Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

如何指导AI写代码

Answer

以下是关于指导 AI 写代码的一些方法和经验:

  1. 在独立游戏开发中,如果让 AI 写小功能,可以把不方便配表而又需要撰写的代码交给它。这类代码通常简单、模板化、多是调用 API,只牵涉小部分特殊逻辑。例如以 Buff 系统为例,对于一些复杂的 Buff 代码撰写,可先给 AI 提供模板代码,让其学习并总结规律,然后尝试让其撰写类似的代码。但要注意,目前生成复杂代码还需要复杂的前期调教,且不同的 AI 工具各有特点,比如 ChatGPT 可能更方便。同时,教 AI 就像哄小孩,对其正确的表现要及时肯定,指出错误时要克制。
  2. 在编写自动备份配置的脚本时,对于不熟悉的领域,如运维中的 Shell 脚本,虽然不必完全依赖 AI 实现代码,但 AI 可以作为很好的教练。可以向 AI 请教具体问题,如“请告诉我 rclone 命令的用法”“Shell 里面的循环怎么写”等,大多数情况下只需告诉 AI 目标,它会提供解决方案。从结果来看,AI 不仅能写出代码,还能给出详细的中文注释帮助理解逻辑。也可以直接问 AI 有没有现成的工具推荐,或者找专业的人来完成任务。
  3. Cursor 是一款使用 AI 进行编码的工具,它旨在让编码极其高效。它能够从您的代码库中获得最佳答案,或参考特定文件或文档,一键使用模型中的代码。还能通过预测您的下一个编辑,让您轻松完成更改,允许您使用指令编写代码,通过简单的提示就能更新整个类或函数。
Content generated by AI large model, please carefully verify (powered by aily)

References

AI辅助在独立游戏开发中的“踩坑”经验——《玩具帝国》

[title]AI辅助在独立游戏开发中的“踩坑”经验——《玩具帝国》[heading2]三、AI代码单独给AI从零开始写一些小功能没有任何问题,相信这类案例已经不少了,但是《玩具帝国》的情况不足以让AI从零开始,而AI还没到可以完全写出程序架构的时候。如果让AI给我写小功能的话,我写的程序框架又比较复杂,而现在的AI还不足以把我所有的程序框架学会,所以我的解决方案是,把不方便配表而又需要撰写的代码交给AI。这种代码的特点是简单、模板化、多是调用API,只牵涉小部分的特殊逻辑。以Buff系统为例,游戏里的Buff特别多,有些Buff带有不同的执行逻辑,不方便统一配表,撰写这些Buff的代码又非常耗时。试了下用Cursor让它仿照我的代码写一些Buff,发现生成结果可以直接用。不过目前Cursor生成复杂代码还需要复杂的前期调教,多开几次之后觉得很麻烦,用多了之后发现还是ChatGPT比较方便。以下面这段代码为例,我给出的模板代码是对ProducebleCombatUnitBase单位的Attack、Defence、Speed属性进行调整:我将多段类似的代码喂给AI后,询问它是否学会了,并让他总结规律:然后,尝试让它撰写一个类似的:Then please write a Buff,which acts on a Musketeer,and Musketeer is a kind of unit.What it does is make its CostFood 1.5 times what it was.教AI就像哄小孩,有正确的需要及时肯定,不过似乎AI对否定非常敏感,指出错误的时候要克制,不断完善它的经验。现在尝试写一个复杂的Buff,作用于一个Worker,Buff生效后,Worker的生命值和速度将翻倍。Buff失败时,如果Worker的HP不大于50,Buff的效果会恢复,否则不恢复。

放下傲慢!停止自欺欺人!与其做 AI 的主人,不如做它的搭档

