AI在中小学教育中能够提供的支持

以下为您推荐一些好用的 AI 写信息报道软件： 1. Copy.ai：是一款功能强大的 AI 写作助手，提供丰富的新闻写作模板和功能，可快速生成新闻标题、摘要、正文等内容，节省写作时间并提高效率。 2. Writesonic：专注于写作的 AI 工具，提供新闻稿件生成、标题生成、摘要提取等功能，其智能算法能根据用户提供的信息快速生成高质量新闻内容，适合新闻写作和编辑人员使用。 3. Jasper AI：人工智能写作助手，虽主打博客和营销文案，但也可用于生成新闻类内容，写作质量较高，支持多种语言。 此外，随着人工智能技术的迅猛发展，小型企业在 2024 年也迎来了新的应用场景： 1. 聊天机器人：分为信息型和实用型，在企业网站上用于回答常见问题或执行特定任务，能大幅减少客户服务方面的人力成本。 2. AI 撰写内容：如 ChatGPT 等工具，为内容创作有困难或资源有限的小型企业提供高效解决方案，快速生成高质量文本内容。 3. 语音搜索优化：小型企业需优化网站以适应语音搜索普及的趋势，确保内容清晰准确，使用架构标记等技术提高语音助手理解度。 4. 网站个性化：为每位访客提供定制化体验，增强客户参与度和忠诚度。 5. 利用 AI 分析客户数据：通过机器学习算法进行预测性分析，发现模式和趋势，为营销活动或个性化体验提供有价值洞见。 6. 社交媒体管理与情绪分析：利用情绪分析工具深入了解客户反馈，调整产品和营销策略。 以下是 1 月 3 日的一些 AI 相关资讯： 1. 微软研究团队利用合成数据训练 AI，减少成本和偏见，生成 100 种语言的文本数据提高训练效率。论文链接：https://arxiv.org/abs/2401.00368 。 2. Pile：开源的 AI 日记软件，界面美观，集成 OpenAI API，有 AI 搜索和问题解答功能，保证安全隐私。下载链接：https://udara.io/pile/ ，项目源码：https://github.com/UdaraJay/Pile 。 3. VCoder：视觉编码器增强模型，增强 LLM 的视觉理解和分析能力，处理分割图和深度图，改善对象感知，在对象识别任务中表现优于 GPT4V。项目链接：https://praeclarumjj3.github.io/vcoder/ ，代码库：https://github.com/SHILabs/VCoder 。 4. M2UGen：多模态音乐理解生成模型，能理解音乐风格、乐器、情感，进行音乐问答，根据文本、图像、视频生成音乐，由腾讯与新加坡国立大学开发。 5. DreamTalk：人物头像动画生成开源，使人物照片头像根据音频说话或唱歌，保持嘴型和表情一致。代码库：https://github.com/alivilab/dreamtalk 。 内容由 AI 大模型生成，请仔细甄别。

对于新手学习 AI ，可以从以下几个方面开始： 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： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始学习，学习编程语法、数据结构、算法等基础知识。 2. 尝试使用 AI 工具和平台： 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 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。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。

要更快地成为 AI 领域的专家，您可以参考以下几个方面： 1. 学习基础：像预医学生一样，从相关的基础课程开始，例如数学、统计学、计算机科学等，为深入学习 AI 奠定坚实的基础。 2. 实践经验：通过参与实际项目、实习或研究工作，积累实践经验，从实践中获取那些书本上没有的知识和直觉。 3. 模型训练：采用堆叠模型的训练方式，而非单纯依赖大量数据和生成模型。例如，先训练基础学科的模型，如生物学、化学等，再添加特定领域的数据点。 4. 开发特定领域模型：创建专门针对特定领域的 AI 模型，如医疗保健领域的专家 AI，而不是追求全能的通用 AI。 5. 多样化方法：在编码、数据和测试方面采用多样化的方法，创建多个专家 AI 并在需要时提供不同意见。 6. 现实世界互动：让人类专家配备可穿戴设备，收集现实世界的互动数据供 AI 学习，使 AI 接触到多样化的视角，避免偏见。 总之，成为 AI 领域的专家需要系统的学习、丰富的实践和不断的探索创新。

目前在 AI 领域中，较少直接将 Stata 的最小二乘法与 AI 进行特定的结合应用。Stata 的最小二乘法主要用于传统的统计分析，而在 AI 中，更多采用的是基于机器学习和深度学习的算法和模型。但如果您是在处理某些与数据相关的任务，最小二乘法的原理和思路在一定程度上可能对您理解和设计 AI 中的数据处理方法有所帮助。

