我是一个文科生，没有接触过相关知识，该如何开始学习AGI

对于文科生开始接触人工智能，以下是一些建议： 1. 了解基本概念： 阅读相关资料，熟悉AI的术语和基础概念，如人工智能的定义、主要分支（机器学习、深度学习、自然语言处理等）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. 开始学习之旅： 参考「」，找到为初学者设计的课程，如李宏毅老师的课程。 利用在线教育平台（如Coursera、edX、Udacity）按照自己的节奏学习，并争取获得证书。 3. 选择感兴趣的模块深入学习： AI领域广泛，可根据自身兴趣选择特定模块，如图像、音乐、视频等。 掌握提示词技巧，因其上手容易且实用。 4. 实践和尝试： 理论学习后进行实践，巩固知识，尝试使用各种产品创作作品。 分享实践成果。 5. 体验AI产品： 与ChatGPT、Kimi Chat、智谱、文心一言等AI聊天机器人互动，了解其工作原理和交互方式，获取实际应用中的体验，激发对AI潜力的认识。 有兴趣的伙伴，可以留言互动，如有需要还能提供一份AI工具逐渐进入状态的tips文章。

“通往 AGI 之路”（WaytoAGI）是一个致力于人工智能（AI）学习的中文知识库和社区平台，具有以下特点： 1. 提供系统全面的 AI 学习路径，涵盖从基础概念到实际应用的各个方面。 2. 由开发者、学者和 AI 爱好者共同参与建设，提供丰富的学习资源，包括文章、教程、工具推荐以及最新的 AI 行业资讯等。 3. 定期组织活动，如视频挑战赛、模型创作大赛等，鼓励成员在实践中学习，促进交流与合作。 4. 引领并推广开放共享的知识体系，倡导共学共创等形式，孵化了 AI 春晚、离谱村等大型共创项目。 5. 拥有庞大的用户基础，在没有任何推广的情况下，一年时间已有超过 100 万用户和超千万次的访问量。 6. 目标是让每个人的学习过程少走弯路，让更多的人因 AI 而强大。 7. 其品牌 VI（视觉识别）融合了独特的设计元素，以彩虹色彰显多元性和创新，以鹿的形象象征智慧与优雅，通过非衬线字体展现现代感和清晰性。 8. 汇集了上千个人工智能网站和工具，提供最新的 AI 工具、AI 应用、AI 智能体和行业资讯。 9. 目前合作过众多公司/产品，如阿里云、通义千问、淘宝、智谱、支付宝、豆包、火山引擎等。 如果您对 AI 学习感兴趣，加入“通往 AGI 之路”社区将是一个不错的选择。在这里，您可以获取最新的 AI 知识，参与实践活动，与志同道合的学习者共同成长。

AGI 是 artificial general intelligence 的缩写，意思是通用人工智能，即能够做任何人类可以做的事。 OpenAI 在其内部会议上分享了 AGI 的五个发展等级，分别为： 1. 聊天机器人（Chatbots）：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者（Reasoners）：具备人类推理水平，能够解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可以预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 在 AI 领域，ANI（artificial narrow intelligence，弱人工智能）得到巨大发展，而 AGI 还没有取得巨大进展。ANI 只可做一件事，如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等。

AGI 即强人工智能或通用人工智能，是指具有人类水平的智能和理解能力的 AI 系统。它有能力完成任何人类可以完成的智力任务，适用于不同的领域，同时拥有某种形式的意识或自我意识。目前还只是一个理论概念，还没有任何 AI 系统能达到这种通用智能水平。 AGI 的五个发展等级分别为： 1. 聊天机器人：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者：具备人类推理水平，能够解决复杂问题，如 ChatGPT，能够根据上下文和文件提供详细分析和意见。 3. 智能体：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可以预测蛋白质结构，加速科学研究和新药发现。 5. 组织：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 更多信息请见（AGI）。OpenAI 自 2015 年成立以来，一直将 AGI 作为其战略目标之一，随着 ChatGPT、多模态大模型和 AI Agent 等技术的发展，我们似乎越来越接近实现这一目标。

