有哪些企业级的AI agent产品

目前企业级 AI 的现状呈现出以下特点： 1. 应用方面：更多迁移到具体业务场景，企业重点放在自主构建应用程序上，如客户支持和内部聊天机器人等，同时也在尝试更新颖的应用，如编写消费品配方、缩小分子发现范围和进行销售推荐。 2. 资源配置和态度：企业对生成式 AI 的资源配置和态度在过去 6 个月发生显著变化，预算几乎增加两倍，将更多应用部署在较小的开源模型上，并将更多业务从早期实验转移到生产环境中。 3. 市场机会：生成式人工智能在 2023 年席卷消费市场，2024 年企业领域的收入机会预计数倍于消费市场。 4. 创新与挑战：基础模型的出现使企业构建自己的 AI 应用程序更易，但“GPT wrappers（GPT 套壳）”存在局限性。目前尚不清楚当更多面向企业的 AI 应用上市时情况是否会改变。那些能在“LLM+UI”公式之外创新，并帮助企业更好利用专有数据的应用将表现出色。 5. 赋能企业：许多公司正将 AI 融入工作流程以快速达成 KPI、扩张规模和降低成本。应用公司在 AI 50 强榜单中占据主导地位。不远的将来，有望看到 UX 和 UI 围绕 AI 的功能进行重新设计。

以下是一些关于使用 Coze 打造企业级的相关资源： 基础教程： 大圣：胎教级教程：万字长文带你使用 Coze 打造企业级知识库（https://waytoagi.feishu.cn/wiki/CT3UwDM8OiVmOOkohPbcV3JCndb ） 大聪明：保姆级教程：Coze 打工你躺平（https://waytoagi.feishu.cn/wiki/PQoUwXwpvi2ex7kJOrIcnQTCnYb ） 安仔：Coze 全方位入门剖析免费打造自己的 AI Agent（https://waytoagi.feishu.cn/wiki/SaCFwcw9xi2qcrkmSxscxTxLnxb ） Coze“图像流”抢先体验（https://waytoagi.feishu.cn/wiki/AHs2whOS2izNJakGA1NcD5BEnuf ） YoYo：Coze 图像流小技巧：探索视觉艺术的隐藏宝藏（https://waytoagi.feishu.cn/wiki/CTajwJnyZizxlJk8a4AcJYywnfe ） 【智能体】让 Coze 智能体机器人连上微信和微信群详细配置文档（https://waytoagi.feishu.cn/wiki/ExHMwCDZ7i6NA7knCWucFvFvnvJ ） 知识库相关： 官方文档：创建并使用知识库（https://www.coze.cn/docs/guides/use_knowledge ） 官方文档：知识库最佳实践（https://www.coze.cn/docs/guides/product_knowledge_bot ） 用 Coze 做一个基于知识库的 QA bot，TA 熟读了我所有的文章（https://zhuanlan.zhihu.com/p/699276883 ） 手把手教你如何用扣子（COZE）打造一个企业级的知识库机器人（https://zhuanlan.zhihu.com/p/695935995 ） Coze 汽车售后服务知识库 Bot 拆解（https://waytoagi.feishu.cn/wiki/N4wBwPY1oifcNJkZsyHc6McdnYg?renamingWikiNode=true ）