目前在 AI 领域，暂时没有特别知名的专门用于生成自动 AI 样机的工具 mockup。但随着技术的不断发展，未来可能会出现相关的创新工具。您可以持续关注 AI 技术的最新动态，以获取相关信息。

2024 年 11 月，AI 圈发生了以下大事： 11 月 1 日： 《》来自南乔，10 月 AI 行业大事件盘点包括多家公司的重要发布和创新，如 OpenAI 推出多项新功能，字节发布 AI 智能体耳机，以及各大模型的开源。趋势方面，强化学习被认为是推动 AGI 发展的关键技术，原生多模态模型逐渐成为研究热点。新兴应用如 AI 音乐创作、翻译和智能助手等受到关注，整体呈现出技术与应用的快速发展态势。 《》来自歸藏，10 月份美国 AI 聊天机器人市场报告显示，ChatGPT 仍是市场领导者，但份额逐渐下降。谷歌和微软在争夺第二的位置，Perplexity 和 ClaudeAI 则实现高速增长，正在从 ChatGPT 和 Gemini 手中蚕食市场份额。总体来看，专业 AI 工具的增长势头强劲，而初创公司的用户获取相对缓慢。 《》比尔・盖茨在采访中讨论了人工智能的革命性影响，认为 AI 将使每个人都能成为“超级个体”，改变人机交互方式。他强调 AI 将显著降低白领工作的成本，并逐渐影响蓝领市场。盖茨还提到他对全球健康和气候问题的关注，认为技术创新速度超出预期，未来 20 年将是充满希望的时期。他同时探讨了可再生能源的发展，尤其是核能和太阳能的潜力。 11 月 7 日： 《》Marc Andreessen 强调，真正的变革性技术必须从产品设计之初就深度融入，而不是简单地在现有产品上添加 AI。他指出，AI 作为一种新型计算机，能够以概率方式输出结果，带来无限创造力。AI 将在多个行业引发重大变革，尤其是在生物科技和金融等领域，初创公司有机会重新定义产品类别，摆脱传统束缚。 《》前 OpenAI 研究员 Alexey Guzey 在 2017 至 2024 年间对人工智能（AI）发展的看法变化。他最初认为实现通用人工智能（AGI）需要数十年，但后来逐渐意识到大型语言模型（LLM）实际上并不具备真正的思考能力。阅读几年间他的心路历程，是非常好的求索经历。 《》在 10 月的总结中，Orange AI 反思了创业的艰辛，强调创业最难的是人和信任。创业者需找到优秀团队，并相信自己和他人。此外，利益分配在企业盈利后成为关键问题，需要坦诚沟通。10 月关注了 AI 搜索、音频、视频生成和编码等主题，并参与了多个活动，收获颇丰。 此外，还有关于 AI 在未来一年的 10 个预测： 一个主权国家向美国大型人工智能实验室投资 100 亿美元以上，需要国家安全审查。 没有任何编码能力的人独自创建的应用程序或网站将会迅速走红（例如 App Store Top100）。 案件开始审理后，前沿实验室对数据收集实践实施有意义的改变。 由于立法者担心权力过度，欧盟人工智能法案的早期实施最终比预期更为缓慢。 OpenAl o1 的开源替代品在一系列推理基准测试中超越了它。 挑战者未能对 NVIDIA 的市场地位造成任何重大打击。 由于公司难以实现产品与市场的契合，对人形机器人的投资水平将会下降。 苹果设备上研究的强劲成果加速了个人设备上 AI 的发展势头。 人工智能科学家撰写的研究论文被大型机器学习会议或研讨会接受。 一款以与 GenAI 元素交互为基础的视频游戏将取得突破性进展。