去年夏天,偶然有人请我们写一个自动备份配置的脚本。具体情况是:有若干台不同操作系统的服务器(Ubuntu,Debian)每个服务器上运行一些应用(基于Podman部署,但没有使用k 8 s)需要备份到云盘中,且定期清理当时,我们对运维领域不太熟悉(也就是没吃过苦、没背过锅的意思),想着这应该不难,就决定挑战一下Shell脚本。虽然事情不紧急,但还是花了断断续续的时间。我们花了大量时间熟悉Shell的语法和一些特殊用法。本以为Shell简单易上手,可以速战速决,结果却事与愿违,代码不仅难写,还不易交接给他人。这时,AI的作用就体现出来了,它可以教我们如何完成任务。虽然在过程中,我们并没有完全依赖AI来实现代码,但AI确实是很好的教练。我说你听的典型例子:请教AI具体问题:“请告诉我rclone命令的用法。”“Shell里面的循环怎么写?”“如何遍历一个文件夹的所有文件?”“如何让Shell输出的内容显示为绿色?”“如何让一个脚本每天自动运行?”其实,大多数人没必要真的深入了解Shell的语法,只需告诉AI你的目标即可,AI会提供解决方案。从结果来看,AI不仅写出了代码,还给出了详细的中文注释,帮助我们理解逻辑。即使代码部分看不太懂,光看注释也能大致了解。当然,我们也可以直接问AI有没有现成的工具推荐,或者干脆找专业的人来完成任务。

Cursor官方:介绍视频

Built to make you extraordinarily productive,Cursor is the best way to code with AI.Cursor旨在让您极其高效,它是使用AI进行编码的最佳方式。[heading1]使用cursor See Cursor In Action[content]file:Cursor-www cursor.mp4[heading1]读懂数据库Knows your codebase[content]Get the best answers from your codebase — or refer to specific files or docs.Use the model's code in one click.从您的代码库中获得最佳答案——或参考特定文件或文档。一键使用模型中的代码。file:chat.mp4[heading1]使用tab来编辑Just hit tab[content]Cursor lets you breeze through changes by predicting your next edit.Cursor通过预测您的下一个编辑,让您轻松完成更改。file:cpp-full-video.mp4[heading1]自然语言编辑Edit in natural language[content]Cursor lets you write code using instructions.Update entire classes or functions with a simple prompt.Cursor允许你使用指令编写代码。通过简单的提示就能更新整个类或函数。file:cmdkloop2.mp4

Others are asking
AI生图
以下是关于 AI 生图的详细教程: 一、Liblibai 简易上手教程 1. 定主题:明确您想要生成的图片主题、风格和表达的信息。 2. 选择 Checkpoint:根据主题选择贴近内容的 Checkpoint,如麦橘、墨幽的系列模型。 3. 选择 lora:寻找与生成内容重叠的 lora,以控制图片效果和质量。 4. 设置 VAE:选择 840000 那一串。 5. CLIP 跳过层:设为 2。 6. Prompt 提示词:用英文写需求,使用单词和短语组合,用英文半角逗号隔开,无需考虑语法和长句。 7. 负向提示词 Negative Prompt:同样用英文单词和短语组合,用英文半角逗号隔开。 8. 采样方法:一般选 DPM++2M Karras,也可参考模型作者推荐的采样器。 9. 迭代步数:使用 DPM++2M Karras 时,在 30 40 之间,过多意义不大且慢,过少出图效果差。 10. 尺寸:根据个人喜好和需求选择。 11. 生成批次:默认 1 批。 