以下是一些企业级的 AI 服务或解决方案： 1. 美国的 Zephyr AI 公司，于 2024 年 3 月 13 日完成 A 轮融资，融资金额 1.11 亿美元，主营 AI 药物发现和精准医疗。 2. Together AI 公司，2024 年 3 月 13 日完成 A 轮融资，融资金额 1.06 亿美元，从事 AI 基础设施和开源生成。 3. Glean 公司，2024 年 2 月 27 日完成 D 轮融资，融资金额 2.03 亿美元，专注于 AI 驱动企业搜索。 4. Figure 公司，2024 年 2 月 24 日完成 B 轮融资，融资金额 6.75 亿美元，业务为 AI 机器人。 5. Abridge 公司，2024 年 2 月 23 日完成 C 轮融资，融资金额 1.5 亿美元，从事 AI 医疗对话转录。 6. Recogni 公司，2024 年 2 月 20 日完成 C 轮融资，融资金额 1.02 亿美元，提供 AI 接口解决方案。 在 AI 应用方面： 1. AI 智能写作助手，如 Grammarly、秘塔写作猫，利用自然语言处理技术，市场规模达数十亿美元。 2. 淘宝拍照搜商品，通过图像识别和机器学习技术，市场规模达数百亿美元。 3. 小爱同学、Siri 等 AI 语音助手定制开发，运用语音识别和自然语言理解技术，市场规模在百亿美元以上。 4. Keep 智能训练计划，基于数据分析和机器学习，市场规模达数十亿美元。 5. 大众点评智能推荐，借助数据挖掘和自然语言处理，市场规模达百亿美元规模。 6. 阿里小蜜等电商客服，采用自然语言处理和机器学习技术，市场规模达数十亿美元。 影刀 RPA + AI Power 具有以下特点： 1. 功能亮点：集成丰富的 AI 组件及各种技能组件，拓展 AI 服务的能力边界，打造 AI Agent，如搜索引擎组件可让 AI 接入互联网获取实时信息，RPA 组件可直接调用影刀 RPA 客户端应用实现 AI 自动化操作。 2. 无缝多样的使用方式：提供网页分享、对话助理、API 集成等嵌入方式，方便企业在不同业务场景下灵活选择接入方式，打通分散的系统，实现便捷的 AI 交互。 3. 贴身的企业级服务支持：提供教学培训、技术答疑、场景共创等贴身服务，帮助企业把产品用起来，把 AI 落地下去，找到最佳实践，助力业务成功。

很抱歉，目前知识库中没有关于企业级别 AI 模型使用敏感词场景设计的相关内容。但一般来说，在进行企业级别 AI 模型使用敏感词场景设计时，需要考虑以下几个方面： 1. 明确敏感词的定义和范围：根据企业的业务特点、法律法规要求以及道德规范，确定哪些词汇被视为敏感词。 2. 数据采集和预处理：在收集数据用于训练模型时，对包含敏感词的数据进行特殊处理或标记。 3. 模型训练中的考虑：调整模型的参数和算法，以降低对敏感词的过度依赖或错误理解。 4. 实时监测和更新：随着业务和社会环境的变化，及时更新敏感词列表，并对模型进行相应的调整和优化。 5. 人工审核与干预：对于模型输出中涉及敏感词的内容，设置人工审核环节，确保准确性和合规性。 希望以上思路能对您有所帮助，如果您需要更详细准确的设计方案，建议咨询专业的 AI 技术团队或相关专家。

企业级知识库是一系列信息和知识的聚集。在 AI 时代，知识库的应用非常广泛。例如，使用飞书软件搭建的 AI 知识库，用户可以在飞书大群中与机器人对话获取资料。大模型并非 100%准确，会产生幻觉，主要原因包括训练数据有日期限制和无法感知公司内部私有数据。因此，知识库的出现是为了解决大模型数据准确性的问题，它可以让大模型额外学习外接知识库中的知识，从而精准回复用户。知识库在客服系统中有典型应用，公司可将用户问题及答案记录在文档中，以知识库形式投喂给大模型，使其能更准确回答用户问题。在实际操作中，可使用外贸大师产品的帮助文档进行演示，选择其中一个文档创建知识库，注意文档的分片策略会影响查询结果。

