coze相关学习资料和案例

以下是使用 Coze 搭建一个关于自然语言课程期末复习指南智能体的步骤： 1. 访问 Coze 官网（https://www.coze.cn），注册并登录。 2. 点击页面左上角的⊕，通过【标准创建】填入智能体的基本信息。 3. 了解 Bot 开发调试界面： 人设与回复逻辑（左侧区域）：设定智能体的对话风格、专业领域定位，配置回复的逻辑规则和限制条件，调整回复的语气和专业程度。 功能模块（中间区域）： 技能配置： 插件：扩展智能体的专业能力，如计算器、日历等工具。 工作流：设置固定的处理流程和业务逻辑。 图像流：处理和生成图像的相关功能。 触发器：设置自动化响应条件。 知识库管理： 文本：存储文字类知识材料。 表格：结构化数据的存储和调用。 照片：图像素材库。 记忆系统： 变量：存储对话过程中的临时信息。 数据库：管理持久化的结构化数据。 长期记忆：保存重要的历史对话信息。 文件盒子：管理各类文档资料。 交互优化（底部区域）： 开场白：设置初次对话的问候语。 用户问题建议：配置智能推荐的后续问题。 快捷指令：设置常用功能的快速访问。 背景图片：自定义对话界面的视觉效果。 预览与调试（右侧区域）：实时测试智能体的各项功能，调试响应效果，优化交互体验。 4. 设定智能体的人设与回复逻辑后，为智能体配置对应的技能，以保证其可以按照预期完成目标任务。例如，以获取 AI 新闻的智能体为例，需要为它添加一个搜索新闻的接口来获取相关新闻。具体操作如下： 在智能体编排页面的技能区域，单击插件功能对应的+图标。 在添加插件页面，选择相关功能，然后单击新增。 修改人设与回复逻辑，指示智能体使用相应插件来搜索所需内容。 （可选）为智能体添加开场白，让用户更好地了解智能体的功能。开场白功能目前支持豆包、微信公众号（服务号）。 5. 配置好智能体后，在预览与调试区域中测试智能体是否符合预期。可单击清除图标清除对话记录。 6. 完成测试后，将智能体发布到社交渠道中使用。具体操作如下： 在智能体的编排页面右上角，单击发布。 在发布页面输入发布记录，并勾选发布渠道。 单击发布。 更多内容，请访问 Coze 官方文档： 英文版：https://www.coze.com/docs/welcome.html 中文版：https://www.coze.cn/docs/guides/welcome

要加入 Coze 通往 AGI 之路团队，您可以按照以下步骤进行： 1. 5 月 7 号： 创建 https://www.coze.com 账号。 创建 https://www.coze.cn 账号。 加入共学的 team（看第三列备注）。 有精力的话，可以提前阅读：。 尝试创建自己的第一个 Bot，用来免费使用 GPT4（海外版本）。 Click the link to join my team WaytoAGI on the Coze Bot Platform 👉🏻https://www.coze.com/invite/8UrPdX0vuusXq5H6dF4P（海外版本）。 coze.cn 👉🏻https://www.coze.cn/invite/EpD2Ud0bdPcvutscWStY（国内版本）。 2. 5 月 10 号：罗文认领一个插件制作插件说明，可参考。 PS：上述两个作业在 5 月 8 号分享结束之后就可以上手进行了，5 月 9 号会针对工作流和多 Agent 模式进行进一步的讲解。大家制作的 Bot 都可以在飞书群中进行投稿，然后会有专门的同学记录到 Bot 收集板。 此外，共学已结束，您也可以自行查看教程学习，比如课程表。欢迎邀请您加入 Coze 扣子团队 AI Bot：通往 AGI 之路。可以看到大家历史捏的 bot：coze.cn 👉🏻https://www.coze.cn/invite/EpD2Ud0bdPcvutscWStY 。 第一期：COZE 的搭建，活动起源是之前在社区里搞了一期，大家反馈都不错，希望有更多一起学习的机会。最近对于 agent 搭建的呼声很大，刚好有几个对 coze 很熟悉的小伙伴出了一些教程，于是有了这一期的主题共学快闪。大家可以先进群，邀请您加入我的 Coze 扣子团 AI Bot：通往 AGI 之路。coze.com 👉🏻https://www.coze.com/invite/8UrPdX0vuusXq5H6dF4P ，coze.cn 👉🏻https://www.coze.cn/invite/EpD2Ud0bdPcvutscWStY 。活动的方式包括自学（这个活动希望通过文字资料+直播分享的方式带领大家了解 Coze 这款工具，但是主要还是要靠自学）、写作业（会留一些作业，帮助大家更好复盘看看有没有吸收知识点。看十遍不如实践一遍）、互助（在飞书群大家有问题可以互助）、交流（找一些 Coze 的玩家跟大家视频会议交流自己的入门和进阶心得）。

