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

如何用ai工具构建某一课程的知识图谱

Answer

以下是用 AI 工具构建某一课程知识图谱的方法：

  • 一键知识图谱方法：
    • 用 kimichat 让 AI 拆解这本书的三级章节并按照 Markdown 产出内容：
      • Prompt：帮我拆解《爱的五种语言》，生成全书内容的思维导图，要求每个章节后面有三级展开，下一级是主要知识点，下下一级是知识点的论述。先输出对应的 Markdown。
      • 访问地址：https://kimi.moonshot.cn/
    • 复制 AI 内容粘贴到在线思维导图 Markmap 中，一键生成思维导图，还可以自定义微调内容，并免费导出图片：
  • 推导知识图谱方法（可以参考下面 prompt 自己构建）：
    • 问题生成：使用大模型帮助生成一系列相关的、深入的问题。
    • 探索性学习：将每个问题作为一个学习起点，利用 AI 搜索引擎和大模型进行深入探索。
    • 知识图谱构建：随着学习的深入，使用大模型帮助构建和扩展知识图谱。
    • 创造性应用：基于新获得的知识，尝试解决原问题或创造新的作品。
    • 反思与迭代：定期反思学习过程，调整方向，并生成新的问题，形成持续学习和创作的循环。

此外，利用 AI 写课题的步骤和建议如下：

  1. 确定课题主题：明确研究兴趣和目标，选择具有研究价值和创新性的主题。
  2. 收集背景资料：使用 AI 工具如学术搜索引擎和文献管理软件搜集相关研究文献和资料。
  3. 分析和总结信息：利用 AI 文本分析工具分析收集到的资料，提取关键信息和主要观点。
  4. 生成大纲：使用 AI 写作助手生成课题大纲，包括引言、文献综述、方法论、结果和讨论等部分。
  5. 撰写文献综述：利用 AI 工具帮助撰写文献综述部分，确保内容准确完整。
  6. 构建方法论：根据研究需求，利用 AI 建议的方法和技术设计研究方法。
  7. 数据分析：若课题涉及数据收集和分析，使用 AI 数据分析工具处理和解释数据。
  8. 撰写和编辑：利用 AI 写作工具撰写课题各部分，并进行语法和风格检查。
  9. 生成参考文献：使用 AI 文献管理工具生成正确的参考文献格式。
  10. 审阅和修改：利用 AI 审阅工具检查课题逻辑性和一致性，并根据反馈修改。
  11. 提交前的检查：最后，使用 AI 抄袭检测工具确保课题原创性，并进行最后的格式调整。

需要注意的是，AI 工具可作为辅助，但不能完全替代研究者的专业判断和创造性思维。在使用 AI 进行课题写作时，应保持批判性思维，并确保研究的质量和学术诚信。

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

References

危柯宇：如何让 AI 走进我们的工作和生活

日常活动文案输出（读书社ing，AI复核型玩法“高阶”，依托传音智库+飞书妙记+在线思维导图Markmap）：有了AI赋能加持，读书会活动yyds✔️运营一个读书俱乐部（策划方案，欢迎仪式，互动玩法）✔️筹办一场趣味性活动（主题拆解，魔性流程，头脑风暴）✔️完成一次结构化总结（快速记录，分秒总结，一键同频）方法一：一键知识图谱1.用kimichat让ai拆解这本书的三级章节并按照markdown产出内容：1.1.Prompt：帮我拆解《爱的五种语言》，生成全书内容的思维导图，要求每个章节后面有三级展开，下一级是主要知识点，下下一级是知识点的论述。先输出对应的markdown1.2.访问地址：[https://kimi.moonshot.cn/](https://kimi.moonshot.cn/)2.复制ai内容粘贴到在线思维导图Markmap中，一键生成思维导图，还可以自定义微调内容，并免费导出图片：2.1.访问地址：[https://www.min2k.com/tools/markmap/](https://www.min2k.com/tools/markmap/)方法二：推导知识图谱（可以参考下面prompt自己构建）

