推荐可以OCR的AI

要让 AI 做一个自己的智能 AI 软件，可以参考以下步骤： 1. 选择合适的平台：例如字节跳动旗下的扣子（Coze），其是新一代一站式 AI Bot 开发平台，无论是否具备编程基础，都能在该平台上迅速构建基于 AI 模型的各类问答 Bot。 2. 明确创建流程： 起一个智能体的名称。 写一段智能体的简单介绍。 使用 AI 创建一个头像。 3. 对于让 AI 写出想要的代码，可遵循以下.cursorrules 写法： 先说清楚自己是谁，告诉 AI 期待其具备的专业技能。 告诉 AI 要干什么，明确项目需求。 定好项目的“规矩”，强调代码规范。 明确文件存放位置。 指定使用的“工具”，如框架和库。 告诉 AI 怎么做测试。 推荐参考资料。 如有 UI 需求，补充相关要求。 4. 在与 AI 合作编程时，了解其边界和限制，遵循编程准则： 能不编，尽量不编。优先找线上工具、插件、本地应用，先找现成的开源工具或考虑付费服务，实在找不到再自己编程。以终为始，聚焦目标。

对于零基础学习和运用 AI，以下是一个系统性的教程： 一、了解 AI 基本概念 首先，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，这些文章通常会介绍 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。这些课程将引导您了解生成式 AI 等基础知识，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。同时，建议您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。通过与这些 AI 产品的对话，您可以获得对 AI 在实际应用中表现的第一手体验，并激发您对 AI 潜力的认识。 六、深入学习 Python 编程（如果希望继续精进） 至少熟悉以下内容： 1. Python 基础 基本语法：了解 Python 的基本语法规则，比如变量命名、缩进等。 数据类型：熟悉 Python 中的基本数据类型，如字符串（String）、整数（Integer）、浮点数（Float）、列表（List）、元组（Tuple）、字典（Dictionary）等。 控制流：学习如何使用条件语句（if）、循环语句（for 和 while）来控制程序的执行流程。 2. 函数 定义和调用函数：学习如何定义自己的函数，以及如何调用现有的函数。 参数和返回值：理解函数如何接收参数和返回结果。 作用域和命名空间：了解局部变量和全局变量的概念，以及它们是如何在 Python 中工作的。 3. 模块和包 导入模块：学习如何导入 Python 标准库中的模块或者第三方库。 使用包：理解如何安装和使用 Python 包来扩展程序的功能。 4. 面向对象编程（OOP） 类和对象：了解面向对象编程的基本概念，包括类的定义和实例化。 属性和方法：学习如何为类定义属性和方法，以及如何通过对象来调用它们。 继承和多态：了解类之间的继承关系以及如何实现多态。 5. 异常处理 理解异常：了解什么是异常，以及它们在 Python 中是如何工作的。 异常处理：学习如何使用 try 和 except 语句来处理程序中可能发生的错误。 6. 文件操作 文件读写：学习如何打开文件、读取文件内容以及写入文件。 文件与路径操作：理解如何使用 Python 来处理文件路径，以及如何列举目录下的文件。

以下是为您整理的关于 AI 提示词的学习资料： 《拘灵遣将|不会写 Prompt（提示词）的道士不是好律师——关于律师如何写好提示词用好 AI 这件事》：指出要从古人总结的智慧中学习写提示词，接受 AI 存在的“不稳定性”，提示词应是相对完善的“谈话方案”，成果在对话中产生，不能期待完美的提示词和答案。 《从零开始：AI 视频制作小白的成长之路📹》：提到提示词有很多坑，如有人花钱学习但仍上手困难。提示词的框架为主体（什么东西）+动作（干啥了）+场景+镜头（怎么拍），并举例说明。 《雪梅 May 的 AI 学习日记》：2023 年 ChatGPT 出现后，提示词成为基本功，沉淀了一些经典框架。作者学习了一段时间 Agent 后，打算看吴恩达的体系课程，推荐吴恩达的 prompt 课程，并分享了相关学习链接。作者还通过练习用 prompt 写白皮书，实际体验中 AI 能帮助完成约 20%的工作。

根据所提供的内容，国外访问量最大的 AI 工具中，ChatGPT 独占 140 亿流量，占总流量的 60%。Writerbuddy AI 分析了 3000 多种 AI 工具，选出访问量最大的 50 个工具，共产生超过 240 亿次访问量，且 AI 行业每月增长 2.363 亿访问量，这 50 个工具增长率达 10.7 倍。在分析的前 50 名 AI 工具的地理行为方面，中国排名第 47 位。美国在顶级 AI 公司数量方面领先，欧洲以及澳大利亚和加拿大在 AI 投资和采用方面落后，所有欧盟国家合计产生了 39 亿流量，占总量的 16.21%。