要加入 Coze 团队，您可以按照以下步骤进行： 1. 5 月 7 号： 创建 https://www.coze.com 账号。 创建 https://www.coze.cn 账号。 加入共学的 team（看第三列备注）。 有精力的话，可以提前阅读：。 尝试创建自己的第一个 Bot，用来免费使用 GPT4（海外版本），Click the link to join my team WaytoAGI on the Coze Bot Platform 👉🏻https://www.coze.com/invite/8UrPdX0vuusXq5H6dF4P ；国内版本，coze.cn 👉🏻https://www.coze.cn/invite/EpD2Ud0bdPcvutscWStY 。 2. 5 月 10 号，罗文认领一个插件制作插件说明，可参考。 PS：上述两个作业在 5 月 8 号分享结束之后就可以上手进行了，5 月 9 号会针对工作流和多 Agent 模式进行进一步的讲解。大家制作的 Bot 都可以在飞书群中进行投稿，然后会有专门的同学记录到 Bot 收集板。 使用 Coze IDE 创建插件的操作步骤： 1. 登录。 2. 在左侧导航栏的工作区区域，选择进入指定团队。 3. 在页面顶部进入插件页面，或者在某一 Bot 的编排页面，找到插件区域并单击+图标。 4. 单击创建插件。 5. 在新建插件对话框，根据以下信息完成配置并单击确认： 插件图标：（可选）单击默认图标后，您可以上传本地图片文件作为新的图标。 插件名称：自定义插件名称，用于标识当前插件。建议输入清晰易理解的名称，便于大语言模型搜索与使用插件。 插件描述：插件的描述信息，一般用于记录当前插件的用途。 插件工具创建方式：选择在 Coze IDE 中创建。 IDE 运行时：选择 Node.js 或者 Python3。 6. 在插件详情页，单击在 IDE 中创建工具。 7. 在弹出的创建工具对话框，设置工具名称和介绍，以明确工具的用途，并单击确定。工具名称和介绍越清晰，大语言模型就越能理解并使用它。创建后，您将跳转到 Coze IDE 页面进行编码。 8. （可选）在 IDE 左上角工具列表区域，单击+图标，向插件添加更多工具。您还可以通过单击列表内某一工具的设置图标，来编辑、删除或重置代码。 9. （可选）在 IDE 左下角依赖包区域，管理依赖包，所有工具共用该依赖列表。 【共学最全版本】微信机器人共学教程第二天教程内容： 1. 二、修改配置：主要更改的是标黄的四行，可以直接清空原文件配置，把以下配置粘贴进您的 config.json 文件中。 2. 三、获取 key 和 id： 进入官网：https://www.coze.cn/home 。 欢迎邀请您加入 Coze 扣子团队 AI Bot：通往 AGI 之路。可以看到大家历史捏的 bot，coze.cn:👉🏻https://www.coze.cn/invite/EpD2Ud0bdPcvutscWStY 。 获取 key：获取到的这个令牌，就是"coze_api_key"，像下方一样填入即可。"coze_api_key":"pat_diajdkasjdlksajdlksajdasdjlkasjdlas" 。 获取 bot id：把 bot_id 填入："coze_bot_id":"86787989080" 。 大家可以一起分享提示词： 。 提示词案例一、苏苏；案例二、老王 。 历史资料参考： 。 。

Coze 是由字节跳动推出的 AI 聊天机器人和应用程序编辑开发平台，具有以下用途和特点： 1. 专为开发下一代 AI 聊天机器人而设计，旨在简化 AI 机器人的开发过程，使开发者和非技术用户都能快速搭建基于 AI 模型的各类问答 Bot，处理从简单问答到复杂逻辑对话的任务。 2. 多语言模型支持：使用了大型语言模型如 GPT48K 和 GPT4128K，并提供云雀语言模型等，支持不同场景下的对话和交互。 3. 插件系统：集成超过 60 款插件，涵盖资讯阅读、旅游出行、效率办公、图片理解等功能，同时支持用户创建自定义插件以扩展 Bot 能力。 4. 知识库功能：允许用户上传和管理数据，支持 Bot 与用户数据交互，可上传 TXT、PDF、DOCX、Excel、CSV 格式的文档，或基于 URL 获取在线内容和 API JSON 数据。 5. 数据库和记忆能力：提供数据库功能，允许 Bot 访问会话内存和上下文，持久记住用户对话中的重要参数或内容。 6. 工作流设计：用户可通过拖拉拽方式快速搭建工作流，处理逻辑复杂的任务流，提供大量灵活可组合的节点，如大型语言模型（LLM）、自定义代码、判断逻辑等。 7. 多代理模式：在一个机器人中可以运行多个任务，允许添加多个代理，每个代理都是一个能够独立执行特定任务的智能实体。 8. 免费使用：目前对用户完全免费，用户可利用其强大功能而无需支付费用。 9. 易于发布和分享：用户可以将搭建的 Bot 发布到各类社交平台和通讯软件上，让更多用户与之互动。 此外，Coze 记账管家是基于 Coze 平台的能力搭建的一个记账应用，用户可以直接和 Coze 说明收入或支出情况，Coze 会自动记账并计算账户余额，每一笔记账记录都不会丢失，下次仍记得历史记账记录。其 bot 基于提示词、数据库和工作流三部分构成，数据库用于长久存放用户自己生成的数据，在记账功能中定义了记账事项（字段类型为 string）、记账发生时间（字段类型为 string）、变得的金额（字段类型为 integer，单位是分）等字段。

