请教一个问题，用好了Prompt，是不是可以代替各类GPTs呢？

以下是关于 GPTs 设置的详细步骤： 1. 放入完整的 Schema，并点击 Format 进行验证，如果不报错并显示出 Available Action 的列表，则代表成功。 2. 进行授权，输入 ClientID YOUR_ACCESS_KEY，如 ClientID 123456，并点击 Save。 3. 点击对应 Action 的 Test 验证 Action 是否可以调用。如果遇到返回数据过多造成异常的情况，也代表成功，只需在提示词中限定接口返回的数量即可。 4. 为了 GPTs 后期发布和分享，需要配置 Privacy Policy，其位置一般在网站的底部或者菜单的底部。复制 Privacy Policy 网页地址，如 Privacy policy 地址为：https://unsplash.com/privacy 。 5. 完善 GPTs 的基本配置。 6. 提示词调用方面，根据图片中各个对应关系，执行的操作需要指定 action 的名称，需要显示的字段名称指定具体的位置，比如图片作者，则使用 user.name，这样更加精确，不容易出错。完整提示词如下。注意，如果遇到图片目前无法直接显示，可以使用下载链接的方式查看，如下为应对方案的提示词和效果。如果有更好的方案，欢迎提供。 实操配置 Gapier Actions API 的步骤如下： 1. 登录地址：，点击 Copy Link 进行复制 Actions API 链接。 2. 打开 ChatGPT，点击创建 GPTs>Configure>Create new action。了解平台上支持的功能，输入来自 Gapier 的 Actions API 并点击 Import，导入成功。 3. 在 Gapier 复制授权码用于授权。在 Authentication 下选择配置图标，进入授权页面。开始配置授权码： Authentication Type：选择 API Key Auth Type：选择 Basic 输入从网站上复制的授权码，并点击 Save。若需要分享给他人或者公开发布，需要配置隐私策略码，在网页上寻找并复制，回到 GPT 上进行配置。 4. 确定调用的 Action，并在 Prompt 中引用。查看 Action 的方式分为两种，方式一：GPTs>Configure>Actions 页面；方式二：网页查看，地址为。回到 GPT>Configure 页面，引用 Action，比如调用思维导图的 API，直接输入调用 GenerateMindMap API 即可。此外，另外一种引用的方式是：只要在 Instructions 中申明清楚需求，GPT 会自动选择合适的 API。保存后试用。 创建一个 Http 服务让 GPTs 调用的步骤如下： 1. 创建一个每次产生一个随机数的 Http 服务，体验地址如下：https://gptaction.iaiuse.com/api/random 。 2. 直接在 Instructions 里面写，让它去调用接口。窗口最下面有个 Actions，这里就可以设置它和外部系统的接口。 3. 打孔 Add actions 界面，录入相关代码在 Schema 里面。点击下面的 Test 按钮，就能看到 ChatGPT 如何和服务进行交互。第一次允许它会提示是否允许外部服务，点击右边的小三角可以看到对话框，最右边那个隐私政策就是前面设置的。针对每个 action 都可以设置独立的隐私政策。通过这样一个简单的示例，了解 GPTs 如何和外部的服务进行交互，扩展它的能力。

做 GPTs 的原因主要有以下几点： 1. 从社会层面看，虽然 AI 信息充斥，但大多数人对其了解有限，直接面对大模型时交流有限。而 Character.ai 因创造具体角色，数据居高不下，这表明需要明确的引导，而 GPTs 的创作者们可以做到这一点。 2. 对于平台来说，需要场景反哺产品，也需要先行者带动，形成双赢的共存生态。 3. 从从业者角度，如作者自身，虽有丰富经验，但在做 LLMs 应用时面临诸多问题，如找不到落脚点、技术与业务的断档等。懂技术的人不懂业务，熟悉业务的人对新技术没概念。 4. 从产品角度，普通用户的简单交流大模型难以明白其意图，而 GPTs 通过对话引导逐步获取用户信息，将生成高质量 Prompt 的过程拆解为以一轮对话为最小单元任务的重复，解决了用户说什么以及低门槛生成高质量 Prompt 的问题。

