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

如果我要学习使用AI，怎么开始呢

Answer

以下是新手学习 AI 的建议：

  1. 了解 AI 基本概念：
    • 阅读「从这里启程」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「入门：AI 学习路径」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，您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，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。
  6. 对于中学生学习 AI 的建议：
    • 从编程语言入手学习，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，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。
    • 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，以及在教育、医疗、金融等领域的应用案例。
    • 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。
    • 关注 AI 发展的前沿动态，关注权威媒体和学者，思考 AI 技术对未来社会的影响。

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自己的成就。完整的学习路径建议参考「通往 AGI 之路」知识库首页的布鲁姆分类法，设计自己的学习路径。

Content generated by AI large model, please carefully verify (powered by aily)

References

问：新手如何学习 AI？

[title]问：新手如何学习AI？了解AI基本概念：首先，建议阅读「[从这里启程](https://waytoagi.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=blkjooAlLFNtvKJ2)」部分，熟悉AI的术语和基础概念。了解什么是人工智能，它的主要分支（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。浏览入门文章，这些文章通常会介绍AI的历史、当前的应用和未来的发展趋势。开始AI学习之旅：在「[入门：AI学习路径](https://waytoagi.feishu.cn/wiki/ZYtkwJQSJiLa5rkMF5scEN4Onhd?table=tblWqPFOvA24Jv6X&view=veweFm2l9w)」中，你将找到一系列为初学者设计的课程。这些课程将引导你了解生成式AI等基础知识，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，你可以按照自己的节奏学习，并有机会获得证书。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），你可以根据自己的兴趣选择特定的模块进行深入学习。我建议你一定要掌握提示词的技巧，它上手容易且很有用。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你的作品。在知识库提供了很多大家实践后的作品、文章分享，欢迎你实践后的分享。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。通过与这些AI产品的对话，你可以获得对AI在实际应用中表现的第一手体验，并激发你对AI潜力的认识。

问：中学生如何开始学习 AI，有哪些好用的工具或者平台？

[title]问：中学生如何开始学习AI，有哪些好用的工具或者平台？我总结了以下中学生学习AI的建议：1.从编程语言入手学习可以从Python、JavaScript等编程语言开始学习，这些是AI和机器学习的基础。学习编程语法、数据结构、算法等基础知识，为后续的AI学习打下基础。2.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相关的实践项目可以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。总之，中学生可以从编程基础、工具体验、知识学习、实践项目等多个方面入手，全面系统地学习AI知识和技能，为未来的AI发展做好准备。内容由AI大模型生成，请仔细甄别

问：新手如何学习 AI？

[title]问：新手如何学习AI？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，你将逐渐建立起自己的AI知识体系，并能够在这一领域取得自己的成就。完整的学习路径建议参考「通往AGI之路」[知识库首页](https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e)的布鲁姆分类法，设计自己的学习路径。类似问题：我是新人，怎么学习AI？新手学习AI学习AI，我应该从哪里开始如何从头开始学习AI？