是的，存在多个企业级医药大模型，这些模型通常由科技公司或与医药行业相关的企业开发，用以支持医药研发、医疗健康服务、疾病诊断等多个方面。以下是一些企业级医药大模型的例子： 1. 谷歌医疗大模型（MedPaLM）：谷歌和DeepMind的科研人员开发的医疗大模型，能够以高水平的准确率回答医疗相关问题。 2. BioMedLM（PubMedGPT）：由斯坦福基础模型研究中心（CRFM）和MosaicML联合开发的模型，专门用于解释生物医学语言。 3. GatorTron：由佛罗里达大学开发的电子病历（EHR）大数据模型，用于改进临床自然语言处理任务。 4. CLINICAL QA BIOGPT ：John Snow Labs开发的模型，专注于提高患者去标识化、实体解析和临床摘要的准确性。 5. ChatDoctor：在大型语言模型LLaMA上进行微调的医疗大模型，用于理解患者需求并提供医疗建议。 6. 百度灵医大模型：百度发布的医疗大模型，聚焦智能健康管家、智能医生助手、智能企业服务三大方向。 7. 京东京医千询：京东健康发布的医疗大模型，用于快速完成医疗健康领域的场景迁移和学习。 8. 腾讯混元医疗大模型：腾讯开发的模型，预训练使用高达2万亿tokens的数据，覆盖广泛的医学知识。 9. 医联MedGPT：医联发布的医疗大语言模型，使用大量医学文本数据进行预训练。 10. 华为云盘古药物分子大模型：华为云推出的药物分子大模型，面向药物研发领域，提供人工智能辅助药物设计。 这些企业级医药大模型展示了AI技术在医疗健康领域中的多样化应用和巨大潜力。随着技术的不断进步，预计将有更多的创新产品和解决方案出现。

制作一个 AI Agent 通常有以下几种方式和步骤： 方式： 1. Prompttuning：通过 Prompt 来构建大脑模块，但一般适合拟人化不是很重的情况，其缺点是使用的 Prompt 越长，消耗的 Token 越多，推理成本较高。 2. Finetuning：针对“有趣的灵魂”，通过微调一个定向模型来实现，能将信息直接“记忆”在 AI 的“大脑模块”中，提高信息提取效率，减少处理数据量，优化性能和成本。 3. Prompttuning + Finetuning：对于复杂情况，一般是两种方式结合。 步骤（以工作流驱动的 Agent 为例）： 1. 规划： 制定任务的关键方法。 总结任务目标与执行形式。 将任务分解为可管理的子任务，确立逻辑顺序和依赖关系。 设计每个子任务的执行方法。 2. 实施： 在 Coze 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，并验证每个子任务的可用性。 3. 完善： 整体试运行 Agent，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。

以下是一些关于系统学习 Agent 构建的内容： 一些 Agent 构建平台： Coze：新一代一站式 AI Bot 开发平台，适用于构建基于 AI 模型的各类问答 Bot，集成丰富插件工具拓展 Bot 能力边界。 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。 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者根据需求打造产品能力。 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工作流。 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、销售等场景，提供多种成熟模板，功能强大且开箱即用。 钉钉 AI 超级助理：依托钉钉强大的场景和数据优势，提供环境感知和记忆功能，在处理高频工作场景表现出色。 搭建工作流驱动的 Agent 简单情况可分为 3 个步骤： 规划：制定任务的关键方法，总结任务目标与执行形式，将任务分解为可管理的子任务，确立逻辑顺序和依赖关系，设计每个子任务的执行方法。 实施：分步构建和测试 Agent 功能，在 Coze 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，并验证每个子任务的可用性。 完善：全面评估并优化 Agent 效果，整体试运行 Agent，识别功能和性能的卡点，通过反复测试和迭代，优化至达到预期水平。

智能体（Agent）在人工智能和计算机科学领域是一个非常重要的概念，指能够感知环境并采取行动以实现特定目标的实体，可以是软件程序或硬件设备。 智能体是一种自主系统，通过感知环境（通常通过传感器）并采取行动（通常通过执行器）来达到某种目标。在 LLM 支持的自主 Agent 系统中，LLM 充当 Agents 的大脑，并辅以几个关键组成部分： 规划：将大型任务分解为更小、可管理的子目标，有效处理复杂任务。 反思和完善：对过去的行为进行自我批评和反思，从错误中吸取教训，完善未来步骤，提高最终结果质量。 记忆：包括短期记忆（所有的上下文学习都是利用模型的短期记忆来学习）和长期记忆（为 Agents 提供长时间保留和回忆无限信息的能力，通常通过利用外部向量存储和快速检索来实现）。 工具使用：学习调用外部 API 来获取模型权重中缺失的额外信息，包括当前信息、代码执行能力、对专有信息源的访问等。 智能体可以根据其复杂性和功能分为以下几种类型： 简单反应型智能体（Reactive Agents）：根据当前的感知输入直接采取行动，不维护内部状态，也不考虑历史信息。例如温控器，根据温度传感器的输入直接打开或关闭加热器。 基于模型的智能体（Modelbased Agents）：维护内部状态，对当前和历史感知输入进行建模，能够推理未来的状态变化，并根据推理结果采取行动。例如自动驾驶汽车，不仅感知当前环境，还维护和更新周围环境的模型。 目标导向型智能体（Goalbased Agents）：除了感知和行动外，还具有明确的目标，能够根据目标评估不同的行动方案，并选择最优的行动。例如机器人导航系统，有明确的目的地，并计划路线以避免障碍。 效用型智能体（Utilitybased Agents）：不仅有目标，还能量化不同状态的效用值，选择效用最大化的行动，评估行动的优劣，权衡利弊。例如金融交易智能体，根据不同市场条件选择最优的交易策略。 学习型智能体（Learning Agents）：能够通过与环境的交互不断改进其性能，学习模型、行为策略以及目标函数。例如强化学习智能体，通过与环境互动不断学习最优策略。