以下是为您整理的关于 GPTs 结构化提示词模板的相关内容： 简单的提示词模板：最终目标是把需求说清楚。例如，“Act like a ”。 GPTs 教程及案例拆解 开源：一些 GPTs 的 prompt 中，如超强 LOGO 生成器，其使用方法为设计一个 logo 生成工具，允许用户上传多张 logo 图片作为参考，通过提示询问用户是否使用这些图片来创建新的 logo 设计，可自定义提示词风格和设定图片参考权重，利用 GPT4 Vision 的识图能力生成新 logo 设计，若用户不满意则重新生成，创作完后提示用户是否满意，满意则提供转 LOGO 矢量图的链接。 GPTs 教程及案例拆解 精选：GPTs 项目包括 Reviewer2Pal，可帮用户将直白的英文论文回应转换为专业回复；方法论专家 Methodology Expert，辅助用户使用方法论解决相关问题；灵感专家 Brainstorming Expert，辅助用户进行灵感思考和提出发散性角度；自动结构化框架，由小七姐编写，欢迎关注其公众号“AI 中文百科”领取更多好玩的 GPT 工具。

以下是关于 GPTs 的使用技巧： 教育方面：一位历史老师用 GPT 给学生讲课，需注意模拟历史存在不准确之处，有时幻觉可能是特点而非缺陷。文末提供了可用于模拟不同历史设置的详细提示链接，也可用于 Claude 或 ChatGPT（免费版效果相当，GPT4 效果最佳）。 入门方法： 创建方式： 点击 Explore。 点击 Create a GPT 进入配置页面。 进入自定义 GPT 配置界面。 选择 Configure 进入配置页面，栏位详细解释包括添加图像、Name（GPT 名称）、Instructions（提供提示词）、Conversation starters（提示用户开始对话的示例）、Knowledge（允许提供文件作为额外上下文）、Capabilities（启用网页浏览、DALL·E 图像生成和高级数据分析等功能）、Actions（使用第三方 API 或现有的插件）。 上传个人 Logo 等图片。 填写相关信息，如无外部知识作为上下文，可不填写 Knowledge 和 Actions。 填写完自动保存，试用。 上传图片开始分析。 多次测试满意后，可在右上角点击 Save 进行发布，发布方式有 Only me（只有自己可用）、Only people with a link（通过链接访问）、Public（所有人可访问，需开启个人名称和绑定公共域名）。 其他尝试： 小七姐提到 GPTs 原理是调用 Code Interpreter 检查字数和扩写 Prompt，提供了 GPTs 地址。 也可通过代码调用 OpenAI 官方 API 实现同样效果。 还提到了一些不太正经的办法，如情绪勒索等。省事可用分治法分段输出，程序员可选择 API 方式。

GPTs 是一种无需编程经验，通过简单的对话聊天方式或者配置一些参数就可以快速构建的具备专属技能的工具。创建 GPTs 的步骤如下： 1. 点击 Explore。 2. 点击 Create a GPT 进入配置页面。 3. 进入自定义 GPT 配置界面。 4. 默认进入 Create 页面，选择 Configure 进入配置页面，栏位的详细解释如下： 添加图像：上传自己的图像。 Name：GPT 的名称。 Instructions：提供提示词。 Conversation starters：提示用户开始对话的示例。 Knowledge：允许提供文件作为额外的上下文，供 GPT 参考。 Capabilities：启用网页浏览、DALL·E 图像生成和高级数据分析将允许 GPT 执行其他功能。 Actions：可以使用第三方 API 可供 GPT 使用，如果之前已经构建了一个插件，您将能够使用现有的插件清单来定义 GPT 的操作。 5. 上传图片。如果是做个人 IP 建议上传个人 Logo。 6. 填写相关信息。由于没有需要提供的外部知识作为上下文，此次 Knowledge 未提供，且 Actions 也未填写。 7. 填写完信息会后自动保存，开始试用。 8. 上传图片开始分析。 9. 经过多次测试，达到自己满意的程度后，就可以在右上角点击 Save 进行发布。发布选项有： Only me：只有自己可以使用。 Only people with a link：通过分析的链接可以访问。 Public：所有人都可以访问，但是需要开启个人名称、以及绑定公共域名。 创建内容排版大师的 GPTs 只需在聊天框粘贴文字内容，然后点击发送即可。其链接为：https://chat.openai.com/g/gt9dIHp4Ntneirongpaibandashi 。并且该 GPTs 已经加入了 webpilot 的 actions。 需要注意的是，创建 GPTs 要求账号为 ChatGPT Plus 用户。

