直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

如何用大模型写公众号文章

回答

以下是使用大模型写公众号文章的步骤:

  1. 搭建工作流:
    • 大模型批量总结文章内容:
      • 模型选择:默认的豆包 32k 够用,怕上下文长度不够可选择更大的模型,如 kimi128k。
      • 配置参数:选择批处理,批处理输入参数包括读取的文章内容正文、代码处理后的 url 链接和标题。下方的输入参数选择大模型节点输出的 content 正文、title 标题、url 文章链接、author 作者。提示词输入相关内容,将这四部分内容一起送给大模型进行总结,最终拼接成 markdown 格式输出。
    • 汇总格式化最终输出内容:使用代码节点,将大模型输出的内容进行最终输出的格式化。参数配置包括输入选择上一步输出的 outputList,在 IDE 中编辑选择 Python 并输入相关代码,配置输出项为 result。
    • 公众号总结推送到微信:根据 Server 酱的 API 文档,自建插件实现把格式化好的内容推送到用户微信。配置包括 title 为汇总公众号总结页面的标题,参数值选择“输入”并起名;desp 为页面主体内容,选择上一步最终输出内容;key 引用开始节点的 key。
  2. 获取指定网站内容:比如获取 36kr 网站 AI 频道资讯:https://36kr.com/information/AI/ ,并在 Coze 中设置提示词和输出结果。
  3. 使用工作流重写:
    • 工作流思路:将获取的新闻让大模型重新按照自己的风格创作新闻内容,如搞笑、严肃、中二风格等,甚至加入个人元素。
    • 搭建工作流:使用 GetToutiaoNews、大模型等组件,配置 GetToutiaoNews 和大模型。
  4. 使用 Webpilot 插件:省去工作流获取新闻列表,让 Webpilot 去分析,思考是否可增加大模型重写及相关配置。
  5. 同步飞书:将数据同步到飞书,可变为训练数据。

此外,还有关于【SD】大模型/Lora 触发词插件 lora-prompt-tool 的介绍,安装该插件后可直接看到官方例图并一键拷贝提示词和设置参数,有助于学习关键提示词写法。若想要该插件,可添加公众号【白马与少年】,回复【SD】获取。

内容由 AI 大模型生成,请仔细甄别(powered by aily)

参考资料

【拔刀刘】自动总结公众号内容,定时推送到微信(附完整实操教程)

使用大模型节点,批量总结文章内容模型选择:默认的豆包32k应该就够用,怕上下文长度不够的话,可以选择更大的模型,比如kimi128k配置参数:选择批处理批处理输入参数有两个:第9步中读取的文章内容正文、第8步代码处理后的url链接和标题下方的输入参数,有四个,如图所示,都选择该大模型节点输出的内容:content正文、title标题、url文章链接、author作者提示词输入如下内容,将这四部分内容一起送给大模型进行总结,最终拼接成markdown格式输出:[heading3]11、汇总格式化最终输出内容[content]使用代码节点,将大模型输出的内容进行最终输出的格式化。参数配置:输入:选择上一步输出的outputList点击「在IDE中编辑」,选择『Python』,输入如下代码:配置一下输出项,输出为result[heading3]12、公众号总结推送到微信[content]这块的节点是根据Server酱的API文档,自己写的插件,关于自建插件这个环节,请参看「相关资料」,输出配置可以参考下发截图。主要实现功能就是把上一步格式化好的内容,推送到用户的微信上。title:汇总公众号总结页面的标题,参数值选择「输入」,起个名字desp:页面主体内容,选择上一步最终输出内容key:引用开始节点的key

画小二:用Coze工作流制作行业简报:实战案例画小二日报

比如我们要获取36kr网站AI频道资讯:https://36kr.com/information/AI/[heading2]2、在Coze中的提示词[heading2]3、输出结果[heading1]五、使用工作流重写[heading2]1、工作流思路[content]将获取的新闻让大模型重新按照自己的风格创作新闻内容(搞笑、严肃、中二风格可以自定义,甚至加入画小二个人元素,可以防止别人无脑拷贝)。[heading2]2、搭建工作流[content]使用到的组件,GetToutiaoNews、大模型,工作流布局[heading2]3、GetToutiaoNews配置[heading2]3、大模型配置[content]根据{{input}}的内容,按照平易近人和搞笑的风格写1个标题根据{{input}}的内容,以科普博主画小二的口吻描述,画小二是严谨的人工智能领域的博主,里面要加入画小二这个人,写100左右的新闻概要。人设与回复逻辑[heading1]六、使用Webpilot插件[heading2]1、为什么使用Webpilot插件[content]省去工作流(高效的方法),获取到新闻列表,然后让Webpilot去分析[heading2]2、解题思路[content]首先获取新闻列表、其次让Webpilot去分析对应的内容,然后输出。思考一下:是不是后面还可以再跟大模型重写呢、如果增加需要放几个大模型,为什么?[heading1]七、同步飞书[content]数据同步到飞书,可以变为训练数据。[heading1]八、粉丝交流学习群[content]AIGC商业案例实操课画小二微信交流群画小二微信公众号

【SD】大模型/Lora触发词插件lora-prompt-tool

