零基础学习人工智能路线

以下是从 0 开始学习人工智能的建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（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。 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），根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 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自己的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 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，了解它们的工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 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。 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，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。 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： 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。

人工智能作为一个领域始于二十世纪中叶。最初，符号推理流行，带来了如专家系统等重要进展，但因方法无法大规模拓展应用场景，且从专家提取知识并保持知识库准确成本高，20 世纪 70 年代出现“人工智能寒冬”。 随着时间推移，计算资源便宜、数据增多，神经网络方法在计算机视觉、语音理解等领域展现卓越性能，过去十年中“人工智能”常被视为“神经网络”同义词。 以国际象棋计算机对弈程序为例，早期以搜索为基础，发展出阿尔法贝塔剪枝搜索算法，搜索策略在对局结束时效果好，开始时因搜索空间大需学习人类对局改进算法，后续采用基于案例的推理，现代能战胜人类棋手的程序基于神经网络和强化学习。 创建“会说话的程序”方法也在变化，早期如 Eliza 基于简单语法规则，现代助手如 Cortana、Siri 或谷歌助手是混合系统，使用神经网络转换语音、识别意图，未来有望出现完整基于神经网络的独立处理对话模型，如 GPT 和 TuringNLG 系列神经网络已取得巨大成功。 最初查尔斯·巴贝奇发明计算机用于按明确程序运算，现代计算机仍遵循相同理念。但有些任务如根据照片判断年龄无法明确编程，因不知大脑完成任务的具体步骤，这类任务是人工智能感兴趣的。 译者：Miranda，原文见 https://microsoft.github.io/AIForBeginners/lessons/1Intro/README.md 。 您还可以思考如果人工智能得以实现，哪些任务可以交给计算机完成，比如金融、医学和艺术领域如今如何从人工智能中受益。

360 于 8 月 1 日发布了集合国内 16 家主流模型的 AI 助手。用户可以通过其桌面客户端和浏览器等多个入口随时唤起，支持在同一问题上同时使用多个模型进行解答。当用户不确定选择哪个模型时，AI 助手会通过意图识别自动选择模型。您可以体验一下：https://bot.360.com

以下是关于人工智能相关岗位的一些信息： 在企业中建构人工智能方面，智能音箱的工作流程包括探测触发词或唤醒词、语音识别、意图识别、执行相关程序，但智能音箱面临着对每个用户需求单独编程导致公司需花费大量资金教育客户的困境。自动驾驶汽车方面，检测包括使用监督学习、多种传感器和技术，运动规划包括输出驾驶路径和速度。 人工智能团队的角色示例有：软件工程师，负责智能音箱中的软件编程工作，在团队中占比 50%以上；机器学习工程师，创建映射或算法，搜集和处理数据；机器学习研究员，负责开发前沿技术；应用机器学习科学家，解决面临的问题；数据科学家，检测和分析数据；数据工程师，整理数据；AI 产品经理，决定用 AI 做什么以及其可行性和价值。 在【已结束】AI 创客松中，参与同学的擅长领域和岗位包括：AI 2C 项目负责人、技术实践者、AI 算法开发、产品经理、程序员、产品体验设计师、咨询顾问/服务设计师等，他们在不同方向有着各自的优势和想法，如产品落地服务、多 Agent 处理任务流、宠物与 AI 结合、智能写作产品等。