RAG（RetrievalAugmented Generation，检索增强生成）是一种方法，例如在餐饮生活助手的应用中，它能根据用户需求从大规模餐饮数据集中检索出最合适的餐厅并提供相关信息和服务。实现餐饮生活助手的 RAG 实战，需要将餐饮数据集转化为 LangChain 可识别和操作的数据源，并定义 LLM 的代理，让其根据用户问题提取核心信息和条件，形成标准查询语句检索数据源并生成答案。 Agent 是大模型的一个重要概念，被认为是大模型未来的主要发展方向。它可以通过为 LLM 增加工具、记忆、行动、规划等能力来实现。目前行业里主要使用 LangChain 框架将 LLM 与工具串接。例如在 RAG 基础上，Agent 给大模型提供了更多工具，如长期记忆（数据库工具），还在 prompt 层和工具层完成规划和行动等逻辑设计。 在大模型请求中，最大的两个变量是 Messages 和 Tools，两者组合形成整个 Prompt。Agent 应用开发的本质是动态 Prompt 拼接，通过工程化手段将业务需求转述成新的 prompt。RAG 可以是向量相似性检索，放在 system prompt 里或通过 tools 触发检索。Action 触发 tool_calls 标记进入请求循环，拿模型生成的请求参数进行 API request，再把结果返回给大模型进行交互，没有 tool_calls 标记则循环结束。Multi Agents 则是通过更换 system prompt 和 tools 实现。

以下是一些好用的购物推荐的 AI Agent： AutoGPT GUI：其 GUI 已开放 waitlist，可在 https://news.agpt.co/ 注册。 MULTI·ON plugin by MULTI·ON：今年 2 月开始使用，能在笔记本电脑上自动执行许多任务。现开发了 ChatGPT 插件，功能强大。链接：https://www.multion.ai/ ，演示：https://twitter.com/DivGarg9/status/1648394059483054081 。 BabyBeeAGI：由 Yohei 本人开发，有更强的任务管理等能力，但速度较慢，适合处理复杂任务。链接：https://replit.com/@YoheiNakajima/BabyBeeAGI?v=1 。 MiniAGI：基于 GPT3.5Turbo/4 的最小通用自主代理，保留简单实用功能，可执行多种任务，如订比萨。链接：https://github.com/muellerberndt/miniagi 。 此外，智谱的 AutoGLM 经过深度测试，展现出了较好的场景理解能力，如能准确区分“帮我买一杯咖啡”和“帮我买一包咖啡豆”并打开相应应用，但目前离好用还有一定距离，存在语音识别偏差、复杂界面操作稳定性待提升、只支持安卓等问题。 Cursor 虽然免费版只有 chat 功能，但其中的 Agent 功能只要给一个模糊指令，就会自动规划和解决问题。Cline 作为一个 AI 助手，能力有保障，长期霸榜 OpenRouter token 消耗榜，新版本还推出检查点功能。实际体验中，DeepSeekV3 和 Gemini 2.0 Flash Thinking 可作为不错的候选。