Coze 的工作流具有以下特点和步骤： 特点： 是一种可视化的方式，允许用户组合各种功能模块，如插件、大语言模型、代码块等，实现复杂和稳定的业务流程编排。 由多个节点组成，包括 Start 节点和 End 节点，用户可在节点间添加各种功能模块构建业务流程。 支持丰富的功能模块，可根据需求灵活组合，如调用大语言模型进行文本生成、调用插件进行数据处理等。 工作流的创建和编辑通过可视化拖拽界面完成，无需编写代码，降低了搭建门槛。 创建好的工作流可直接集成到 Coze 的聊天机器人中使用，实现复杂业务逻辑。 为用户提供了可视化、低代码的方式，快速搭建满足业务需求的 AI 应用和服务，降低开发门槛，提升工作效率。 步骤： 梳理清楚工作流，例如对于复刻吴恩达开源的 AI 翻译项目，先新建工作流，逐步导入核心流程，工作流分为若干节点，每个节点完成特定任务，组合形成完整翻译流程。 查看导入后的整体工作流及测试效果，工作流分为初始翻译、反思优化、结果输出等主要部分，运行测试时可看到每个节点的执行过程和结果。 对每个节点的配置进行核心讲解，如开始节点需选择翻译的源语言和目标语言，还可设置其他参数；初步的翻译大模型节点需选择大模型进行初始翻译。

要将 Coze 的智能体自动存储在飞书智能表格里，可参考以下步骤： 1. 前期准备： 设计 AI 稍后读助手的方案思路，包括简化“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 URL 完成收集，借鉴微信文件传输助手通过聊天窗口输入；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，且支持跨平台查看；智能“选择”推荐，根据收藏记录和用户阅读兴趣生成阅读计划。 发现同在字节生态中的 Coze、飞书、飞书多维表格可构建完整的 AI 工作流，通过飞书机器人与 Coze 搭建的智能体对话，在聊天窗口完成链接输入和阅读计划输出，由 Coze 调用大模型、插件完成内容整理、推荐，利用飞书多维表格存储和管理稍后读数据，理论上无需开发插件、APP 就能实现跨平台的稍后读收集与智能阅读计划推荐。 2. 逐步搭建 AI 智能体： 搭建整理入库工作流，设置大模型节点提取稍后读元数据，使用 MiniMax 6.5s 245k，设置最大回复长度至 50000 以解析长内容网页。 进行日期转时间戳，使用「日期转时间戳time_stamp_13」插件进行格式转化，因后续的飞书多维表格插件节点入库日期字段只支持 13 位时间戳。 把稍后读元数据转换为飞书多维表格插件可用的格式，飞书多维表格插件目前只支持带有转义符的 string，以 Array<Object>格式输入，需将元数据数组进行格式转换。 添加「飞书多维表格add_records」插件，设置{{app_token}}与{{records}}参数。 结束节点返回入库结果，「飞书多维表格add_records」插件返回入库结果，用于通知外层 bot 工作流的入库是否成功，别忘了对整个工作流进行测试。

以下为您提供两个智能体搭建案例： 案例一： 智能体名称：市场分析报告 智能体简介：品牌营销公司在用的生成智能体，输入行业/类目关键词自动检索关联信息并生成报告。数据化呈现更具真实性，附带信息来源网址便于源信息校正。可帮助品牌主/营销人员减少信息收集时间，聚焦决策判断。 应用场景： 目标人群：企业管理层（做发展策略评估）、投资者（评估投资机会）、创业者（评估项目可行性）、营销人员（做营销计划依据）。 当前痛点：信息收集需要长时间；报告的真实性是否可验证；现有大模型做的市场报告太过概念化，不能做有效参考。 应用价值：减少信息收集时间、真实可验证、聚焦决策判断。 智能体主要功能：根据用户的要求或指定的行业、产品，搜索网络信息，生成一份完整的市场调研报告，用数据支撑，并附引用链接。 案例二： 智能体开发平台：字节扣子和腾讯元器。 概念定义：智能体（Agent）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。AI 大模型是技术，面向用户提供服务的是产品，很多公司开始关注 AI 应用层的产品机会。 C 端案例：社交方向，用户注册后先捏一个自己的 Agent，然后让自己的 Agent 和其他人的 Agent 聊天，两个 Agent 聊到一起后再真人介入；还有借 Onlyfans 入局打造个性化聊天的创业公司。 B 端案例：帮助 B 端商家搭建 Agent。 智能体开发平台介绍：字节于 2 月 1 日正式推出 AI 聊天机器人构建平台 Coze 的国内版“扣子”，主要用于开发下一代 AI 聊天机器人。国内还有很多智能体开发平台，如 Dify.AI，但个人比较常用的还是扣子。