人工智能是一门研究如何使计算机表现出智能行为的科学。目前对其定义并不统一，以下是一些常见的定义： 从一般角度来看，人工智能是指通过分析环境并采取行动（具有一定程度的自主性）以实现特定目标来展示其智能行为的系统。基于人工智能的系统可以完全依赖于软件，在虚拟世界中运行（例如语音助手、图像分析软件、搜索引擎、语音和人脸识别系统）或者也可以嵌入硬件设备中（例如高级机器人、自动驾驶汽车、无人机或物联网应用程序）。 2021 年《AI 法案》提案第 3 条对人工智能的定义为：“AI 系统指采用附录 1 中所列的一种或多种技术和方法开发的软件，该软件能生成影响交互环境的输出（如内容、预测、建议或决策），以实现人为指定的特定目标。”其中，附录 1 列举的技术方法主要包括：机器学习方法（包括监督、无监督、强化和深度学习）；基于逻辑和知识的方法（包括知识表示、归纳编程、知识库、影响和演绎引擎、符号推理和专家系统）；统计方法，贝叶斯估计，以及搜索和优化方法。 最初，查尔斯·巴贝奇发明了计算机，用于按照一套明确定义的程序（即算法）来对数字进行运算。现代计算机虽更先进，但仍遵循受控计算理念。然而，对于像从照片判断人的年龄这类任务，我们无法明确解法，无法编写明确程序让计算机完成，这类任务正是人工智能感兴趣的。 需要注意的是，“人工智能”的概念自 1956 年于美国的达特茅斯学会上被提出后，其所涵盖的理论范围及技术方法随着时代的发展在不断扩展。相比于《2018 年人工智能战略》，2021 年《AI 法案》提案对于人工智能的定义采取更加宽泛的界定标准。在 2022 年《AI 法案》妥协版本中，欧盟理事会及欧洲议会认为“AI 系统”的定义范围应适当缩窄，并侧重强调机器学习的方法。

人工智能作为一个领域始于二十世纪中叶。最初，符号推理流行，带来了如专家系统等重要进展，但这种方法因无法大规模拓展应用场景，且从专家提取知识、表现及保持知识库准确性复杂且成本高，导致 20 世纪 70 年代出现“人工智能寒冬”。 随着时间推移，计算资源更便宜，数据更多，神经网络方法在计算机视觉、语音理解等领域展现出卓越性能，过去十年中“人工智能”常被视为“神经网络”的同义词。 例如在创建国际象棋计算机对弈程序时，方法不断变化。 此外，人工智能和机器学习在金融服务行业应用已超十年，促成了诸多改进。大型语言模型通过生成式人工智能代表重大飞跃，正改变多个领域。 最初查尔斯·巴贝奇发明计算机，遵循受控计算理念。但有些任务如根据照片判断人的年龄无法明确编程，这类任务正是人工智能感兴趣的。如今金融、医学和艺术等领域正从人工智能中受益。

以下是为小学生提供的科创 AI 自学路线及相关资源： 1. 了解 AI 基本概念： 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。 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，如图像、音乐、视频等，可以根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，通过实践巩固知识，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 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，了解它们的工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 目前暂时没有专门针对小学生科创 AI 自学的网址和详细教程，但您可以在 B 站找丰富的 AI 软件入门课程自学，也可从包图网下载工程文件学习。

RAG 技术路线知识库搭建流程主要包括以下步骤： 1. 文档加载：从多种不同来源加载文档，如 PDF 在内的非结构化数据、SQL 在内的结构化数据以及 Python、Java 之类的代码等。LangChain 提供了 100 多种不同的文档加载器。 2. 文本分割：文本分割器把 Documents 切分为指定大小的块，称为“文档块”或者“文档片”。 3. 存储： 将切分好的文档块进行嵌入转换成向量的形式。 将 Embedding 后的向量数据存储到向量数据库。 4. 检索：通过某种检索算法找到与输入问题相似的嵌入片。 5. 输出：把问题以及检索出来的嵌入片一起提交给 LLM，LLM 会通过问题和检索出来的提示一起来生成更加合理的答案。 在构建知识库的过程中，还涉及到文档解析环节，即将各种类型的资料（包括但不限于 Word、PDF、Excel 和图片等）转换成文字，为后续流程奠定基础。针对图片一般使用 OCR 图像识别技术，针对文档一般将其转换成 Markdown 格式。文档解析完成之后，要进行预处理。 基于 Coze 的知识库问答是典型的 RAG 方案，其重要一环是文档切片（Segment），但 RAG 方案存在一些缺点，如跨分片总结和推理能力弱、文档有序性被打破、表格解析失败等。