[title]【SD】大模型/Lora触发词插件lora-prompt-tool不过,这些还不是这个插件最厉害的功能。当我们浏览C站上这个模型/lora的主页的时候,是可以看到很多官方图的。我们之前安装的C站助手插件,是可以将这张封面图的提示词一键导入到SD里面,这样可以帮助我们快速得到这个官方图片的效果。而当我们安装了这个插件之后,我们就可以直接从这里看到官方的其他例图,并且可以一键将这张图所有的提示词和设置参数全部拷贝到SD中。这样就能生成和官方图片差不多的效果了,大模型需要你自己选择好。当然这个操作的目的不是让你抄袭别人的图片,而是可以更好的学习到一些关键的提示词写法,达到事半功倍的效果。以上就是关于大模型/Lora触发词插件lora-prompt-tool的介绍,有了它之后,我们就能更轻松的使用模型和lora了。如果想要这个插件的话,可以添加我的公众号【白马与少年】,回复【SD】即可。-END-白马与少年Stable Diffusion、Blender等学习心得分享139篇原创内容(持续更新中)公众号微信扫一扫关注该公众号

其他人在问
怎么用大模型帮你图片转文字
以下是使用大模型进行图片转文字的相关方法: 选择 ControlNet 模型: 将字体参考图放进 ControlNet 中,预处理器选择 invert(from white bg&black line),控制类型不要选择预设的。invert 比较适合完全还原字体的细节,若字形本身识别度很高,也可使用 Canny 等模型。选好预处理后点击💥按钮预览。 然后选择 Control 模型,如 Depth 景深模型或 Scribble 涂鸦模型,使用 Canny 描边的预处理也可用 Canny 模型,但控制力稍差。选择好之后,记得点击启用,开启 ControlNet。 选择生图大模型: 大模型决定最终的风格,如真实系、动画二次元等。生成真实场景下的字体时,经过尝试可选择真人效果卓绝的大模型 lofi.v2,不同的大模型对 ControlNet 模型的控制力有不同的适应度,需要微调参数。 制作思路: 将中文字做成白底黑字,存成图片样式。 使用文生图的方式,使用大模型真实系,如作者用的 realisticVisionV20_v20.safetensorsControlNet 预设置。 输入关键词,如奶油的英文单词 Cream + Cake(加强质感),反关键词:Easynegative(负能量),反复刷机,得到满意的效果。 同理可输出 C4D 模型,可自由贴图材质效果,3d,blender,oc rendering。 如果希望有景深效果,也可以打开 depth(增加阴影和质感)。 打开高清修复,分辨率建议 1024 以上,步数:29 60。 此外,可图大模型是由快手可图团队开发的基于潜在扩散的大规模文本到图像生成模型。Kolors 在数十亿图文对下进行训练,在视觉质量、复杂语义理解、文字生成(中英文字符)等方面有优势,支持中英双语,在中文特色内容理解方面更具竞争力。更多信息可查看其技术报告。 相关教程: Nenly 同学的视频教程:【“牛逼”的教程来了!一次学会 AI 二维码+艺术字+光影光效+创意 Logo 生成,绝对是 B 站最详细的 Stable Diffusion 特效设计流程教学!AI 绘画进阶应用 哔哩哔哩】https://b23.tv/c33gTIQ 群友根据教程制作的视频教程也很详细。 另外,https://firefly.adobe.com/也可以实现类似功能,但 Stable Diffusion 的可操控性更强,尤其是中文字体。
2024-10-16
如何使用大模型搜索本地文件连接
使用大模型搜索本地文件连接的方法如下: 1. 对于 SDXL 大模型: 首先,获取模型。您可以关注公众号【白马与少年】,回复【SDXL】获取下载链接。 要在 webUI 中使用,需将 webUI 的版本在秋叶启动器中升级到 1.5 以上。 然后,将 base 和 refiner 模型放在“……\\sdwebuiakiv4.2\\models\\Stablediffusion”路径下,将 vae 模型放在“……\\sdwebuiakiv4.2\\models\\VAE”路径下。 启动 webUI 后,即可在模型中看到 SDXL 模型。 正常使用时,先在文生图中使用 base 模型,填写提示词和常规参数生成图片,再将图片发送到图生图中,切换大模型为“refiner”重绘。 2. 对于其他模型: 大多数模型可在 Civitai(C 站)https://civitai.com/ 下载。使用方法为:科学上网,点击右上角筛选按钮找到所需模型类型,如 Checkpoint=大模型、LoRA=Lora,查看感兴趣的照片并下载,或通过左上角“Images”查看他人已做好的图片并获取相关信息。 模型下载地址:大模型存放在下载 SD 时的根目录;Lora 和 VAE 也有相应存放位置。 若不知下载的模型类型,可使用秋叶的模型解析工具 https://spell.novelai.dev/,将模型拖动到空白处查看模型信息。 常用的模型网站还有: 下载模型后,不同类型的模型放置在不同目录下。大模型(Ckpt)放入 models\\Stablediffusion;VAE 模型放置在 models\\Stablediffusion 或 models\\VAE 目录并在 webui 的设置栏目选择;Lora/LoHA/LoCon 模型放入 extensions\\sdwebuiadditionalnetworks\\models\\lora 或 models/Lora 目录;Embedding 模型放入 embeddings 目录。
2024-10-09
如果借用大模型进行本地训练