以下是一些 AI 视频镜头的提示词及案例： 一、视频镜头 1. 浅焦镜头（Shallow focus shot） 提示词：一个老奶奶手拿照片面对观众，镜头从照片聚焦到老奶奶脸上，营造出温馨和怀旧的氛围。 2. 窥视镜头（Spy shot） 提示词：镜头在一个隐蔽的位置拍摄。一位头发发白的老奶奶坐在窗前双手捧着一张老照片，面带思念地看着照片，场景温馨。 3. 摇晃镜头（Handheld shot） 提示词：镜头摇晃地跟随一个在战斗中的士兵，画面展示战场上的混乱、飞扬的尘土和四处奔跑的战友，增加紧张和真实感。 4. 穿梭镜头（Hyperlapse shot） 提示词：镜头穿过一条隧道，通过隧道外面是美丽的雪山。 5. 跟随镜头（Tracking shot） 提示词：镜头紧跟一辆在赛道上高速行驶和漂移的跑车。 6. 车载镜头（Carmounted shot） 提示词：镜头从驾驶员或汽车前部的视角出发，展示前方的道路和沿途的建筑物。 7. 动作镜头 提示词：镜头快速捕捉一个男人在激烈的打斗中差点摔倒，增强紧张感和动态性。 8. 无人机视角（Drone perspective shot） 提示词：无人机视角展示一个人站在高山顶峰，俯瞰壮丽景色，远处是连绵的山脉和云海，营造广阔和宏伟的氛围。 9. 低视角镜头 提示词：镜头从楼梯低处仰视一个天空和建筑，增强仰视感和宏伟感 提示词：相机在地上拍摄一个清晨正在跑步的人，背景远处虚焦。 10. 仰拍镜头（Lowangle shot） 提示词：镜头从树底向上拍摄，展示高大的树干和繁茂的树冠。 11. 推镜头（Dolly in） 提示词：镜头从远处向前推进，打开城堡的大门。 12. 旋转变焦镜头 提示词：镜头在变焦的同时快速旋转，展示一个人在旋转木马上。 13. 时间流逝镜头（Timelapse shot） 提示词：镜头固定不动，长时间拍摄并加速播放，展示城市从白天到夜晚的变化。 14. 背光镜头 提示词：镜头逆光拍摄，一个男人站在夕阳下，背光照亮他的轮廓，面部隐在阴影中。 15. 失焦镜头 提示词：镜头失焦拍摄城市的霓虹灯，灯光模糊，呈现出梦幻的效果。 16. 平行镜头（Side dolly shot） 提示词：镜头与骑自行车的少年平行移动，跟随他的骑行路径，保持在相同的水平线上。 17. 镜头推拉变焦 提示词：镜头同时进行推拉和变焦，展示一个人在惊讶地看着远方。 18. 虚实结合镜头 提示词：镜头将真实场景和虚拟场景结合，以 X 光效果拍摄骨骼，以真实场景展示一个手拿着一把钥匙，钥匙的轮廓清晰，背景虚化。 19. 反射镜面镜头（Reflection shot） 提示词：反射镜头，通过浴室镜子反射展示一个人在洗脸的画面 20. 黑白镜头 提示词：黑白镜头，展示一个老街区的复古场景，增强怀旧感。 21. 特写镜头（Closeup shot） 提示词：特写镜头展示一双男性眼睛。 二、全新 AI 整活计划第一期：平行宇宙通勤指南 1. 一致性多镜头提示词 Prompt：女孩后退，拿着斧头的骷髅朝镜头走近。镜头切换，近景正面拍摄女孩的上半身，她满脸惊恐发出尖叫。 基础参数：镜头固定，16:9，10s 视频链接： 2. 一致性多镜头提示词 Prompt：远景拍摄，一个男人转身朝画面左侧走去。镜头切换，近景拍摄男人的上半身，他一脸忧愁。 基础参数：镜头固定，16:9，10s 视频链接： 3. 一致性多镜头提示词 Prompt：穿黄色外套的长发白人女人和卷发黑色外套的男人对视微笑。镜头切换，近景拍摄黄色外套的长发女人微笑的脸。镜头切换，近景拍摄卷发黑外套男人微笑的脸。 基础参数：镜头固定，16:9，10s 视频链接：