新手学习 AI 可以参考以下路线： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（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。 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，可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 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。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 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，了解它们的工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 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。

以下是为您规划的从 0 开始的 AI 学习路线： 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，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，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、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。 七、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。 八、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。 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。

以下是为您规划的学习 AGI 的一些建议： 首先，对 AI 有一个初步的认识，了解其基本概念和常见工具，例如通过注册尝试各种 AI 工具，但要注意可能会走弯路。 可以参考目录索引推荐，找到适合自己的学习主线和支线，就像游戏通关一样逐步深入。 明确自己的兴趣点，因为兴趣是最好的老师，能让您更有动力坚持学习。 掌握一些方法，如万能公式法，问 AI 【一个（xxx 职业）需要具备哪些知识？】，获取知识框架并深入探究每个小点。 寻找优质的信息源，像即刻 App 的“”等免费圈子，以及 Twitter 和相关官网。 在学习过程中，要注意做减法，例如只掌握最好的产品，解决具体问题，关注核心能力，理清需求和逻辑，先提升认知和洞察。 学以致用，通过学习、分享和实践不断填补知识的缝隙，成长进步。 需要注意的是，每个人的学习情况不同，找到适合自己的学习路径最为重要。

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。

以下是创建帮助学生学习的智能体的相关信息： 1. 智谱 BigModel 共学营第二期： 注册智谱 Tokens 智谱 AI 开放平台：https://bigmodel.cn/ 参与课程至少需要有 token 体验资源包，获取资源包的三种方式： 新注册用户，注册即送 2000 万 Tokens 充值/购买多种模型的低价福利资源包，直接充值现金，所有模型可适用：https://open.bigmodel.cn/finance/pay 语言资源包：免费 GLM4Flash 语言模型/ 多模态资源包： 多模态资源包： 所有资源包购买地址：https://bigmodel.cn/finance/resourcepack 共学营报名赠送资源包 先去【财务台】左侧的【资源包管理】看看自己的资源包，本次项目会使用到的有 GLM4、GLM4VPlus、CogVideoX、CogView3Plus 模型。 进入智能体中心我的智能体，开始创建智能体。 2. 智能助产术教学法： 学习空间系统基于 QQ 群空间构建，由学生、智能苏格拉底和群功能组成。学习空间通过 QQ 服务器，与智慧大脑、数据管理、ChatGPT 服务器连接。 智能苏格拉底是苏格拉底的智能代理，它以苏格拉底的助产术教育理念，进行人机会话交流。根据学习发生机制，智能苏格拉底担任启动人机会话、引导学生追问、构建学习共同体等任务。 为避免人机单独会话可能导致的“知识讲述”问题，本研究构建了追问型学习共同体发展机制。 3. 画小二：如何写好提示词是创建智能体第一步，提供了一些儿童寓意故事，如《照亮屋子》《杀龙妙技》《不同看法》《志愿是当小丑》等。

