文心，豆包，通义，智谱等都在推出自己的智能体，这对用户个人来说如何选择应用方向呢？

国内类似于文心一言的 AIGC 应用有： 语言文字类：百度的文心一言、阿里云的通义千问等。 语音声音类：Google 的 WaveNet、微软的 Deep Nerual Network、百度的 DeepSpeech 等，还有合成 AI 孙燕姿大火的开源模型 Sovits。 图片美术类：早期有 GEN 等图片识别/生成技术，去年大热的扩散模型又带火了我们比较熟悉的、生成质量无敌的 Midjourney，先驱者谷歌的 Disco Diffusion，一直在排队测试的 OpenAI 的 Dalle·2，以及 stability ai 和 runaway 共同推出的 Stable Diffusion。

GPT4 是由 OpenAI 开发的先进且广泛使用的大型语言模型，在多种任务上表现卓越，如文本生成、理解、翻译及专业和创意写作等，通过大量数据学习，能处理复杂问题和理解上下文。 文心一言是百度开发的语言模型，文心一言 4.0 有网页版和 API 版本。在 2023 年，百度的“文心 4.0”是国内能力较好的模型之一。 除了 GPT4 和文心一言，还有其他重要的大型语言模型，如 Anthropic 公司的 Claude 3、谷歌的 Gemini、阿里巴巴的通义大模型等。在 2023 年度中文大模型基准测评报告中，对众多模型进行了评测和列举。2023 年中美在 AGI 技术上仍有差距，国内最领先的模型水平大概在准 ChatGPT3.5 的水平，和 GPT4 有差距。国内大厂在冲击 AGI 方面虽有资源，但实际效果尚不明确，且受多种因素影响。

目前国内在做语言生成式 AI 的有不少，例如百度的文心一言、阿里的通义千问、讯飞的讯飞星火、智谱华章的智谱清言、字节跳动的豆包、腾讯的元宝、昆仑万维的天工 AI 等。 此外，还有一些在特定时间上线的大模型，如 8 月正式上线的包括北京的百度（文心一言）、抖音（云雀大模型）、智谱 AI（GLM 大模型）、中科院（紫东太初大模型）、百川智能（百川大模型），上海的商汤（日日新大模型）、MiniMax（ABAB 大模型）、上海人工智能实验室（书生通用大模型）。 需要注意的是，不同的大模型具有各自的特点和功能，在使用和应用场景上可能存在差异。

文心一言和智谱清言在不同方面各有特点。 在对结构化 prompt 的响应方面： 智谱清言能够按照 prompt 指示回答，理解意图较好，输出格式基本符合要求，内容相对具体，体验感较好。 文心一言在某些任务中可能没有完全执行提示词要求，需要二次提示和引导。 在复杂提示词理解和执行的测评中： 智谱清言表现亮眼，对提示词结构的执行较完整，生成内容丰富，格式美观，但案例部分未完全按要求列举。 文心一言在这轮表现中相对较差。 综合来看，两者的表现取决于具体的使用场景和需求。如果需要更准确和完整地执行提示词，智谱清言可能更具优势；但如果对特定领域的理论性输出有需求，文心一言也可能有一定的价值。

通义千问和文心一言的不同点主要体现在以下几个方面： 1. 开发团队：文心一言由百度出品，通义千问由阿里云开发。 2. 功能特点： 文心一言定位为智能伙伴，能写文案、想点子，陪用户聊天、答疑解惑。 通义千问能够与人交互、回答问题及协作创作。 3. 在一些具体应用场景中的表现： 在律师答辩状 prompt 评测中，文心一言 3.5 输入起诉状后，直接给出起诉状范本，未理解 prompt 输出答辩状，提示后主体少、不专业、错误多，输出应诉方案能按 prompt 结构，内容简洁可作框架。 通义千问在律师答辩状 prompt 评测中，欢迎语直接，输入起诉状后两个答辩人正确，能按 prompt 结构输出但专业性稍差，未引用法律条文，提示输出应诉方案能按 prompt 结构，整体内容及格无亮点。