以下是一些智能客服的实践案例： 在销售方面，有“销售：话术总结优缺点”，涉及产品特点、服务优势、目标客户需求和痛点等方面。 详情： 入库时间：2023/10/30 在销售方面，还有“销售：定制销售解决方案”，涵盖企业产品和服务内容、客户需求和参数等内容。 详情： 入库时间：2023/10/30 在客服方面，有“客服：定制客服话术”，包含产品知识、使用方法等 13 个关键词库。 详情： 入库时间：2023/10/30 腾讯运营在智能客服方面的应用： ChatGPT 承担客服功能，通过告知其具体客服身份，要求其解答用户问题并进行私域流量转化。 ChatGPT 能够理解社区用户的评论和问题，并生成合适的回复，管理社区互动，模拟运营人的语言风格，与用户进行更自然的互动。 ChatGPT 可以监测舆情和热点，从多个来源抓取互联网上的热门话题、新闻和社交媒体动态，并对抓取到的文本数据进行深度分析。 其他相关案例：

以下是 AI 应用在测试领域的一些案例： 基于模型的测试生成： 状态模型： GraphWalker：基于状态模型生成测试用例，适用于复杂系统的行为测试。 Spec Explorer：微软开发的模型驱动测试工具，通过探索状态模型生成测试用例。 场景模拟： Modelbased Testing：基于系统模型自动生成测试用例，覆盖各种可能的操作场景和状态转换。 Tosca Testsuite：基于模型的测试工具，自动生成和执行测试用例，适用于复杂应用的端到端测试。 实践中的应用示例： Web 应用测试：使用 Testim 分析用户行为和日志数据，自动生成高覆盖率的测试用例，检测不同浏览器和设备上的兼容性问题。 移动应用测试：利用 Test.ai 从需求文档中提取测试用例，确保覆盖关键功能和用户路径，提高测试效率和质量。 复杂系统测试：采用 GraphWalker 基于系统状态模型生成测试用例，确保覆盖所有可能的状态和操作场景，检测系统的边界情况和异常处理能力。 工具和平台： Testim：AI 驱动的自动化测试平台，生成和管理测试用例。 Test.ai：基于 NLP 技术的测试用例生成工具，适用于移动应用和 Web 应用。 DeepTest：利用深度学习生成自动驾驶系统测试用例。 GraphWalker：基于状态模型生成测试用例，适用于复杂系统的行为测试。 Pex：微软开发的智能测试生成工具，自动生成高覆盖率的单元测试。 基于规则的测试生成： 测试用例生成工具： Randoop：基于代码路径和规则生成测试用例，适用于 Java 应用程序。 Pex：微软开发的智能测试生成工具，自动生成高覆盖率的单元测试，适用于.NET 应用。 模式识别： Clang Static Analyzer：利用静态分析技术识别代码模式和潜在缺陷，生成相应的测试用例。 Infer：Facebook 开发的静态分析工具，自动生成测试用例，帮助发现和修复潜在错误。 基于机器学习的测试生成： 深度学习模型： DeepTest：利用深度学习模型生成自动驾驶系统的测试用例，模拟不同驾驶场景，评估系统性能。 DiffTest：基于对抗生成网络（GAN）生成测试用例，检测系统的脆弱性。 强化学习： RLTest：利用强化学习生成测试用例，通过与环境交互学习最优测试策略，提高测试效率和覆盖率。 A3C：基于强化学习的测试生成工具，通过策略梯度方法生成高质量测试用例。 基于自然语言处理（NLP）的测试生成： 文档驱动测试生成： Testim：AI 驱动的测试平台，通过分析文档和用户故事自动生成测试用例，减少人工编写时间。 Test.ai：利用 NLP 技术从需求文档中提取测试用例，确保测试覆盖业务需求。 自动化测试脚本生成： Selenium IDE + NLP：结合 NLP 技术扩展 Selenium IDE，从自然语言描述中生成自动化测试脚本。 Cucumber：使用 Gherkin 语言编写的行为驱动开发（BDD）框架，通过解析自然语言描述生成测试用例。 总结：AI 在生成测试用例方面具有显著的优势，可以自动化和智能化生成高覆盖率的测试用例，减少人工编写测试用例的时间和成本。通过合理应用 AI 工具，前端开发工程师可以提高测试效率、增强测试覆盖率和发现潜在问题，从而提升软件质量和用户体验。但请注意，内容由 AI 大模型生成，请仔细甄别。