AGI 即 artificial general intelligence，指通用人工智能，能够做任何人类可以做的事。 OpenAI 在其内部会议上分享了 AGI 的五个发展等级： 1. 聊天机器人（Chatbots）：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者（Reasoners）：具备人类推理水平，能够解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 目前 AI 分为 ANI 和 AGI，ANI 得到巨大发展但 AGI 还没有取得巨大进展。ANI 即 artificial narrow intelligence 弱人工智能，只可做一件事，如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等。

AGI 即通用人工智能（Artificial General Intelligence），是指具有人类水平的智能和理解能力的 AI 系统。它能够完成任何人类可以完成的智力任务，适用于不同的领域，同时拥有某种形式的意识或自我意识。 目前 AGI 还只是一个理论概念，还没有任何 AI 系统能达到这种通用智能水平。 AGI 有不同的发展等级，分别为： 1. 聊天机器人（Chatbots）：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 推理者（Reasoners）：具备人类推理水平，能够解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可以预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 更多信息请见 。OpenAI 自 2015 年成立以来，一直将 AGI 作为其战略目标之一，随着 ChatGPT、多模态大模型和 AI Agent 等技术的发展，我们似乎越来越接近实现这一目标。

WaytoAGI 网站是一个在 AI 领域为用户提供多种功能的平台，包括： 1. 和 AI 知识库对话，用户可以在此询问任何关于 AI 的问题。 2. 集合了精选的 AI 网站，方便用户按需求找到适合的工具。 3. 提供精选的 AI 提示词，用户可以复制到 AI 对话网站使用。 4. 呈现每天知识库的精华内容。 WaytoAGI 网站和 WaytoAGI 知识库相互关联又各自独立，旨在成为用户学习 AI 路上的好助手。它不仅是一个知识库，还是连接学习者、实践者和创新者的社区，让大家在这里碰撞思想，相互鼓舞，一同成长。此外，它还通过公众号、B 站、小红书、X（Twitter）等渠道传递 AI 消息和普及 AI 知识。

以下是关于本地构建知识库的详细步骤和相关知识： 一、硬件配置要求 运行大模型需要较高的机器配置，个人玩家可能负担不起。 生成文字大模型： 最低配置：8G RAM + 4G VRAM 建议配置：16G RAM + 8G VRAM 理想配置：32G RAM + 24G VRAM（如果要跑 GPT3.5 差不多性能的大模型） 生成图片大模型（比如跑 SD）： 最低配置：16G RAM + 4G VRAM 建议配置：32G RAM + 12G VRAM 生成音频大模型： 最低配置：8G VRAM 建议配置：24G VRAM 二、RAG 技术 利用大模型的能力搭建知识库本身就是一个 RAG 技术的应用。在进行本地知识库的搭建实操之前，需要先对 RAG 有大概的了解。 RAG 是指检索增强生成（Retrieval Augmented Generation），当需要依靠不包含在大模型训练集中的数据时，通过以下 5 个过程实现： 1. 文档加载（Document Loading）：从多种不同来源加载文档。LangChain 提供了 100 多种不同的文档加载器，包括 PDF 在内的非结构化的数据、SQL 在内的结构化的数据，以及 Python、Java 之类的代码等。 2. 文本分割（Splitting）：文本分割器把 Documents 切分为指定大小的块。 3. 存储：涉及将切分好的文档块进行嵌入（Embedding）转换成向量的形式，并将 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. Output（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。 三、本地知识库搭建步骤 如果想要对知识库进行更加灵活的掌控，需要一个额外的软件：AnythingLLM。 1. 安装 AnythingLLM 安装地址：https://useanything.com/download 安装完成后，会进入到其配置页面，主要分为三步： 第一步：选择大模型 第二步：选择文本嵌入模型 第三步：选择向量数据库 2. 构建本地知识库 AnythingLLM 中有一个 Workspace 的概念，可以创建自己独有的 Workspace 跟其他的项目数据进行隔离。 首先创建一个工作空间。 上传文档并且在工作空间中进行文本嵌入。 选择对话模式。AnythingLLM 提供了两种对话模式： Chat 模式：大模型会根据自己的训练数据和上传的文档数据综合给出答案。 Query 模式：大模型仅仅会依靠文档中的数据给出答案。 测试对话：当上述配置完成之后，就可以跟大模型进行对话了。 四、写在最后 “看十遍不如实操一遍，实操十遍不如分享一遍”。如果对 AI Agent 技术感兴趣，可以联系作者或者加作者的免费知识星球（备注 AGI 知识库）。