以下为一些相关的视频分析 GPTs 信息： 《。 里增加两个有趣的 AI 视频： 《》，ChatGPT 仅仅通过听《甄嬛传》音频，如何将内容、人物关系分析得头头是道。 《》UP 主给 ChatGPT 出了一道难题，如果你不幸到了一个寒冷的荒岛，必须要烧四大名著来取暖，你会先烧哪一本，一步步追问下，AI 给出了非常巧妙的回答。 GPT 对视频中的复杂结构给出了解释。相关链接： Motif AI 模型的创新：Meta AI 与麦吉尔大学共同开发的 Motif AI 模型。Motif 利用 LLM 知识帮助 AI 代理快速学习。相关链接： 人类对 AI 依赖性的反思：讨论了人们对 AI 的依赖及其影响。描述了 AI 不可用时的无助感。相关链接： 《剁手 GPT》购物助手 GPTs：一款能自动识别物品并比价的 AI 电商 bot。

以下是 12 个精选的 prompt 框架： 1. ICIO 框架： 指令：执行的具体任务。 背景信息：提供执行任务的背景信息、上下文内容，让大模型更好地回答。 输入信息：大模型需要用到的一些信息。 输出信息：明确输出的具体信息的要求，比如字数、风格、格式。 2. BROKE 框架：通过 GPT 的设计提示，来提升整体反馈的效率。 背景：提供足够背景信息，让大模型可以理解问题的上下文。 角色设定：特定的角色，让 GPT 根据特定的角色能力的特点来形成响应。 目标：明确任务的目标，让大模型知道您想让它做什么。 结果定义：明确可以衡量的结果，让大模型清楚自己做的情况。 调整：根据具体的情况，来调整具体的结果。 3. CRISPIE 框架： 能力和角色：您期望大模型扮演的角色洞察，提供幕后洞察力、背景信息和上下文。 声明：简洁明了地说明希望完成的任务。 个性：回应的风格、个性或者方式。 实验：提供多个回答的示例。 4. 课件中的 Prompt 之术“三板斧”： 分配角色。 给出示例（fewshots）。 思维链（ChainofThought）。

以下是关于 prompt 的相关知识： 1. 提示简介： 提示是您给 Claude 的文本，用于引发相关输出，通常以问题或指示的形式出现。例如，“User：Why is the sky blue? 为什么天空是蓝色的？”，Claude 回答的文本被称为“响应”，有时也被称为“输出”或“完成”。 2. 改变区域+混音： 选择的大小会影响结果。更大的选择为中途机器人提供更多上下文信息，能改善新添加内容的扩展和上下文，但选择太多可能导致新生成的元素混合或替换原始图像的部分。 提示应集中于您希望在所选区域中发生的事情，较短且聚焦的提示通常更有效，不应是对话式的。 分步进行，如果要更改图像的多个部分，一次只处理一个部分。 技术细节：使用 Vary+Remix 模式生成的作业遵循 chaos、fast、iw、no、stylize、relax、style、version、video、weird 等参数。 3. 提示的类型： 基本提示：可以是简单的单词、短语或表情符号。中途机器人最适合用简单、简短的句子来描述您想看到的内容，避免长长的请求列表。 高级提示：可以包括一个或多个图像 URL、多个文本短语以及一个或多个参数。图像 URL 始终出现在提示的前面，精心编写的提示有助于生成令人惊叹的图像。