以下是为您提供的关于 RAG 案例的相关内容： 在商业化问答场景中，存在大模型根据知识库回复不准确的情况，如回答牛头不对马嘴、未依据正确内容回答等错误场景，这凸显了优化大模型根据知识库回答准确性的重要性，而在 AI 领域中，此优化过程称为 RAG。 RAG（RetrievalAugmented Generation）即检索增强生成，由检索器和生成器两部分组成。检索器从外部知识中快速找到与问题相关的信息，生成器利用这些信息制作精确连贯的答案，适合处理需要广泛知识的任务，如问答系统。 在案例研究中： 案例 B 中，用户查询特定研究论文中的“表格 8”及所列因变量，ChatDOC 能有效检索整个表格，包括标题和内容，准确响应查询，而 Baseline 模型未检索到真正的“表格 8”。 OpenAI 在提升 RAG 准确率方面，从 45%开始，尝试多种方法，如假设性文档嵌入和精调嵌入等效果不理想，通过调整信息块大小、嵌入不同内容部分、Reranking、对不同类别问题特别处理、提示工程、查询扩展等方法，最终达到 98%的准确率，强调了模型精调和 RAG 结合使用的潜力。

要引入 AI 对包括 PDF、PPT、WORD 等文件的案例进行解析，以方便用户智能搜索和对文本内容进行全文提问，可以参考以下方法： 1. 对于法律文本阅读场景： 操作动作：选择某一份或者若干份文档上传，AI 完成解析，然后根据需要了解的内容进行提问。 Prompt 指令词示例：“图纸是谁设计的？”“谁负责承担本项目的设计、建设？”“贷款期限是多少？”“谁承担律师费？”“请概括原告的诉讼请求和事实理由？”“根据民事答辩状，被告张三一方还有更好的答辩建议吗？” 拼接模板：根据以下材料内容回答我的问题【每个材料内容都以数字序号+文件名开头】。你需要尽可能的参考材料内容：【文档 1 内容】+【文档 2 内容】+...+【文档 n 内容】+ 我的问题是：参考上述 Prompt 指令词。 2. 对于 AI 产品案例和投稿中的自媒体场景： 例如“创作：社群的每日资讯”“创作：写科普内容”“分发：内容分发”“沟通：小团队与甲方沟通”等案例，涵盖了品牌推广、科普创作、内容分发、团队沟通等方面。 3. 对于 AI 产品案例和投稿中的工作场景： 包括企业运营、教育、游戏/媒体、零售/电商、金融/保险等七大行业的商业化应用，如企业日常办公文档撰写、教育资源平等获取、游戏剧情生成、电商舆情监测、金融理财顾问等方面。

AI 正在对文化传媒游戏行业的生产关系和生产资料带来多方面的变革： 1. 生成式 AI 为游戏创建 2D 艺术、纹理、3D 模型，并协助关卡设计，在营销中也有望取代部分传统内容。其应用已拓展至网页、室内和景观设计等领域，只要涉及创造性内容生成，AI 都可能成为流程的一部分甚至颠覆整个流程。 2. 游戏行业中，学会有效使用生成式 AI 将成为一项有市场价值的技能。懂得与 AI 工具最有效、最协同地合作的艺术家会变得稀缺，使用生成式 AI 进行生产艺术作品面临连贯性和风格统一等挑战。 3. 降低门槛将导致更大的冒险和创造性的探索，进入游戏开发的新“黄金时代”，更低的准入门槛将促使更具创新性和创造性的游戏大量涌现。 4. AI 辅助“微型游戏工作室”的崛起，配备生成式 AI 工具和服务，由 1 或 2 名员工组成的“微型工作室”能生产更多具有商业可行性的游戏。 5. 在 AIGC 的新世界，游戏开发变得更简单，互联网浪潮推动游戏产业分工成熟，门槛降低，GPT 等技术使编程等基础工作被替代，内容生产效率提高，想象力和热情成为新的杠杆力。

以下是为完全没有 AI 基础的您推荐的学习资料： 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，包括人工智能的主要分支（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。 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，并有可能获得证书。 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。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。 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。 如果希望继续精进，对于 AI，可以尝试了解以下内容作为基础： 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。

以下是为您推荐的一些获取最新 AI 资料的网站： 原文地址：https://a16z.com/2023/05/25/aicanon/ ，其中包含对现代 AI 的精选资源列表。 GitHub 合集：https://github.com/bleedline/aimoneyhunter ，汇总了 AI 创业或副业的相关资料。 此外，您还可以通过以下途径获取最新 AI 资料： 订阅赛博蝉星公众号、国外优质博主的 blog 或 Twitter 等，获取最新信息。 关注 Xiaohu.AI 日报，例如：https://x.com/xiaohuggg/status/ ，其中包含多方面的 AI 最新动态。 希望这些信息对您有所帮助。