撰写关于“STEAM教育融入中小学信息技术课堂的实践研究”的课题申请报告时，需要遵循一定的结构和内容要求。以下是一个基本的框架和一些撰写建议： 1. 封面（Cover Page） 课题名称：STEAM教育融入中小学信息技术课堂的实践研究 申请人姓名： 申请人单位： 联系电话： 电子邮箱： 申请日期： 2. 摘要（Abstract） 简要介绍课题的研究背景、目的、方法、预期成果和意义。 3. 引言（Introduction） 研究背景：介绍STEAM教育的重要性和当前在中小学信息技术课堂中的应用情况。 研究意义：阐述本课题研究对于教育改革、学生能力培养等方面的贡献。 研究目的和问题：明确课题的研究目标和需要解决的核心问题。 4. 文献综述（Literature Review） 分析和评述现有文献中关于STEAM教育、信息技术课堂的相关理论和实践研究。 5. 研究方法（Methodology） 研究设计：描述课题的研究类型（定性、定量或混合方法）和设计框架。 数据收集：介绍将采用的数据收集方法，如问卷调查、访谈、课堂观察等。 数据分析：说明将如何处理和分析收集到的数据。 6. 研究实施计划（Research Implementation Plan） 实施步骤：详细列出研究的各个阶段和步骤。 时间表：提供研究的时间安排和里程碑。 7. 预期成果（Expected Outcomes） 描述预期的研究结果，包括理论贡献和实践应用。 8. 研究影响（Impact） 分析课题研究对教育实践、政策制定等方面的潜在影响。 9. 预算和资金（Budget and Funding） 提供课题研究的预算明细和资金来源。 10. 附录（Appendix） 包括研究所需的任何额外材料，如调查问卷、访谈指南等。 11. 参考文献（References） 列出所有引用的文献。 撰写建议： 明确性：确保研究目标和问题清晰明确。 可行性：研究方法和计划应切实可行。 创新性：突出课题的创新点和独特价值。 逻辑性：报告内容应逻辑清晰，条理分明。 规范性：遵循学术规范，正确引用文献。 完成报告后，应进行多次校对，确保没有语法错误和遗漏的信息。此外，根据申请的具体要求，可能需要对报告的结构和内容进行相应的调整。

以下为您介绍一些 AI 教育软件或者平台： 对于中学生学习 AI： 建议从编程语言入手，如 Python、JavaScript 等，学习编程语法、数据结构、算法等基础知识。 尝试使用 AI 工具和平台，如 ChatGPT、Midjourney 等，也可以探索面向中学生的平台，如百度的“文心智能体平台”、Coze 智能体平台等。 学习 AI 基础知识，包括基本概念、发展历程、主要技术（如机器学习、深度学习等）以及在各领域的应用案例。 参与 AI 相关的实践项目，如参加学校或社区组织的编程竞赛、创意设计大赛等，尝试用 AI 技术解决实际问题。 关注 AI 发展的前沿动态，关注权威媒体和学者，思考其对未来社会的影响。 100 个 AI 应用中的相关平台： 500px 摄影社区：AI 摄影比赛平台，利用图像识别、数据分析技术，举办摄影比赛，展示优秀作品。 Logic Pro X 教学软件：AI 音乐制作教学平台，运用机器学习、音频处理技术，为用户提供个性化教学服务。 鲁班到家 APP：AI 家居维修服务平台，通过数据分析、自然语言处理技术，为用户推荐附近维修人员。 雪球财经 APP：AI 金融投资教育平台，借助数据分析、自然语言处理技术，为用户提供个性化金融投资教育服务。 AI 在教育领域的应用： 个性化学习平台，如 Knewton 平台，利用算法和大数据分析跟踪学生学习进度，诊断难点，提供个性化建议和资源。 自动评估领域，如 Pearson 的 Intelligent Essay Assessor，通过自然语言处理技术批改作文和开放性答案题。 智能辅助教学工具，如 Google 的 AI 教育工具 AutoML，创建定制学习内容，提高学习动机和知识掌握程度。 在虚拟现实（VR）和增强现实（AR）方面，如 Labster 的虚拟实验室平台，提供高科技实验室场景，让学生安全进行实验操作并获得反馈。

AI 在教育行业的落地场景主要包括以下几个方面： 1. 个性化学习：通过集成算法和大数据分析，如 Knewton 平台，实时跟踪学生学习进度，诊断学习难点，提供定制化的学习建议和资源。 2. 自动评估：利用自然语言处理技术（NLP），如 Pearson 的 Intelligent Essay Assessor，自动批改学生的作文和开放性答案题，减轻教师批改负担，提高评估效率和一致性。 3. 智能辅助教学：例如 Google 的 AI 教育工具 AutoML，创建定制的学习内容，引导学生通过对话学习，提供即时反馈，提高学习动机和知识掌握程度。 4. 虚拟现实（VR）和增强现实（AR）：如 Labster 的虚拟实验室平台，提供虚拟实验场景，让学生安全进行实验操作并获得 AI 系统反馈。 5. 协助评估学生学习情况，为职业规划提供建议。 6. 针对学生情况和兴趣定制学习内容。 7. 论文相关：包括论文初稿搭建及论文审核。 8. 帮助低收入国家/家庭获得平等的教育资源。