以下是一份关于 DeepSeek R1 大模型的 prompt 提示词模板： 一、核心原理认知 1. AI 特性定位 多模态理解：支持文本/代码/数学公式混合输入 动态上下文：对话式连续记忆（约 4K tokens 上下文窗口，换算成汉字是 8000 字左右） 任务适应性：可切换创意生成/逻辑推理/数据分析模式 2. 系统响应机制 采用意图识别+内容生成双通道 自动检测 prompt 中的：任务类型/输出格式/知识范围 反馈敏感度：对位置权重（开头/结尾）、符号强调敏感 二、基础指令框架 1. 四要素模板 2. 格式控制语法 强制结构：使用```包裹格式要求 占位符标记：用{{}}标注需填充内容 优先级符号：>表示关键要求，!表示禁止项 三、进阶控制技巧 1. 思维链引导 分步标记法：请逐步思考：1.问题分析→2.方案设计→3.风险评估 苏格拉底式追问：在得出最终结论前，请先列举三个可能存在的认知偏差 2. 知识库调用 领域限定指令：基于 2023 版中国药典，说明头孢类药物的配伍禁忌 文献引用模式：以 Nature 2022 年发表的论文为参考，解释 CRISPRCas9 最新突破 3. 多模态输出 此外，还有关于创建 DeepSeek 联网版工作流的相关内容： 1. 创建工作流 创建一个对话流，命名为 r1_with_net 开始节点，直接使用默认的 大模型分析关键词设置 模型：豆包通用模型lite 输入：直接使用开始节点的 USER_INPUT 作为大模型的输入 系统提示词：你是关键词提炼专家 用户提示词：根据用户输入`{{input}}`提炼出用户问题的关键词用于相关内容的搜索 bingWebSearch搜索 插件：BingWebSearch 参数：使用上一个节点，大模型分析输出的关键词作为 query 的参数 结果：data 下的 webPages 是网页搜索结果，将在下一个节点使用 大模型R1 参考搜索结果回答 这里需要在输入区域开启“对话历史” 模型：韦恩 AI 专用 DeepSeek 输入：搜索结果，选择搜索节点 data 下的 webPages；选择开始节点的 USER_INPUT；开启对话历史，设置 10 轮，默认不开启对话历史，开启后默认是 3 轮 系统提示词：这里不需要输入 用户提示词： 结束节点设置 输出变量选择大模型R1 参考搜索结果回答的输出 回答内容里直接输出:{{output}} 测试并发布工作流 输入你的测试问题，测试完成后，直接发布工作流 关于 HiDeepSeek 的相关内容： 1. 效果对比 用 Coze 做了个小测试，大家可以对比看看 2. 如何使用？ Step1：搜索 www.deepseek.com，点击“开始对话” Step2：将装有提示词的代码发给 Deepseek Step3：认真阅读开场白之后，正式开始对话 3. 设计思路 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用的同时，减轻自己的调试负担 通过提示词文件，让 DeepSeek 实现：同时使用联网功能和深度思考功能 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性 照猫画虎参考大模型的 temperature 设计了阈值系统，但是可能形式大于实质，之后根据反馈可能会修改 用 XML 来进行更为规范的设定，而不是用 Lisp（对我来说有难度）和 Markdown（运行下来似乎不是很稳定） 4. 完整提示词 v 1.3 5. 特别鸣谢 李继刚：【思考的七把武器】在前期为我提供了很多思考方向 Thinking Claude：这个项目是我现在最喜欢使用的 Claude 提示词，也是我设计 HiDeepSeek 的灵感来源 Claude 3.5 Sonnet：最得力的助手

如果您想用 AI 写 PPT，以下是一些关于 prompt 的建议： 1. Prompt 的本质是用编程语言的结构加上自然语言的内容打造 AI 指令，让 AI 可以像理解程序一样理解人类的指令。比较友好易懂的是 Markdown 的结构化语言格式。例如，在写流程时，用“”代表层级，“”代表一级类目，“”代表子类目，这样能明确 prompt 的执行顺序。 2. 每个单独的提示词叫 tag（关键词）。支持的语言为英语（不用担心英语不好的问题，），emoji 也可以用。 3. 语法规则： 用英文半角符号逗号“,”来分隔 tag，逗号前后有空格或者换行不影响效果。 改变 tag 权重：tag 顺序越靠前对于 SD 来说权重越大，还可以通过“/…”（每加一层括号权重变化）来设置权重。 进行 tag 的步数控制（高级玩法）：“”，数字大于 1 理解为第 X 步前为 tag1，第 X 步后变成 tag2；数字小于 1 理解为总步数的百分之 X 前为 tag1，之后变成 tag2。 此外，像卓 sir 在制作电商模式相关的 PPT 时，通过与 GPT4 自然交流确定主题和企业代表，然后编写 PPT 大纲的 prompt，并经过多次迭代和优化。您可以参考这些经验和方法来构建适合您需求的 prompt。

很抱歉，目前飞书知识库中没有关于您所描述的这种特定需求下应选定哪种 prompt 框架的相关内容。但一般来说，构建这样的企业每日利润表分析与汇报助手的 prompt 框架可以考虑以下几个方面： 1. 明确数据来源和格式：清晰描述数据来自 Excel 或 MySQL 数据库，以及包含的具体字段。 2. 定义分析维度和指标：如按板块、国家等维度汇总数据，关注利润相关的指标。 3. 设定时间范围：明确分析近一周的数据变化。 4. 描述图表要求：指定以柱状图展示数据。 5. 解释变化原因：阐明导致数据变化或波动的关键因素。 您可以根据实际情况进一步细化和完善这个框架。

