如果我想做一个基于chatGPT的剧本杀创作的微信小程序开发项目，现在要进行大数据平台的后端开发与搭建，你建议怎么入手

AGI 即通用人工智能（Artificial General Intelligence），指的是具备像人类一样广泛的认知能力和学习能力，可以执行多种复杂任务的人工智能。 在企业级程序开发工作中提高效率，可以考虑以下几点： 1. 利用自动化工具和脚本：例如自动化测试工具、代码生成工具等，减少重复性工作。 2. 采用敏捷开发方法：如 Scrum 或 Kanban，提高团队协作和项目管理效率。 3. 学习和应用新的编程语言和框架：选择适合项目需求的高效技术。 4. 优化代码结构和算法：提高程序的性能和运行效率。 5. 建立良好的代码规范和文档：便于团队成员理解和维护代码。 6. 利用云计算资源：根据需求灵活扩展计算和存储能力。 7. 持续学习和交流：参加技术社区和培训，了解行业最新动态和最佳实践。

以下是基于您的项目“基于 chatGPT 的剧本杀微信小程序开发”进行大数据平台后端开发与搭建的入手步骤： 1. 搭建 OneAPI（https://github.com/songquanpeng/oneapi），其作用是汇聚整合多种大模型接口，方便后续更换使用各种大模型，同时会告知您如何白嫖大模型接口。 2. 搭建 FastGpt（https://fastgpt.in/），这是一个知识库问答系统。您将知识文件放入其中，并接入上面的大模型作为分析知识库的大脑，用于回答问题。如果不想接到微信，仅自己使用，搭建到此即可，它本身也有问答界面。 3. 搭建 chatgptonwechat（https://github.com/zhayujie/chatgptonwechat）以接入微信，并配置 FastGpt 将知识库问答系统接入微信。建议先使用小号以防封禁风险。搭建完成后若想拓展功能，可参考 Yaki.eth 同学的教程（https://waytoagi.feishu.cn/wiki/UADkwZ9B0iAWdTkFJIjcN7EgnAh），其中的 cow 插件具备文件总结、MJ 绘画的能力。 完成上述 3 步即可。

以下是基于 ChatGPT 开发剧本杀微信小程序的入手步骤： 1. 注册小程序： 登录微信公众号首页，选取小程序，用新邮箱绑定注册。 2. 小程序信息填写： 注册验证通过后，填写小程序信息和类目。小程序名称可填写与功能相关的名称，头像可网上查找或利用 Midjourney 生成。 3. 开发者工具下载： 回到发布流程页面，点击“普通小程序开发者工具”，在新页面中点击“微信开发者工具”，选择 Windows 64 位下载。 4. 创建小程序项目： 打开下载好的微信开发者工具，选择创建小程序。注意获取 ID，选择不使用云服务，并选择 JavaScript 基础模板。创建后了解相关文件，如 app.js 等。 5. 利用 ChatGPT 生成代码： 构思好产品，画个草稿，包括产品名称、按钮数量、交互逻辑等，并将这些话术告诉 ChatGPT。 例如，以制作计算日子间隔的工具为例，给出详细的 prompt 描述需求。 ChatGPT 会给出代码，并告知代码应放置在微信开发者工具的哪些文件中。特殊文件夹如 add 需自行在 pages 下级新建。 您还可以参考以下文章获取更详细的信息：https://mp.weixin.qq.com/s/WkFxMMrlMqv52ce2n0xX6A

如果您想创建一个类似的 AI ，从程序开发角度来说，以下是一些可能用到的技术和知识： 1. 编程语言： Rust：以性能、安全性和并发处理能力著称，适合高性能和安全性要求高的系统级编程。 Python：在 AI 开发中广泛应用，具有丰富的库和工具。 2. 程序类型和项目规划： 明确要开发的程序类型，如命令行工具、Web 服务、嵌入式系统等。 确定具体的项目想法或寻求方向建议。 评估自身在所选编程语言方面的经验水平。 3. Python 相关知识： 属性和方法：为类定义属性和方法，并通过对象调用。 继承和多态：了解类之间的继承关系及实现方式。 异常处理：理解异常概念，学会使用 try 和 except 语句处理错误。 文件操作：包括文件读写、文件与路径操作等。 4. AI 知识： 背景知识： 基础理论：了解人工智能、机器学习、深度学习的定义及相互关系。 历史发展：回顾 AI 的发展历程和重要里程碑。 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、矩阵等基本概念。 概率论：掌握条件概率、贝叶斯定理等知识。 算法和模型： 监督学习：了解线性回归、决策树、支持向量机（SVM）等常用算法。 无监督学习：熟悉聚类、降维等算法。 强化学习：了解其基本概念。 评估和调优： 性能评估：掌握交叉验证、精确度、召回率等评估方法。 模型调优：学会使用网格搜索等技术优化模型参数。 神经网络基础。