二、AI 线上绘画教程 1. 背景:工作中需要大量图片时,AI 生图是高效解决办法,主流工具如 midjourney 付费成本高,stable diffusion 硬件门槛不低,可选择免费在线 SD 工具网站如。 2. 目标:让入门玩家在半个小时内自由上手创作绘图。 3. 注意事项:本教程适用于入门玩家,若有疑问可在评论区联系或加微信 designurlife1st 沟通,教程内容会持续更新。 三、Tusiart 简易上手教程 1. 图生图:上传图片后,sd 根据图片、模型、prompt 等信息重绘,重绘幅度越大,输出图与输入图差别越大。 2. 尺寸:太小生成内容有限,太大 AI 易放飞自我,如需高清图,可设中等尺寸并用高分辨率修复。 3. 采样算法:即让 AI 用何种算法生图。 4. 采样次数:次数越多调整越精密,效果理论上更好但耗时越长,并非越多越好。 5. 提示词相关性:数字增大图像更接近提示词,但过高会使图像质量下降。 6. 随机种子 seed:固定种子可对图片进行“控制变量”操作,首次生成图时无种子。 7. Clip Skip:一般设为 2,早期无需过多关注。 8. ENSD:eta 噪声种子增量,默认 0 即可。
2025-02-17
可以用ai做商务服务么,比如帮用户申请个商标
AI 可以在一定程度上辅助商务服务,比如商标申请。商标申请要有区分度,能区分自家与别家产品,不像著作权需考虑独创性等。 关于 AI 作品的相关问题: 微链区块链存证流程: 登录方式:用微信扫码即可登录微链,登录后无需在个人中心完善信息。 存证选择:在页面左上角选择区块链存证,AI 作品一般选此选项。 信息填写:包括存证内容类型、存证附件、存证名称、作品作者、作品简介、著作权人等信息,著作权人可委托登记。 发表信息:填写发表地区、首次发表日期、权力取得方式等。 提交付款:确认存证上传,勾选并提交存证,手机扫码付款 10 元。 查看订单:在个人中心的版权订单中查看处理状态,处理完成后可在区块链版权存证处查看证书。 版权登记:带有 AI 性质或名字的作品无法做著作权登记,选择微链区块链存证有法律效应,且一次存证无需每年续费。 关于侵权问题: AI 生成肖像侵权:用他人著名肖像生成特定形象可能侵犯肖像权和名誉权,用自己肖像则相对安全。 AI 生成人脸相似侵权:若生成的人脸世界上不存在,侵权可能性小;若提示词相同且生成相似,可能侵权,需具体情况具体分析。 简单提示词作品版权:简单提示词生成的作品,法律可能不保护其版权,被搬运时难以有效维权。 以图生图的鉴定:若生成的图与原图看不出相同,一般不侵权,但用与原图无相似之处的图做底图的原因值得思考。 AI 生成音乐侵权:AI 音乐中歌词和旋律与某首歌有相似部分,是否侵权需多元素、多因素整体判断,如相似部分占比、整体结构等。 使用逝者肖像:逝者肖像权永远受保护,使用需谨慎,未造成不良影响且增益的情况下权利人可能不追究。
2025-02-17
写微信小程序,用哪个 ai 代码助手最好
以下是一些适用于写微信小程序的 AI 代码助手推荐: 1. DIN: 搭建 OneAPI 以汇聚整合多种大模型接口。 搭建 FastGpt 作为知识库问答系统。 搭建 chatgptonwechat 接入微信,并配置 FastGpt 把知识库问答系统接入到微信。 2. Cursor: 可通过任意 AI 工具获得代码,专业代码模型表现更优。 网址:https://www.cursor.com/ 3. Deepseek(新手推荐): 网址:https://www.deepseek.com/zh 方便获取游戏代码,国内能访问,网页登录方便,目前完全免费。 4. 通义灵码: 在 Pytharm 中,“文件”“设置”“插件”红色框位置搜索“通义灵码”进行安装(目前免费)。 5. JetBrains 自身的助手插件: 在 Pytharm 中,“文件”“设置”“插件”红色框位置搜索“Jetbrains AI assistant”进行安装(收费,目前有 7 天免费试用)。 6. Marscode 及 Tencent cloud AI code Assistant 等。 7. 无影的晓颖 AI 助手: 内置在云电脑里,使用流畅,但需要在无影的云电脑中。 需要注意的是,不同的 AI 代码助手在生成特定代码时可能有不同的表现,您可以根据自己的需求和实际使用体验进行选择。