要让一个智能体（agent）的回复观点更鲜明，而非分散地分析侧面和给出建议，您可以考虑以下几个方法： 1. 明确任务设定：在与智能体交互之前，清晰准确地定义任务目标和期望的回复形式，强调需要鲜明的观点表达。 2. 优化训练数据：确保用于训练智能体的数据集包含观点鲜明的示例，让智能体学习到这种表达模式。 3. 调整提示词：精心设计提示词，明确要求智能体给出直接、明确且鲜明的观点，避免模糊或宽泛的指令。 4. 引入奖励机制：在训练过程中，对观点鲜明的回复给予更高的奖励，激励智能体朝着这个方向优化。 5. 后处理和筛选：对智能体的初步回复进行后处理，筛选出观点鲜明的部分，或者对不够鲜明的部分进行修改和优化。

网络上关于 AI 知识的授课，比如“野菩萨”的课程，其内容丰富多样，包括： 预习周课程：涵盖 AI 绘画电脑配置要求、高效 AIGC 创意者的数字人工具包、SD 插件安装方法、画静为动的 AIGC 视频制作讲解等。 基础操作课：包含 AI 绘画通识课、AI 摄影虚拟的真实、AI 电影 穿越的大门等。 核心范式课程：涉及词汇的纸牌屋、核心范式应用、控制随机性等。 SD WebUi 体系课程：包括 SD 基础部署、SD 文生图、图生图、局部重绘等。 ChatGPT 体系课程：有 ChatGPT 基础、核心 文风、格式、思维模型等。 ComfyUI 与 AI 动画课程：包含部署和基本概念、基础工作流搭建、动画工作流搭建等。 应对 SORA 的视听语言课程：涉及通识 欢迎参加电影的葬礼、影像赏析、基础戏剧影视文学等。 该课程标价情况如下： 冠军奖励：4980 课程一份。 亚军奖励：3980 课程一份。 季军奖励：1980 课程一份。 入围奖励：598 野神殿门票一张。 同时，如果想要免费获得这门课程，可以参与 video battle，每期的评委野菩萨老师都非常严格，需要寓意深度审美并存。您可以扫码添加菩萨老师助理，了解更多课程信息。

以下是关于 AI 阅读书籍的一些最佳实践： 1. 方法论萃取： 针对不同类型书籍的阅读和记忆方法进行分类，探讨共性方法论。 研究阅读和记忆的思维模型及小技巧。 思考如何优先选择自己“一定看得下去”的书籍，通过目录大纲确定核心内容。 确定一本书的阅读次数和顺序。 考虑读书过程中做笔记还是读完后回忆做大纲。 探索如何教刚毕业的孩子学会有效读书。 根据上述问题的答案设计“书籍阅读助手”“催我读书”等 Prompt，并不断优化和迭代。 2. 成为博物学家： 了解各个领域的知识，在恰当的时候调用。 参考权威、准确、有框架、成体系且好读的推荐书单，如涵盖心理学、人工智能、经济学等 13 个学科的书单。 3. 批判性思考： 思考在哪些情况下使用和不使用 AI 辅助阅读。 避免将 AI 作为默认选项，例如在使用地图导航时，不应完全依赖，而应注重自身对环境的观察和记忆。

以下是一些完全免费的 AI 工具： 绘图方面： draw.io（现在称为 diagrams.net）：免费的在线图表软件，支持创建逻辑视图和部署视图等。 PlantUML：文本到 UML 的转换工具，可通过编写描述性文本自动生成序列图、用例图、类图等，帮助创建逻辑视图。 Archi：免费的开源工具，用于创建 ArchiMate 和 TOGAF 模型，支持逻辑视图的创建。 会议内容转文字方面： 飞书妙记：飞书的办公套件之一。 通义听悟：阿里推出的 AI 会议转录工具。 讯飞听见：讯飞旗下智慧办公服务平台。 Otter AI：转录采访和会议纪要。 写代码或辅助编程方面： CodeGeeX：智谱 AI 推出的开源的免费 AI 编程助手，基于 130 亿参数的预训练大模型，可以快速生成代码，帮助开发者提升开发效率。 需要注意的是，部分工具可能存在使用时间限制或功能限制，您可以根据自己的具体需求选择适合的工具。