借用大模型进行本地训练的相关内容如下: 对于 SDXL 大模型: 1. 模型组成:分为两个部分,base+refiner 是必须下载的,base 用于文生图操作,refiner 用于细化生成的模型以获得更丰富的细节;还有一个配套的 VAE 模型用于调节图片的画面效果和色彩。 2. 下载途径:三个模型的下载链接可关注公众号【白马与少年】,回复【SDXL】获取。 3. 部署步骤:首先在秋叶启动器中将 webUI 的版本升级到 1.5 以上。然后将 base 和 refiner 放在“……\\sdwebuiakiv4.2\\models\\Stablediffusion”路径下,vae 放在“……\\sdwebuiakiv4.2\\models\\VAE”路径下。完成后启动 webUI 即可在模型中看到 SDXL 模型。 4. 使用方法:先在文生图中使用 base 模型,填写提示词和常规参数,尺寸可设为 10241024 进行生成。 部署和训练自己的大模型的主要步骤: 1. 选择合适的部署方式,包括本地环境部署、云计算平台部署、分布式部署、模型压缩和量化、公共云服务商部署等,根据自身的资源、安全和性能需求选择。 2. 准备训练所需的数据和计算资源,确保有足够的训练数据覆盖目标应用场景,并准备足够的计算资源,如 GPU 服务器或云计算资源。 3. 选择合适的预训练模型作为基础,如开源的预训练模型 BERT、GPT 等,也可自行训练一个基础模型。 4. 针对目标任务进行模型微调训练,根据具体应用场景对预训练模型进行微调训练,优化模型结构和训练过程以提高性能。 5. 部署和调试模型,将训练好的模型部署到生产环境,对部署的模型进行在线调试和性能优化。 6. 注意安全性和隐私保护,大模型涉及大量数据和隐私信息,需要重视安全性和合规性。 对于基于百川大模型的训练: 选择 Baichuan27BChat 模型作为底模,配置模型本地路径和提示模板。在 Train 页面里,选择 sft 训练方式,加载定义好的数据集 wechat 和 self_cognition。学习率和训练轮次非常重要,需根据数据集大小和收敛情况设置。使用 FlashAttention2 可减少显存需求、加速训练速度。显存小的朋友可减少 batch size 和开启量化训练,内置的 QLora 训练方式好用。需要用到 xformers 的依赖,显存占用 20G 左右,需耐心等待。
2024-09-20
本地知识库系统如何利用大语言模型
以下是关于本地知识库系统如何利用大语言模型的相关内容: 一、部署大语言模型 1. 下载并安装 Ollama 根据电脑系统,从 https://ollama.com/download 下载 Ollama。 下载完成后,双击打开,点击“Install”。 安装完成后,将 http://127.0.0.1:11434/ 复制进浏览器,若出现相关字样则表示安装完成。 2. 下载 qwen2:0.5b 模型(0.5b 方便测试,设备充足可下载更大模型) Windows 电脑:点击 win+R,输入 cmd 点击回车。 Mac 电脑:按下 Command(⌘)+ Space 键打开 Spotlight 搜索,输入“Terminal”或“终端”,选择“终端”应用程序。 复制相关命令行并粘贴回车,等待自动下载完成。(下载久了若卡住,鼠标点击窗口,键盘点空格可刷新) 二、了解 RAG 利用大模型的能力搭建知识库是 RAG 技术的应用。在进行本地知识库搭建实操前,需对 RAG 有大概了解。大模型训练数据有截止日期,当需要依靠不在训练集中的数据时,主要通过检索增强生成 RAG 实现。RAG 应用可抽象为 5 个过程: 1. 文档加载:从多种来源加载文档,LangChain 提供 100 多种不同的文档加载器,包括 PDF 等非结构化数据、SQL 等结构化数据以及代码等。 2. 文本分割:文本分割器把 Documents 切分为指定大小的块,称为“文档块”或“文档片”。 3. 存储:涉及将切分好的文档块嵌入转换成向量形式,并将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。 三、通过 Open WebUI 使用大模型 1. 首先访问相关网址,打开页面时使用邮箱注册账号。 2. Open WebUI 一般有两种使用方式: 聊天对话。 RAG 能力,可让模型根据文档内容回答问题,这是构建知识库的基础之一。 3. ChatGPT 访问速度快、回答效果好的原因: 快:GPT 大模型部署的服务器配置高。 好:GPT 大模型的训练参数多、数据更优以及训练算法更好。
2024-09-17
个人使用大模型有什么注意的可以保护隐私呢
个人使用大模型保护隐私需要注意以下几点: 1. 隐私泄露类型: 记忆隐私泄露:自回归语言模型在训练中可能会记住一些数据,即使查询无恶意,模型也可能返回他人隐私信息。模型的记忆形式类似人类,减少模型见数据的次数可降低记忆能力。 系统隐私泄露:如“骗取 GPTs 的 System Prompt”。 上下文隐私泄露。 2. 应对措施: 针对记忆隐私泄露,可通过减少模型见数据的次数来缓解。 对于系统隐私泄露和上下文隐私泄露,目前尚未有明确的统一应对方法。 此外,部署和训练自己的大模型时也需注意安全性和隐私保护,大模型涉及大量数据和隐私信息,要重视安全性和合规性。部署和训练自己的大模型的主要步骤包括: 1. 选择合适的部署方式,如本地环境部署、云计算平台部署、分布式部署、模型压缩和量化、公共云服务商部署等,根据自身的资源、安全和性能需求进行选择。 2. 准备训练所需的数据和计算资源,确保有足够的训练数据覆盖目标应用场景,并准备足够的计算资源,如 GPU 服务器或云计算资源。 3. 选择合适的预训练模型作为基础,可使用开源的预训练模型如 BERT、GPT 等,也可自行训练基础模型。 4. 针对目标任务进行模型微调训练,优化模型结构和训练过程以提高性能。 5. 部署和调试模型,将训练好的模型部署到生产环境,并进行在线调试和性能优化。
2024-09-13
为审计人员利用大模型本地化部署进行数据分析的电脑如何配置
对于审计人员利用大模型本地化部署进行数据分析的电脑配置,以下是相关建议: 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 需要注意的是,最低配置运行速度可能非常慢。另外,对于 SDXL 的大模型,分为两个部分: 第一部分,base + refiner 是必须下载的,base 是基础模型,用于文生图操作;refiner 是精炼模型,用于对生成的模型进行细化,生成细节更丰富的图片。 第二部分,还有一个配套的 VAE 模型,用于调节图片的画面效果和色彩。 想要在 webUI 中使用 SDXL 的大模型,首先要在秋叶启动器中将 webUI 的版本升级到 1.5 以上。接下来,将模型放入对应的文件夹中,base 和 refiner 放在“……\\sdwebuiakiv4.2\\models\\Stablediffusion”路径下;vae 放在“……\\sdwebuiakiv4.2\\models\\VAE”路径下。完成之后,启动 webUI,就可以在模型中看到 SDXL 的模型。