扣子 AI 应用发布到微信小程序中失败可能有以下原因及解决办法： 1. 容器编排不运行： 宝塔面板中设置加速镜像不生效需安，通过命令行手动设置。 新建/etc/docker/daemon.json 文件（如果已经存在可以不用创建）。 在 daemon.json 中添加相应代码。 重启 Docker 服务：systemctl restart docker。若仍无法解决，可继续排查。 2. 本地镜像的方法： 服务下载：服务的百度网盘地址：https://pan.baidu.com/s/1Ueyp6KnOmD18h6wICwJKNg?pwd=85jv 提取码:85jv ；服务的夸克网盘地址：https://pan.quark.cn/s/189b6f3e0d94 。需要把 chatgptonwechat.tar 和 coze2openai.tar 下载到本地。 上传服务：在宝塔操作面板中点击文件，选择上传下载到本地的文件。上传到根目录/www/backup 文件夹下面。 导入镜像：选择 Docker 中选择本地镜像，然后选择导入镜像。导入镜像要选择上传的目录，如根目录/www/backup 。 3. 修改参数不生效：需要删掉“容器编排”和“容器”中的内容，再重新生成一次。 4. 知识库不更新：确认扣子里有点击右上角的发布按钮。 5. 微信机器人无法正常画图，给的图片链接点进去有错误提示：查看/root/chatgptonwechat/run.log 中有相关提示。可能是点链接的时候多了一个小括号。 6. 扫码后，手机登陆后，没有任何机器人的反应：配置有错错误，或者安装不对，根据步骤去逐一检查。或者重装。 7. 机器人回答问题：COW 本身处理不了一次调取多个对话。有代码能力，可以直接调整代码实现。 8. 宝塔之后登录的时候登录不上去：按下图所示重启服务器之后就好了，重启时间可能会久，但一定会重启成功，请耐心等待。 此外，零基础模板化搭建 AI 微信聊天机器人的步骤如下： 1. 直接对接 Coze 平台 Bot 的微信聊天机器人搭建： Coze 相关配置： 创建 Coze API 令牌：进入到，点击左下角的扣子 API 选项，进入到 API 管理页面，点击 API 令牌，按照图示创建第一个 API 令牌，创建成功后保存好，因为这个 API 令牌只会在创建成功后显示一次。 记下 Coze AI Bot 的 Bot ID：去到要绑定的 AI Bot 的设计界面，在所在的链接里面记下 Bot ID，将 Bot 发布到 Bot as API 上。

以下是在微信公众号搭建能发语音的数字人的相关步骤： 1. 照片数字人工作流及语音合成（TTS）API 出门问问 Mobvoi： 工作流地址：https://github.com/chaojie/ComfyUImobvoiopenapi/blob/main/wf.json 相关文件： 记得下载节点包，放进您的 node 文件夹里，这样工作流打开就不会爆红了！ComfyUI 启动后就可以将 json 文件直接拖进去使用了！ 2. 「AI 学习三步法：实践」用 Coze 免费打造自己的微信 AI 机器人： 组装&测试“AI 前线”Bot 机器人： 返回个人空间，在 Bots 栏下找到刚刚创建的“AI 前线”，点击进入即可。 组装&测试步骤： 将上文写好的 prompt 黏贴到【编排】模块，prompt 可随时调整。 在【技能】模块添加需要的技能：工作流、知识库。 【预览与调试】模块，直接输入问题，即可与机器人对话。 发布“AI 前线”Bot 机器人： 测试 OK 后，点击右上角“发布”按钮即可将“AI 前线”发布到微信、飞书等渠道。 发布到微信公众号上： 选择微信公众号渠道，点击右侧“配置”按钮。 根据以下截图，去微信公众号平台找到自己的 App ID，填入确定即可。不用了解绑即可。 最后去自己的微信公众号消息页面，就可以使用啦。