以下是关于 Stable Diffusion 学习的教程： 学习提示词： 1. 学习基本概念：了解 Stable Diffusion 的工作原理和模型架构，理解提示词如何影响生成结果，掌握提示词的组成部分（主题词、修饰词、反面词等）。 2. 研究官方文档和教程：通读 Stable Diffusion 官方文档，研究来自开发团队和专家的教程和技巧分享。 3. 学习常见术语和范例：熟悉 UI、艺术、摄影等相关领域的专业术语和概念，研究优秀的图像标题和描述，作为提示词范例。 4. 掌握关键技巧：学习如何组合多个词条来精确描述想要的效果，掌握使用“（）”、“”等符号来控制生成权重的技巧，了解如何处理抽象概念、情感等无形事物的描述。 5. 实践和反馈：使用不同的提示词尝试生成各种风格和主题的图像，对比提示词和实际结果，分析原因，总结经验教训，在社区内分享结果，请教高手，获取反馈和建议。 6. 创建提示词库：根据主题、风格等维度，建立自己的高质量提示词库，将成功案例和总结记录在案，方便后续参考和复用。 7. 持续跟进前沿：关注 Stable Diffusion 的最新更新和社区分享，及时掌握提示词的新技术、新范式、新趋势。 核心基础知识： 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，包括通俗讲解模型工作流程（包含详细图解）、从 0 到 1 读懂模型核心基础原理（包含详细图解）、零基础读懂训练全过程（包含详细图解）、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），包括 SD 模型整体架构初识、VAE 模型、UNet 模型、CLIP Text Encoder 模型、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），包括零基础使用 ComfyUI 搭建推理流程、零基础使用 SD.Next 搭建推理流程、零基础使用 Stable Diffusion WebUI 搭建推理流程、零基础使用 diffusers 搭建推理流程、生成示例。 5. Stable Diffusion 经典应用场景，包括文本生成图像、图片生成图片、图像 inpainting、使用 controlnet 辅助生成图片、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），包括训练资源分享、模型训练初识、配置训练环境与训练文件。 其他资源： 1. 了解 Stable diffusion 是什么： 。 2. 入门教程： 。 3. 模型网站：C 站 。 4. 推荐模型：人像摄影模型介绍：https://www.bilibili.com/video/BV1DP41167bZ 。

以下是关于系统学习 Stable Diffusion 提示词的教程： 1. 学习基本概念： 了解 Stable Diffusion 的工作原理和模型架构。 理解提示词如何影响生成结果。 掌握提示词的组成部分（主题词、修饰词、反面词等）。 2. 研究官方文档和教程： 通读 Stable Diffusion 官方文档，了解提示词相关指南。 研究来自开发团队和专家的教程和技巧分享。 3. 学习常见术语和范例： 熟悉 UI、艺术、摄影等相关领域的专业术语和概念。 研究优秀的图像标题和描述，作为提示词范例。 4. 掌握关键技巧： 学习如何组合多个词条来精确描述想要的效果。 掌握使用“（）”、“”等符号来控制生成权重的技巧。 了解如何处理抽象概念、情感等无形事物的描述。 5. 实践和反馈： 使用不同的提示词尝试生成各种风格和主题的图像。 对比提示词和实际结果，分析原因，总结经验教训。 在社区内分享结果，请教高手，获取反馈和建议。 6. 创建提示词库： 根据主题、风格等维度，建立自己的高质量提示词库。 将成功案例和总结记录在案，方便后续参考和复用。 7. 持续跟进前沿： 关注 Stable Diffusion 的最新更新和社区分享。 及时掌握提示词的新技术、新范式、新趋势。 此外，为您推荐以下学习资源： 1. SD 从入门到大佬： Nenly 同学的视频合集（点我看合集）：https://space.bilibili.com/1 。 想入门 SD 的同学可以在安装完 SD 后，参考 0.SD 的安装：https://qa3dhma45mc.feishu.cn/wiki/Ouiyw6v04iTJlmklDCcc50Jenzh 。 可选的一些图片版教程： 。 2. 第一期：上班的你： 。 。 。 。 。 。 。 。 。

以下是学习 Midjourney 的教程： 1. 注册相关账号：注册 Discord 账号并加入 Midjourney 服务器，Midjourney 也有在线版本可直接使用。 2. 掌握提示词结构：了解 Prompt 的基本组成部分，如“主体”“媒介”“环境”等，学习构建有效的 Prompt 来生成理想图像。 3. 熟悉常用参数和命令：学习 Midjourney 的各种参数设置，如放大、细节等，掌握常用命令，如/imagine、/test 等。 4. 针对不同场景练习创作：尝试针对插画、游戏、框架等不同场景进行创作练习，通过实践提高 Prompt 编写和图像生成技巧。 5. 学习他人作品并模仿：观察学习其他用户的优秀作品，了解其 Prompt 技巧，通过模仿提高创作水平。 此外，还可以通过以下方式学习 Midjourney： 把 Midjourney 的官网说明书喂给 GPT，让其根据说明了解机制和结构，给出适合的提示词。 像案例中的二师兄一样，加入相关社群，如 Prompt battle 社群，打磨文生图提示词学习。 总的来说，系统学习 Prompt 编写技巧、熟悉 Midjourney 的功能，并通过大量实践创作，同时善于学习他人经验，是学习 Midjourney 的有效方法。但需注意，内容由 AI 大模型生成，请仔细甄别。