2025-02-17
分析化验单的AI
以下是关于分析化验单的 AI 和专利审查方面的 AI 的相关信息: 分析化验单的 AI: 目前没有直接针对分析化验单的具体内容,但在教育领域,AI 已展现出强大的能力。例如,借助大模型可以生成个性化学习和定制化作业,教师拥有 AI 就拥有了源源不断的真题库,学生也拥有了源源不断的错题练习库。 专利审查方面的 AI: 近年来,AI 在专利审查领域得到广泛应用,通过自动化和智能化手段,帮助专利审查员更高效地处理大量专利申请、检索相关文献、评估专利性和创新性等任务。以下是一些具体的应用和平台: 1. 专利检索与分类:AI 可通过自然语言处理和机器学习算法,自动识别和分类专利文献。示例平台如 Google Patents、IBM Watson for IP。 2. 专利分析和评估:AI 能够分析专利文本,评估专利的新颖性和创造性,预测专利的授权可能性。示例平台如 TurboPatent、PatentBot。 3. 自动化专利申请:AI 可以帮助自动生成专利申请文件,减少人工编写和审查时间。示例平台如 Specifio、PatentPal。 4. 专利图像和图表分析:AI 能分析专利申请中的图像和图表,帮助识别和分类技术内容。示例平台如 Aulive、AIpowered image recognition tools。 5. 专利趋势分析和预测:AI 可以分析大量专利数据,识别技术发展趋势和竞争情报,帮助企业和研究机构制定战略决策。示例平台如 Innography、PatSnap。 具体使用这些平台的步骤如下: 1. 注册和登录:在对应的平台上注册账户并登录。 2. 上传专利文献:上传待审查的专利文献或输入检索关键词。 3. 选择分析功能:根据需要选择专利检索、分析、评估或生成功能。 4. 查看结果和报告:查看 AI 生成的检索结果、分析报告和评估结果。 5. 进一步处理:根据分析结果进行进一步的人工审查和处理,或者直接生成专利申请文件。 需要注意的是,以上内容由 AI 大模型生成,请仔细甄别。
2025-02-17
能分析医学化验单的AI有哪些?
以下是一些能够分析医学化验单的 AI 工具: 1. Scite.ai:这是一个为研究人员、学者和行业专业人员打造的创新平台,提供引用声明搜索、自定义仪表板和参考检查等工具,能简化学术工作。 2. Scholarcy:一款科研神器,能从文档中提取结构化数据,并通过知识归纳引擎生成文章概要,包含关键概念、摘要、学术亮点、学术总结、比较分析、局限等板块的内容。 3. ChatGPT:强大的自然语言处理模型,可以提供有关医学课题的修改意见。您可以向它提供您的文章,并提出您的问题和需求,它将尽力为您提供帮助。 需要注意的是,内容由 AI 大模型生成,请仔细甄别。
2025-02-17
如何可以通过ai语音转文字
以下是关于通过 AI 实现语音转文字的相关内容: 可以使用 GVoice 提供的语音录制和识别能力,其中文识别率优秀。语音识别的少量错误,ChatGPT 能正常理解和纠错,衔接较为流畅。 推荐 OpenAI 的 wishper,相关链接:https://huggingface.co/openai/whisperlargev2 。还有一个项目:https://huggingface.co/spaces/sanchitgandhi/whisperjax ,此项目在 JAX 上运行,后端支持 TPU v48,与 A100 GPU 上的 PyTorch 相比,快 70 多倍,是目前最快的 Whisper API。 对于有字幕的 B 站视频,可通过安装油猴脚本获取字幕,然后将字幕文字内容复制发送给 GPTs 进行总结。
2025-02-17
我怎样用低代码工具去构建我的AI智能体?LLM应用?