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。

AI 在教育行业的落地场景主要包括以下方面： 1. 个性化学习：通过集成算法和大数据分析，如 Knewton 平台，实时跟踪学生学习进度，诊断学习难点，提供个性化学习建议和资源。 2. 自动评估：利用自然语言处理技术（NLP）自动批改学生的作文和开放性答案题，如 Pearson 的 Intelligent Essay Assessor，减轻教师批改负担，提高评估效率和一致性。 3. 智能辅助教学：例如 Google 的 AI 教育工具 AutoML 用于创建定制学习内容，通过有趣方式加深学生对学科概念的理解。 4. 虚拟现实（VR）和增强现实（AR）：学生可通过 VR 头盔进入虚拟实验室进行实验操作并获得 AI 系统反馈，如 Labster 的虚拟实验室平台。 5. 协助评估学生学习情况，为职业规划提供建议。 6. 针对学生情况和兴趣定制学习内容。 7. 论文初稿搭建及论文审核。 8. 帮助低收入国家/家庭获得平等教育资源。

以下是关于 AI 教育的相关内容： 人们对 AI 时代教育的期待： 长期以来的应试教育体系存在诸多弊端，如题海战术、考试制度等，导致学生创造性和创新性思维较差，且容易丧失学习兴趣。虽然教育资源比过去更充裕，但学生学习能力未明显跃升。对于三四五六线城市的学生，选择相对较少，只能内卷。 中学生学习 AI 的建议： 1. 从编程语言入手学习，如 Python、JavaScript 等，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，如 ChatGPT、Midjourney 等，探索面向中学生的教育平台，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，包括基本概念、发展历程、主要技术（机器学习、深度学习等），以及在各领域的应用案例。 4. 参与 AI 相关的实践项目，如学校或社区组织的编程竞赛、创意设计大赛等，培养动手能力。 5. 关注 AI 发展的前沿动态，通过权威媒体和学者了解最新进展，培养思考和判断能力。 AI 时代的学习产品形态： 目前已有不少基于 AI“学伴”思路的学习应用探索项目落地，如 AI 儿童英语产品 Heeyo 。AI 学习机应首先是 AI 游戏机，让用户在游戏中规划学习任务、探索实现方法并获得奖励，以激活学习兴趣。

以下是 AI 加教育的最新进展： 案例方面： “AI 赋能教师全场景”，来自 MQ 老师的投稿贡献。 “未来教育的裂缝：如果教育跟不上 AI”，揭示了人工智能在教育领域从理论走向实际应用带来的颠覆性改变。 “化学：使用大型语言模型进行自主化学研究”。 “翻译：怎么把一份英文 PDF 完整地翻译成中文？”，介绍了 8 种方法。 对未来的预判： 个性化学习时代已到来，AI 将作为教育生态系统的一部分与人类教师协作，为孩子提供不同的学习体验，如混合式教学、定制学习路径等。 教育工作者将成为学习的引导者和伙伴，更多关注孩子的全人发展，如创造力和社交智慧。 未来 3 年，提升人机协作效率的领域，如 AI 作业批改、备课、定制教育规划、学前启蒙等，对教育从业者蕴藏着巨大机遇。 探索实践： 过去半年多，梳理教学和育儿工作流，每个环节与 AI 协作可大幅提升效率，但也加剧了知识获取的不平等。从家长的“育”、老师的“教”和学生的“学”进行了落地实践的拆解。