Others are asking
学习ai的路径
以下是新手学习 AI 的路径： 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，包括图像、音乐、视频等，可根据自己的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。 在知识库分享实践后的作品和文章。 5. 体验 AI 产品： 与现有的 AI 产品如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人进行互动，了解其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。 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。
2025-02-15
适合电商美工制作详情页的ai
以下是一些适合电商美工制作详情页的 AI 工具和方法： Stable Diffusion： 如果您是运营网店的女装店主且资金有限，可以使用 Stable Diffusion 来初步制作商品展示图。具体步骤如下： 1. 真人穿衣服拍照，获取真实质感的照片。如果身材方面有问题，可借助美图秀秀或 PS 处理。 2. 选好底模，一定要是 realistic 的真人照片风格底模，如 majicmixRealistic_v7。 3. 根据不同平台需求换头，如面向海外市场换白女头，面向中老妇女换妈妈头。 4. 在图生图下的局部重绘选项卡下涂抹自己替换的部分，并设置合适的 prompts 和 parameters，如“breathtaking cinematic photo,masterpiece,best quality,,blonde hair,silver necklace,carrying a white bag,standing,full body,detailed face,big eyes,detailed hands”。 Midjourney： 1. 主体物指令：确定产品类型后，可加入主体描述加强图片生成效果。如电商类产品加上“模特实拍、商品列表、尺寸”等描述，能得到常见的商品详情页设计图。 2. 配色指令：确定 APP 类型和主体描述后，可定制主题色。例如餐饮类输入“beach style color”能生成沙滩风饮料订购页面；快递类输入“Forest”指令能生成亲近自然感觉的图片；生活服务类输入“glacier color scheme”能得到有氛围感的订房界面。 3. 风格指令：如果配色指令无法满足要求，还可指定艺术风格、艺术家、设计师、插画家的名字。如天气类输入“Pop art”能生成色彩鲜艳的波普艺术风格天气 APP；社交类输入“Kpop fashion”能生成时尚流行的页面效果，输入“by Van Gogh”能得到带有梵高作品的 UI 页面。
2025-02-15
适合电商美工学习的ai
对于电商美工学习的 AI 相关内容，以下为您提供： 利用 Stable Diffusion 制作电商商品展示图：如果您是运营网店的女装店主且资金有限，可通过真人穿着商品拍照，借助美图秀秀或 PS 处理身材方面的问题，选好真人照片风格的底模（如 majicmixRealistic_v7），根据不同平台换头（如面向海外市场换白女头），使用图生图下的局部重绘选项卡涂抹替换部分，并设置合适的 prompts 和 parameters（如 breathtaking cinematic photo, masterpiece, best quality, , blonde hair, silver necklace, carrying a white bag, standing, full body, detailed face, big eyes, detailed hands）来初步制作展示商品。 电商相关的 AI 工具： Krea AI 可在几秒内将真实产品添加到任何图像中，效果出色。 Google 发布的推理模型 Gemini 2.0 Flash Experimental 适用于多模态理解、推理、编码，可在 AI Studio 免费体验，其低版本已超越 OpenAI 的 o1 模型，Pro 版本尚未发布。
2025-02-15
AI发展的方式除了大模型，还有什么
AI 的发展方式除了大模型，还包括以下方面： 1. 算法：算法的不断优化和创新推动着人工智能的发展。 2. 算力：强大的算力支持是实现复杂人工智能任务的基础。 3. 数据：优质的数据集对于人工智能学习算法的发展至关重要，被称为“AI 时代的石油”。 4. 深度神经网络：通过简单细胞检测特征、复杂细胞汇总信息产生结果等方式实现识别、判断和行动等功能。 5. 端侧模型：端侧模型并非越小越好，而是要够用、好用，设备算力决定最优模型规模，多模态能力是突破通用计算的关键。 6. 端侧 Agents：在终端设备上自主运行的智能代理程序，具备感知、决策、执行的闭环能力，是连接模型与应用的关键。 7. 预训练：包括对编程语言、维基百科、新闻常识、网络社区、各类书籍等内容的预训练，但由于版权和费用问题，不包括期刊论文数据库。 8. 开源生态：促进了 AI 技术的交流和发展。