目前在翻译长篇英文文档方面，没有绝对的“最好”的 AI 。不同的 AI 翻译工具都有其特点和优势，例如谷歌翻译、百度翻译、有道翻译等。它们的翻译质量会受到文档的领域、语言风格、复杂程度等多种因素的影响。您可以根据具体的需求和文档特点，对不同的翻译工具进行尝试和比较，以找到最适合您的那一个。

以下是入门 AI 提示词的建议： 1. 了解 AI 基本概念：建议阅读「」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。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。 2. 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。 3. 选择感兴趣的模块深入学习：AI 领域广泛，您可以根据自己的兴趣选择特定的模块进行深入学习。建议您一定要掌握提示词的技巧，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。 5. 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。 6. 国内大语言模型工具好用，学习可以从提示词开始。提示词的结构可以参考主体（什么东西）+动作（干啥了）+场景+镜头（怎么拍），例如“母亲很疲惫看着孩子”。 希望以上内容对您有所帮助。

关于 OCR 的相关信息如下： GPT 的 OCR 识别问题及解决方案： 问题：开启代码执行功能时，GPT 会尝试用代码完成 OCR，导致无法正确识别图片文字。 解决方案： 如果是自定义 GPT，关闭 Code Interpreter。 无法关闭时，提问时明确说明“不要执行代码，请用自身多模态能力识别文字”。 直接使用 ChatGPT，而非 GPT。参考链接： 开源的 Zerox OCR 工具： 支持将 PDF、DOCX 转换为 Markdown。 可并发处理，能选择特定页面及模型选项。详细介绍参考：

OCR 大模型的原理如下： 1. 生成式：大模型根据已有的输入为基础，不断计算生成下一个字词（token），逐字完成回答。例如，一开始给定提示词，大模型结合自身存储的知识进行计算推理，算出下一个单词的概率并输出，新的输出与过去的输入一起成为新的输入来计算下一个词，直到计算出的概率最大时结束输出。 2. 预训练：大模型“脑袋”里存储的知识都是预先学习好的，这个预先学习并把对知识的理解存储记忆在“脑袋”里的过程称为预训练。预训练需要花费大量时间和算力资源，且在没有其他外部帮助的情况下，大模型所知道的知识信息可能不完备和滞后。 3. 规模效应：参数规模的增加使得大模型实现了量变到质变的突破，最终“涌现”出惊人的“智能”。就像人类自身，无论是物种进化还是个体学习成长，都有类似“涌现”的结构。

关于 OCR 的相关信息如下： GPT 的 OCR 识别问题及解决方案： 问题：开启代码执行功能时，GPT 会尝试用代码完成 OCR，导致无法正确识别图片文字。 解决方案： 如果是自定义 GPT，关闭 Code Interpreter。 无法关闭时，提问时明确说明“不要执行代码，请用自身多模态能力识别文字”。 直接使用 ChatGPT，而非 GPT。参考链接： 开源的 Zerox OCR 工具： 支持 PDF、DOCX 转换为 Markdown。 可并发处理，能选择特定页面及模型选项。详细介绍参考：

以下是一些关于用大模型将扫描版 PDF 进行 OCR 的工具的相关信息： kimi 目前不支持扫描版本的 PDF，需要纯文字才能识别。 大模型招投标文件关键数据提取方案中的输入模块设计，支持多种格式的文档输入，包括 PDF 等。对于图片，可以借助开放平台工具中的 OCR 工具进行文本提取。 在 0 基础跨界 AI 编程共学零基础手搓 AI 拍立得银海的相关内容中，提到了将 OCR 添加到工作流程中，输入为一张图片，具备图像理解和识别图像文本信息两个能力，之后以这两个能力生成的内容为输入使用大模型生成文案标题和文案。

目前在具备图像 OCR 能力的大模型方面，一些较为知名和好用的包括百度的文心大模型、阿里云的通义大模型等。但大模型的性能和适用场景可能会因具体需求和使用场景的不同而有所差异。您可以根据自己的具体需求进一步评估和选择。

以下为您介绍一些与 OCR 文字识别相关的内容： 在“安仔：我用 Coze 免费手搓了一个 24 小时英语陪练，根治了我多年的哑巴英语”中提到使用了 Simple OCR 插件，它能够识别图片中的文字，并返回识别结果，用于读取用户上传图片或文件的文字，并做相应处理。 在移动端图片视觉处理方面，对于试卷拍照去除书写笔迹，有以下详细方法： 1. 图像预处理： 图像去噪：使用高斯滤波、中值滤波等去噪算法去除图像中的噪声。 图像增强：通过直方图均衡化、对比度增强等增强算法提升图像的清晰度和对比度。 2. 图像分割： 使用阈值分割、边缘检测和基于区域的分割等算法将试卷图像中的书写笔迹和背景分离。 3. 文字检测： 在分割后的图像中，使用基于深度学习的文本检测模型等文字检测算法识别出试卷上的文字区域。 4. 文字识别： 对检测到的文字区域进行文字识别，将文字内容转换为计算机可处理的文本数据。常用技术包括基于深度学习的端到端文本识别模型和传统的 OCR 技术。 5. 后处理： 根据需求进行后处理，如去除残余的噪点、填补文字区域的空白等。 6. 机器学习模型训练（可选）： 如有足够的数据，可以采用机器学习技术训练模型，通过学习样本中的书写笔迹特征来自动去除试卷上的笔迹。 7. 优化算法：