2024-09-12
我的app应用想要对接大语言模型,结合APP用户自身的数据,实现更精准的对话,是否有行业比较成功的案例可以借鉴
以下是一些在 APP 应用对接大语言模型方面比较成功的案例,可供您借鉴: 1. Poe: 由 Quora 开发,有 APP 版本,支持跨端使用。 集成了 Chat GPT、GPT4、Claude+、Claude、Dragonfly 等模型,同时支持用户自建 Chatbot。 不同语言模型回复效果有差异,适合需要调用多种大语言模型的用户。 Dragonfly 擅长给出较短的回答,并擅长在输入中给出示例时遵循指示。 Claude 更擅长创造性回复,配合 Poe 中的提问引导,非常适合在查阅资料时使用。 支持分享用户和模型的对话内容,但 GPT4、Claude+产品需要付费订阅使用。 访问地址: Poe 中的提问引导真的能够启发到用户,midjourney prompt 扩写 Chatbot 能力很惊人。 2. Perplexity.ai: 本质是个可联网的搜索引擎,完全免费,支持网页版、APP(目前支持 iOS,安卓即将推出)、Chrome 插件。 网页版能力全面,能够根据提问从互联网上搜寻信息并给出总结后的答案。 很多 Chat GPT 中调用插件才能解决的事情(联网查询、旅行、住宿、商品推荐)靠 Perplexity 就可以解决。 能给出信息来源网址,并根据搜索内容给出继续对话的问题建议。 最新推出的 Copilot 能力支持根据搜索内容进行信息补充,每 4h 内使用 5 次,调用 GPT4。 支持分享聊天内容到多渠道。 首页推荐当下流行的新闻、搜索内容。 支持筛选 Academic(包含不同领域的学术研究论文)、Wolfram|Alpha(包含数学、科学、经济学、语言学、工程学、社会科学、文化等领域的知识库)、Wikipedia(维基百科)、Youtube、Reddit(娱乐、社交和新闻网站)、News 进行搜索。 Chrome 插件可针对当前页面给出即时摘要。 访问地址:
2024-10-18
大模型合规
大模型的安全问题包括以下方面: 1. 对齐保障:通过对齐(指令调优),如 ChatGPT 从 GPT3 经过对齐而来,使其更好地理解人类意图,增加安全保障,确保不输出有害内容。对齐任务可拆解为监督微调及获取奖励模型和进行强化学习来调整输出分布。例如 LLAMA2 使用安全有监督微调确保安全,强化学习能让模型根据人类反馈更细粒度思考答案的安全性,面对训练分布外数据也能拒绝不当回答。 2. 数据过滤:在预训练阶段对数据进行过滤,如 baichuan2 采用此技术减少有害输出,但因数据关联性,仅靠此方法可能不够,模型仍可能从关联中学到有害内容,且面对不良信息时可能因缺少知识而处理不当。 3. 越狱问题:用户可能通过越狱(Jailbreak)使模型的对齐失效,重新回答各种问题。 大模型的特点包括: 1. 架构:分为 encoderonly、encoderdecoder、decoderonly 三类,目前熟知的 AI 助手多为 decoderonly 架构,由 transformer 衍生而来。 2. 规模:预训练数据量大,来自互联网的多种来源,且参数众多,如 GPT3 已达 170B 的参数。 GPT3 与 ChatGPT 相比,除形式不同外,安全性也有差别。
2024-10-18
大模型安全相关资料
以下是关于大模型安全的相关资料: 大模型的架构:包括 encoderonly、encoderdecoder 和 decoderonly 三种类型。其中,我们熟知的 AI 助手基本采用 decoderonly 架构,这些架构都是由谷歌 2017 年发布的“attention is all you need”论文中提出的 transformer 衍生而来。 大模型的特点:预训练数据量大,往往来自互联网上的论文、代码、公开网页等,通常用 TB 级别的数据进行预训练;参数非常多,如 Open 在 2020 年发布的 GPT3 就已达到 170B 的参数。 大模型的安全性保障:通过对齐(指令调优),包括监督微调、获取 reward model 与进行强化学习来调整语言模型的输出分布,以保证语言模型不会输出有害内容和信息。例如 LLAMA2 专门使用了安全有监督微调确保安全。但 Alignment 并不足以防护所有安全问题,存在越狱(Jailbreak)现象,会使模型对齐失效。此外,还有隐私问题。 相关资源:如果想进一步了解大语言模型安全,可以访问 Github awesomellmsafety 项目:https://github.com/ydyjya/AwesomeLLMSafety
2024-10-18
目前最好用的机关公文写作大模型或智能体
目前在机关公文写作方面表现较好的大模型或智能体有: 智谱清言:由智谱 AI 和清华大学推出,基础模型为 ChatGLM 大模型。在工具使用排名国内第一,在计算、逻辑推理、传统安全能力上排名国内前三。更擅长专业能力,但在代码能力上还有优化空间,知识百科方面稍显不足。可应用场景广泛,在 AI 智能体方面相关的应用,包括任务规划、工具使用及长文本记忆相关场景表现出色,在较复杂推理应用上效果不错,也适用于广告文案、文学写作等。 此外,在大模型中,智能体是大模型的一个重要发展方向。智能体可以理解为在大模型(如 LLM)基础上增加了工具、记忆、行动、规划等能力。目前行业里主要用到的如 langchain 框架,能通过代码或 prompt 的形式将 LLM 与 LLM 之间以及 LLM 与工具之间进行串接。
2024-10-18
你知道有支持个性化训练的大预言模型么
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。
2024-10-18
我该如何利用文心一言、kimi等已有的大语言模型去作个性化训练?