小七姐：Prompt is not enough

[title]小七姐：Prompt is not enough[heading1]三、以问题驱动的AI+内容创作1.问题生成：使用大模型帮助生成一系列相关的、深入的问题2.探索性学习：将每个问题作为一个学习起点，利用AI搜索引擎和大模型进行深入探索3.知识图谱构建：随着学习的深入，使用大模型帮助构建和扩展知识图谱4.创造性应用：基于新获得的知识，尝试解决原问题或创造新的作品5.反思与迭代：定期反思学习过程，调整方向，并生成新的问题，形成持续学习和创作的循环在掌握了解构与建构的思维方法后，我们可以将其应用到实际的学习和创作过程中。"以问题驱动的学习法和创作法"是一种将深度思考融入学习和创作的有效方法。这种方法不仅能帮助我们更深入地理解复杂主题，还能激发创新思维，产生新的见解。一个以《关于AI搜索引擎的一切》为示例的，以问题驱动的学习法的实例

问：如何利用AI写课题

[title]问：如何利用AI写课题利用AI技术来辅助写作课题可以提高效率并激发新的创意。以下是一些步骤和建议：1.确定课题主题：明确你的研究兴趣和目标，选择一个具有研究价值和创新性的主题。2.收集背景资料：使用AI工具如学术搜索引擎和文献管理软件来搜集相关的研究文献和资料。3.分析和总结信息：利用AI文本分析工具来分析收集到的资料，提取关键信息和主要观点。4.生成大纲：使用AI写作助手生成课题的大纲，包括引言、文献综述、方法论、结果和讨论等部分。5.撰写文献综述：利用AI工具来帮助撰写文献综述部分，确保内容的准确性和完整性。6.构建方法论：根据研究需求，利用AI建议的方法和技术来设计研究方法。7.数据分析：如果课题涉及数据收集和分析，可以使用AI数据分析工具来处理和解释数据。8.撰写和编辑：利用AI写作工具来撰写课题的各个部分，并进行语法和风格的检查。9.生成参考文献：使用AI文献管理工具来生成正确的参考文献格式。10.审阅和修改：利用AI审阅工具来检查课题的逻辑性和一致性，并根据反馈进行修改。11.提交前的检查：最后，使用AI抄袭检测工具来确保课题的原创性，并进行最后的格式调整。请记住，AI工具可以作为辅助，但不能完全替代研究者的专业判断和创造性思维。在使用AI进行课题写作时，应保持批判性思维，并确保研究的质量和学术诚信。内容由AI大模型生成，请仔细甄别。