以下为您推荐一些论坛： 文本类 Prompt 网站： Learning Prompt：授人以渔，非常详尽的 Prompt 学习资源，包括 ChatGPT 和 MidJourney，网址： FlowGPT：国外做的最大的 prompt 站，内容超全面，更新快，网址： LangChain Hub：提示词管理工具，LangChain 推出了 LangChain Hub，一个提示词上传、浏览、拉取和管理的工具，网址： 微软 Prompt Flow：微软发布开源的 LLM 开发工具集 Prompt flow，它简化了基于 LLM 的人工智能应用程序的端到端开发周期，从构思、原型设计、测试、评估到生产部署和监控，对于简单工作流非常实用，网址： PromptPort（支持中文）：AI Prompt 百科辞典，其中 prompts 是聚合了市场上大部分优质的 prompt 的词库，快速的寻找到用户需求 prompt，网址： PromptKnit：The best playground for prompt designers，网址： ChatGPT Shortcut：ChatGPT 提示词网站，提供了非常多使用模板，简单修改即可指定输出，网址： ClickPrompt：轻松查看、分享和一键运行模型，创建 Prompt 并与其他人分享，网址： Prompt Extend：让 AI 帮你自动拓展 Prompt，网址： 图像类 Prompt 网站： NovelAI tag 生成器：设计类 Prompt 提词生成器，网址： 魔咒百科词典：魔法导论必备工具，简单易用的 AI 绘画 tag 生成器，网址： KREA：设计 AI 的 Prompt 集合站，create better prompts，网址： Public Prompts：免费的 prompt 合集，收集高质量的提示词，网址： AcceleratorI Prompt：AI 词汇加速器，加速 Prompt 书写，通过按钮帮助优化和填充提示词，网址：

以下是为您推荐的生成图片的 AI 网站： 1. 无界 AI：这是一款可以在线 AI 生成图片的网站（类似 SD Online 一键出图版），网址为 https://www.wujieai.cc/ （新用户扫码注册可领取积分）。适合初次学习 AI 工具的小伙伴尝试。 2. Artguru AI Art Generator：在线平台，生成逼真图像，给设计师提供灵感，丰富创作过程。 3. Retrato：AI 工具，将图片转换为非凡肖像，拥有 500 多种风格选择，适合制作个性头像。 4. Stable Diffusion Reimagine：新型 AI 工具，通过稳定扩散算法生成精细、具有细节的全新视觉作品。 5. Barbie Selfie Generator：专为喜欢梦幻童话风格的人设计的 AI 工具，将上传的照片转换为芭比风格，效果超级好。 6. DALL·E：由 OpenAI 推出的一款文生图工具，可以根据输入的文本描述生成逼真的图片。 7. StableDiffusion：开源的文生图工具，能生成高质量的图片，支持多种模型和算法。 8. MidJourney：因其高质量的图像生成效果和用户友好的界面设计而受到广泛欢迎，在创意设计人群中尤其流行。 您还可以在 WaytoAGI 网站（https://www.waytoagi.com/category/104）查看更多文生图工具。但需要注意的是，这些 AI 模型可能存在一些局限，如偶尔会出现性能不稳定、生成内容不当等问题。

以下是关于通过飞书机器人与 Coze 搭建的智能体进行对话，并利用飞书多维表格存储和管理稍后读数据，实现跨平台的稍后读收集与智能阅读计划推荐的具体操作方法： 前期准备： 1. 简化“收集”： 实现跨平台收集功能，支持电脑（web 端）、安卓、iOS 多端操作。 输入一个 URL 即可完成收集，借鉴微信文件传输助手的方式，通过聊天窗口完成收集输入。 2. 自动化“整理入库”： 系统在入库时自动整理每条内容的关键信息，包括标题、摘要、作者、发布平台、发布日期、收集时间和阅读状态。 阅读清单支持跨平台查看。 3. 智能“选择”推荐： 根据当前收藏记录和用户阅读兴趣进行相关性匹配，生成阅读计划。 使用飞书·稍后读助手： 1. 设置稍后读存储地址： 首次使用，访问。 点击「更多创建副本」，复制新表格的分享链接。 将新链接发送到智能体对话中。 还可以发送“查询存储位置”、“修改存储位置”来更换飞书多维表格链接，调整稍后读存储位置。 2. 收藏待阅读的页面链接： 在对话中输入需要收藏的页面链接，第一次使用会要求授权共享数据，授权通过后再次输入即可完成收藏。但目前部分页面链接可能小概率保存失败。 3. 智能推荐想看的内容： 在对话中发送“我想看 xx”、“xx 内容”，即可按个人兴趣推荐阅读计划。 至此，专属 AI 稍后读智能体大功告成，您可以尽情享受相关服务。