在企业微信里接入 DeepSeek 的步骤如下： 1. 注册并登录火山引擎，点击立即体验进入控制台。链接：https://zjsms.com/iP5QRuGW/ （火山引擎是字节跳动旗下的云服务平台，在 AI 领域最为大众所熟知的应该是“豆包大模型”，这里就是源头） 2. 创建一个接入点，点击在线推理创建推理接入点。 3. 为接入点命名为 DeepSeekR1。 4. 若提示“该模型未开通，开通后可创建推理接入点”，点击“立即开通”，开通一下（这里是免费的）。若无提示则直接到第 5 步，点击确认接入。 5. 确认以下无误后，点击“确认接入”按钮。 6. 自动返回创建页面。发现多出一行接入点名是“DeepSeekR1”（我们刚才自己设置的命名）。重点来了：这个就是推理点的 ID，复制他放到你的微信里，发给自己保存一下。 7. 保存后再点击【API 调用】按钮，进入后点击【选择 API Key 并复制】。 8. 若已有 API key 了，就直接查看并复制。如果没有，则点击【创建 API key】。 9. 把复制好的内容，也放到自己微信里保存好。 至此，我们已经完成拿到了模型的密钥。接着，就可以去把它配置到网页聊天里使用。

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。

以下是关于将 AI 接入微信、钉钉聊天的相关信息： 基于 COW 框架的 ChatBot 实现步骤： 作者为熊猫大侠，COW 是基于大模型搭建的 Chat 机器人框架，可将多模型塞进微信。 张梦飞同学写了更适合小白的使用教程： 。 可实现打造属于自己的 ChatBot（文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等）和常用开源插件的安装应用。 正式开始前需知：ChatBot 相较于在各大模型网页端使用区别在于需要接入大模型 API（API 单独付费）。 风险与注意事项：微信端因非常规使用有封号危险，不建议主力微信号接入；只探讨操作步骤，请依法合规使用，大模型生成的内容注意甄别，禁止用于非法目的，处理敏感或个人隐私数据时注意脱敏。 支持多平台接入，如微信、企业微信、公众号、飞书、钉钉等；多模型选择，如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等；多消息类型支持，能处理文本、语音和图片，以及基于自有知识库进行定制的企业智能客服功能；多部署方法，如本地运行、服务器运行、Docker 的方式。 零基础模板化搭建 AI 微信聊天机器人： COW 全称 Chatgptonwechat，可在微信、飞书、钉钉等主流社交平台上实现对接各种大模型的功能。 在刚买的腾讯云服务器上通过 Docker 运行 COW，并将之前在极简未来平台创建的 API 信息填入其中。 使用 Docker 服务部署 COW 组件，宝塔面板可让技术小白以图形交互方式运维服务器，手动配置部署容器编排模板。

以下是为您生成的适用于使用 DeepSeek 写微信公众号文章的提示词： 我要写一篇关于软件分享或技术分享的微信公众号文章，文章标题要足够吸引人，以便能广泛传播。文章内容要详细且有条理，先介绍分享的软件或技术的基本情况，包括其功能、特点和优势；然后结合实际案例或个人使用体验，阐述其在实际应用中的效果和价值；最后总结并展望其未来的发展前景。请为我生成这样一篇完整的文章。

DeepSeek R1 与 ChatGPT 的深度思考机制存在以下不同： 1. 技术路线：DeepSeek R1 与 OpenAI 现在最先进的模型 o1、o3 一样，同属于基于强化学习 RL 的推理模型。而 ChatGPT4 采用预训练+监督微调（SFT）。 2. 思考方式：在回答用户问题前，DeepSeek R1 会先进行“自问自答”式的推理思考，从用户初始问题出发，唤醒解决该问题所需的推理逻辑与知识，对问题进行多步推导，为最终回答提供更加完备的思考准备。而 ChatGPT 在此方面的表现有所不同。 3. 应用场景：DeepSeek R1 适用于高难度数学和编程问题，但计算成本更高。日常查询中，ChatGPT 更快、更适合简单咨询。 4. 优势特点：DeepSeek R1 更加透明，研究细节可复现，权重可下载。