2025-02-15
现在AI发展的主要方向现状说明
目前 AI 的发展主要呈现以下几个方向和现状： 1. 技术范式的革新：传统的 Scaling Law 遭遇瓶颈，OpenAI 的 o 系列模型开创了从“快思考”到“慢思考”训推双管齐下的新道路。 2. 多模态能力的跃迁：从 Sora 的视频生成到原生多模态的崛起，再到世界模型的尝试，AI 开始真正理解和模拟立体世界。例如，除传统的文生视频、图生视频能力迭代外，当前的主要技术发展还围绕着通过转绘改变画风、视频内人物识别和替换方向。 在服务头部创作者方面，未来会逐渐转向编辑器能力增强，强化视频细节可控性，并逐渐将剪辑、音效生成匹配等后期制作任务智能化。 影视后期方向，未来可以将动捕演员的表演直接转化为虚拟角色，提高特效制作效率。 专业领域，创作者未来可以快速通过草图分镜验证效果。 随着实时生成能力的进一步提升，生成成本的下降，AI 实验性艺术在博物馆、展览等互动应用将会增多。 在 C 端大众消费侧，看好 AI 视频在小说、网文阅读、短情景剧等内容消费方向发挥潜力；人物识别和替换也可以衍生电商平台虚拟试衣间能力。 Viggle、DomoAI 的产品中的模板套用能力若以更低成本开放在短视频产品中，可能会带来短视频平台效果模板新的爆发周期。 3. 从“训练时代”向“推理时代”的转变：市场的关注焦点从去年基础模型能力的提升，到今年模型的落地应用和场景化。AI 的能力需要转化为实际的产品和服务，满足用户需求才是核心。 4. 前沿技术点： 数学基础：线性代数、概率论、优化理论等。 机器学习基础：监督学习、无监督学习、强化学习等。 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 自然语言处理：语言模型、文本分类、机器翻译等。 计算机视觉：图像分类、目标检测、语义分割等。 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。
2025-02-15
ai接入微信、钉钉聊天的软件
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。
2025-02-15
我想用deepseek 写微信公众号文章，我将要写的主题告诉他，让它为我生成个人角度的文章，我要写的主题一般围绕着软件分享，技术分享等。请你根据我的要求为我写一份适用的提示词
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。
2025-02-12
我要查找医学论文文献，用哪种AI最合适？
如果您要查找医学论文文献，以下几种 AI 工具可能较为合适： 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，能增强对科学文献的洞察，提供引用声明搜索、自定义仪表板和参考检查等工具，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。 此外，在论文写作领域，还有以下常用的 AI 工具和平台： 1. 文献管理和搜索： Zotero：结合 AI 技术，可自动提取文献信息，帮助管理和整理参考文献。 Semantic Scholar：由 AI 驱动的学术搜索引擎，能提供相关文献推荐和引用分析。 2. 内容生成和辅助写作： Grammarly：通过 AI 技术提供文本校对、语法修正和写作风格建议，提高语言质量。 Quillbot：基于 AI 的重写和摘要工具，可帮助精简和优化论文内容。 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，便于进行数据分析和可视化。 Knitro：用于数学建模和优化的软件，可进行复杂的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，提供丰富模板库和协作功能，简化论文编写过程。 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：通过与已发表作品比较，检测潜在抄袭问题。 使用这些工具时，要结合自己的写作风格和需求，选择最合适的辅助工具。请注意，内容由 AI 大模型生成，请仔细甄别。
2025-02-11
我要文生图