以下是关于如何用低代码工具构建 AI 智能体和 LLM 应用的一些建议: 在构建基于 LLM 的应用时,Anthropic 建议先寻找最简单的解决方案,只在必要时增加复杂度。智能系统通常会以延迟和成本为代价来换取更好的任务表现,开发者需要考虑这种权衡是否合理。当需要更复杂的解决方案时,工作流适合需要可预测性和一致性的明确任务,而智能体则更适合需要灵活性和模型驱动决策的大规模场景。不过,对于许多应用来说,优化单个 LLM 调用(配合检索和上下文示例)通常就足够了。 目前有许多框架可以简化智能系统的实现,例如: 1. LangChain 的 LangGraph。 2. 亚马逊 Bedrock 的 AI Agent 框架。 3. Rivet(一个拖放式 GUI 的 LLM 工作流构建器)。 4. Vellum(另一个用于构建和测试复杂工作流的 GUI 工具)。 这些框架通过简化标准的底层任务(如调用 LLM、定义和解析工具、链接调用等)使入门变得容易,但它们往往会创建额外的抽象层,可能会使底层提示词和响应变得难以调试,也可能诱使开发者在简单设置就足够的情况下增加不必要的复杂性。建议开发者先直接使用 LLM API,许多模式只需要几行代码就能实现。如果确实要使用框架,请确保理解底层代码。 此外,还有以下相关工具和应用: 1. VectorShift:能在几分钟内构建和部署生成式人工智能应用程序,利用大型语言模型(例如 ChatGPT)构建聊天机器人、文档搜索引擎和文档创建工作流程,无需编码。 2. Unriddle:帮助更快阅读、写作和学习的工具,能简化复杂的主题,找到信息,提问并立即获得答案。 工具使用或函数调用通常被视为从 RAG 到主动行为的第一个半步,为现代人工智能栈增加了一个新的层。一些流行的原语如网页浏览(Browserbase、Tiny Fish)、代码解释(E2B)和授权+认证(Anon)已经出现,它们使 LLM 能够导航网络、与外部软件(如 CRM、ERP)交互并运行自定义代码。Omni 的计算 AI 功能体现了这种方法,它利用 LLM 直接输出适当的 Excel 函数到电子表格中,然后执行计算并自动生成复杂查询供用户使用。 详细示例请参考:https://github.com/anthropics/anthropiccookbook/tree/main/patterns/agents
2025-02-17
我需要以无代码的形式搭建一个数据大屏,有哪些工具可以满足我的需求
目前市面上有一些无代码工具可以帮助您搭建数据大屏,例如: 1. 阿里云 DataV:提供丰富的可视化组件和模板,操作相对简单。 2. 腾讯云图:支持多种数据源接入,具备强大的可视化编辑能力。 3. 帆软 FineReport:功能较为全面,能满足多样化的大屏搭建需求。 您可以根据自己的具体需求和使用习惯选择适合的工具。
2025-02-17
AI 在生成单元测试代码方面有什么新的进展与方向?
AI 在生成单元测试代码方面有以下新的进展与方向: 1. 基于规则的测试生成: 测试用例生成工具:如 Randoop 可基于代码路径和规则为 Java 应用程序生成测试用例,Pex 是微软开发的能为.NET 应用自动生成高覆盖率单元测试的工具。 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来生成测试用例,Infer 是 Facebook 开发的能自动生成测试用例以帮助发现和修复潜在错误的工具。 2. 基于机器学习的测试生成: 深度学习模型:DeepTest 利用深度学习模型为自动驾驶系统生成测试用例以模拟不同驾驶场景并评估系统性能,DiffTest 基于对抗生成网络(GAN)生成测试用例来检测系统的脆弱性。 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以提高测试效率和覆盖率,A3C 是基于强化学习通过策略梯度方法生成高质量测试用例的工具。 3. 基于自然语言处理(NLP)的测试生成: 文档驱动测试生成:Testim 是 AI 驱动的测试平台,能通过分析文档和用户故事自动生成测试用例以减少人工编写时间,Test.ai 利用 NLP 技术从需求文档中提取测试用例以确保测试覆盖业务需求。 自动化测试脚本生成:Selenium IDE 结合 NLP 技术可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)框架能通过解析自然语言描述生成测试用例。 此外,峰瑞资本投资的 AI Coding 创业公司 Babel 专注于 AI Agent 的研发,其核心产品 Test Gru 已在美国上线,能为客户自动生成单元测试,客户侧 PR 接受率约为 70%。还有如 Cursor 等工具,可借助其生成测试代码提升代码可靠性,但使用时也需注意方法,如使用 Git 管理代码版本、对 AI 代码进行 Review 等。
2025-02-14
用AI处理销售数据需要写代码吗