Others are asking
传统产品经理如何转AI产品经理？
传统产品经理若要转型为 AI 产品经理，需要注意以下方面： 1. 掌握算法知识： 理解产品核心技术，有助于做出更合理的产品决策。 与技术团队有效沟通，减少信息不对称带来的误解。 评估技术可行性，在产品规划阶段做出更准确的判断。 把握产品发展方向，更好地应对 AI 技术的迅速发展。 提升产品竞争力，发现产品的独特优势并提出创新特性。 增强数据分析能力，处理和分析 AI 算法涉及的数据。 2. 了解相关技术原理和框架： 如思维链，谷歌在 2022 年的论文提到其能显著提升大语言模型在复杂推理的能力，可在问题后加“请你分步骤思考”。 RAG（检索增强生成），将外部知识库切分转成向量存于向量数据库，用户提问时段落信息会和问题一起传给 AI，可搭建企业和个人知识库。 PAL（程序辅助语言模型），2022 年论文提出，对于计算问题不让 AI 直接生成结果，而是借助 Python 解释器等工具。 ReAct 框架，2022 年论文提出，将 reason 与 action 结合，让模型动态推理并与外界环境互动，可借助 LangChain 等框架简化构建流程。 3. 关注技术论文和前沿动态：虽然小白直接看技术论文有难度，但仍需完成一定知识储备，也可借助 AI 辅助阅读。同时，多参考相关的科普入门视频和访谈，如林粒粒呀的视频和安克创新 CEO 阳萌的访谈等。
2025-04-08
我想从零基础学习成为一名ai产品经理，我该学习哪些知识内容，请把这些知识内容做个排序。
以下是从零基础学习成为一名 AI 产品经理所需学习知识内容的排序： 1. 入门级： 通过 WaytoAGI 等开源网站或一些课程了解 AI 的概念。 使用 AI 产品并尝试动手实践应用搭建。 2. 研究级： 技术研究路径：对某一领域有认知，根据需求场景选择解决方案，利用 Hugging face 等工具手搓出一些 AI 应用来验证想法。 商业化研究路径：熟悉行业竞争格局与商业运营策略。 3. 落地应用： 有一些成功落地应用的案例，产生商业化价值。 同时，AI 产品经理还需要具备以下技能和知识： 1. 理解产品核心技术：了解基本的机器学习算法原理，有助于做出更合理的产品决策。 2. 与技术团队有效沟通：掌握一定的算法知识，减少信息不对称带来的误解。 3. 评估技术可行性：在产品规划阶段，能准确评估某些功能的技术可行性。 4. 把握产品发展方向：了解算法前沿，更好地把握产品的未来发展方向。 5. 提升产品竞争力：发现产品的独特优势，提出创新的产品特性。 6. 数据分析能力：掌握相关知识，提升数据分析能力。 此外，了解技术框架，对技术边界有认知，关注场景、痛点、价值也是很重要的。
2025-04-08
aigc降重
AIGC 降重相关知识如下： AIGC（AIGenerated Content）是指具有文本、图片、音频、视频等内容生成能力的模型及相关技术。生成式 AI 能够赋能诸多领域，如语言文本生成利用马尔科夫链、RNN、LSTMs 和 Transformer 等模型生成文本，图像生成依赖于 GANs、VAEs 和 Stable Diffusion 等技术，音视频生成利用扩散模型、GANs 和 Video Diffusion 等。 AIGC 应用可能引发多种风险，包括内生风险（算法的不可解释性和不可问责性，代码开源可能带来的安全和伦理担忧）、数据隐私问题（数据泄露、匿名化不足、未经授权的数据共享等）和知识产权风险（作品侵权、不当竞争等）。 相关法律和规定对 AIGC 的透明性、数据收集和处理、知识产权归属等提出了要求。在应用中，需重伦理道德，不得生成煽动颠覆国家政权、推翻社会主义制度，危害国家安全和利益、损害国家形象，煽动分裂国家、破坏国家统一和社会稳定，宣扬恐怖主义、极端主义，不得宣扬民族仇恨、民族歧视，暴力、淫秽色情，以及虚假有害信息等法律、行政法规禁止的内容。GenAI 工具和 AIGC 提供者应注意在算法设计、训练数据选择、模型生成和优化、提供服务等过程中，采取有效措施防止产生民族、信仰、国别、地域、性别、年龄、职业、健康等歧视。 目前，我国对 AIGC 的监管框架由《网络安全法》《数据安全法》及《个人信息保护法》构成，并与《互联网信息服务算法推荐管理规定》、《互联网信息服务深度合成管理规定》、《生成式人工智能服务管理暂行办法》、《科技伦理审查办法（试行）》等形成了共同监管的形势。
2025-04-08
普通人想学习AI自动化，make和coze哪个更推荐一点