AI 本地化部署主要包括以下方面： 线上和线下本地部署的 AI 特点： 线上 AI 出图速度快，不吃本地显卡配置，无需下载大模型，能看他人作品，但出图尺寸受限。 线下部署可添加插件，不卡算力，出图质量高，但使用时电脑易宕机，配置不高可能爆显存导致出图失败。 线上和线下平台的结合使用： 线上用于找参考、测试模型。 线下作为主要出图工具。 智谱 BigModel 共学营第二期微信助手本地电脑环境部署（以 Windows 为例）： 程序在本地运行，关闭窗口进程结束，若要持续使用需保持窗口打开和运行。 若突然不管用，可点击窗口并按空格，因选中状态下 powershell 窗口不继续执行。 完成部署后： 登录成功给微信发送消息可看到正常回复。 可在智谱清流更改 AI 功能或人设，即时生效。 对文件内代码更改需重新打印登陆二维码，在“文件”的【终端】输入 python app.py 重新扫码登录。 无手机登录可用夜神模拟器模拟。 报错“wxsid”可能因微信未实名，实名即可。 制作完成后 24 小时内会掉线一次，重新登录即可，先不要急着加好友。

以下是关于 Excel 处理的 AI 相关内容： 目前有多种工具和插件可增强 Excel 的数据处理和分析能力，例如： Excel Labs：是 Excel 插件，新增基于 OpenAI 技术的生成式 AI 功能，可用于数据分析和决策支持。 Microsoft 365 Copilot：整合了多种办公软件，能通过聊天形式完成用户需求，如数据分析和格式创建。 Formula Bot：提供数据分析聊天机器人和公式生成器功能，支持自然语言交互。 Numerous AI：支持 Excel 和 Google Sheets，能生成公式、文本内容、执行情感分析和语言翻译等任务。 对于 Excel 与其他工具的比较： Excel 有手就会，但 VBA 进阶版功能门槛高。 多维表格在处理一些数据处理功能时更方便，例如自带 AI 插件，能通过自然语言提取网址和电话、添加 AI 标签等。 都能帮助整理数据、做计算、做图表，但多维表格能让人偷更多懒。 在作业测评方面，可提要求让 AI 处理 Excel 数据，制作数据分析图等。例如天津师大王树义老师的案例。 随着技术发展，未来可能会有更多 AI 功能集成到 Excel 中，进一步提高工作效率和智能化水平。内容由 AI 大模型生成，请仔细甄别。

以下是一些关于在 AI 图片制作视频中保持人脸一致性的工具和方法： 1. U 传：在 U 传中，通过点击相应按钮参考角色、风格或图生图，可保持人物一致性。 2. PixVerse：其“角色（Character）”新功能能实现 AI 生成视频中的角色保持一致。用户只需单击“Character”功能，上传符合要求的真实人脸图像，点击创建自定义角色，训练一个新角色，然后可使用自定义角色生成视频，可在 AI 生成视频中轻松切换场景，同时保持同一角色身份。 3. Midjourney：在有了 Midjourney 的新功能 Cref 以后，可在一定程度上保持人物一致性。先跑一张主角的定妆照，然后在需要出现主角人物的地方，扔进去 Cref 以保持发型、人脸、衣服。但 Midjourney 对亚洲人脸的一致性效果，尤其是亚洲老人的一致性效果较差，且 Cref 在画面的审美和构图上有一定的破坏性，所以能不用则不用。 需要注意的是，目前对于场景一致性，基本上还没有任何有效的解决办法。

以下是为您整合的相关内容： 对于 AI 小白来说，使用 AI 工具简化工作中的费时费力之事是可行的。 在接触 AI 工具时，对于超出自己理解范围的事情，最简单有效的方法就是尝试。学习新事物，实践比听闻更重要。 比如在 AI 视频制作方面，人物设定与剧本是关键部分，包括主体、动作、场景等要素；分镜处理也较为重要，要考虑用几个镜头表述内容；生成环节如同抽卡，可多尝试，最后进行粗检和后期处理，如 AI 配音剪辑、加过渡滤镜等。小白制作 AI 视频要做好脚本即提示词，有耐心抽卡，并不断提升撰写提示词的能力。撰写提示词时要了解主体、动作、场景，避免使用专有名词和网络名词，给 AI 清晰描述。工具选用方面，没有绝对好的工具，只有适合的，如小白可使用剪映，主力机是 MacBook Pro 可使用 final cut。还可向 ChatGPT 询问获取灵感。 另外，在“AI 布道”活动中发现，AI 工具虽强大能做很多事，但也在其与普通人之间形成了一道墙。AI 是未来必然的方向，其科普还有很长的路要走，但尽可能简单地试用它，能让普通人更快受益。无论是什么身份、什么年龄段的人，都可以尝试使用 AI 工具。 如果您想要跟相关作者交朋友、一起在 AI 路上探寻，欢迎戳这里：