以下是关于高效使用 ChatGPT 的一些方法和建议： 1. 对于产品经理： 步骤 1：进行原 SQL 输入，让 ChatGPT 对需求有初步理解。 步骤 2：将真实的业务需求场景及现存问题输入给 ChatGPT，通过多轮输入输出的讨论，强化其对真实需求的认知，以获取针对性的优化建议，并输出更符合需求的代码。 步骤 3：根据 ChatGPT 给出的结果不断调试和优化，直至生成满足需求的新代码。例如，按照原 SQL 思路更新数据时存在耗时长、资源浪费严重的问题，可参考 ChatGPT 提出的优化建议，如每次更新 1 天而非 30 天的数据、创建中间结果表存储非二次计算的数据等。 2. 对于开发人员： 痛点：在 IDE 和 ChatGPT 两个软件中不断切换、拷贝代码较为麻烦。 解决方案：将 ChatGPT 装进 WebStorm 中，通过右键选中代码，让 ChatGPT 进行优化、找 BUG 等操作，并可在窗口中随时提问。具体操作如下： 第一步：获取 API Keys，可参考文章 第二步：在 WebStorm 中下载 ChatGPT 插件，并将从 OpenAI 开发平台获取到的 API keys 设置进插件的配置中。安装后可实现选中代码找 bug、优化代码、自定义指令等功能，插件底部还有对话框可实时提问，让其解释、重新生成代码等。 此外，ChatGPT 的诞生经历了一系列的研究和改进。OpenAI 团队曾侧重浏览功能，但后来减少了这方面的侧重，将指令型数据和聊天数据混合，创造出既可以处理具体任务又能流畅聊天的模型。GPT4 完成训练后，特别强调指令遵循能力，但仍存在可靠性问题。指令型模型中的某些任务描述不够清晰，增加了模型执行和数据标注的难度，而 ChatGPT 这类聊天模型则更加直观，能更好地理解和处理潜在局限性，展现出更连贯的特征和更稳定的行为。

以下是豆包、DeepSeek、ChatGPT 在解决用户整理对话需求方面的功能： ChatGPT： 1. 内容生成：可以生成文章、故事、诗歌、歌词等内容。 2. 聊天机器人：作为聊天机器人的后端，提供自然的对话体验。 3. 问答系统：为用户提供准确的答案。 4. 文本摘要：生成文本的摘要或概述。 5. 机器翻译：在这方面有不错的表现。 6. 群聊总结：能够对群聊内容进行总结。 7. 代码生成：生成代码片段，帮助开发者解决编程问题。 8. 教育：帮助学生解答问题或提供学习材料。 9. 浏览器插件：如 webpilot 。 10. PDF 对话：通过相关网站实现与 PDF 的对话。 11. PPT 生成：协助高效制作 PPT 。 12. 音视频提取总结：通过特定网站进行总结。 13. 播客总结：通过特定网站完成总结。 14. 生成脑图：通过相关网站生成。 关于豆包和 DeepSeek 在解决用户整理对话需求方面的功能，上述内容中未提及。

以下是关于 ChatGPT 公司原研发讲 ChatGPT 的文章网页链接： 1. 育儿相关项目：https://chat.openai.com/share/40f1e3da187a4bef9150f93ca34046f4 ，该项目中使用 ChatGPT 进行了多种操作，如翻译、整理远古动物列表等。 2. AIGC 常见名词解释：https://mp.weixin.qq.com/s/ycDWZ8W46DrsyeNShC1wA ，其中对 ChatGPT 有相关解释。 3. AIGC Weekly01：https://openai.com/blog/chatgpt/ ，介绍了 ChatGPT 的发布情况。

以下是关于 ChatGPT 的最新消息： 有一位狂热的书友在 Reddit 的 ChatGPT 子区分享了借助 ChatGPT 在 5 分钟内阅读并理解任何书籍的方法，并给出了详细的 Prompt，包括“Please summarize ”。评论区的几百条回帖也是干货满满，书友们积极留言分享尝试用 ChatGPT 辅助阅读的经验。 评论区有人指出这种方式可能因 ChatGPT 的“幻觉”而得到错误信息，对于“幻觉”有处理经验的人提出在提问时注意三点：明确告诉它想要准确答案且无幻觉；改变 temperature 参数（如改到 0）或控制创造力水平；得到答案后，要求它为每个引用产生精确的引用和页面以便交叉检查。