以下是一些关于 Midjourney（MJ）学习的教程资源： 理论学习方面： 生成式 AI 原理：李宏毅老师风格幽默风趣的课程，很好跟进。 AI 图原理：简单清晰的介绍 AI 生图。 实操方面： 喂饭级实操攻略： MJ 入门：15 分钟快速了解，MJ 的基础技巧，快速入门。 https://www.bilibili.com/video/BV1vm4y1B7gP/?spm_id_from=333.880.my_history.page.click&vd_source=afe0a1f0c730039635f99f5ee84c1276 https://www.bilibili.com/video/BV1ko4y1t7wr/?spm_id_from=333.880.my_history.page.click 新手学习手册和干货网站（必看）：https://ciweicui.feishu.cn/docx/DPbidgdBeoNw55xKjO6c7ao3nbc?from=from_copylink MJ 官方学习手册（至少看 1 遍）：https://docs.midjourney.com/ B 站·莱森 LysonOber 免费视频教程（基础操作必看）：https://space.bilibili.com/630876766?spm_id_from=333.337.0.0 【腾讯文档】野菩萨 AI 课程（小红书@野菩萨）摄影范式：https://docs.qq.com/sheet/DSXRNUGJIQ0tMWkhu?tab=BB08J2 【腾讯文档】副本野菩萨 AI 课程（小红书@野菩萨）绘画范式：https://docs.qq.com/sheet/DSWlmdFJyVVZPR3VN?tab=y0u7ta 【腾讯文档】野菩萨 AI 课程（小红书@野菩萨）Niji 二次元范式：https://docs.qq.com/sheet/DSUxaRmprc0FrR25W?tab=c7lsa8 【腾讯文档】野菩萨 AI 课程（小红书@野菩萨）三维和抽象：https://docs.qq.com/sheet/DSUlaSHVXT1daaFlJ?tab=BB08J3 【腾讯文档】野菩萨 AI 课程（小红书@野菩萨）AI 产品制作与展现：https://docs.qq.com/sheet/DSW1jSFVZTER4Rnlq?tab=BB08J4 【腾讯文档】《野菩萨 AI 课程（小红书@野菩萨）电影范式》：https://docs.qq.com/sheet/DSXJKdmZ3WXhIQ2Vq?tab=BB08J5&scode=

以下是一些关于 ComfyUI 的学习资源和推荐学习路径： 学习资料网站： ComfyUI 官方文档：提供使用手册和安装指南，适合初学者和有经验的用户。网站：https://www.comfyuidoc.com/zh/ 优设网：有详细的入门教程，介绍了 ComfyUI 的特点、安装方法及生成图像等内容。教程地址：https://www.uisdc.com/comfyui3 知乎：有用户分享的部署教程和使用说明，适合有一定基础并希望进一步了解的用户。教程地址：https://zhuanlan.zhihu.com/p/662041596 Bilibili：有一系列涵盖从新手入门到精通各个阶段的视频教程。教程地址：https://www.bilibili.com/video/BV14r4y1d7r8/ 共学快闪内容：包括 Stuart 风格迁移、红泥小火炉基础课程、大雨换背景图等众多课程和工作流相关内容。 推荐学习路径： 入门视频教程：学习三个 NENLY 出品的免费视频课程，包括“ComfyUI 入门教程”（https://www.bilibili.com/video/BV1D7421N7xN）、“ComfyUI 自定义节点的秘密”（https://www.bilibili.com/video/BV1pZ421b7t7）、“拆解 ComfyUI 工作流”（https://www.bilibili.com/video/BV1ab42187er/）。 理论宝典教程：学习 ZHO 出品的免费理论视频课程。 文生图实操：学习完上述视频课程后，可使用文生图工作流实际出图实操，工作流地址：https://openart.ai/workflows/lailai/textgeneratesimagesmvpworkflow/ChYNJiXHkZrjyvg1yL9f 内容由 AI 大模型生成，请仔细甄别。