以下是为您提供的售后技术支持的 AI 解决方案： 在汽车售后场景中，主要存在以下问题： 1. 服务顾问缺少专业知识，无法提前协助车主评估车辆问题，并反馈标准化解决方案。 2. 维修技师在车辆检查和车辆故障分析方面依赖经验水平，缺少辅助分析的工具和直观的辅助指引。 3. 维修方案由技术支持人工编写，输出标准无法保障。 针对这些问题，AI 解决方案具有以下功能： 1. 解答问题：当用户提出问题，它像专业的售后顾问，通过询问细节给出初步判断，涵盖问题原因、维修方向、价格与时间预估。然后转变为技术维护人员角色，分析问题原因，列出具体检查步骤，等待工程师反馈结果后，给出精准解决方案及操作视频。 2. 文档输出：问题解决后，生成维修报告给用户，以及案例归档文档，并将其存入 AI 知识库，丰富知识库内容，方便后续查询和提供更专业的回答。 3. 智能录入：AI 知识库功能强大，不仅支持单独文本录入还支持链接录入。通过识别一篇文章，能智能解析分解出多个知识点并录入知识库，对归档文档的解析录入进一步丰富了知识库。 此外，还有以下 AI 产品案例和投稿与工作场景相关： 1. 销售：定制销售解决方案，涉及企业产品和服务内容、客户需求和参数、营销方案和推广策略、数据处理和模型训练、客户满意度和营销效率、往期营销方案。 2. 客服：定制客服话术，包含产品知识、使用方法、售后服务、售后维修、支付方式、支付流程、产品购买、产品配送、客户投诉、客户建议、政策法规、使用注意事项、客服身份等关键词库。 3. HR：团队绩效管理，根据团队和个人的绩效的往期数据，分析员工绩效排名，输出绩效考评和迭代改进建议。 4. HR：面试工具，开发了一个使用 GPT4 技术的实时转录工具，帮助求职者在面试中生成完美的回答。 5. 科学：研制采摘机器人，荷兰代尔夫特大学和瑞士洛桑联邦理工学院（EPFL）科学家借助 ChatGPT 设计并研制出了一款番茄收割机器人。

要在 Dify 的 agent 的 prompt 里让 DeepSeek 通过 Function Calling 调用工具，您可以参考以下内容： 1. 提示词工程主要由提示词注入和工具结果回传两部分代码组成。 提示词注入：将工具信息及使用工具的提示词添加到系统提示中。INSTRUCTION 包含 TOOL_EAXMPLE、tools_instructions、REUTRN_FORMAT 三个部分。TOOL_EAXMPLE 用于提示 LLM 如何理解和使用工具，编写时注意用无关紧要的工具作示例避免混淆。tools_instructions 是将通用工具字典转换成 LLM 可读的工具列表，可动态调整。REUTRN_FORMAT 定义调用 API 的格式。 工具结果回传：利用正则表达式抓取输出中的“tool”和“parameters”参数。对于 interpreter 工具，使用另一种正则表达式提取 LLM 输出的代码。通过识别 LLM 返回的调用工具的字典，提取对应值传入工具函数，将结果以 observation 角色返回给 LLM，对于不接受该角色的 LLM 接口，可改为回传给 user 角色。 2. 当模型判断需要调用工具函数时，检测到返回的 json 里 function_call 字段不为空，则执行异步函数调用，采用回调方式获取函数返回结果。通过判断返回的 functionCall 的名称执行不同函数并返回结果。 3. 在大模型请求中，最大的两个变量是 Messages 和 Tools。Messages 里放 sys prompt、memory、user query；Tools 里放能力的 Json Scheme，两者组合形成整个完全的 Prompt。Agent 应用开发的本质是动态 Prompt 拼接，通过工程化手段将业务需求转述成新的 prompt。短期记忆在 messages 里的历史 QA 对，长期记忆是 summary 之后的文本再塞回 system prompt。RAG 是向量相似性检索，可放在 system prompt 里或通过 tools 触发检索。Action 是触发 tool_calls 标记进入请求循环，拿模型生成的请求参数进行 API request，再把结果返回给大模型交互，没有 tool_calls 标记则循环结束。Multi Agents 是更换 system prompt 和 tools。

在 Dify 的 agent 的 prompt 中实现调用工具的方法如下： 1. 提示词注入阶段： INSTRUCTION 为注入到系统提示中的字符串，包含 TOOL_EAXMPLE、tools_instructions、REUTRN_FORMAT 三个部分。 TOOL_EAXMPLE 用于提示 LLM 如何理解和使用工具，编写时应使用无关紧要的工具作为示例，避免 LLM 混淆。 tools_instructions 是将通用的工具字典转换成 LLM 可读的工具列表，实际使用时可动态调整。 REUTRN_FORMAT 定义了调用 API 的格式。 2. 工具结果回传阶段： 利用正则表达式抓取输出中的“tool”和“parameters”参数。 对于 interpreter 工具，使用另一种正则表达式提取 LLM 输出的代码，提高使用成功率。 通过识别 LLM 返回的调用工具的字典，提取对应的值，传入相应的工具函数，将工具返回的结果以 observation 的角色返回给 LLM。对于不接受该角色的 LLM 接口，可改为回传给 user 角色。 此外，当模型判断需要调用工具函数时，即检测到返回的 json 里面 function_call 字段不为空，则执行异步函数调用，可通过判断返回的 functionCall 的名称来执行不同的函数并返回结果。 在提升可控性方面，有以下建议： 1. 放弃 JSON mode，虽然模型能力提升能输出 JSON，但仍会出错，且不能保证 100%正确，而模型厂家对 Function Calling 有微调优化。 2. 降低 System prompt 依赖，化繁为简，能在 Tools 里写的东西尽量写在里面。 3. API Response 增强 Prompt，这一步的准确率很高，可增加给大模型的约束和提示。 4. 尽量让模型做选择，而不是填空，减少 token 输出，提高速度和准确率。 5. 利用 Tools 来做 Route，构建 Multi Agent，术业有专攻。