DeepSeek 与 ChatGPT 的区别主要体现在以下方面： 1. 在 App Store 排名上，DeepSeek R1 冲到了美国区 App Store 第一名，超越了 ChatGPT。 2. 口碑与技术实力方面，DeepSeek 没有市场部和市场投放，完全依靠技术实力和口碑获得用户认可。 3. 性能与成本方面，DeepSeek R1 的效果比肩顶尖闭源模型 o1，但价格仅为 o1 的 27 分之一。 4. 开源与创新方面，DeepSeek R1 开源让行业认知整体拉齐，得到全世界尊重和喜爱。 5. 训练方式上，DeepSeek R1 的创新模型 R1 Zero 跳过了监督微调（SFT）阶段，直接采用强化学习（RL）进行训练。 6. 在回答用户问题时，DeepSeek R1 会先进行“自问自答”式的推理思考，模拟人类的深度思考，以提升最终回答的质量，而 ChatGPT 可能没有这种特定的机制。 原理方面：DeepSeek R1 与 ChatGPT 同属于基于强化学习 RL 的推理模型，但在具体的训练和推理过程中可能存在差异。例如，DeepSeek R1 在训练时可能有独特的方法和策略，使其在性能和表现上与 ChatGPT 有所不同。

以下是用 AI 搭建学习平台并完成学习计划的一些方法和建议： 英语学习： 1. 智能辅助工具：利用如 Grammarly 这样的 AI 写作助手进行英语写作和语法纠错，以改进英语表达和写作能力。 2. 语音识别和发音练习：使用如 Call Annie 这样的语音识别应用进行口语练习和发音纠正，获取实时反馈和建议。 3. 自适应学习平台：使用如 Duolingo 这样的自适应学习平台，其利用 AI 技术为您量身定制学习计划，提供个性化的英语学习内容和练习。 4. 智能导师和对话机器人：利用如 ChatGPT 这样的智能对话机器人进行英语会话练习和对话模拟，提高交流能力和语感。 数学学习： 1. 自适应学习系统：使用如 Khan Academy 这样的自适应学习系统，结合 AI 技术为您提供个性化的数学学习路径和练习题，根据您的能力和需求进行精准推荐。 2. 智能题库和作业辅助：利用如 Photomath 这样的智能题库和作业辅助工具，通过图像识别和数学推理技术为您提供数学问题的解答和解题步骤。 3. 虚拟教学助手：使用如 Socratic 这样的虚拟教学助手，利用 AI 技术为您解答数学问题、提供教学视频和答疑服务，帮助您理解和掌握数学知识。 4. 交互式学习平台：参与如 Wolfram Alpha 这样的交互式学习平台的数学学习课程和实践项目，利用 AI 技术进行数学建模和问题求解。 外语学习： 1. 语言学习平台： FluentU：使用真实世界的视频，通过 AI 生成个性化的词汇和听力练习。选择学习语言，观看视频并完成相关练习，积累词汇和提升听力理解能力。 Memrise：结合 AI 技术，根据学习者的记忆曲线提供复习和练习，增强记忆效果。选择学习语言，使用应用提供的词汇卡和练习进行学习。 2. 发音和语法检查： Speechling：提供口语练习和发音反馈，帮助学习者改进口音和发音准确性。录制语音，提交给 AI 系统或人类教练，获取反馈和改进建议。 Grammarly：可以帮助提高写作的语法和词汇准确性，支持多种语言。将写作内容粘贴到 Grammarly 编辑器中，获取语法和词汇改进建议。 3. 实时翻译和词典工具： Google Translate：提供实时翻译、语音输入和图像翻译功能，适合快速查找和学习新词汇。输入或语音输入需要翻译的内容，查看翻译结果和示例句子。 Reverso Context：提供单词和短语的翻译及上下文例句，帮助理解和学习用法。输入单词或短语，查看翻译和例句，学习实际使用场景。 通过结合 AI 技术和传统学习方法，您可以更高效、更个性化地进行学习，并取得更好的学习效果。