以下是文生图的相关教程： Tusiart 简易上手教程 1. 定主题：明确要生成的图片的主题、风格和表达的信息。 2. 选择基础模型 Checkpoint：根据主题选择贴近的模型，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. ControlNet：可控制图片中特定的图像，如人物姿态、生成特定文字等，属于高阶技能。 5. 局部重绘：下篇再教。 6. 设置 VAE：选择 840000 即可。 7. Prompt 提示词：用英文写想要生成的内容，使用单词和短语组合，用英文半角逗号隔开。 8. 负向提示词 Negative Prompt：用英文写想要避免产生的内容，单词和短语组合，用英文半角逗号隔开。 9. 采样算法：一般选 DPM++2M Karras，也可参考模型作者推荐的采样器。 10. 采样次数：选 DPM++2M Karras 时，采样次数在 30 40 之间。 11. 尺寸：根据个人喜好和需求选择。 Liblibai 简易上手教程 1. 定主题：明确要生成的图片的主题、风格和表达的信息。 2. 选择 Checkpoint：根据主题选择贴近的模型，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 即可。 5. CLIP 跳过层：设成 2 。 6. Prompt 提示词：用英文写想要生成的内容，使用单词和短语组合，用英文半角逗号隔开。 7. 负向提示词 Negative Prompt：用英文写想要避免产生的内容，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：选 DPM++2M Karras 时，迭代步数在 30 40 之间。 10. 尺寸：根据个人喜好和需求选择。 11. 生成批次：默认 1 批。 第二十四期 FLUX 之 PULID 换脸 如果无法科学上网，可通过以下方式： 1. 注册 bizyair（https://cloud.siliconflow.cn/i/juDv09Wj），拿到 key。 2. 在 comfyui 中安装 bizyair 最新的节点，直接支持 pulid，无需安装各种模型。节点也可在网盘获取。 3. 没有独立显卡的笔记本也可体验，下载相关包（链接:https://pan.baidu.com/s/1iUF1JXidizkHh0kKthcQ7g?pwd=w36m 提取码:w36m 解压即用，前提是拿到 key。 目前 fluxpulid 只有文生图，关于图生图的做法：准备两张图，一张是参考图，一张是要换脸的图，然后用 joy 反推，把文字再贴到 pulid 工作流里，也可直接合在一个工作流里。并附上相关工作流（链接:https://pan.baidu.com/s/1NTMiaQdgu5y9iK_9v0jhTQ?pwd=rkqr 提取码:rkqr ）。
2025-02-10
我要做短剧推广，应该用哪个ai
如果您要做短剧推广，可以考虑以下 AI 工具和方法： 1. 视频工具：Pika、Pixverse、Runway、SVD 等。 2. 故事来源： 原创（直接经验）：您或您周围人的经历、您做过的梦、您想象的故事等。 改编（间接经验）：经典 IP、名著改编、新闻改编、二创等。 3. 剧本写作： 编剧是有一定门槛的手艺，不能单纯套剧作理论和模版，要多写多实践，再结合看书总结经验，循环往复。 短片创作篇幅较小，情节和角色相对简单，可从自己或朋友的经历改编入手，或者对触动您的短篇故事进行改编。 多跟别人讨论您的故事，有助于修改和进步。 4. 商业化方面： AI 降低了影视制作门槛，非专业人员也能做出优秀作品。 AI 短剧是介于个性化创作与艺术创作之间的良好折中点，门槛较低，创作者易接触。 在上影的全球 AI 电影马拉松大赛中一人拿两个奖，非技术专业出身也能分享前沿技术及创作思路。 创作不能一直为爱发电，商业目的分直接和间接两种，间接如参加比赛获得曝光度从而产生商业行为，直接如接受付费创作。 商业短剧是创作商品，要为用户提供情绪价值，让用户有获得感，否则难以让用户消费。 AIGC 短剧面向 ToC 人群，全民可参与，制作门槛低，创作者偏自我性，收益地板不稳定、天花板高，两级分化严重。 AIGC 广告宣传片面向 ToB，个人难接大单，多为固定渠道供应，制作具有甲方性，地板稳定、天花板有限，可能面临价格恶性竞争。
2025-02-10
我是一个新手，我要学习Ai的使用入门，我不是要用去做Ai的，我应该从哪里开始入门？
对于新手学习 AI 的入门，您可以按照以下步骤进行： 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，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。 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自己的成就。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。
2025-02-09
如果我要整理多年收藏的网页变成不同科目的知识库，哪些AI工具最适合？