以下是为您提供的 AI 产品经理学习资料： 一、AI 市场与 AI 产品经理分析 （一）入门级 能通过 WaytoAGI 等开源网站或一些课程了解 AI 的概念，使用 AI 产品并尝试动手实践应用搭建。对应的画像可能是喜欢听小宇宙 APP 的播客或浏览 AI 相关的文章。 （二）研究级 有两个路径，一个是技术研究路径，一个是商业化研究路径。对应传统互联网偏功能实现的产品经理和偏商业运营的产品经理，最好是同一个人。这个阶段对应的画像可能是对某一领域有认知，可以根据需求场景选择解决方案，或利用 Hugging face 等工具手搓出一些 AI 应用来验证想法。 （三）落地应用 这一阶段的画像就是有一些成功落地应用的案例，如产生商业化价值。对应传统互联网 PM 也有三个层级： 1. 负责功能模块与执行细节。 2. 负责整体系统与产品架构。 3. 熟悉行业竞争格局与商业运营策略。 总结来说，对 AI 产品经理要求懂得技术框架，不一定要了解技术细节，而是对技术边界有认知，最好能知道一些优化手段和新技术的发展。AI 是工具和手段，产品经理要关注的还是场景、痛点、价值。 二、学习笔记：AI for everyone 吴恩达 （一）在企业中建构人工智能 1. 案例研究：智能扬声器 探测到触发词或唤醒词。 语音识别。 意图识别。 执行相关程序。 智能音箱面临需要对每一个用户提出的需求进行单独的程序编写导致花费大量资金教育客户的困境。 2. 案例研究：自动驾驶汽车 汽车检测，使用监督学习，识别前方车辆不仅需要前置摄像头，还包括后置与两侧的摄像头或者传感器，如雷达与激光雷达。 行人检测，使用相似的传感器与技术。 运动规划，规划行车路径，输出驾驶路径，速度。如匀速行驶在道路上或避开道路边停靠的车辆。 （二）人工智能团队的角色示例 1. 软件工程师，如智能音箱中的软件编程工作，团队中 50%以上的占比。 2. 机械学习工程师，创建 AB 的映射，或创建其他机械学习算法。搜集汽车图片，位置的数据，训练神经网络或深度学习算法，不断迭代，确保准确的输出。 3. 机械学习研究员，负责开发机械学习的前沿技术。可能需要发表论文，或专注于研究。 4. 应用机械学习科学家，负责学术文献或研究文献中研究前沿技术，并想办法找到技术解决面临的问题。 5. 数据科学家，检测数据并分析数据背后的意义，向团队成员与负责人展示数据分析得出的结论。 6. 数据工程师，整理数据，确保数据是安全，易被保存，读取。因为人工智能需要处理的数据极大，自动驾驶汽车每分钟都会制造好几个 GB 的数据。 7. AI 产品经理，帮助决定用 AI 做什么，什么是可行且有价值的。 三、刘海：「AI 提示词工程师」の见解和经验分享 （一）入门第一步：AI 提示词工程师 岗位技能要求： 1. 本科及以上学历，计算机科学、人工智能、机器学习相关专业背景。 2. 熟悉 ChatGPT、Llama、Claude 等 AI 工具的使用及原理，并具有实际应用经验。 3. 熟练掌握 ChatGPT、Midjourney 等 AI 工具的使用及原理。 4. 负责制定和执行 AI 项目，如 Prompt 设计平台化方法和模板化方法。 5. 了解并熟悉 Prompt Engineering，包括常见的 Prompt 优化策略（例如 CoT、Fewshot 等）。 6. 对数据驱动的决策有深入的理解，能够基于数据分析做出决策。 7. 具有创新思维，能够基于业务需求提出并实践 AI first 的解决方案。 8. 对 AI 技术与算法领域抱有强烈的好奇心，并能付诸实践。 9. 对 AIGC 领域有深入的理解与实际工作经验，保持对 AI 技术前沿的关注。 10. 具备一定的编程和算法研究能力，能应用新的 AI 技术和算法于对话模型生成。 11. 具有一定的编程基础，熟练使用 Python、Git 等工具。 观察上面的岗位需求，其实公司并不是需要一个 prompt 工程师，而是一个 AI 互联网产品经理。产品经理的工作内容（仅作参考）：