以下是为您整理的相关信息： 目前有一些工具和方法可以满足您的需求。例如： 1. 在“让机器理解世界/GPT 时代人类再腾飞·译者序”中提到，人类要学会深刻理解 AI 系统的工作方式与它的边界，AI 可以作为伙伴帮助我们充分发挥潜力。 2. 7 月 16 日 Jimmy Wong &吕立青的相关内容中，提到可以通过输入端输入不同模态的内容，包括音频、文本、视频等并消化，在输出端借助自己的知识或让 AI 助理基于收藏或保存的知识点来完成某些事情，如写文章、输出代码等。 3. 在“VIRTUAL”中，提到可以用 AI 搜索引擎如 felo.ai/search 搜索并归纳内容，用 AI 可视化工具 napkin.ai 转成图示。还提到可以像编程一样预先写好咒语（prompts），将日常工作中固定输入输出的部分写成“智能体”并不断迭代优化。很多 AI 网站都可以创建“智能体”，您可以手搓各种机器人为您工作，如出试题、找资料、画插图、专业翻译等，还能设置“常用语”“小助手”“bot”，如 Kimi.ai 。 综合来看，目前有多种方式和工具可以帮助您实现将资料汇总并成为智能助理的需求。

AI 把各种资料整理成合乎情理的文章通常可以通过以下步骤： 1. 收集相关资料：可以借助如 Perplexity.AI 等工具，利用其强大的搜索功能获取信息。启用 Pro 功能能获得更专业和深入的搜索结果，还可通过输入具体的 Prompt 来定位相关资讯。同时，微软的 Bing 搜索引擎等具备联网搜索功能的工具也能帮助快速搜集大量资料。 2. 整理资料：通常会使用月之暗面开发的 Kimi 这个 AI 会话助手。Kimi 具备读取网页内容并生成一定内容的能力，但有阅读能力的限制，可能无法一次性处理大量资讯或读取某些网站内容，可分批次提供资料以确保其有效读取和理解。 3. 处理文档和数据：对于处理文本特别是 PDF，Claude 2 表现出色。可以将整本书粘贴到 Claude 的前一版本中取得不错的结果，新模型更强大。还可要求其总结复杂的学术文章，并通过询问后续问题来审问材料，但需注意这些系统仍可能产生幻觉，要检查结果以确保准确性。 4. 转化成文章：在完成资料整理和处理后，让 AI 将其转化成一篇吸引人的文章。

以下是关于给 AI 喂资料的相关内容： 在 AI 发展过程中，给 AI 提供合适的数据资料至关重要。 回顾 2015 年，当时的 AI 系统较为狭窄和专门化，每次开发新应用都需训练全新模型，且过程艰难。2017 年，《Attention is All You Need》论文介绍的 Transformer 架构改变了格局，其能处理未标记和混乱数据，效率更高。OpenAI 的伊利亚认识到 Transformer 潜力，推动基于此架构的实验，特别是在自然语言处理领域，开发了 GPT 系列模型，收集了海量文本数据，如格雷格所说“给 AI 喂食整个互联网”。 在学习笔记“AI for everyone 吴恩达”中提到，AI 分为 ANI 和 AGI，ANI 有较大发展，AGI 进展不大。ANI 只能做一件事，如智能音箱等应用。机器学习中的监督学习从输入到输出。数据是数据集的集合，可通过手动标注、观察行为、网络下载获取。使用数据时可展示或喂给 AI 团队，数据不一定多就有用，需处理不正确和缺少的数据，同时分为结构化和非结构化数据，机器处理非结构化数据更难。 在“AGI 万字长文（下）| 2024，分叉与洪流”中，提到服务 AI 的商业模式确定性可能更高。合成数据可喂给 AI 模型提高效果，“大量的质量一般的数据”用于模型初始训练，“质量很高数量较少有行业特性”的数据用于模型后期精调。做数据的传统核心竞争力在于获取独特数据和低成本清洗标注，新兴的是 AI 合成数据。此外，新的数据种类如 3D 空间和物理规则相关的传感器数据也值得思考。同时，模型市场/平台中，HuggingFace 提供模型市场服务，在 AI Agent 出现时模型互相调用可能会用到其服务和规则，但也存在闭源寡头的风险。

对于小白学习 AI，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，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。 在知识库查看大家实践后的作品、文章分享，并进行自己实践后的分享。 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，了解其工作原理和交互方式。 6. 持续学习和跟进： 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，以下是一些关于 AI 技术原理的通俗易懂的内容： 1. 视频一主要回答了什么是 AI 大模型，原理是什么。 生成式 AI 生成的内容，叫做 AIGC。 相关技术名词： AI 即人工智能。 机器学习包括监督学习、无监督学习、强化学习。监督学习是利用有标签的训练数据学习输入和输出之间的映射关系，包括分类和回归。无监督学习是在学习的数据没有标签的情况下，算法自主发现规律，经典任务包括聚类。强化学习是从反馈里学习，最大化奖励或最小化损失，类似训小狗。 深度学习是一种参照人脑有神经网络和神经元（因有很多层所以叫深度）的方法。神经网络可用于监督学习、无监督学习、强化学习。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 即大语言模型。对于生成式 AI，其中生成图像的扩散模型不是大语言模型；对于大语言模型，生成只是其中一个处理任务，比如谷歌的 BERT 模型，可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 技术里程碑：2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它完全基于自注意力机制（SelfAttention）来处理序列数据，而不需要依赖于循环神经网络（RNN）或卷积神经网络（CNN）。GPT 中 Transformer 是关键，Transformer 比 RNN 更适合处理文本的长距离依赖性。