对于普通人学习 AI 自动化，Make 和 Coze 哪个更适合的问题，以下是一些相关信息供您参考： Make 对于编程小白比较友好，其思考过程较长，有助于学习，但不太适合专业选手，因为思考过程较慢，可能会让人有点不耐烦。Make 具有国内版优势，包括深度理解中国开发场景和技术生态、完全免费、无需翻墙、流畅稳定，还具备完整的 IDE 功能（代码编写、项目管理、插件管理、源代码管理等）。您可以通过进行尝试。 Coze 是一款 AI Agent 的衍生产品，其价值在于可以跟进当前 AI Agent 工具的发展情况，发现商业化机会，还能用于做产品 Demo。在学习新知识如 RAG 时，可以先通过 Claude 了解细节概念，再通过 Coze 搭建 Demo 进行实践。在学习 RAG 过程中，还可以利用 Coze 的知识库能力创建如产品资料问答机器人等 Bot。 总的来说，如果您是编程小白，Make 可能更适合；如果您希望跟进 AI 工具发展并进行实践操作，Coze 可能更符合您的需求。但最终的选择还需根据您的具体学习目标和个人偏好来决定。
2025-04-08
ai论文程序员是什么岗位
在现行法律体系框架下，AI 论文中关于程序员在著作权归属方面存在以下情况： 程序员不是编写 AI 代码所生成内容的著作权归属主体。虽然构建 AI 模型耗费了程序员大量脑力劳动，但他们只是代码的创作主体，其权利可通过计算机软件著作权进行保护。 以 Stable Diffusion 生成的图片为例，程序员对最终产出的图像没有创作的主观意愿，不能成为图片的创作主体。
2025-04-08
AI写商品标题及详情
以下是关于用 AI 写商品标题及详情的相关内容： 使用 AI 完成商品标题及详情的撰写，可以采取以下多种方式和步骤： 1. 市场分析：利用 AI 分析工具研究市场趋势、消费者行为和竞争对手情况，快速识别受欢迎的产品、价格区间、销量等关键信息。 2. 关键词优化：AI 能够分析和推荐高流量、高转化的关键词，用于优化产品标题和描述，提升搜索排名和可见度。 3. 产品页面设计：借助 AI 设计工具，根据市场趋势和用户偏好自动生成吸引人的产品页面布局。 4. 内容生成：利用 AI 文案工具撰写有说服力的产品描述和营销文案，提高转化率。 5. 图像识别和优化：通过 AI 图像识别技术选择或生成高质量的产品图片，更好地展示产品特点。 6. 价格策略：AI 可以分析不同价格点对销量的影响，协助制定有竞争力的价格策略。 7. 客户反馈分析：分析客户评价和反馈，了解客户需求，优化产品和服务。 8. 个性化推荐：根据用户的购买历史和偏好提供个性化的产品推荐，增加销售额。 9. 聊天机器人：AI 驱动的聊天机器人提供 24/7 的客户服务，解答疑问，提高客户满意度。 10. 营销活动分析：分析不同营销活动的效果，了解哪些活动更能吸引顾客并产生销售。 11. 库存管理：帮助预测需求，优化库存管理，减少积压和缺货情况。 12. 支付和交易优化：分析不同的支付方式对交易成功率的影响，优化支付流程。 13. 社交媒体营销：在社交媒体上找到目标客户群体，通过精准营销提高品牌知名度。 14. 直播和视频营销：分析观众行为，优化直播和视频内容，提高观众参与度和转化率。 此外，在智能导购方面，有以下 100 个创意方向中的部分相关内容： 1. AI 生成商品描述：基于产品图自动生成吸引人的文案。 2. 智能包装推荐：根据商品类型推荐环保包装方案。 在工作流方面，狭义工作流解决单一环节或任务的自动化，步骤数量较少（3 5 步），逻辑结构线性无分支，自动化程度低，管理难度容易，适用于基本通知、简单任务的自动化等场景。广义工作流涵盖整个业务流程的自动化，步骤数量较多（10 步以上），逻辑结构多分支且复杂，自动化程度高，管理难度大，适用于企业级流程自动化、复杂任务协调等场景。例如在电商领域，狭义的工作流可以是自动改写商品标题或详情，广义的则是从商品发布、上架到客服、发货全流程的自动化管理。
2025-04-08
学习大模型请给我一张知识图谱
以下是为您提供的大模型知识图谱： 1. 非技术背景，一文读懂大模型 整体架构 基础层：为大模型提供硬件支撑，数据支持等，例如 A100、数据服务器等。 数据层：企业根据自身特性维护的垂域数据，分为静态的知识库和动态的三方数据集。 模型层：LLm 或多模态模型，LLm 即大语言模型，如 GPT，一般使用 transformer 算法实现；多模态模型包括文生图、图生图等，训练所用数据与 llm 不同，用的是图文或声音等多模态的数据集。 平台层：模型与应用间的平台部分，如大模型的评测体系，或者 langchain 平台等。 表现层：也就是应用层，用户实际看到的地方。 2. AI Agent 系列：Brain 模块探究 知识 内置知识 常识知识：包括日常生活中广泛认可的事实和逻辑规则，帮助智能体具备泛化能力。 专业知识：涉及深入特定领域的详细信息，如医学、法律、科技、艺术等领域的专有概念和操作方法。 语言知识：包括语法规则、句型结构、语境含义以及文化背景等，还涉及非文字部分如语调、停顿和强调等。 3. 大模型入门指南 通俗定义：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。 类比学习过程 找学校：训练 LLM 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：用算法讲述“书本”中的内容，让大模型能够更好理解 Token 之间的关系。 就业指导：为了让大模型能够更好胜任某一行业，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，可代表单个字符、单词、子单词等，在将输入进行分词时，会对其进行数字化，形成词汇表。