已有的大语言模型如文心一言、kimi 等通常不支持个人进行个性化训练。 大语言模型的相关知识包括: 国内大模型有通用模型如文心一言、讯飞星火等,处理自然语言;还有垂直模型,专注特定领域。 大语言模型工作原理包括训练数据、算力、模型参数,在训练数据一致情况下,模型参数越大能力越强。 Transformer 是大语言模型训练架构,具备自我注意力机制能理解上下文和文本关联。 大模型可能因错误数据导致给出错误答案,优质数据集对其很重要。 Prompt 分为 system prompt、user prompt 和 assistant prompt,写好 prompt 的法则包括清晰说明、指定角色、使用分隔符、提供样本等。 Fine tuning 是基于通用大模型,针对特定领域任务提供数据进行学习和调整,以适应特定领域的需求。 学习大型语言模型(LLM)的开发是一个系统性的过程,需要涵盖多个方面的知识和技能: 掌握深度学习和自然语言处理基础,包括机器学习、深度学习、神经网络等基础理论,以及自然语言处理基础,如词向量、序列模型、注意力机制等。 理解 Transformer 和 BERT 等模型原理,掌握相关论文。 学习 LLM 模型训练和微调,包括大规模文本语料预处理,使用预训练框架,以及微调 LLM 模型进行特定任务迁移。 掌握 LLM 模型优化和部署,包括模型压缩、蒸馏、并行等优化技术,模型评估和可解释性,以及模型服务化、在线推理、多语言支持等。 进行 LLM 工程实践和案例学习,结合行业场景,进行个性化的 LLM 训练,分析和优化具体 LLM 工程案例,研究 LLM 新模型、新方法的最新进展。 持续跟踪前沿发展动态。 机器学习是人工智能的一个子领域,深度学习是机器学习的一个子领域,大语言模型是深度学习在自然语言处理领域的应用之一,具有生成式 AI 的特点。
2024-10-18
那个AI可以爬公众号内容
以下是关于 AI 与公众号相关的内容: 关于通过搜狗搜索公众号内容实现信息获取的方案,代码更新停留在 2 周前,且会触发搜狗和微信公众号反爬 robots.txt,此方案不可行。可行的免费方案是通过文章链接订阅公众号,定时推送情报消息,并实现情报 CoT 问答。具体操作如使用 Docker,浏览器打开相关链接,输入管理页面密码,添加读书帐号,在公众号源上添加想订阅的公众号的一篇文章链接等,但建议不要短时间订阅太多公众号(最好不超 40 个)。 利用 AI 打造爆款公众号文章,可在搜索框输入具体 Prompt 定位相关资讯,通过 AI 工具如 Perplexity.AI、微软的 Bing 搜索引擎搜集资料,使用 Kimi 这个 AI 会话助手整理资料,分批次提供资料确保其有效读取理解。选定紧跟时事且关注度高的主题,收集相关资讯,反复修改优化文章,添加多媒体元素如精心挑选相关的图片、视频或图表来丰富内容。
2024-10-12
把文稿整理并输出成公众号文章的prompt
以下是为您整理的关于如何利用 AI 打造爆款公众号文章的内容: 陶力文律师指出,写好提示词对于律师用好 AI 至关重要。文章结构需精华,包括定义身份、流程和所需资源描述,对资源及使用的阐述,以及对最终输出结果的描述。同时,要遵循相关要求,如结论有案例基础、文字简练精准、案例脱敏等。 利用 AI 生产文章过程相对简单,关键是提供清晰且具指导性的提示词。好的提示词能助 AI 准确理解需求并生成预期内容。若已有基本提示词,AI 可生成基础文章;若想提升质量,可提供更详细、具创意的提示词,如“请根据我们收集的关于 OpenAI 回应马斯克言论的资讯,创作一篇既深入又易于理解的科技资讯文章。文章应该有一个吸引人的标题,开头部分要概述事件的背景和重要性,主体部分详细分析 OpenAI 的回应内容及其可能产生的影响,结尾处提出一些引人深思的问题或观点。”这样的提示词能为 AI 设定基本结构和内容要求,生成结构完整、内容丰富、观点鲜明的文章,但最终产出可能需微调以符合预期和公众号风格。不到十分钟就能完成文章内容产出。 第五部分为结语及作者宣传,欢迎有问题联系咨询。
2024-10-09
如何利用coze实现公众号更新后自动推送并总结内容
利用 Coze 实现公众号更新后自动推送并总结内容的步骤如下: 1. 抓取公众号内容: 先在平台搜索现成的插件,如 Coze 平台的读取公众号内容插件,但可能已荒废无法使用。 可考虑自己写爬虫抓取,或寻找可通过 API 方式直接调用的现成服务,如“瓦斯阅读”,但可能存在公众号不全的问题。还可尝试 GitHub 上的“WeWe RSS”工具。 2. 公众号内容总结: 主要依靠大模型的能力,如字节的豆包大模型。涉及批量化操作时,可使用“批处理”功能。 3. 定时推送到微信: 定时可通过 Coze 平台的触发器实现。 推送到微信需找第三方 API 的方案解决,如“server 酱”,通过服务号的模板消息将自定义内容推送到微信。 4. 搭建工作流: 循环查询文章是否推送过: 循环体内部的数据库节点用于在数据库中查询是否已推送过该文章,输入项为文章 url 和开始节点的 key(重命名为 suid)。 循环体内容的选择器判断数据库查询内容是否为空,为空则拼接文章完整信息。 设置 Bot: 人设和回复逻辑:设置提示词直接调用工作流,将“sum_weixin_2_2”替换为工作流名称。 工作流:添加创建的工作流。 设置触发器:选择“定时触发”,设定触发时间,如每天 18 点,输入工作流开始节点的参数。可设置多个触发器。 发布到飞书:点击右上角“发布”,选择飞书渠道,因 Coze 平台触发器目前只对飞书渠道生效。
2024-10-03
有没有把公众号文章转成视频的工具呀