已有的大语言模型如文心一言、kimi 等通常不支持个人进行个性化训练。 大语言模型的相关知识包括： 国内大模型有通用模型如文心一言、讯飞星火等，处理自然语言；还有垂直模型，专注特定领域。 大语言模型工作原理包括训练数据、算力、模型参数，在训练数据一致情况下，模型参数越大能力越强。 Transformer 是大语言模型训练架构，具备自我注意力机制能理解上下文和文本关联。 大模型可能因错误数据导致给出错误答案，优质数据集对其很重要。 Prompt 分为 system prompt、user prompt 和 assistant prompt，写好 prompt 的法则包括清晰说明、指定角色、使用分隔符、提供样本等。 Fine tuning 是基于通用大模型，针对特定领域任务提供数据进行学习和调整，以适应特定领域的需求。 学习大型语言模型（LLM）的开发是一个系统性的过程，需要涵盖多个方面的知识和技能： 掌握深度学习和自然语言处理基础，包括机器学习、深度学习、神经网络等基础理论，以及自然语言处理基础，如词向量、序列模型、注意力机制等。 理解 Transformer 和 BERT 等模型原理，掌握相关论文。 学习 LLM 模型训练和微调，包括大规模文本语料预处理，使用预训练框架，以及微调 LLM 模型进行特定任务迁移。 掌握 LLM 模型优化和部署，包括模型压缩、蒸馏、并行等优化技术，模型评估和可解释性，以及模型服务化、在线推理、多语言支持等。 进行 LLM 工程实践和案例学习，结合行业场景，进行个性化的 LLM 训练，分析和优化具体 LLM 工程案例，研究 LLM 新模型、新方法的最新进展。 持续跟踪前沿发展动态。 机器学习是人工智能的一个子领域，深度学习是机器学习的一个子领域，大语言模型是深度学习在自然语言处理领域的应用之一，具有生成式 AI 的特点。

在文字处理和逻辑思维方面，智谱清言、Kimi 和讯飞星火各有特点： Kimi： 优势：具有超长上下文能力，最初支持 20 万字的上下文，现已提升到 200 万字，对于处理长文本或大量信息的任务有巨大优势，适合从事文案工作，特别是需要处理大量文字或文件的工作。 不足：在文字生成和语义理解、文字生成质量方面的能力可能不如国内其它产品好，且不支持用户自定义智能体。 智谱清言： 优势：背后的技术源自清华大学研发团队的科研成果转化，模型质量出色。在产品设计方面以 ChatGPT 为对标，努力打造类似的用户体验。是国内首批开放智能体应用的公司之一，在逻辑推理和处理复杂提示词方面表现出明显优势，在处理需要深度思考和分析的任务时表现出色。 不足：暂未提及。 讯飞星火：在结构化 prompt 测试中，对于同样的 prompt，最初的输出可能存在问题，但改写后的 prompt 效果不错。 综合来看，它们在不同方面各有优劣，具体谁更胜一筹取决于您的具体需求和使用场景。

在文字处理和逻辑思维方面，智谱清言、Kimi 和讯飞星火各有特点： Kimi： 优势：具有超长上下文能力，最初支持 20 万字的上下文，现已提升到 200 万字，对于处理长文本或大量信息的任务有巨大优势，适合从事文案工作，特别是需要处理大量文字或文件的工作。 不足：在文字生成和语义理解、文字生成质量方面的能力可能不如国内其它产品好，且不支持用户自定义智能体。 智谱清言： 优势：背后的技术源自清华大学研发团队的科研成果转化，模型质量出色。在产品设计方面以 ChatGPT 为对标，努力打造类似的用户体验。是国内首批开放智能体应用的公司之一，在逻辑推理和处理复杂提示词方面表现出明显优势，在处理需要深度思考和分析的任务时表现出色。 不足：暂未提及。 讯飞星火：在结构化 prompt 测试中，对于同样的 prompt，最初的输出可能存在问题，但改写后的 prompt 效果不错。 综合来看，它们在不同方面各有优劣，具体谁更胜一筹取决于您的具体需求和使用场景。