用 AI 处理销售数据不一定需要写代码,这取决于具体的情况和所使用的工具。 Python 是常用于自动化处理数据的语言之一,在处理销售数据时,它有丰富的库可用于各种任务,如数据收集、处理等。相关的 AI 脚本提示可按照操作意图分类,例如 Web Scraping Prompts、Data Processing Prompts 等。 如果您不熟悉代码,ChatGPT 等工具也能在一定程度上帮助您处理销售数据。 另外,让 AI 写出您想要的代码时,可通过创建优质的.cursorrules 来明确相关要求,例如说明自己是谁、要做什么、项目的规矩、文件存放位置、使用的工具、测试方法、参考资料以及 UI 要求等。 在处理数据库相关的销售数据时,若不会写 SQL 代码,可借助 AI 帮忙。例如向豆包提供具体需求,如操作的数据表、执行的操作及相关条件等,它能为您生成相应的 SQL 语句。
2025-02-11
一、学习内容 1. AI工具的操作:了解并掌握至少一种AI工具的基本操作,如智能代码、流程管理、智能报表、数据分析、图像识别、文字生成等。 2. AI工具在本职工作的应用:思考并提出AI工具如何帮助你更高效地完成本职工作,包括但不限于提高工作效率、优化工作流程、节约成本、提升交付质量等。 3. AI工具在非本职工作的潜力推演:探索AI工具如何在你的非本职工作领域发挥作用,比如在公司管理、团队领导、跨部门合作、团队发展以及市场研究等方面。提出这些工具如何被有效利用,以及它们可能带来的改
以下是关于学习 AI 的相关内容: 一、AI 工具的操作 要了解并掌握至少一种 AI 工具的基本操作,如智能代码、流程管理、智能报表、数据分析、图像识别、文字生成等。 二、AI 工具在本职工作的应用 思考并提出 AI 工具如何帮助更高效地完成本职工作,包括但不限于提高工作效率、优化工作流程、节约成本、提升交付质量等。 三、AI 工具在非本职工作的潜力推演 探索 AI 工具在非本职工作领域,如公司管理、团队领导、跨部门合作、团队发展以及市场研究等方面的作用,思考如何有效利用这些工具以及它们可能带来的改变。 四、学习路径 1. 对于不会代码的学习者: 20 分钟上手 Python+AI,在 AI 的帮助下可以完成很多基础的编程工作。若想深入,需体系化了解编程及 AI,至少熟悉 Python 基础,包括基本语法(如变量命名、缩进等)、数据类型(如字符串、整数、浮点数、列表、元组、字典等)、控制流(如条件语句、循环语句)、函数(定义和调用函数、参数和返回值、作用域和命名空间)、模块和包(导入模块、使用包)、面向对象编程(类和对象、属性和方法、继承和多态)、异常处理(理解异常、异常处理)、文件操作(文件读写、文件与路径操作)。 2. 新手学习 AI: 了解 AI 基本概念,建议阅读「」部分,熟悉术语和基础概念,浏览入门文章。 开始 AI 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,也可通过在线教育平台(如 Coursera、edX、Udacity)按自己节奏学习并获证书。 选择感兴趣的模块深入学习,掌握提示词技巧。 实践和尝试,理论学习后通过实践巩固知识,在知识库分享实践作品和文章。 体验 AI 产品,如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人,了解其工作原理和交互方式。 五、工具推荐 1. Kimi 智能助手:ChatGPT 的国产平替,上手体验好,适合新手入门学习和体验 AI。不用科学网、不用付费、支持实时联网,是国内最早支持 20 万字无损上下文的 AI,对长文理解做得好,能一次搜索几十个数据来源,无广告,能定向指定搜索源(如小红书、学术搜索)。 PC 端: 移动端(Android/ios): 2. 飞书:汇集各类 AI 优质知识库、AI 工具使用实践的效率工具,助力人人成为效率高手。
2025-02-07
你好,我想做一个用照片做视频的博主,请帮我构思一套详细的视频号起号的框架、流程、以及每一步骤的详细执行指导
很抱歉,目前没有关于用照片做视频的博主起号的相关内容。但我可以为您提供一个大致的框架和流程,以及每一步骤的简要执行指导供您参考: 框架: 1. 明确视频号定位:确定您的视频号是以何种风格、主题展示照片视频,例如旅行照片集、宠物照片故事等。 2. 内容策划:规划好要发布的照片系列,制定一个长期的内容计划。 3. 品牌塑造:包括起一个吸引人的账号名称、设计独特的头像和封面。 流程: 1. 账号注册与设置:选择一个易记且与主题相关的账号名,完善个人简介,突出您的特色和价值。 2. 素材准备:整理和筛选高质量的照片,并对其进行分类。 3. 视频制作:使用合适的软件将照片制作成精彩的视频,添加音乐、特效等元素增强吸引力。 4. 发布策略:选择合适的时间发布视频,保持一定的发布频率。 每一步骤的详细执行指导: 账号注册与设置: 账号名要简洁、有特色,能反映您的视频主题。 个人简介要清晰地介绍您的视频号定位、能为观众带来什么价值。 素材准备: 从大量照片中挑选出清晰、美观、有故事性的照片。 按照主题或时间顺序对照片进行分类,方便后续制作。 视频制作: 学习并熟练使用视频编辑软件,如剪映等。 选择适合照片风格的音乐,注意版权问题。 适当添加转场效果、文字说明等,提升视频的观赏性。 发布策略: 分析目标受众的活跃时间,例如晚上或周末。 初期可以每周发布 12 个视频,根据反馈逐渐调整频率。 希望以上内容对您有所帮助,祝您成功!