以下是一些可以将公众号文章转成视频的工具: :一个使用人工智能将博客文章转化为播客的工具。用户只需将博客文章复制粘贴到该工具中,几分钟内就能生成一个有声播客。该工具还提供了免费试用和多个价格层级选择。用户无需具备技术知识,可以轻松地将播客发布到 Spotify 等平台,吸引更多的听众。 如果您想用 AI 把小说做成视频,以下是一些相关工具及网址: Stable Diffusion(SD):一种 AI 图像生成模型,可以基于文本描述生成图像。网址: Midjourney(MJ):另一个 AI 图像生成工具,适用于创建小说中的场景和角色图像。网址: Adobe Firefly:Adobe 的 AI 创意工具,可以生成图像和设计模板。网址: Pika AI:文本生成视频的 AI 工具,适合动画制作。网址: Clipfly:一站式 AI 视频生成和剪辑平台。网址: VEED.IO:在线视频编辑工具,具有 AI 视频生成器功能。网址: 极虎漫剪:结合 Stable Diffusion 技术的小说推文视频创作提效工具。网址: 故事 AI 绘图:小说转视频的 AI 工具。网址: 以下是一些文字生成视频的 AI 产品: Pika:一款非常出色的文本生成视频 AI 工具,擅长动画制作,并支持视频编辑。 SVD:如果熟悉 Stable Diffusion,可以直接安装这款最新的插件,在图片基础上直接生成视频。这是由 Stability AI 开源的 video model。 Runway:一款老牌 AI 视频生成工具,提供实时涂抹修改视频的功能,不过需要注意的是,Runway 是收费的。 Kaiber:一款视频转视频 AI,能够将原视频转换成各种风格的视频。 Sora:由 OpenAI 开发,可以生成长达 1 分钟以上的视频。 更多的文生视频的网站可以查看这里: 内容由 AI 大模型生成,请仔细甄别。
2024-09-18
公众号AI写作
利用 AI 在 30 分钟内打造爆款公众号文章可以分为以下步骤: 1. 撰写文章: 关键在于提供清晰且具有指导性的提示词(prompt)。好的提示词能帮助 AI 更准确理解需求,生成符合预期的内容。 若已有基本提示词,AI 可生成基础文章;若想提升质量,可提供更详细、具创意的提示词,让 AI 更好地捕捉文章语气、风格和重点。 例如:“请根据我们收集的关于 OpenAI 回应马斯克言论的资讯,创作一篇既深入又易于理解的科技资讯文章。文章应该有一个吸引人的标题,开头部分要概述事件的背景和重要性,主体部分详细分析 OpenAI 的回应内容及其可能产生的影响,结尾处提出一些引人深思的问题或观点。”这样的提示词能为 AI 提供明确指导,设定文章基本结构和内容要求,使 AI 生成结构完整、内容丰富、观点鲜明的文章。但最终产出的内容可能需要进行微调,以符合预期和公众号风格。 2. 校对文章: 内容准确性:核实文章中的信息和数据是否准确无误,引用来源是否可靠,对于科技资讯类文章尤为重要,避免错误信息误导读者。 表达清晰:检查文章是否流畅易读,语言是否清晰,确保专业术语和概念对目标读者群体易于理解。 逻辑连贯:确保文章结构合理,论点和论据间逻辑关系清晰,避免逻辑跳跃或混乱。
2024-09-08
帮我创建一个用来写公众号额度提示词
以下是为您创建的用来写公众号的提示词示例: “请根据我们收集的关于及其可能产生的影响,结尾处提出一些引人深思的问题或观点。” 这样的提示词为 AI 提供了明确的指导,设定了文章的基本结构和内容要求。AI 会据此生成一篇结构完整、内容丰富、观点鲜明的文章。不过,最终产出的内容可能需要您进行一些微调,以确保完全符合您的预期和公众号的风格。 在校对文章时,要注意以下几个关键点: 1. 内容准确性:核实文章中的信息和数据是否准确无误,引用的来源是否可靠。对于科技资讯类文章,这一点尤为重要,因为错误的信息可能会误导读者。 2. 表达清晰:检查文章是否流畅易读,语言是否清晰。确保专业术语和概念对目标读者群体来说是易于理解的。 3. 逻辑连贯:确保文章的结构合理,论点和论据之间的逻辑关系清晰,避免出现逻辑跳跃或混乱。
2024-08-22
推荐一些不错的AI翻译相关文章
以下为您推荐一些与 AI 翻译相关的文章和资源: 关于 PDF 翻译的 AI 产品: DeepL(网站):点击页面「翻译文件」按钮,上传 PDF、Word 或 PowerPoint 文件即可。 沉浸式翻译(浏览器插件):安装插件后,点击插件底部「更多」按钮,选择「制作双语 BPUB 电子书」、「翻译本地 PDF 文件」、「翻译 THML / TXT 文件」、「翻译本地字幕文件」。 Calibre(电子书管理应用):下载并安装 calibre,并安装翻译插件「Ebook Translator」。 谷歌翻译(网页):使用工具把 PDF 转成 Word,再点击谷歌翻译「Document」按钮,上传 Word 文档。 百度翻译(网页):点击导航栏「文件翻译」,上传 PDF、Word、Excel、PPT、TXT 等格式的文件,支持选择领域和导出格式(不过进阶功能基本都需要付费了)。 彩云小译(App):下载后点击「文档翻译」,可以直接导入 PDF、DOC、DOCX、PPT、PPTX、TXT、epub、srt 等格式的文档并开始翻译(不过有免费次数限制且进阶功能需要付费)。 微信读书(App):下载 App 后将 PDF 文档添加到书架,打开并点击页面上方「切换成电子书」,轻触屏幕唤出翻译按钮。 相关文章: 《翻译:怎么把一份英文 PDF 完整地翻译成中文?》,这里介绍了 8 种方法,作者:ShowMeAI,分类:教育, 《入门经典必读》,作者: 内容由 AI 大模型生成,请仔细甄别。
2024-10-18
需要AI协助完成工作中的文章写作,应该用什么工具?