要在 DeepSeek 中通过提示词实现工具调用，主要通过以下提示词工程实现： 1. 实现原理： 提示词工程主要由提示词注入和工具结果回传两部分代码组成。提示词注入将工具信息及使用提示词添加到系统提示中，工具结果回传则解析工具调用的输出，并将返回内容嵌入 LLM。 2. 提示词注入阶段： INSTRUCTION 为注入到系统提示中的字符串，包含 TOOL_EAXMPLE、tools_instructions、REUTRN_FORMAT 三个部分。TOOL_EAXMPLE 用于提示 LLM 理解和使用工具，编写时应使用无关紧要的工具作示例避免混淆。tools_instructions 是将通用工具字典转换为 LLM 可读的工具列表，实际使用时可动态调整。REUTRN_FORMAT 定义了调用 API 的格式。 3. 工具结果回传阶段： 利用正则表达式抓取输出中的“tool”和“parameters”参数。对于 interpreter 工具，使用另一种正则表达式提取 LLM 输出的代码以提高成功率。通过识别 LLM 返回的调用工具字典，提取对应值传入工具函数，将结果以 observation 角色返回给 LLM，对于不接受该角色的 LLM 接口，可改为回传给 user 角色。 在游戏实操中，当模型判断需要调用工具函数时（检测到返回的 json 里 function_call 字段不为空），执行异步函数调用，采用回调方式获取函数返回结果，通过判断返回的 functionCall 名称执行不同函数并返回结果。 对于 ChatGPT，为让其返回符合要求的 JSON 格式，prompt 的定制尤为重要和复杂。OpenAI 发布函数调用及其他 API 更新后，开发人员可向 gpt40613 和 gpt3.5turbo0613 描述函数，让模型智能输出包含调用函数所需参数的 JSON 对象。本地可根据 GPT 返回的函数名、参数进行数据查询，可采用函数查询或 SQL 查询，根据实际业务需求选择，使 AI 输出更可控。

以下是一些支持个性化训练的大语言模型： 1. Character.ai：更注重人格属性，试图满足社交、情感、陪伴等需求，与 ChatGPT 侧重不同，后者注重提高效率和解放生产力。 2. Midjourney：今天发布了模型个性化 Personalization 或 'p'的早期测试版本。模型个性化会学习用户的喜好，以便更可能用用户的口味来填补空白。其要求包括目前从成对排名中的投票和喜欢的探索页面上的图像中学习，需要大约 200 个成对排名/喜欢才能生效。使用时只需在提示后输入 'p'，或使用提示栏中的设置按钮为所有提示启用个性化功能，还可以使用 's 100'控制个性化效果的强度。但需注意个性化目前不是一个稳定的功能，会随着进行更多的成对排名而变化，且可能会在接下来的几周内推出算法更新。

以下是国内一些支持视频生成的产品： 1. 可灵：在视频生成领域表现出色，具有卓越的生成质量、出色的生成速度和良好的国内可访问性。其生成的视频在画面清晰度、连贯性和内容丰富性上可与国际顶级模型媲美，处理效率高，为国内用户提供便捷稳定的使用体验。 2. Hidreamai：国内产品，有免费额度。支持文生视频、图生视频，提示词使用中文、英文均可，文生视频支持多种控制，可生成 5 秒和 15 秒的视频。网址：https://hidreamai.com//AiVideo 3. ETNA：由七火山科技开发的文生视频 AI 模型，能根据简短文本描述生成相应视频内容，生成视频长度 8 15 秒，画质可达 4K，最高 38402160，画面细腻逼真，帧率 60fps，支持中文和时空理解。网址：https://etna.7volcanoes.com/ 此外，还有 Pika、SVD、Runway、Kaiber、Sora 等工具也可实现文字生成视频的功能，但并非国内产品。更多相关网站可查看：https://www.waytoagi.com/category/38 。需注意，以上内容由 AI 大模型生成，请仔细甄别。