以下是关于如何搭建定制知识库的相关内容： 要搭建基于 GPT API 的定制化知识库，需要给 GPT 输入定制化的知识。但 GPT3.5（即当前免费版的 ChatGPT）一次交互支持的 Token 数量有限，约 4096 个，相当于 3000 个单词或 2300 个汉字，容量对于多数领域知识不够。为处理大量领域知识，OpenAI 提供了 embedding API 解决方案，可参考 OpenAI embedding documents。 embeddings 是浮点数字的向量（列表），两个向量之间的距离衡量它们的关联性，小距离表示高关联度，大距离表示低关联度。向量是用一串数字表示大小和方向的量，在计算机科学和数据科学中通常用列表表示。向量之间的距离是度量相似性的方法，常见的如欧几里得距离。在 OpenAI 词嵌入中，靠近的向量词语在语义上相似。 LlamaIndex 是更高一层 LangChain 的抽象，之前叫 GPT Index。之前的文章中的例子使用了 LlamaIndex 包，它简化了 LangChain 对文本分割和查询的接口，并提供了更丰富的 Data Connector。LlamaIndex 只针对 GPT Model 做 Index，而 LangChain 可对接多个 LLMs，可扩展性更强。参考 https://gptindex.readthedocs.io/en/latest/ 在基于大模型+知识库的 Code Review 实践中，对于自定义知识库飞书文档（自定义），没有格式要求，能看懂正确代码即可。可直接使用 LangChain 提供的文档加载类，对有权限的飞书文档进行获取，使用 CharacterTextSplitter/RecursiveCharacterTextSplitter 将文本分割成固定长度的块（chunks），方法有两个主要参数：chunk_size 控制每个块的长度，如设置为 1024，则每个块包含 1024 个字符；chunk_overlap 控制相邻两个块之间的重叠长度，如设置为 128，则每个块会与相邻块重叠 128 个字符。 因为大模型有足够多的数据，想让大模型按要求执行就需要用到“Prompt 提示词”。 最近各家大厂接连放大招，AI 技术和应用突飞猛进，GPT4 接口已支持最大 32K 输入，AI 的开发和使用门槛会越来越低。垂直领域知识库的搭建和优化可能更多是业务问题，而非技术问题。

搭建私人知识库可以参考以下方法： 1. 基于 GPT 搭建： 给 GPT 输入（投喂）定制化的知识，但 GPT3.5（即当前免费版的 ChatGPT）一次交互（输入和输出）只支持最高 4096 个 Token，约等于 3000 个单词或 2300 个汉字，容量对于绝大多数领域知识不够。 OpenAI 提供了 embedding API 解决方案，embeddings 是一个浮点数字的向量（列表），两个向量之间的距离衡量它们的关联性，小距离表示高关联度，大距离表示低关联度。 将大文本拆分成若干个小文本块（chunk），通过 embeddings API 将小文本块转换成 embeddings 向量，在一个地方（向量储存库）中保存这些 embeddings 向量和文本块，当用户提出问题时，将问题先通过 embeddings API 转换成问题向量，然后与向量储存库的所有文本块向量比对，查找距离最小的几个向量，把这几个向量对应的文本块提取出来，与原有问题组合成为新的 prompt（问题/提示词），发送给 GPT API。 2. 本地部署大模型搭建： 利用大模型的能力搭建知识库本身就是一个 RAG 技术的应用，在进行本地知识库的搭建实操之前，需要先对 RAG 有大概的了解。 RAG 的应用包括文档加载（从多种不同来源加载文档，LangChain 提供了 100 多种不同的文档加载器）、文本分割（把 Documents 切分为指定大小的块）、存储（将切分好的文档块进行嵌入转换成向量的形式，并将 Embedding 后的向量数据存储到向量数据库）、检索（通过某种检索算法找到与输入问题相似的嵌入片）、Output（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）。 文本加载器就是将用户提供的文本加载到内存中，便于进行后续的处理。