以下是一些适合将多年收藏的网页整理成不同科目的知识库的 AI 工具： 1. 工具入门篇（Prompt）：现成好用的 Prompt。适用人群为完全没有 AI 使用经验，只下载过 kimi、豆包、chatgpt 一类对话软件的小白。文章链接：。简要说明：想直接拿好用的提示词拿来用用的小伙伴，可以从这里开始，有很多可以直接复制、粘贴的优秀 prompt 案例，它们都有完整的结构。 2. 工具入门篇（AI Agent）：Agent 工具 小白的 Coze 之旅。适用人群为完全没有编程基础，但对 AI 已有一点概念的小白。文章链接：。简要说明：为纯粹小白补的分享 AI AGENT 搭建平台，为什么是它、怎么 30 分钟就能开始用它。 3. 工具入门篇（AI Pic）：现在主流的 AI 绘图工具网站。适用人群为完全没接触过 AI 出图、只是听说过的小伙伴。文章链接：。简要说明：为纯粹的小白提供一个工具列表和扫盲。 4. 工具入门篇（AI Tools）：数据工具 多维表格小白之旅。适用人群为 Excel 重度使用者、手动数据处理使用者、文件工作者。文章链接：。简要说明：用表格 + AI 进行信息整理、提效、打标签，满足 80%数据处理需求。 5. 工具入门篇（AI Code）：编程工具 Cursor 的小白试用反馈。适用人群为 0 编程经验、觉得编程离我们很遥远的小白。文章链接：。简要说明：通过 AI 工具对编程祛魅，降低技术壁垒。 6. 工具入门篇（AI Music）：音乐工具 Suno 的小白探索笔记。适用人群为 0 乐理知识、觉得作词作曲和我们毫不相关成本巨大的小白。文章链接：。简要说明：AI 赋能音乐创作，无需乐理知识即可参与音乐制作。
2025-01-27
普通人学习ai生图方式
以下是为普通人提供的学习 AI 生图的相关内容： 如何判断一张图片是否 AI 生成： 当我们接触的 AI 制品增多，可通过“整体看光影，细节看结构”的技术要点来找出画面 bug。通过大量分析 AIGC 画作，人们会在脑中形成“判断模型”，但起初可能“知其然，不知其所以然”。从本质上看，人类绘画创作是线性发展，而 AI 是以积累数据、扩散噪声、再降噪收束的路径生图，会导致同一张图呈现不同绘画级别的细节。 Liblibai 简易上手教程： 1. 首页模型广场：展示其他用户的模型，可查看详情、收藏并用于生图。 2. Checkpoint：生图必需的基础模型，必选。 3. Lora：低阶自适应模型，类似 Checkpoint 的小插件，可有可无，用于控制细节。 4. VAE：编码器，类似滤镜，调整生图饱和度，可无脑选 840000。 5. CLIP 跳过层：用于生成图片后控制、调整构图变化，一般设为 2。 6. Prompt 提示词：想要 AI 生成的内容。 7. 负向提示词 Negative Prompt：想要 AI 避免产生的内容。 8. 采样方法：选择让 AI 生图的算法。 AI 线上绘画教程： 如果需要大量商用且具艺术美感的图片，AI 生图是高效办法。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。本教程适用于入门玩家，旨在让读者半小时内自由上手创作绘图。
2025-02-14
什么是深度学习
深度学习是源于新的方法和策略，旨在通过克服梯度消失问题来生成深层的非线性特征层次，以训练具有数十层非线性层次特征的体系结构。2010 年早期的研究表明，结合 GPUs 和激活函数能提供更好的梯度流，便于训练深层结构。深度学习不仅与学习深度非线性层次特征有关，还与学习检测序列数据中非常长的非线性时间依赖性有关。例如，长短时记忆循环神经网络允许网络收集过去几百个时间步的活动，从而做出准确的预测。自 2013 年以来，其使用量迅速增长，与卷积网络一起构成了深度学习的两大成功案例之一。 深度学习是使用不同类型神经网络的表征学习，通过优化网络的超参数来获得对数据的更好表征。其突破性研究成果包括反向传播、更好的初始化网络参数等。 在相关技术名词中，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。
2025-02-14
学习大模型从哪里开始