以下是为您生成的客服系统相关的大模型提示词示例，每次回复内容不同： 1. 非常抱歉给您带来了不便，关于产品问题，您可以咨询我的同事，点击即可进行咨询。 2. 很抱歉让您遇到了困扰，产品方面的疑问请找我的同事咨询，点击就能联系到。 3. 实在不好意思呀，产品的问题您向我的同事咨询会更清楚，点击即可开启咨询。 4. 深感抱歉，对于产品的情况，建议您咨询我的同事，点击就能和他交流。 5. 抱歉给您造成了不好的体验，产品相关问题请咨询我的同事，点击就能获取帮助。

通义 AI 的产品包括： 1. 基于通义千问开发的“航天小飞侠”AI 助理模型，可以解答关于航空航天的问题。 2. 通义万相：阿里云旗下产品，上半年有多个现象级案例，9 月刚开放视频生成产品的预约。 网页版访问：https://tongyi.aliyun.com/ 移动端下载：通义 APP 此外，在一些活动中还展示了通义 AI 相关的创新应用，如 AI 调酒等。

以下是类似 ChatGPT 的一些产品： 1. CharacterAI：已成为第二大产品，在移动领域表现出色，其 DAU 可与 ChatGPT 媲美，留存率更高，规模约为 ChatGPT 的 21%。 2. Google 的 Bard：是普通 LLM 聊天机器人类别中的产品，位列前 5 名。 3. Quora 的 Poe：也是普通 LLM 聊天机器人类别中的前 5 名产品。 4. Midjourney：属于内容生成工具类别。 5. ElevenLabs：同样是内容生成工具。 6. Civitai：模型中心类别，排名前 10，用于图像。 7. Hugging Face：模型中心类别，排名前 10。 在写代码方面的替代产品有： 1. GitHub 的 Copilot：在写代码领域是领先的，但并非免费。 2. Tabnine：AI 助手，能保障代码安全并提高交付速度。 3. Codeium：免费的 AI 代码补全和聊天工具。 4. Amazon CodeWhisperer：AI 编码伙伴，帮助更快速和安全地构建应用。 5. SourceGraph Cody：了解整个代码库的 AI。 6. Tabby：开源、自托管的 AI 编码助手。 7. fauxpilot/fauxpilot：GitHub Copilot 的开源替代服务器。 此外，Meta 开源的 LLaMA 1 及进阶的 Llama 2 也推动了大模型的发展。

在公司内部的科技论坛上，为您介绍 AI 产品经理板块： AI 产品经理可大致分为三个层级： 1. 入门级：能通过 WaytoAGI 等开源网站或课程了解 AI 概念，使用 AI 产品并动手实践应用搭建。 2. 研究级：有技术研究和商业化研究两条路径，能根据需求场景选择解决方案，或利用 Hugging face 等工具验证想法。 3. 落地应用级：有成功落地应用案例并产生商业化价值。 传统互联网 PM 也有类似的三个层级： 1. 负责功能模块与执行细节。 2. 负责整体系统与产品架构。 3. 熟悉行业竞争格局与商业运营策略。 对 AI 产品经理的要求是懂得技术框架，关注场景、痛点和价值。同时，为您列举一些岗位技能要求，如本科及以上学历，计算机科学等相关专业背景，熟悉多种 AI 工具的使用及原理，具备创新思维等。我们身边也有相关案例，如枫 share、行远等都是从事相关工作的产品经理。