组成的系统。在这个系统中，每个智能体都能够感知环境、进行决策并执行任务，同时它们之间可以进行信息共享、任务协调以及协同行动，以实现整体的目标。 随着大型语言模型（LLM）的出现，以LLM为核心构建的Agent系统近期受到了广泛关注。Agent系统旨在利用LLM的归纳推理能力，为不同的Agent分配角色和任务信息，并配备相应的工具插件，以完成复杂的任务。 目前，更常见的框架主要集中在单Agent场景下。单Agent的核心在于LLM与工具的协同配合。LLM根据用户任务的理解，推理出需要调用的工具，并根据调用结果向用户提供反馈。在任务完成过程中，Agent可能需要与用户进行多轮交互。 与此同时，越来越多的Agent框架开始关注多Agent场景。为了完成任务，多Agent会为不同的Agent指定不同的角色，并通过Agent之间的协作来完成复杂的任务。与单Agent相比，在任务完成过程中，与用户的交互可能会减少一些。 主要组成部分 为构建一个多Agent框架，我们需要思考相对于单Agent，框架中增加了哪些组件。 环境（environment）：所有Agent应该处于同一个环境中。环境中包含全局状态信息，Agent与环境之间存在信息的交互与更新。 阶段（stage）：为了完成复杂任务，现有多Agent框架通常采用SOP思想，将复杂任务分解为多个子任务。 控制器（controller）：控制器可以是LLM，也可以是预先定义好的规则。它主要负责环境在不同Agent和阶段之间的切换。 记忆：在单Agent中，记忆只包括用户、LLM回应和工具调用结果等部分。而在多Agent框架中，由于Agent数量增多，导致消息数量增多。同时，每条消息可能需要记录发送方、接收方等字段。 核心交互流程 1. 控制器更新当前环境状态，选择下一时刻行动的Agent。 2. Agent与环境交互，更新自身的记忆信息。 3. Agent调用LLM，执行动作并获取输出消息。 4. 将输出消息更新到公共环境中。

AGI 赚钱的方式有多种，以下为您总结： 1. 早期的 OpenAI 以研究实验室形式成立，通过现金捐赠和计算资源折扣等形式筹集资金，包括来自埃隆·马斯克、Amazon、Azure 和 Google Cloud 等的支持。但随着发展，单靠捐赠无法满足所需的计算能力和资金需求。 2. 有很多通过 AI 赚到钱的方式，如 Key 商、写书、卖课、接项目、做镜像站等。 3. 从做产品的角度，Agent 应用开发是一个方向。例如 WebPilot 作者开发了长文写作的 Agent 并对外提供接口。熟悉业务并结合 AI 能力打磨产品，形成护城河，是 AI 应用开发者应坚持的方向。 4. AGII 作为 Web3 和人工智能初创公司，成功获得 1500 万美元融资。它是一个 AI 驱动的平台，提供一系列 AI 生成器和工具，旨在帮助内容创作者等群体创造高质量内容。

AGI 是“Artificial General Intelligence”的缩写，中文意思是“通用人工智能”。它强调的是构建一种能够展示如 1994 年共识定义所捕捉到的广泛智能能力的人工系统，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能力，并且这些能力要在或超过人类水平。在 2000 年代初开始流行，许多相关研究和讨论都围绕着它展开。

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。

AGI 即人工通用智能（Artificial General Intelligence），是指能够做任何人类可以做的事的人工智能。 OpenAI 在其内部会议上分享了 AGI 的五个发展等级： 1. 聊天机器人（Chatbots）：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（Reasoners）：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（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：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。 目前，AI 分为 ANI 和 AGI，ANI（Artificial Narrow Intelligence 弱人工智能）得到巨大发展，而 AGI 还没有取得巨大进展。ANI 只可做一件事，如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等。

对于 AGI 小白，以下是一些学习建议： 1. 参考《雪梅 May 的 AI 学习日记》：如果您还在观望 AI，不知从何入手，可以先看其目录。作者从一开始的到处看到现在走在学习 AI 的轨道上，学习模式是输入→模仿→自发创造。但日记中的学习内容可能因 AI 节奏快而不适用，您可去 waytoAGI 社区发现自己感兴趣的领域，学习最新内容。学习时间并非每天依次进行，而是有空时学习。 2. 参考完整的学习路径：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。 3. 借鉴他人经验：YoYo 作为文科生，在学习前不理解 AI 和提示词工程，通过不断尝试走了不少弯路。学习后能搓多 Agent 的智能体，在公司中实践智能客服等。其学习路径的关键词为“少就是多”“先有个初识”“目录索引推荐”“兴趣最重要”“先动手”，强调学以致用，通过学习分享不断填补知识的缝隙来成长。 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。