以下是为您整理的从数据产品经理转行 AI 产品经理的相关知识和建议： 一、AIPM 技能树 1. 理解产品核心技术 了解基本的机器学习算法原理，有助于做出更合理的产品决策。 2. 与技术团队有效沟通 掌握一定的算法知识，减少信息不对称带来的误解。 3. 评估技术可行性 在产品规划阶段，能更准确地判断某些功能的技术可行性。 4. 把握产品发展方向 了解算法前沿，更好地把握产品的未来发展方向。 5. 提升产品竞争力 发现产品的独特优势，提出创新的产品特性。 6. 数据分析能力 掌握相关知识，提升数据分析能力。 二、AI 提示词工程师岗位技能要求 1. 学历和专业背景 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 AI 工具 熟悉 ChatGPT、Llama、Claude 等 AI 工具的使用及原理，并具有实际应用经验。 熟练掌握 ChatGPT、Midjourney 等 AI 工具的使用及原理。 3. 项目经验 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。 4. 技术理解 了解并熟悉 Prompt Engineering，包括常见的 Prompt 优化策略（例如 CoT、Fewshot 等）。 5. 数据分析与决策 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。 6. 创新思维 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。 7. 技术关注 对 AI 技术与算法领域抱有强烈的好奇心，并能付诸实践。 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。 8. 编程能力 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。 具有一定的编程基础，熟练使用 Python、Git 等工具。 三、AI 市场与 AI 产品经理分析 当前有两个场景： 1. 企业（包括传统企业和互联网企业）如何实现 AI 转型或用好 AI。 2. 产品经理如何转型 AI 产品经理。 希望以上内容对您有所帮助。

以下是为新手学习 AI 提供的入门知识： 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。 对于不会代码的新手，还可以尝试了解以下作为基础： 1. AI 背景知识： 基础理论：了解人工智能、机器学习、深度学习的定义及其之间的关系。 历史发展：简要回顾 AI 的发展历程和重要里程碑。 2. 数学基础： 统计学基础：熟悉均值、中位数、方差等统计概念。 线性代数：了解向量、矩阵等线性代数基本概念。 概率论：基础的概率论知识，如条件概率、贝叶斯定理。 3. 算法和模型： 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 无监督学习：熟悉聚类、降维等算法。 强化学习：简介强化学习的基本概念。 4. 评估和调优： 性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。 模型调优：学习如何使用网格搜索等技术优化模型参数。 5. 神经网络基础： 网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。

对于新手学习人工智能，建议您从以下几个方面入手： 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，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。 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），您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，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，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。 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。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 AI 小白接触 AI 领域，您可以参考以下步骤： 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。 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，您能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，还有机会获得证书。 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，您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，实践是巩固知识的关键，尝试使用各种产品做出您的作品。 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。 6. 持续学习和跟进： AI 是一个快速发展的领域，新的研究成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 此外，您还可以参考《雪梅 May 的 AI 学习日记》，这适合纯 AI 小白。其学习模式是输入→模仿→自发创造。学习内容可根据您的兴趣在 waytoAGI 社区寻找最新的内容。学习时间较为灵活，日记中的学习资源免费开源。如果您学习状态未达最佳，不必有压力，能学多少算多少。

以下是为您提供的快速指引，帮助您重新学习 AI： 一、了解 AI 基本概念 1. 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。 2. 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 1. 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。 2. 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，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，并激发您对 AI 潜力的认识。 六、持续学习和跟进 AI 是一个快速发展的领域，新的研究成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 希望以上指引对您有所帮助，祝您在 AI 学习中取得进步！