以下是几种适用于在飞书上构建企业每日利润表分析与汇报助手的 prompt 框架及样例： 1. ICIO 框架： 指令：明确执行的具体任务，如“分析企业每日利润表并生成详细报告”。 背景信息：提供执行任务的背景信息，如“企业近期业务拓展，成本有所增加”。 输入信息：大模型需要用到的一些信息，如“利润表的各项数据”。 输出信息：明确输出的具体信息的要求，如“报告以表格形式呈现，包含各项利润数据的同比和环比变化，并给出简要分析”。 2. BROKE 框架： 背景：说明背景，如“公司处于业务增长阶段，需要密切关注利润情况”。 角色：设定特定的角色，如“利润表分析专家”。 目标：明确任务的目标，如“准确分析每日利润表，为管理层提供决策支持”。 关键结果：明确可以衡量的结果，如“报告中的分析结论能帮助管理层制定有效的成本控制策略”。 调整：根据具体的情况，来调整具体的结果，如“根据市场变化调整利润分析的重点”。 3. CRISPIE 框架： 能力和角色：期望大模型扮演的角色洞察，如“专业的财务分析师”，提供幕后洞察力、背景信息和上下文。 声明：简洁明了的说明希望完成的任务，如“对每日利润表进行全面深入分析”。 个性：回应的风格、个性或者方式，如“以简洁明了、数据准确为特点”。 实验：提供多个回答的示例。 4. 情境框架： 情境：描述当前的情况，如“企业面临市场竞争，利润波动较大”。 任务：明确要完成的任务，如“分析每日利润表，找出利润波动的原因”。 行动：说明采取的行动，如“对各项收入和成本进行详细比对”。 结果：阐述期望得到的结果，如“生成包含原因分析和建议的报告”。

以下是从 0 开始学习 AI 操作的建议： 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、当前应用和未来发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，如了解生成式 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，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，可根据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。 在知识库中有很多实践后的作品和文章分享，欢迎实践后进行分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，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，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。 此外，还可以通过以下方式学习： 学习创建 AI 应用，包括操作界面等流程，了解创建应用的方式，界面与智能体组件的关联，重点掌握桌面网页版用户界面布局及左侧组件类别，了解应用的前端后端知识。 学习前端、后端相关概念，前端是页面可见部分及产品设计，负责采集用户输入和展示输出；后端是服务和逻辑，接收处理用户输入并生成内容输出到前端。了解左侧组件，包括布局、展示、输入、AI 组件等，以及模板和结构的作用。 学习容器相关知识，点击容器可看到名字，操作数据会用到。容器名字对应属性和事件属性，属性包含位置、尺寸等。尺寸设百分比会受容器关系及默认值影响。创建容器时，布局时先创建覆盖页面的底层容器，设固定宽高、边界为 0，有布局文档和教程供参考。 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。

以下是关于您所提出问题的回答： 目前的 AI 教育类产品和 AI 辅助学习类产品有： 语言学习方面：Speak、Quazel、Lingostar 等是由 AI 驱动的语言老师，能够实时交流并给予发音或措辞反馈；Grammarly 可进行英语写作和语法纠错。 数学学习方面：Photomath、Mathly 可指导学生解决数学问题；Khan Academy 有自适应学习系统。 综合学习方面：Duolingo 是自适应学习平台，能为用户提供个性化学习内容和练习。 AI 辅助学习的好用方法包括： 英语学习：利用智能辅助工具如 Grammarly 改进写作和语法；通过语音识别应用如 Call Annie 练习口语和纠正发音；使用自适应学习平台如 Duolingo 获得个性化学习计划；借助智能对话机器人如 ChatGPT 进行会话练习。 数学学习：运用自适应学习系统如 Khan Academy 获取精准推荐；使用智能题库和作业辅助工具如 Photomath 获得问题解答和解题步骤；借助虚拟教学助手如 Socratic 解答问题、观看教学视频和获得答疑服务；参与交互式学习平台如 Wolfram Alpha 进行数学建模和问题求解。