以下是系统学习 AI 知识的方法： 1. 编程语言基础：从 Python、JavaScript 等编程语言开始学习，掌握编程语法、数据结构、算法等基础知识，为后续的 AI 学习打下基础。 2. 工具和平台体验：使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。探索面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 基础知识学习： 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. 实践项目参与：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。 对于新手学习 AI，还可以： 1. 了解基本概念：阅读「」部分，熟悉 AI 的术语和基础概念，浏览入门文章了解其历史、应用和发展趋势。 2. 开始学习之旅：在「」中找到为初学者设计的课程，推荐李宏毅老师的课程，通过在线教育平台（如 Coursera、edX、Udacity）按自己节奏学习并获取证书。 3. 选择感兴趣模块深入：AI 领域广泛，可根据兴趣选择特定模块（如图像、音乐、视频等）深入学习，掌握提示词技巧。 4. 实践和尝试：理论学习后通过实践巩固知识，尝试使用各种产品并分享实践成果。 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。

即便 AI 绘画很厉害，儿童仍有必要学习素描课。手绘素描笔记有助于建立突触连接，将信息从短期记忆转化为长期记忆，让人成为更好的概念思考者。例如，在科学观察中，学生通过手绘能更好地学会观察，这个过程不可被替代。就学习而言，掌握新技能时应先进行动手、动脑、技术最小化的学习，不应一开始就依赖 AI。比如在记笔记时，手写比打字能让学生记住更多信息。此外，在一些课程设计中，如离谱村的 AI 课，通过巧妙的环节设置和老师的引导，能让孩子更好地学习和发挥想象。

以下是从零学习 AI 的步骤和建议： 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，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，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。 如果您想系统学习 Stable Diffusion 的提示词，可以参考以下步骤： 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。

新手学习 AI 可以参考以下步骤： 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作品。 在知识库提供了很多大家实践后的作品、文章分享。 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，掌握编程语法、数据结构、算法等基础知识。 2. 尝试使用 AI 工具和平台： 体验 ChatGPT、Midjourney 等 AI 生成工具。 探索面向中学生的 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。 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。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。

以下是为新手提供的 AI 基础学习课程相关内容： 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、当前应用和未来发展趋势。 开始 AI 学习之旅：在「」中，能找到为初学者设计的课程，特别推荐李宏毅老师的课程。还可以通过在线教育平台（如 Coursera、edX、Udacity）按自己节奏学习并获取证书。 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，可根据兴趣选择特定模块深入学习，同时掌握提示词技巧。 实践和尝试：理论学习后，实践是巩固知识的关键，可尝试使用各种产品创作作品，知识库中有很多实践后的作品和文章分享。 体验 AI 产品：与如 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。 此外，还有以下具体的课程推荐： 【野菩萨】课程：预习周课程包括 AI 绘画电脑配置要求、高效 AIGC 创意者的数字人工具包、SD 插件安装方法、画静为动的 AIGC 视频制作讲解等。基础操作课涵盖 AI 绘画通识课、AI 摄影虚拟的真实、AI 电影 穿越的大门等内容。核心范式课程涉及词汇的纸牌屋、核心范式应用、控制随机性等方面。SD WebUi 体系课程包括 SD 基础部署、SD 文生图、图生图、局部重绘等。ChatGPT 体系课程有 ChatGPT 基础、核心 文风、格式、思维模型等内容。ComfyUI 与 AI 动画课程包含部署和基本概念、基础工作流搭建、动画工作流搭建等。应对 SORA 的视听语言课程涉及通识 欢迎参加电影的葬礼、影像赏析、基础戏剧影视文学等。若想免费获得该课程，可参与 video battle，每期冠军奖励 4980 课程一份，亚军奖励 3980 课程一份，季军奖励 1980 课程一份，入围奖励 598 野神殿门票一张。扫码添加菩萨老师助理可了解更多课程信息。 微软 AI 初学者入门课程：包括特定的机器学习云框架，如了解更多详情。深度学习背后的深层数学（Deep Mathematics）可参考 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 合著的《深度学习》（Deep Learning）一书，该书可在 https://www.deeplearningbook.org/上获取。