以下是通义千问和智谱清言的对比情况： 在对结构化 prompt 的测试中： 输入同样的 prompt 后，智谱清言的改写效果不错，能够理解 prompt，输出内容感觉良好，且认识到结构化 prompt 的重要性以及需要不断迭代优化。 通义千问的输入效果不错，能够一次输出，但输出的内容要差一些，需要提高。 在 Stepback prompting 评测中： 智谱清言的综合评分为 3 分，表现中规中矩。 通义千问的综合评分为 3.125 分，表现还算不错，只要内容上再提高一些，体验感和专业性会更好。 在小七姐的小样本测评中： 对于复杂提示词理解和执行的第一轮任务中，智谱清言首次回应初始化执行正常，但在生成内容时推理错误，且未回应特定问题，对于提示词中要求的逐步推理过程，可能因模型对已知问题答案生成的优先级高于用户设定的生成逻辑而未按步骤执行。 未提及通义千问在该轮任务中的具体表现。

智谱清言是智谱 AI 和清华大学推出的大模型产品，基础模型为 ChatGLM 大模型。其具有以下特点和应用场景： 特点： 在工具使用排名国内第一。 在计算、逻辑推理、传统安全能力上排名国内前三。 更擅长专业能力，但在代码能力上还有一定优化空间，知识百科与其他第一梯队模型相比稍显不足。 应用场景： 可应用的场景相对广泛。 根据 SuperCLUE 测评结果，优先推进在 AI 智能体方面相关的应用，包括任务规划、工具使用及一些长文本记忆相关的场景。 在较复杂推理应用上的效果会比较不错。 广告文案、文学写作方面也是一个很好的选择。 此外，智谱清言在产品设计方面以 ChatGPT 为对标，努力打造类似的用户体验，是国内首批开放智能体应用的 AI 公司之一，在逻辑推理和处理复杂提示词方面表现出了明显的优势。AutoGLM 目前还处于内测阶段，申请入口在智谱清言 APP 中，目前只能在安卓设备上使用，需要开启无障碍权限和悬浮球权限。

智谱清言的开源大模型种类包括： 多模态模型： CogAgent18B：基于 CogVLM17B 改进的开源视觉语言模型，拥有 110 亿视觉参数和 70 亿语言参数，支持 11201120 分辨率的图像理解，具备 GUI 图像的 Agent 能力。代码链接：、始智社区。 CogVLM17B：强大的开源视觉语言模型（VLM），在多模态权威学术榜单上综合成绩优异。代码链接：。 Visualglm6B：开源的支持图像、中文和英文的多模态对话语言模型，语言模型基于 ChatGLM6B，具有 62 亿参数；图像部分通过训练 BLIP2Qformer 构建起视觉模型与语言模型的桥梁，整体模型共 78 亿参数。代码链接：。 RDM：Relay Diffusion Model，级联扩散模型，可以从任意给定分辨率的图像快速生成，而无需从白噪声生成。代码链接：。 此外，智谱清言是智谱 AI 和清华大学推出的大模型产品，基础模型为 ChatGLM 大模型。2023 年 10 月 27 日，智谱 AI 于 2023 中国计算机大会（CNCC）上，推出了全自研的第三代基座大模型 ChatGLM3 及相关系列产品。智谱清言在工具使用排名国内第一，在计算、逻辑推理、传统安全能力上排名国内前三。总体来看，智谱清言更擅长专业能力，但在代码能力上还有一定优化空间，知识百科与其他第一梯队模型相比稍显不足。综合来看，智谱清言是一个很有竞争力的大模型。可应用的场景相对广泛，根据 SuperCLUE 测评结果，优先推进在 AI 智能体方面相关的应用，包括任务规划、工具使用及一些长文本记忆相关的场景。另外在较复杂推理应用上的效果会比较不错，在广告文案、文学写作方面也是一个很好的选择。