在工作中需要 AI 协助完成文章写作时,以下是一些可用的工具: 1. 文献管理和搜索: Zotero:结合 AI 技术,能自动提取文献信息,便于管理和整理参考文献。 Semantic Scholar:由 AI 驱动的学术搜索引擎,可提供文献推荐和引用分析。 2. 内容生成和辅助写作: Grammarly:通过 AI 技术进行文本校对、语法修正和写作风格建议,提升语言质量。 Quillbot:基于 AI 的重写和摘要工具,可精简和优化内容。 3. 研究和数据分析: Google Colab:提供基于云的 Jupyter 笔记本环境,支持 AI 和机器学习研究,方便进行数据分析和可视化。 Knitro:用于数学建模和优化的软件,有助于复杂数据分析和模型构建。 4. 论文结构和格式: LaTeX:结合自动化和模板,高效处理论文格式和数学公式。 Overleaf:在线 LaTeX 编辑器,有丰富模板库和协作功能,简化编写过程。 5. 研究伦理和抄袭检测: Turnitin:广泛使用的抄袭检测工具,确保论文原创性。 Crossref Similarity Check:检测潜在抄袭问题。 此外,常见的文章润色 AI 工具包括: 1. Wordvice AI:集校对、改写转述和翻译等功能于一体,基于大型语言模型提供全面的英文论文润色服务。 2. ChatGPT:由 OpenAI 开发的大型语言模型,可用于多方面写作辅助。 3. Quillbot:人工智能文本摘要和改写工具,可快速筛选和改写文献资料。 4. HyperWrite:基于 AI 的写作助手和大纲生成器,帮助写作前头脑风暴和大纲规划。 5. Wordtune:AI 驱动的文本改写和润色工具,优化语言表达。 6. Smodin:提供 AI 驱动的论文撰写功能,生成符合要求的学术论文。 AI 文章排版工具方面: 1. Grammarly:不仅是语法和拼写检查工具,还提供排版功能,改进文档风格和流畅性。 2. QuillBot:AI 驱动的写作和排版工具,改进文本清晰度和流畅性。 3. Latex:广泛用于学术论文排版,使用标记语言描述格式,有许多 AI 辅助的编辑器和插件简化排版。 4. PandaDoc:文档自动化平台,使用 AI 帮助创建、格式化和自动化文档生成,适合商业和技术文档。 5. Wordtune:重新表述和改进文本,使其更清晰专业。 6. Overleaf:在线 Latex 编辑器,提供丰富模板和协作工具,适合学术写作和排版。 选择工具时需根据具体需求,如文档类型、出版标准和个人偏好。学术论文常选 Latex 和 Overleaf,一般文章和商业文档则 Grammarly 和 PandaDoc 等可能更适用。请注意,以上内容由 AI 大模型生成,请仔细甄别。
2024-10-18
有没有能将提供的文章内容改写合并的提示词?