以下是为非专业人士接触了解 AI 并通过 AI 盈利的建议： 艺术创作方面： 目前许多 AI 工具存在幻觉或处理请求时间长的问题。为满足高级用户需求，预计很多公司会推出如 ChatGPT 那样的“专业版”套餐，若您试图通过内容盈利，可关注此类服务。 AI 数字人直播方面： 1. 盈利方式： 直接卖数字人工具软件，实时驱动的一年 4 6 万往上，非实时驱动的一个月 600 元，但效果差且市场价格混乱。 提供数字人运营服务，按直播间成交额抽佣。 2. 适用品类和场景： 适用于不需要强展示的商品，如品牌食品饮料；虚拟商品，如门票、优惠券等。 效果最好的是店播，数据基本能保持跟真人一样。不适用于促销场景和服装品类。 3. 壁垒和未来市场格局： 目前有技术门槛，如更真实的对口型、更低的响应延迟等。但时间拉长，技术上没壁垒。 不会一家独大，可能 4 5 家一线效果，大多二三线效果公司。 把客户服务好、能规模化扩张的公司更有价值。有资源、有业务的大平台下场可能带来降维打击。 AI 市集方面： 像“AI 切磋大会”这样的活动，为大众提供了接触和了解 AI 的机会。例如现场有非遗 AI 刮刮乐、AI 3D 打印、AI 视频转绘、AI 量化交易、AI 产品设计等贴近日常的项目。高一学生“小朱婷”基于通义千问开发“航天小飞侠”AI 助理模型并通过抽奖环节盈利；还有根据 MBTI 和星座生成专属鸡尾酒配方的 AI 调酒等新奇项目。

射频识别（RFID）技术是一种物品标识和自动识别的无线通信技术，无需与被识别物品直接接触。RFID 系统由电子标签和读卡器组成。 其基本原理是：读卡器发射特定频率的无线电波，当电子标签进入有效工作区域时，产生感应电流，从而获得能量被激活，并向读卡器发送自身编码等信息，读卡器接收并解码后，将信息传送给后台系统进行处理。 常见应用包括：乘坐火车时的身份证检票，物流领域的货物追踪管理，图书馆的图书借还管理，超市的商品结算等。 在利用射频识别技术开展实践时，能够了解物与物之间近距离通信的过程。例如在物流中，货物上的电子标签与读卡器之间通过无线电波进行信息交互，实现对货物的实时监控和管理。 RFID 系统的工作流程大致为：读卡器发射无线电波，激活电子标签，电子标签向读卡器发送信息，读卡器接收并解码信息后传送给后台系统。

以下是在飞书学习群中可以找到的 ComfyUI 分层次（基础进阶）的学习案例： 基础课程：陈旭常用节点讲解和简单的节点制作、长风归庭基础教程+工作流创建、王蓉🍀 🎈 Wang Easy 基础搭建和转绘、唯有葵花向日晴基础教程，工作流开发，实际应用场景、苏小蕊基础教程、Sophy 基础课程、啊乐福基础课程、塵优秀案例、风信基础课程➕平面设计应用场景、北南基础课程、Damon 基础课程、雪娴_CC 基础课程（从安装开始）、Joey 实时转绘工作流、三思基础教程、晓珍、戴志伟基础课程、Moana 基础教程、Jl 基础教程、kk 基础教程、samuel 基础 进阶课程：ヘヘ阿甘采样器原理与优化、热辣 HuolarrAI 系统课私聊图生视频、咖菲猫咪基础教程/工作流搭建思路/各版本模型使用的优缺点、傅小瑶 Lucky 如何制作多人转绘视频、云尚工作流节点搭建思路、FǎFá 热门节点功能，搭建、森林小羊基本报错解决方式及基础工作流逻辑分析、蜂老六装一百个最新常用插件后如何快速解决冲突问题、阿苏工作流框架设计、aflyrt comfyui 节点设计与开发、老宋&SD 深度解释虚拟环境部署和缺失模型的安装、Liguo 模型训练、郑个小目标针对于某个插件的深入讲解、波风若川报错解决、皮皮 Peter 工作流的设计规划和调优逻辑、Jāy Līn 锦鲤工作流搭建逻辑和原理、K 如何本地部署基础生图参数选择工作流的基本应用、Adai 基础课程、镜生视频、梦飞基础教程、🙋🙋🙋各个节点讲解和参数含义、Mr.大狐🏝报错解决、Duo 多吉～基础课程、渔舟基础课程+工作流搭建思路、乔木船长工作流、☘️基础教程、☘基础教程、工作流设计+典型案例剖析、麒白掌工作流搭建、OutSider 风格迁移、吴鹏基础+工作流搭建、拾光工作流基础搭建从入门到精通、茶浅浅。视频转绘/节点工作流介绍、百废待.新（早睡版）工作流从入门到进阶、电商应用场景、小马哥人物一致性分镜画面生成、C 张工作流搭建+电商落地应用、uui 视频风格迁移、你头发炸了基础教程搭建思路、阿头实战案例分享