在不同的测评维度中，智谱清言和通义千问各有优势。 在多轮开放式问题基准 SuperCLUEOPEN 的胜率方面，智谱清言和通义千问 2.0 的胜率均超过 25%。 在工具使用能力的测评中，GPT4 Turbo 取得满分，国内大模型中智谱清言表现不俗，取得 83.78 的高分，排名国内模型第一，通义千问 2.0 也有超过 70 分的表现。 在对结构化 prompt 的测试中，通义千问能够一次输出，但输出内容有待提高；智谱清言在经过改写 prompt 等操作后也有不错的表现。 总体而言，难以简单地判定智谱清言和通义千问哪个更强大，其表现会因具体的测评维度和任务而有所不同。

国内大语言模型的应用较为广泛，以下为您介绍部分常见的大语言模型及其应用： 1. 云雀大模型（豆包）：在信息安全相关的在线课程和讲座等方面有应用。 2. AndesGPT（OPPO）：已接入 OPPO 智能助理新小布，可用于用机助手、内容创作、超级问答、专属 AI、日程管理等全新能力，正在公测中。其聚焦在移动设备端的应用，主要涵盖知识、记忆、工具、创作四个方向，目前已支持使用“系统设置、一方应用、三方服务、代码解释器”等各类工具，并且全面支持文生文、文生图等场景。 3. 文心一言 4.0（百度）：已有 7000 万用户。在计算、逻辑推理、生成与创作、传统安全这 4 大基础能力上排名国内第一。另外在代码、知识与百科、语言理解与抽取、工具使用能力上排名国内前三。能力栈较为广泛，可应用的场景较多，重点推荐在查询搜索知识应用、任务拆解规划 Agent、文案写作以及代码编写及纠错等方面的应用。由于在逻辑推理方面的不俗表现，可以重点关注在科学研究、教育、工业方面的落地能力。

以下是关于豆包使用技巧的相关内容： Prompt 之术： 三板斧中的分配角色：“你是一个哲学家。” 不分配角色时，⇒角色模式，行为模式包括知识域、语言风格、决策倾向等。 给出示例：给我讲个笑话，如“小时候我家特别穷。有多穷呢？不管每次我生什么病，我妈都从抽屉里拿出风油精。” 不使用 Fewshots 时，⇒类比学习。 思维链⇒逻辑推理。 Prompt 之用： 豆包划词：包括场景一的翻译，如测试“cognitive distinguish”；场景二的汉语新解，如测试“奢华游戏”。 利用 AI 批量生成、模仿和复刻《小林漫画》： 扣子使用链接：https://www.coze.cn/s/iMCq73wp/ 批量生产图片：有相关视频演示

要使用豆包读取微信里的内容，可参考以下步骤： 1. 抓取公众号内容： 先在平台搜索现成的插件，如 Coze 平台，但部分插件已荒废无法使用。 可考虑自己写爬虫抓取，或者寻找现成的服务通过 API 方式调用。例如“瓦斯阅读”可以抓取部分公众号内容，但存在公众号不全的问题。还可以尝试 GitHub 上的 WeWe RSS 工具，通过微信读书的方式订阅公众号。 2. 公众号内容总结： 主要依靠大模型的能力，如字节的豆包大模型可以胜任。涉及批量对抓取到的公众号内容进行总结，可使用“批处理”功能。 3. 定时推送到微信： 定时方面，Coze 平台的触发器可以实现。 推送到微信方面，Coze 平台没有这类插件，可寻找第三方 API 的方案，如“server 酱”，通过服务号的模板消息将自定义内容推送到微信。 另外，关于将 AI 接入微信，还可参考以下步骤： 1. 登录成功后，找另一个人私聊或者在群中@您，就可以看到机器人的正常回复。 2. 若想为 AI 赋予提示词，可返回“目录 4 里的第 17 步”进行更改。 3. 此后进行任何更改，都需要“返回首页 右上角 点击重启，重启一下服务器”。 4. 然后，重新在“文件”的【终端】里，直接输入“nohup python3 app.py & tail f nohup.out”重新扫码登录。 5. 关于添加插件，可参考。 6. 接入机器人的步骤： 回到宝塔，选择 Docker（若未安装则进行安装，安装完成后刷新页面确认安装成功）。 回到宝塔终端，粘贴代码并回车。 去文件列表，到根目录/data/cozediscordproxy 新建文件并命名为 dockercompose.yml，粘贴代码并替换相关 ID 和 token 后保存。 在文件位置的上方点击终端，粘贴相关代码。若启动失败，可能是 docker 拒绝代理访问问题，可先关掉 clash 再执行代码。 进入相关文件夹和文件进行替换和修改，最后在文件顶部的“终端”内粘贴执行。 使用微信扫码（建议使用小号）完成。