以下为您推荐一些可用于数据透视的 AI 工具： 1. Lucidchart：流行的在线绘图工具，支持多种视图创建，包括逻辑视图、功能视图和部署视图，用户可通过拖放界面轻松创建架构图。 2. Visual Paradigm：全面的 UML 工具，提供创建各种架构视图的功能，如逻辑视图（类图、组件图）、功能视图（用例图）和部署视图（部署图）。 3. ArchiMate：开源建模语言，专门用于企业架构，支持逻辑视图创建，可与 Archi 工具配合使用，该工具提供图形化界面创建模型。 4. Enterprise Architect：强大的建模、设计和生成代码工具，支持创建多种架构视图，包括逻辑、功能和部署视图。 5. Microsoft Visio：广泛使用的图表和矢量图形应用程序，提供丰富模板用于创建逻辑视图、功能视图和部署视图等。 6. draw.io（现称为 diagrams.net）：免费的在线图表软件，允许创建各种类型图表，包括软件架构图，支持创建逻辑视图和部署视图等。 7. PlantUML：文本到 UML 的转换工具，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。 8. Gliffy：基于云的绘图工具，提供创建各种架构图的功能，包括逻辑视图和部署视图。 9. Archi：免费开源工具，用于创建 ArchiMate 和 TOGAF 模型，支持逻辑视图创建。 10. Rational Rose：IBM 的 UML 工具，支持创建多种视图，包括逻辑视图和部署视图。 以下是一些设计工具的排行及相关数据： |排行|产品名|分类|6 月访问量（万 Visit）|相对 5 月变化| |||||| |1|Canva Al|设计工具|55900|0.123| |2|Adobe Firefly|设计工具|928|0.047| |3|CF Spark|设计工具|885|0.023| |4|Microsoft Designer|设计工具|885|0.321| |5|What font is|设计工具|362|0.045| |6|稿定设计|设计工具|247|0.068| |7|墨刀 AI|设计工具|202|0.148| |8|Hotpot.ai|设计工具|198|0.244| |9|vectorizer.ai|设计工具|183|0.042| |10|Wepik by freepik|设计工具|164|0.304| |排行|产品名|分类|4 月访问量（万 Visit）|相对 3 月变化| |||||| |1|Canva Al|设计工具|58640|0.033| |2|CF Spark|设计工具|940|0.118| |3|Adobe Firefly|设计工具|835|0.051| |4|Microsoft Designer|设计工具|612|0.179| |5|What font is|设计工具|348|0.006| |6|Wepik by freepik|设计工具|284|0.295| |7|Hotpot.ai|设计工具|283|0.024| |8|稿定设计|设计工具|264|0.078| |9|Designs AI|设计工具|185|0.167| |10|墨刀 AI|设计工具|179|0.016|

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。

以下是为您推荐的文献阅读总结工具： 1. 浏览器插件“沉浸式翻译”： 地址：https://immersivetranslate.com/ 支持阅读本地 PDF 等，是实用的英文资料和网页翻译插件。 2. 浏览器插件莫妮卡（Monica）： 地址：https://monica.im/ 集成了 GPT 的功能，可对网页文字进行翻译。 3. 利用 GPT 辅助阅读：能从英译中到中译中，帮助理解文档内容。 4. Afforai： 是为研究人员设计的 AI 驱动的研究助手和聊天机器人。 提供上传和管理研究论文、注释和笔记、管理引用和元数据等工具。 支持多种文档格式和三种搜索模式。 5. Recall： 提供新型知识管理方法，能自动总结多种在线内容并保存到知识库。 知识库自动组织和分类内容，通过知识图谱技术发现信息联系，还提供间隔重复学习功能。 此外，在学术场景中，GLM4Plus 结合良好的提示词可帮助快速总结、翻译和润色论文内容。例如： 论文总结提示词：结合良好提示词能迅速总结概括文档。 论文内容翻译提示词：结合良好提示词能快速翻译论文内容。 论文内容扩写润色提示词：精心设计的提示词可根据特定场景调整，生成多样化润色结果，如针对小红书的口语化、轻松愉快风格。