2025-02-08
总结一下当前AI发展现状以及指导非开发者一类的普通用户如何使用及进阶使相关工具
当前 AI 发展现状: 涵盖了不同领域的应用和发展,如电子小说行业等。 包括了智能体的 API 调用、bot 串联和网页内容推送等方面。 对于非开发者一类的普通用户使用及进阶相关工具的指导: 可以先从国内模型工具入手,这些工具不花钱。 学习从提示词开始,与模型对话时要把话说清,强调提示词在与各类模型对话中的重要性及结构化提示词的优势。 对于技术爱好者:从小项目开始,如搭建简单博客或自动化脚本;探索 AI 编程工具,如 GitHub Copilot 或 Cursor;参与 AI 社区交流经验;构建 AI 驱动的项目。 对于内容创作者:利用 AI 辅助头脑风暴;建立 AI 写作流程,从生成大纲开始;进行多语言内容探索;利用 AI 工具优化 SEO。 若想深入学习美学概念和操作可报野菩萨课程。国内模型指令遵循能力较弱时,可使用 launch BD 尝试解决。
2025-01-31
我是一个AI小白,我使用AI的主要目的是使用这些工具,简化我工作中费时费力的事情,比如:表格的制作,筛选数据;图片的抠图,渲染,产品的口播介绍;日常工厂管理文件的编写及执行步骤;工作手册及岗位绩效的编写;作业指导书的编写
以下是为您整合的相关内容: 对于 AI 小白来说,使用 AI 工具简化工作中的费时费力之事是可行的。 在接触 AI 工具时,对于超出自己理解范围的事情,最简单有效的方法就是尝试。学习新事物,实践比听闻更重要。 比如在 AI 视频制作方面,人物设定与剧本是关键部分,包括主体、动作、场景等要素;分镜处理也较为重要,要考虑用几个镜头表述内容;生成环节如同抽卡,可多尝试,最后进行粗检和后期处理,如 AI 配音剪辑、加过渡滤镜等。小白制作 AI 视频要做好脚本即提示词,有耐心抽卡,并不断提升撰写提示词的能力。撰写提示词时要了解主体、动作、场景,避免使用专有名词和网络名词,给 AI 清晰描述。工具选用方面,没有绝对好的工具,只有适合的,如小白可使用剪映,主力机是 MacBook Pro 可使用 final cut。还可向 ChatGPT 询问获取灵感。 另外,在“AI 布道”活动中发现,AI 工具虽强大能做很多事,但也在其与普通人之间形成了一道墙。AI 是未来必然的方向,其科普还有很长的路要走,但尽可能简单地试用它,能让普通人更快受益。无论是什么身份、什么年龄段的人,都可以尝试使用 AI 工具。 如果您想要跟相关作者交朋友、一起在 AI 路上探寻,欢迎戳这里:
2025-01-30
如何书写文生视频提示词达到连贯效果 并且根据自己的运镜指导运镜
以下是关于如何书写文生视频提示词达到连贯效果并且指导运镜的方法: 1. 在 PixelDance V1.4 中,支持在 prompt 里写入运镜控制,可用自然语言描述想要的镜头变化,例如“镜头环绕口红拍摄”“黑白风格,镜头环绕着戴墨镜的女人拍摄,从她侧面移动到正面,最后聚焦于女人的面部特写”“雨后模糊的玻璃逐渐聚焦,一个男人举着伞,带着一只金毛犬路过”等。 2. 对于更复杂的视频项目,在为 Generate video(beta)编写提示词时,可提供背景或背景故事,有助于生成连贯且引人入胜的序列。同时,Firefly 通常可以模拟真实世界的摄像机工作,可具体说明希望摄像机的角度或移动,如常见的相机方向有特写、广角镜头、平移/缩放/跟踪、从天而降、从下方拍摄等。 3. 在制作商业级的 AI 视频广告时,以汽车内饰片段为例,登录 runway 账户,在首页左侧点击“Text/Imagine to Video”,上传图片,更改大模型版本,在提示词方框中输入运镜方式,如“Roll Clockwise Shot slowly”(摄像机围绕垂直轴顺时针旋转)。不想动脑时可根据分镜表建议填写运镜方式,也可参照“运镜方式大全”。注意提示词不宜过多,可通过改变提示词、生成时长等多尝试几次。