学习大模型可以从以下几个方面入手： 1. 理解大模型的概念：大模型是输入大量语料，让计算机获得类似人类的“思考”能力，能够进行文本生成、推理问答、对话、文档摘要等工作。可以用上学参加工作来类比大模型的训练和使用过程。 找学校：训练大模型需要大量计算，GPU 更合适，只有购买得起大量 GPU 的才有资本训练自己的大模型。 确定教材：大模型需要的数据量特别多，几千亿序列（Token）的输入基本是标配。 找老师：即用合适的算法讲述“书本”中的内容，让大模型更好理解 Token 之间的关系。 就业指导：为了让大模型更好胜任某一行业，需要进行微调（fine tuning）指导。 搬砖：就业指导完成后，进行如翻译、问答等工作，在大模型里称之为推导（infer）。Token 被视为模型处理和生成的文本单位，是原始文本数据与大模型可以使用的数字表示之间的桥梁。 2. 了解大模型的整体架构： 基础层：为大模型提供硬件支撑、数据支持，例如 A100、数据服务器等。 数据层：分为静态的知识库和动态的三方数据集。 模型层：包括 LLm（如 GPT，一般使用 transformer 算法）或多模态模型（如文生图、图生图等）。 平台层：如大模型的评测体系、langchain 平台等，提供模型与应用间的组成部分。 表现层：即应用层，是用户实际看到的地方。 3. 熟悉大模型的发展历程：起源于 2017 年发布的 Attention Is All You Need 论文，之后有众多基于大量语料的预训练模型，如 2018 年 Google 提出的 BERT，开创了双向预训练并行获取上下文语义信息和掩码语言建模（MLM）；2018 年 OpenAI 提出的 GPT，开创了仅使用自回归语言建模作为预训练目标；2021 年 Meta 提出的首个开源模型 LLAMA，为构建更大规模、更通用的语言模型提供了方法与工具。
2025-02-14
AI学习路径
以下是为新手提供的 AI 学习路径： 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，其上手容易且很有用。 4. 实践和尝试： 理论学习后，通过实践巩固知识，尝试使用各种产品做出作品。 可在知识库分享实践后的作品和文章。 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，获得对 AI 在实际应用中表现的第一手体验。 如果您的学习路径偏向技术研究方向： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 如果您的学习路径偏向应用方向： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：项目实战、案例分析等。 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。
2025-02-14
如何高效使用chatgpt
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。
2025-02-14
如何在coze已经建好的智能体上搭建一个用户登陆的模块，让用户在使用前输入姓名，序号
要在已建好的 Coze 智能体上搭建用户登陆模块，让用户在使用前输入姓名和序号，您可以参考以下步骤： 1. 服务器设置： 购买云服务器，推荐使用腾讯云服务器。新用户专享 28 元/年一台云服务器，若售罄可购买 82 元/年的，并选择宝塔 Linux 面板 8.1.0 腾讯云专享。 云服务器设置密码，选择暂不需要教学场景，通过远程登录的密码/密钥登录的重置密码来初始化密码，并妥善保存。 获取宝塔 Linux 地址，点击控制面板中的应用信息的管理应用，有两种获取方法。 设置宝塔的密码，登录宝塔 Linux 面板，输入相关操作并保存用户名和密码。 2. 变现模板配置： 超级管理员和普通用户的定义：超级管理员拥有管理整个系统的最高权限，普通用户没有项目配置权限和进入管理后台页的权限。 成为超级管理员：点击【成为超级管理员】按钮，进入用户注册登录页面，完成注册后获得超级管理员账户。 选择智能体配置模式，包括 Zion 默认智能体模式和您的 Coze 智能体模式。 3. API 接入微信群 Bot： 登录宝塔面板，在宝塔面板中可视化控制云服务器，部署 docker 容器，启动 COW 项目与微信取得关联。 在“Docker”中的“项目模板”中添加，将编译好的内容复制进来，创建容器并确定。 查看运行服务，扫码接入微信，手动刷新日志，若看到 WeChat login success 则接入成功。
2025-02-14
大模型如何使用应用系统数据
大模型使用应用系统数据可以通过检索增强生成（Retrieval Augmented Generation，RAG）技术来实现。 RAG 是一种结合检索和生成的技术，能够让大模型在生成文本时利用额外的数据源，从而提高生成的质量和准确性。其基本流程为：首先，当用户给出输入，如问题或话题，RAG 会从数据源（如网页、文档或数据库记录）中检索出相关的文本片段，这些片段称为上下文。然后，RAG 将用户输入和检索到的上下文拼接成完整输入传递给大模型（如 GPT），输入通常包含提示，指导模型生成期望的输出，如答案或摘要。最后，RAG 从大模型的输出中提取或格式化所需信息返回给用户。 从大模型的整体架构来看，其分为以下几层： 1. 基础层：为大模型提供硬件支撑和数据支持，例如 A100、数据服务器等。 2. 数据层：包括静态的知识库和动态的三方数据集。这里的数据层指的是企业根据自身特性维护的垂域数据。 3. 模型层：包含 LLm（大语言模型，如 GPT，一般使用 transformer 算法实现）或多模态模型（如文生图、图生图等模型，训练所用数据为图文或声音等多模态数据集）。 4. 平台层：如大模型的评测体系或 langchain 平台等，是模型与应用之间的组成部分。 5. 表现层：即应用层，是用户实际看到的地方。