以下是一些能够将提供的文章内容改写合并的提示词示例: 对于政府机关材料写作者的提示词: Role:人物精神写作笔杆子,Profile 包含作者、版本、语言、描述等信息,Goals 是根据提供的材料生成完整文体,Constrains 有对未知信息的处理、调用数据库等,Skills 包括文章撰写和排版审美,Workflows 有具体步骤。 对于联网的科普作者的提示词: Role:科普作者,Profile 包含作者、版本、语言等信息,Goals 是根据关键词解读新闻,Constrains 有准确性、清晰性、公正性和及时性要求。 对于新闻文章的事实核查员的提示词:角色为新闻文章的事实核查员,个人信息包含作者等,目标是区分事实和观点等,约束有对事实和观点的处理方式,Skills 包括区分能力和使用格式化技术,工作流程分多步进行。
2024-10-15
今日头条仿写爆款文章提示词
以下是关于今日头条仿写爆款文章的提示词相关知识: Prompt 技巧: 趣闻:鼓励包含有趣或令人惊讶的事实,例如在谈论巧克力时,分享一些有趣的巧克力制作过程的事实。 关键词:列出需要包含的重要关键词或短语,如请在回答中包含“可再生能源”和“碳足迹”。 小贴士:鼓励 AI 分享与主题相关的小窍门和技巧,比如分享几个关于照顾室内植物的小贴士。 保密性:说明保密要求或限制,例如在回答关于保险方案的问题时,不要泄露客户的个人信息。 格式化:指定所需的格式元素,如在写关于节能设备的文章时,使用列表来呈现节能设备的种类。 敏感性:提及需要谨慎处理或避免的敏感主题或问题,比如请谨慎讨论涉及宗教信仰的问题。 伦理考虑:提及要遵循的道德准则,例如在讨论基因编辑技术时,探讨伦理和道德问题。 修订要求:提及修订或编辑指南,如请根据 MLA 格式对这篇文章进行编辑和修订。 未来影响:鼓励讨论潜在的未来影响或趋势,例如在谈论虚拟现实技术时,探讨其未来在教育领域的应用前景。 视觉元素:询问是否包括图表、图形或图像,比如请在关于人口老龄化的报告中包含相关的图表。 截止日期:提及时间敏感回应的截止日期或时间范围,例如请在明天中午前给我一篇关于节能措施的文章。 文化参考:鼓励包含相关的文化参考,比如在关于法国美食的文章中谈论法国的餐桌礼仪。 语气:指定所需语气,如请用正式语气编写一篇关于气候变化的文章。 格式:定义格式或结构,例如请为我提供一个关于健康饮食的要点清单。 限制:指定约束条件,如请提供一个关于太阳能的 100 字简介。 引用:要求包含引用或来源以支持信息,比如请在关于全球变暖的文章中引用权威研究。 语言:如果与提示不同,请指明回应的语言,例如请用法语回答关于巴黎旅游景点的问题。 反驳:要求解决潜在的反驳论点,比如针对抵制疫苗接种的观点提出反驳。 术语:指定要使用或避免的行业特定或技术术语,例如请用通俗易懂的语言解释区块链技术。 类比:要求 AI 用类比或示例阐明概念,比如请用一个类比解释黑洞的概念。 引述:要求包含专家的相关引言或陈述,比如在关于疫苗安全的文章中引用著名免疫学家的观点。 幽默:表明是否应融入幽默,比如在一篇关于减压方法的文章中加入一些幽默元素。 轶事:要求包含相关轶事,比如在关于跑步的文章中,分享一则有趣的关于马拉松选手的轶事。 隐喻:鼓励使用隐喻使复杂观点更具亲和力,比如在讨论人工智能的复杂性时,用“AI 像洋葱一样有很多层次”这样的隐喻。 利用 AI 生产文章时,关键在于提供清晰且具有指导性的提示词。一个好的提示词能帮助 AI 更准确地理解需求并生成符合预期的内容。若已有基本提示词,AI 可生成基础文章;若想提升质量,可提供更详细、具创意的提示词,设定文章的语气、风格和重点,如“请根据我们收集的关于 OpenAI 回应马斯克言论的资讯,创作一篇既深入又易于理解的科技资讯文章。文章应该有一个吸引人的标题,开头部分要概述事件的背景和重要性,主体部分详细分析 OpenAI 的回应内容及其可能产生的影响,结尾处提出一些引人深思的问题或观点。”最终产出的内容可能需要微调以符合预期和公众号风格。
2024-10-14
有针对单篇文章的总结分析引导学习的工具推荐么
以下是一些针对单篇文章总结分析引导学习的工具推荐: 大模型工具方面,推荐顺序依次为:chatGPT 4.0、kimichat、智谱清言 4。 文本纠错方面,飞书文档自带纠错功能。若用 prompt 纠错,文本量不能太大,可直接告诉大模型:检查下列文本中的错别字、语法错误和格式错误,指出并改正,重新生成新的文本。 国产大模型中,智谱和文心在文生图方面有一定能力。 需要注意的是,关于让 AI 自己根据文章写 prompt 以及学习工具对手机和显卡的要求等问题,上述内容未给出确切答案。
2024-10-13
熟悉waytoagi知识库,并找到 Prompt提示词框架 文章,给出两个提示词框架和生成结果 ​
以下为您提供两个 Runway 生成文字视频的提示词框架: 1. Runway 生成文字视频提示词扩展器初版 Prompt:考虑到不确定 Runway 做意图识别所使用的大模型,以及其对中文语义的理解情况,所以尽量使用英文提示词。 2. Runway 生成文字视频提示词扩展器英文版 Prompt:将初版提示词转换为英文版,以提供更原汁原味的英文提示词,优化 Runway 的生成效果。 此外,为您提供一些提示词相关的网站: |站点名|网站介绍|地址|适用应用|附件| |||||| |MidLibrary|Midjourney 最全面的流派、艺术技巧和艺术家风格库||MJ|| |MidJourney Prompt Tool|类型多样的 prompt 书写工具,点击按钮就能生成提示词修饰部分||| |OPS 可视化提示词|有 Mid Journey 的图片风格、镜头等写好的词典库,方便快速可视化生成绘画提示词||| |AIart 魔法生成器|中文版的艺术作品 Prompt 生成器||| |IMI Prompt|支持多种风格和形式的详细的 MJ 关键词生成器||| |Prompt Hero|好用的 Prompt 搜索,Search prompts for Stable Diffusion,ChatGPT & Midjourney||| |OpenArt|AI 人工智能图像生成器||| |img2prompt|根据图片提取 Prompt||| |MidJourney 提示词工具|专门为 MidJourney 做的提示词工具,界面直观易用||| |PromptBase|Prompt 交易市场,可以购买、使用、销售各种对话、设计 Prompt 模板||| |AiTuts Prompt|精心策划的高质量 Midjourney 提示数据库,提供广泛的不同风格|||
2024-10-10