以下是豆包和文心一言的一些比较信息： 豆包： 是字节跳动官方网页版产品。 在中文大模型基准测评 2023 年度报告的 SuperCLUE 基准传统安全能力专项中表现优秀。 文心一言： 由百度全新一代知识增强大语言模型，于 2023 年 3 月 16 日正式发布，10 月 17 日发布 V4.0 版本。 目前已有 7000 万用户。 在计算、逻辑推理、生成与创作、传统安全这 4 大基础能力上排名国内第一。在代码、知识与百科、语言理解与抽取、工具使用能力上排名国内前三。各项能力表现均衡且绝大部分能力有很高水平，综合来看是国内非常有竞争力的大模型。 能力栈较为广泛，可应用的场景较多。重点推荐在查询搜索知识应用、任务拆解规划 Agent、文案写作以及代码编写及纠错等方面的应用。由于在逻辑推理方面的不俗表现，可以重点关注在科学研究、教育、工业方面的落地能力。 此外，文心一言和豆包在国内都有一定的知名度，且文心一言与 Kimi 智能助手、通义千问等都是国内免费的 APP。

以下是关于更好使用豆包以及相关插件的信息： 使用豆包作为英语陪练 建议直接使用豆包的语音通话方式，效果更好。 实际演示效果包括视频演示（扮演英语水平较差的学习者）、文字交流中的训练纠错，以及在 Coze 端解读上传图片或文件的英文内容（豆包端暂不支持）。 可直接试用，Coze 端使用链接：https://www.coze.cn/store/bot/7354381765919834127 ，豆包端使用链接：https://www.doubao.com/chat/22308348468226 。 GPT 相关插件 功能：生成链接，对网页内特定文本进行识别并转换为可点击链接，快速发送，支持热键（如 Ctrl + C 对现有页面词汇转换并发送到 GPT）。 插件使用方法： 流程：安装浏览器插件 Tampermonkey（支持 chrome、edge、ARC，安装链接：https://chrome.google.com/webstore/detail/tampermonkeybeta/gcalenpjmijncebpfijmoaglllgpjagf ），打开 GPT 官网，点击插件图标新建，完整替换提供的文件（保存后关闭，官网内刷新，若图标出现数字 1 说明生效，若无效可按快捷键 Ctrl + C 试试）。 JS 代码文本转链接插件：将相关内容粘贴到 Tampermonkey 中。 目录插件：更新时间为 20231007 00:55:41 。

Kimi 是 ChatGPT 的国产平替，具有不用科学上网、不用付费、支持实时联网、对长文理解较好、能一次搜索多个数据来源且无广告、能定向指定搜索源等特点。 智能体（Agent）是随着 ChatGPT 与 AI 概念爆火出现的新名词，简单理解就是 AI 机器人小助手，参照移动互联网类似 APP 应用的概念。在做智能体创业的公司有很多，比如 C 端有社交方向，用户注册后先捏自己的智能体然后让其与他人的智能体聊天，真人再介入；还有借 Onlyfans 入局打造个性化聊天的创业公司。B 端有帮助商家搭建智能体的公司。 字节的扣子（Coze）是字节推出的 AI 聊天机器人构建平台的国内版，主要用于开发下一代 AI 聊天机器人。 而 GPT 是一种知名的大型语言模型。 综上所述，Kimi、元宝（未提及相关信息）、扣子和 GPT 在功能、特点和应用场景等方面存在差异。