2025-02-14
ai魔术橡皮擦在线使用
以下是关于 AI 魔术橡皮擦的相关信息： Magic Brush 按键功能详解： 1. 笔刷：不同的笔刷区分不同区域和运动轨迹，目前支持 6 种不同的笔刷，通过颜色区分。每种笔刷必须要绘制相应的运动轨迹才可生效，即每个颜色必须要有“1 个笔刷覆盖的区域+1 个运动轨迹”才可生效。 2. 调节笔刷大小。 3. 擦除选定区域。 4. 自动识别：上传图片后，PixVerse 会自动识别图中元素（例如天空、树、人、狗、猫等）。当勾选相应元素，例如天空，PixVerse 会帮您自动对该元素添加运动区域。如果列表中没有出现某些画面中的元素，则说明该元素未能被自动识别，请手动通过笔刷选择该区域。 5. 返回上一步/下一步，重置操作。 6. 删除运动轨迹：单击鼠标左键。 FAQ： 1. Magic Brush 只支持 PC 端，如果是在手机或者 iPad 登录，请换成电脑。 2. 浏览器广告拦截插件会导致笔刷失效，请检查自己的浏览器并关闭插件。 3. 如问题仍未解决，请联系：support@pixverse.ai 另外，Canva 也推出了 Magic Eraser 相关的 AI 功能，包括 Magic Design、Draw your Ideas、Translate Designs、Magic Eraser and Magic Edit、Beat Sync、Magic Presentations、More Magic Write、We’ve evolved Text to Image、Animations、Brand Hub 等。
2025-02-14
如何使用deepseek
使用 DeepSeek 的步骤如下： 1. 搜索 www.deepseek.com，点击“开始对话”。 2. 将装有提示词的代码发给 DeepSeek。 3. 认真阅读开场白之后，正式开始对话。 DeepSeek 的设计思路包括： 1. 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用的同时，减轻自己的调试负担。 2. 通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能。 3. 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性。 4. 照猫画虎参考大模型的 temperature 设计了阈值系统，但是可能形式大于实质，之后根据反馈可能会修改。 5. 用 XML 来进行更为规范的设定，而不是用 Lisp（对我来说有难度）和 Markdown（运行下来似乎不是很稳定）。 关于 DeepSeek 的相关活动和分享： 1. 2025 年 2 月 6 日的分享中提到了关于 DP 模型的使用，包括其功能、优势、问题、审核方法、使用建议、使用场景和案例展示等。 2. 2 月 23 日的 AI 切磋大会是 DeepSeek 专场，包括深度聚焦、实战导向、全网联动等亮点，活动流程包括签到、全国联动、全国联动使用方法分享、分城市各自案例分享和自由探讨等环节。
2025-02-14
ai为何使用GPU而不是CPU
AI 使用 GPU 而不是 CPU 主要有以下原因： 1. 强大的计算能力：GPU 在并行处理大量数据方面具有显著优势。例如，同年《Largescale Deep Unsupervised Learning using Graphics Processors》这篇论文指出，利用 GPU 比 CPU 快 70 倍，能将数周的工作压缩到几天甚至一天完成。 2. 适应深度学习需求：大型神经网络、输入的多个变量以及有效的反向传播 GPU 实现等方面，GPU 表现出色。如 MNIST 数据库能达到令人惊叹的 0.35%错误率。 3. 处理图形相关运算：GPU 原本就是为处理图像和图形相关运算工作而设计，其采用的核心技术如硬件 T&L 等，适合 AI 中的图形处理任务。 4. 分担 CPU 工作：GPU 的诞生源自对 CPU 的减负，使显卡减少对 CPU 的依赖，并进行部分原本 CPU 的工作。 5. 算力优势：算力可以直接转化为 GPU，一张显卡中的 GPU 是计算能力的关键。 6. 适应 AI 模型需求：当今所有 AI 模型都在使用大量专用芯片的 GPU 卡上运行。例如 NVIDIA A100 GPU 有 512 个“张量核心”，能大幅提高计算效率。但实际应用中，也存在一些限制，如数据传输、内存容量和优化方法等问题。
2025-02-14