知识库搭建主要包括以下几个方面： 1. “拎得清、看得到、想得起、用得上”的核心步骤： 拎得清：主动选择和判断高质量、与目标相关的信息源，利用 AI 搜索引擎、加入优质社群和订阅号等建立信息通路，具备信息嗅探能力。 看得到：确保所选信息能频繁且不经意地触达个人，通过浏览器插件、笔记工具等组织信息，使其易于检索和浏览。 想得起：强调信息的内化和知识线索建立，做好标记（关键词、tag）、选择合适存放位置，推荐使用 PARA 笔记法等方法组织串联信息。 用得上：将积累的知识转化为实际行动和成果，在解决问题或创造价值时能从知识库中调取相应信息。 2. RAG 技术： 利用大模型的能力搭建知识库是 RAG 技术的应用。 RAG 是当需要依靠不包含在大模型训练集中的数据时的主要方法，首先检索外部数据，然后在生成步骤中将其传递给 LLM。 RAG 应用包括文档加载、文本分割、存储（包括嵌入和向量数据存储）、检索、输出（把问题及检索出的嵌入片提交给 LLM 生成答案）。 文本加载器是将用户提供的文本加载到内存中以便后续处理。 3. 智能体知识库创建： 手动清洗数据，提高数据准确性。 在线知识库：创建画小二课程的 FAQ 知识库，飞书在线文档中每个问题和答案以分割，可编辑修改和删除，添加 Bot 并在调试区测试效果。 本地文档：注意拆分内容，提高训练数据准确度，按章节进行人工标注和处理。 发布应用：确保在 Bot 商店中能搜到。

知识库搭建主要包括以下几个方面： 1. “拎得清、看得到、想得起、用得上”的核心步骤： 拎得清：主动选择和判断高质量、与目标相关的信息源，利用 AI 搜索引擎、加入优质社群和订阅号等建立信息通路，具备信息嗅探能力。 看得到：确保所选信息能频繁且不经意地触达个人，通过浏览器插件、笔记工具等组织信息，使其易于检索和浏览。 想得起：强调信息的内化和知识线索建立，做好标记（关键词、tag）、选择合适存放位置，推荐使用 PARA 笔记法等方法组织串联信息。 用得上：将积累的知识转化为实际行动和成果，在解决问题或创造价值时能从知识库中调取相应信息。 2. RAG 技术： 利用大模型的能力搭建知识库是 RAG 技术的应用。 RAG 是当需要依靠不包含在大模型训练集中的数据时的主要方法，首先检索外部数据，然后在生成步骤中将其传递给 LLM。 RAG 应用包括文档加载、文本分割、存储（包括嵌入和向量数据存储）、检索、输出（把问题及检索出的嵌入片提交给 LLM 生成答案）。 文本加载器是将用户提供的文本加载到内存中以便后续处理。 3. 智能体知识库创建： 手动清洗数据，提高数据准确性。 在线知识库：创建画小二课程的 FAQ 知识库，飞书在线文档中每个问题和答案以分割，可编辑修改和删除，添加 Bot 并在调试区测试效果。 本地文档：注意拆分内容，提高训练数据准确度，按章节进行人工标注和处理。 发布应用：确保在 Bot 商店中能搜到。

在视频领域搭建 AI 模型的成本因多种因素而异。对于创业者或小公司来说，这个领域存在一定的挑战。 腾讯的混元 AI 视频模型目前只支持文生视频，且已开源免费。 在模型供应商方面，不同供应商的特点和成本有所不同： 智谱 GLM4V 是通用视觉类大模型，为拍立得最早使用的模型，接口响应速度快，指令灵活性差一些，调用成本为 0.05 元/千 tokens。 阿里云百炼 qwenvlplus 也是通用视觉类大模型，是拍立得目前使用的模型，指令灵活性比较丰富，接口调用入门流程长一些，密钥安全性更高，调用成本为 0.008 元/千 tokens，训练成本为 0.03 元/千 tokens。 阶跃星辰是通用视觉类大模型，响应速度快，支持视频理解，输入成本为 0.005 0.015 元/千 tokens，输出成本为 0.02 0.07 元/千 tokens。 百度 PaddlePaddle 是 OCR 垂直小模型，文本识别能力补齐增强，私有化部署有服务费，API 调用在 0.05 0.1 元/次。 此外，获取高质量数据的难度较高，大厂在该领域的护城河深厚。大公司在争取大模型 API 客户方面更具优势，且开源大模型的发展可能会影响创业公司的业务。去年为大客户定制一个大模型的最高订单额可达 1000 万元，而今年则快速降到了百万元级别乃至更低。

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。