对于 0 基础学习 AI 的小白，以下是一些建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（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。 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，可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 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作品。 在知识库中有很多大家实践后的作品、文章分享，欢迎实践后进行分享。 5. 体验 AI 产品： 与现有的 AI 产品如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人进行互动，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 6. 岗位技能要求： 对于“AI 提示词工程师”岗位，需要具备市场调研、观察目标群体工作流、创造并拆解需求、选型现有 AI 解决方案做成产品来解决需求、抽象出来集成为一个互联网 APP 产品、写 PRD、画 APP 产品原型图、组织团队进行 APP 产品开发等综合能力。 7. 学习资源： 对于 0 基础小白，可在网上找教程，推荐看科普类教程，阅读 OpenAI 的文档，理解每个参数的作用和设计原理。 推荐一些练手的 Prompt 工具和相关教程文档。 8. 学习模式和注意事项： 可以参考《雪梅 May 的 AI 学习日记》，采用输入→模仿→自发创造的学习模式。 注意学习内容可能因 AI 发展迅速而过时，可去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新内容。 学习时间可灵活安排，学习资源大多免费开源。

没有编程基础也可以学习 AI，但会面临一定的挑战。以下是一些建议： 1. 学习基础知识： 数学基础：包括线性代数、概率论、优化理论等。 了解 AI 的基本概念、发展历程、主要技术分支（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。 2. 选择学习路径： 偏向技术研究方向：学习监督学习、无监督学习、强化学习等机器学习基础，以及神经网络、卷积网络、递归网络、注意力机制等深度学习知识。 偏向应用方向：掌握 Python、C++等编程基础，学习监督学习、无监督学习等机器学习基础，熟悉 TensorFlow、PyTorch 等深度学习框架。 3. 工具和平台： 可以从 Python、JavaScript 等编程语言开始学习。 尝试使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向初学者的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 4. 学习方式： 阅读入门文章和相关书籍。 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。 特别推荐李宏毅老师的课程。 5. 实践和尝试： 掌握提示词的技巧，上手容易且很有用。 理论学习之后，通过实践巩固知识，尝试使用各种产品做出作品。 体验如 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。 需要注意的是，无论是技术研究还是应用实践，数学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。

对于您这种没有编程基础但想要制作针对电子元器件行业的 AI 工具来实现中文 PDF 上传并下载翻译好的 PDF 的需求，以下是一些建议： 首先，您需要学习一些基本的 AI 概念和技术知识，了解自然语言处理（NLP）的基本原理。 其次，可以考虑使用现有的无代码或低代码 AI 开发平台。这些平台通常具有可视化的界面和易于操作的工具，能够帮助您在不编写代码的情况下构建简单的 AI 应用。 然后，针对您的专业术语翻译需求，需要对电子元器件行业的术语进行系统整理和分类，建立一个清晰的术语库。 同时，确定固定描述语句的翻译规则和方法，并将其转化为可在 AI 工具中应用的逻辑。 在实施过程中，要不断测试和优化您的工具，以确保翻译的准确性和质量。 总之，虽然没有编程基础会增加一定的难度，但通过合理利用现有资源和持续学习，您是有可能实现这个目标的。