通义听悟是阿里云推出的一款基于大模型的工作学习 AI 助手。它主要针对音视频内容，具备以下功能： 实时记录交流内容并同步翻译。 批量转写音视频文件并区分发言人。 智能提炼全文概要、章节速览和发言总结。 提取视频中的 PPT 并总结摘要。 自动提取关键词和待办事项。 编辑整理笔记并导出分享。 通义听悟依托大模型技术，能帮助用户更高效地记录、整理和分析音视频内容，提高工作和学习效率。它于 2023 年 6 月 1 日开始公测，并在 2023 年 11 月的云栖大会上正式上线。

通义千问开源了多种大模型，其中 Qwen 2 模型性能超越目前所有开源模型和国内闭源模型。以下是相关信息： 性能突破：在中国大模型领域，开源模型显示出超越最强闭源模型的势头，从性能到生态都具备了媲美美国 Llama3 的能力。开源模型用实力证明其正在变得越来越强。 开源历程：2023 年 8 月，阿里云成为国内首个宣布开源自研模型的科技企业，推出通义千问第一代开源模型 Qwen；2024 年 2 月，1.5 代开源模型 Qwen1.5 发布；不到 4 个月后，Qwen2 开源。不到一年时间，通义先后开源数十款不同尺寸的模型，包括大语言模型、多模态模型、混合专家模型、代码大模型。 性能特点：Qwen 2 包括 5 种尺寸的预训练和指令调整模型，如 Qwen20.5B、Qwen21.5B、Qwen27B、Qwen257BA14B 和 Qwen272B。除英语和中文外，还接受过另外 27 种语言的数据训练，在大量基准评估中表现出最先进的性能，代码和数学性能显著提高，全面超越 llama3，增大了上下文长度支持。相比 Qwen1.5，Qwen2 实现了整体性能的代际飞跃。在国际权威测评中，Qwen272B 获十几项世界冠军，超过美国的 Llama3。 体验和下载：Qwen2 系列已上线魔搭社区 ModelScope 和阿里云百炼平台，开发者可在魔搭社区体验、下载模型，或通过阿里云百炼平台调用模型 API。同时，Qwen272binstruct 模型已经上线中国大语言模型评测竞技场 Compass Arena，所有人都可以登录体验 Qwen2 的性能，或者选择 Qwen2 模型与其他大模型进行对比测评。测评地址为。Compass Arena 是由上海人工智能实验室和魔搭社区联合推出的大模型测评平台，集齐了国内主流的 20 多款大模型。 您还可以通过玉宝搞的 LLM 在线评估（https://www.llmrank.cn/）查看国内各个闭源大模型的 HUMANEVAL 测评得分，并与 QWEN2 对比。

通义千问是阿里推出的一款超大规模预训练语言模型，其训练过程包括以下方面： 1. 大规模预训练：基于先进的深度学习技术进行研发。 2. 精细微调：提升智能水平，使其表现更接近人类，进一步提升代码、数学、推理、指令遵循、多语言理解等能力，并学会对齐人类价值观，变得更有帮助、诚实和安全。 探索多种自动方法获取高质量、可靠、有创造力的指令和偏好数据，如针对数学的拒绝采样、针对代码和指令遵循的代码执行反馈、针对创意写作的回译、针对角色扮演的 scalable oversight 等。 结合有监督微调、反馈模型训练以及在线 DPO 等方法，并采用在线模型合并的方法减少对齐税。 不久后，通义千问团队将推出 Qwen2 的技术报告。Qwen 系列模型在全球爆火，近一个月内总下载量翻倍，已突破 1600 万次。海内外开源社区已经出现了超过 1500 款基于 Qwen 二次开发的模型和应用。