训练模型需要以下步骤： 1. 选择底模：选择 Baichuan27BChat 模型作为底模。 2. 配置模型：配置模型本地路径和提示模板。 3. 加载数据集：在 Train 页面里，选择 sft 训练方式，加载定义好的数据集 wechat 和 self\_cognition。 4. 设置学习率和训练轮次：根据自己的数据集大小和收敛情况来设置学习率和训练轮次。 5. 减少显存需求：使用 FlashAttention2 可以减少显存需求，加速训练速度；显存小的朋友可以减少 batch size 和开启量化训练。 6. 编译模型：一旦模型被编译，就可以开始训练它。 7. 训练模型：在本教程中，使用了一个单一的 GPU 来进行训练。每个 epoch 大约需要 15 至 20 分钟的时间。当然，你可以根据自己的需求进行更多的训练，这可能会得到更好的结果。

是的，Agent 相较于 Prompt 功能更灵活。Agent 可以调用外部工具，如编程、查询、绘图等，而 Prompt 只能生成文本。Agent 的技能调用能力依赖于其之上的插件，OpenAI 的“Function calling”机制是一个经典的实现方式。

AI 目前不能完全代替人工数控编程。虽然 AI 编程技术在不断发展，辅助编程效率也有所提高，但在复杂和商业化的应用中仍存在困难。 初级程序员可能会受到一定冲击，但中高级岗位仍有需求。软件开发需要人工主导复杂流程，AI 更像是“助手”而非“接管者”。代码编写只是开发中的一环，程序员的工作还包括需求评估沟通、架构设计、调试部署等多个模块。而且，大语言模型面对复杂项目可能面临改好一个 bug，产生一个新 bug 的情况。 例如，Cursor 是一款不错的编程工具，集代码编写、报错调试、运行于一体，能让小白无压力入门代码，但它比较适合简单、原型类的项目，在复杂和商业化应用时会面临挑战。 总之，在目前，AI 不能完全替代人工数控编程，未来可能会是一种人工和智能混合的工作模式。

以下是一些能代替您直播的数字人工具相关信息： 数字人类型和应用场景： 1. 二维/三维虚拟人：用于游戏、IP 品牌（柳夜熙）、内容创作等。 2. 真人形象数字人：用于直播卖货、营销/投流广告视频录制（Heygen）、语言学习（CallAnnie）等。 数字人的价值： 1. 代替人说话，提升表达效率和营销效率，例如真人做不到 24 小时直播，但数字人可以。 2. 创造真实世界无法完成的对话或交流。 数字人面临的问题： 1. 平台限制：目前数字人水平参差不齐，平台担心直播观感，有一定打压限制。比如抖音出台一些标准，而微信视频号容忍度更低，人工检查封号。 2. 技术限制：形象只是皮囊，智能水平和未来想象空间，依赖大模型技术提升。 3. 需求限制：直播带货算个落地场景，但不刚。“懂得都懂”的刚需场景，国内搞不了。目前更多是体验新鲜感。 4. 伦理/法律限制：声音、影像版权等，比如换脸、数字永生等等。 数字人直播盈利方式： 1. 直接卖数字人工具软件。分实时驱动和非实时驱动两类，实时驱动在直播时能改音频话术，真人接管。市面价格在一年 4 6 万往上（标准零售价）。非实时一个月 600 元，效果很差，类似放视频的伪直播，市场价格混乱，靠发展代理割韭菜。 2. 提供数字人运营服务，按直播间成交额抽佣。 AI 直播卖货适用品类和场景： 1. 适用于不需要强展示的商品，如品牌食品饮料。如果服装就搞不了，过品快，衣服建模成本高。 2. 适用于虚拟商品，如门票、优惠券等。 3. 不适用于促销场景，这涉及主播话术、套路，调动直播间氛围能力等。 4. 电商直播分为达播跟店播，数字人直播跑下来效果最好的是店播，数据基本能保持跟真人一样（朋友公司数据）。 AI 直播的壁垒和未来市场格局： 1. 时间拉长，技术上没壁垒。但目前看仍有技术门槛，单纯靠开源算法拼的东西，实时性、可用性不高。比如更真实的对口型，更低的响应延迟等。 2. 不会一家独大，可能 4 5 家一线效果，大多二三线效果公司。因为它只是工具，迁移成本低。 3. 真正把客户服务好，能规模化扩张的公司更有价值。疯狂扩代理割韭菜，不考虑客户效果的公司，售后问题很麻烦。 4. 有资源、有业务的大平台下场，可能会带来降维打击，例如剪映马上要做，如果不仅提供数字人，还提供货品供应链、数据复盘分析等等，全环节打通会绑定商家，很难打。 虚拟主播的驱动方式： 目前，虚拟数字人从技术驱动方式上可以分为两类，一种是“中之人”驱动，另一种是由 AI 驱动。 “中之人”通过动作捕捉和面部捕捉技术，实现虚拟人与现实的交互。动作捕捉技术可以提供一套全身动捕硬件设备，售价约为 29000 元，另需缴纳 800 元的软件年度服务费。如果只需要捕捉面部表情，价格则约为 6000 元左右。总的来说，“中之人”是虚拟人物的“皮囊”，而“中之人”才是其真正的灵魂。 AI 驱动是通过 AI 技术实现虚拟人的创建、驱动和内容生成的综合技术，使其具备感知、表达等交互能力。AI 驱动的虚拟人能够智能地读取并解析外部输入信息，并根据解析结果做出决策，然后驱动人物模型生成相应的语音和动作，从而与用户进行互动。这种“一站式”技术让虚拟数字人具备更加自然、智能、人性化的交互能力。