2025-01-23
flux lora调参数,我训练出来的人物模型和数据集的人物图片不像,出现这种情况的原因都有哪些,应该调整哪些参数,我需要我的flux模型训练出来的模型是一致性还原性,和泛化性比较不错的,按照这个方向给我指导
以下是关于 flux lora 调参数以获得一致性、还原性和泛化性较好的人物模型的指导: 打标环节: 选择基础大模型,如“麦橘写实”,并为 lora 命名。 将照片导入,选择合适分辨率,可勾选“脸部加强训练”,然后进行预处理。手动裁剪图片比自动裁剪更可靠。 预处理后会出现脸部和整体文件夹,且每张照片自动打好 tag 标签。 可为整体添加统一标签,也可单独修改每张图片的标签。标签有助于 AI 理解图片,描述越详细,人物变化可能越多,泛化性可能越好。仔细检查每张图片的标签,其质量会影响人物 lora 的泛化性。 参数调整环节: 大部分参数是固定的,主要的几个按照人物参数配置一遍。后期根据生成结果再调整。 炼丹环节: 例如 18 张脸部图片,20 张整体图片,各训练 50 步,循环训练 10 次,并行步数为 1。训练总步数和时长会有所不同,loss 值可作为参考,但最终效果仍需通过测试判断。 此外,在 Lora 串联方面,多个 Lora 串联时左右顺序不影响结果,可复制并点对点连接。CLIP 层 1 和 2 的效果不同,加 Lora 时某些 Lora 可能更适合 2。Lora 可用于生成底模无法画出的内容。在运行中点击取消可打断正在渲染跑的图。图像放大可通过 up scale image using model 节点,选择放大模型,用 resize 节点调整尺寸,再用编码器和采样器处理。放大模型直接放大的图像效果不佳,需再次采样增加细节。添加飞桨缺失节点可通过拖入工作流查看标红节点,从管理器安装或从 GitHub 获取节点包放入文件管理系统。采样器和调度器参数设置建议参考模型作者推荐,并结合自己调试。Web UI 中 Lora 库有刷新按钮,将 Lora 丢到文件夹后多点几次刷新即可。
2025-01-04
我在设计一个分镜的网站,有没有什么ai模型 可以指导我做这个网站?
以下是一些可以帮助您设计分镜网站的 AI 模型和工具: 1. Adobe Firefly 视频模型:能够为视频编辑、动态图形设计等提供支持,帮助您探索新的创意和提高效率。 2. HDAidMaster:一款云端工具,在建筑设计、室内设计和景观设计领域表现出色,可用于有趣的方案创作。 3. Maket.ai:主要面向住宅行业,在户型设计和室内软装设计方面有 AI 技术探索,能根据需求自动生成户型图。 4. ARCHITEChTURES:AI 驱动的三维建筑设计软件,提供全新设计模式,并能引入标准和规范约束设计结果。 5. Fast AI 人工智能审图平台:形成全自动智能审图流程,将建筑全寿命周期内的信息集成,实现数据汇总与管理。 需要注意的是,每个工具都有其特定的应用场景和功能,建议您根据自己的具体需求来选择合适的工具。同时,以上内容由 AI 大模型生成,请仔细甄别。
2024-12-13