以下是一些关于 0 编程基础学习 AI 编程的资源和分享： 10 月 28 日 20:00 开始（回放链接：），分享了通往 AGI 之路增量小游戏（https://muykeee.github.io/waytoagiincremental/）、转生之我是野菩萨（https://muykeee.github.io/wildpusaincremental/），分享人是麦橘。 10 月 29 日 20:00 开始（，分享人是梦飞。 10 月 30 日 20:00 开始（回放链接），分享了、AI 拍立得：小程序：Pailido，分享人是银海。 10 月 31 日 20:00 开始（回放链接），分享了 0 基础做小游戏分享：猪猪🐷撞南墙，分享人是南墙。 此外，雪梅 May 在其 AI 学习日记中也有相关记录，如 DAY64 2024.11.3 的 AI 编程共学 2 cursor 入门，以及 DAY65 2024.11.9 的 AI 编程共学 3 AI 拍立得。 麦橘 0 基础跨界 AI 编程共学中提到了利用 AI 编程制作小游戏的相关内容，包括多种创意游戏的尝试、游戏体验的优化、增量游戏的制作、肉鸽游戏模式的介绍、特定主题游戏的开发以及游戏中图案的修改等方面。

如果您没有编程基础但想学习 AI 编程，建议先学习以下 Python 相关内容： 1. Python 基础： 基本语法：了解变量命名、缩进等基本语法规则。 数据类型：熟悉字符串、整数、浮点数、列表、元组、字典等基本数据类型。 控制流：学习使用条件语句（if）、循环语句（for 和 while）控制程序执行流程。 2. 函数： 定义和调用函数：学会定义自己的函数以及调用现有函数。 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：掌握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多态的实现。 5. 异常处理： 理解异常：明白什么是异常及在 Python 中的工作原理。 异常处理：学会使用 try 和 except 语句处理程序可能发生的错误。 6. 文件操作： 文件读写：学习打开文件、读取文件内容和写入文件。 文件与路径操作：理解如何用 Python 处理文件路径及列举目录下的文件。 此外，如果您有更具体的项目需求，比如开发 P2P 传输程序，还需要进行项目初始化与配置，例如安装 Rust 环境（可通过官网获取安装指南，使用 rustup 工具管理 Rust 版本），创建 Rust 项目并管理项目依赖。

以下是为您提供的 AI 绘图基础教程： 一、关于 Stable Diffusion 的教程 1. 软件比较与优势：介绍 Stable Diffusion 在 AI 绘画领域的特点和优势。 2. 零基础入门：从零开始学习 Stable Diffusion 的基础操作。 3. 技术突破：了解 Stable Diffusion 在技术方面的创新和突破。 4. 入门教程：包括环境配置、安装方法、电脑适配性以及插件的下载和安装等。 二、SD 新手视频教程 1. 从 0 入门的章节教学视频，强烈推荐，学完有望成为大神。 2. 第一节课：AI 绘画原理与基础界面。 3. 第二节课：20 分钟搞懂 Prompt 与参数设置，掌握“咒语”。 4. 第三节课：用 AI“重绘”照片和 CG，打破次元壁。 5. 第四节课：自由切换“画风”，了解 AI 绘画模型。 6. 第五节课：学习提高 AI 绘画分辨率的方式。 7. 第六节课：简析 LoRa|Hypernetwork 概念。 8. 第七节课：玩转局部重绘，定向修手修脸。 9. 第八节课：提示词补全翻译反推，掌握“终极”放大脚本与细节优化插件。 10. 第九节课：从原理到实践学习 LoRA。 10. 第十节课：零基础掌握 ControlNet。 三、线稿上色 Midjourney + Stable Diffusion 1. 线稿产出：使用 Midjourney 生成线稿，关键词如“Black and white line drawing illustration of a cute cat cartoon IP character,black line sketch,wearing a fortune hat,wearing a collar around the neck,Carrying a huge bag containing scrolls and ingots,matching rope and straps at his wrists,Chinese element style,popular toys,blind box toys,Disney style,white backgroundniji 5style expressive”。 2. PS 手动修正错误的地方：对于一些没有阴影容易飘的图，可自行绘制阴影。 3. 用 Stable Diffusion 上色：通过 ControlNet 控制，实现高效且惊艳的上色效果。