对于完全没有编程基础但想做智能客服的小白，以下是一些建议： 1. 先对 AI 有初步的了解，明确自己的需求和目标。 2. 学习一些基本的概念，比如什么是 AI、提示词工程等。 3. 可以参考他人的学习路径，例如以“少就是多”“先有个初识”“目录索引推荐”“兴趣最重要”“先动手”等为关键词。 4. 要有耐心，在 AI 的帮助下一步一步来，并在这个过程中逐渐学习一些编程知识。 5. 避免追求“大而全”和完美主义，从小的功能和简单的应用开始，尽快让系统“跑起来”，获得实际使用的反馈，再不断改进。 同时，有一些成功的案例可供参考。比如有人从完全不懂代码和英语很差的状态，通过不断学习和实践，在公司中实现了智能客服从创建到应用的过程，还创建了多个智能体。但也要注意，现实中真正的应用往往有复杂的需求，不能完全依赖 AI 一次性搞定，需要自己不断努力和积累。

在金融业中，以下方面不太容易被 AI 所替代： 1. 战略决策：CFO 及其直接报告人应专注于金字塔顶端的战略决策，这需要综合的判断力、对宏观环境的深刻理解和长期的经验积累，AI 难以完全胜任。 2. 复杂的情感决策：金融服务被认为是情感购买，决策树复杂且难以自动化，需要人类根据客户的个人情况提供个性化的建议。 3. 合规与法律处理：金融服务高度受监管，复杂且非结构化的法律合规要求人类员工的参与和判断，以确保符合规定。 尽管 AI 在金融领域的预测、报告、会计和税务、采购和应付账款等方面能够提供帮助和实现自动化，但上述几个方面仍依赖人类的专业能力和经验。

以下是一些 ChatGPT 不可代替的事情： 1. 在新媒体运营方面，核心竞争力在于内容的创新和创造力。ChatGPT 能生成文章，但依赖于大型数据库中现有文档和写作模式的组合，缺乏创造性和人情味。一个及格的新媒体运营人的文案需要让人共情，在这方面 ChatGPT 目前难以胜任。 2. 在用户运营方面，尽管 AI 能胜任客户服务并解决单点问题，但要了解人性需求的变化并制定相应策略仍然是难题。洞察人是人类的强项，这是 ChatGPT 难以做到的。 总之，在需要创造性、对用户的深入理解和洞察等方面，ChatGPT 目前无法替代人类。

目前在市场上，还没有能够完全替代家教老师团队进行 1v1 辅导，包括根据学生当天学习课程出题、定时监督并整理错题等全方位功能的单一 AI 工具。但您可以考虑结合使用以下几种 AI 相关的技术和工具来部分实现您的需求： 1. 智能学习管理系统：这类系统可以根据学生的学习进度和表现生成一些练习题，但可能无法完全针对当天学习的课程精准出题。 2. 自然语言处理工具：帮助分析学生的学习情况和问题，为后续的辅导提供一定的参考。 需要注意的是，AI 工具在教育中的应用仍处于不断发展和完善的阶段，不能完全替代人类教师的情感支持、个性化引导和灵活应变能力。