2025-04-07
RAG和知识图谱的结合，需要如何实现
要实现 RAG 和知识图谱的结合，可以参考以下步骤： 1. 数据加载：根据数据源的类型选择合适的数据加载器，如对于网页数据源，可使用 WebBaseLoader 利用 urllib 和 BeautifulSoup 加载和解析网页，获取文档对象。 2. 文本分割：依据文本特点选用合适的文本分割器，将文档对象分割成较小的文档对象。例如，对于博客文章，可使用 RecursiveCharacterTextSplitter 递归地用常见分隔符分割文本，直至每个文档对象大小符合要求。 3. 嵌入与存储：根据嵌入质量和速度选择合适的文本嵌入器和向量存储器，将文档对象转换为嵌入并存储。比如，可使用 OpenAI 的嵌入模型和 Chroma 的向量存储器，即 OpenAIEmbeddings 和 ChromaVectorStore。 4. 创建检索器：使用向量存储器检索器，传递向量存储器对象和文本嵌入器对象作为参数，创建用于根据用户输入检索相关文档对象的检索器。 5. 创建聊天模型：根据模型性能和成本选择合适的聊天模型，如使用 OpenAI 的 GPT3 模型，即 OpenAIChatModel，根据用户输入和检索到的文档对象生成输出消息。 此外，通用语言模型通过微调能完成常见任务，而对于更复杂和知识密集型任务，可基于语言模型构建系统并访问外部知识源。Meta AI 研究人员引入的 RAG 方法把信息检索组件和文本生成模型结合，能接受输入并检索相关文档，组合上下文和原始提示词送给文本生成器得到输出，适应事实变化，无需重新训练模型就能获取最新信息并产生可靠输出。Lewis 等人（2021）提出通用的 RAG 微调方法，使用预训练的 seq2seq 作为参数记忆，用维基百科的密集向量索引作为非参数记忆。
2025-03-28
知识图谱
知识图谱是一种揭示实体之间关系的语义网络，能够对现实世界的事物及其相互关系进行形式化描述。它于 2012 年 5 月 17 日由 Google 正式提出，初衷是提高搜索引擎能力，增强用户搜索质量和体验，实现从网页链接到概念链接的转变，支持按主题检索和语义检索。 知识图谱的关键技术包括： 1. 知识抽取： 实体抽取：通过命名实体识别从数据源中自动识别命名实体。 关系抽取：从数据源中提取实体之间的关联关系，形成网状知识结构。 属性抽取：从数据源中采集特定实体的属性信息。 2. 知识表示：包括属性图、三元组等。 3. 知识融合： 实体对齐：消除异构数据中的实体冲突、指向不明等不一致性问题。 知识加工：对知识统一管理，形成大规模知识体系。 本体构建：以形式化方式明确定义概念之间的联系。 质量评估：计算知识的置信度，提高知识质量。 知识更新：不断迭代更新，扩展现有知识，增加新知识。 4. 知识推理：在已有的知识库基础上挖掘隐含的知识。 在国家人工智能产业综合标准化体系建设指南中，知识图谱标准规范了知识图谱的描述、构建、运维、共享、管理和应用，包括知识表示与建模、知识获取与存储、知识融合与可视化、知识计算与管理、知识图谱质量评价与互联互通、知识图谱交付与应用、知识图谱系统架构与性能要求等标准。
2025-03-21
知识图谱产品
知识图谱（Knowledge Graph，KG）是一种揭示实体之间关系的语义网络，可以对现实世界的事物及其相互关系进行形式化地描述。 知识图谱于 2012 年 5 月 17 日被 Google 正式提出，其初衷是为了提高搜索引擎的能力，增强用户的搜索质量以及搜索体验。知识图谱可以将 Web 从网页链接转向概念链接，支持用户按照主题来检索，实现语义检索。 知识图谱的关键技术包括： 1. 知识抽取：通过自动化的技术抽取出可用的知识单元，包括实体抽取（命名实体识别（Named Entity Recognition，NER）从数据源中自动识别命名实体）、关系抽取（从数据源中提取实体之间的关联关系，形成网状的知识结构）、属性抽取（从数据源中采集特定实体的属性信息）。 2. 知识表示：属性图、三元组。 3. 知识融合：在同一框架规范下进行异构数据整合、消歧、加工、推理验证、更新等，达到数据、信息、方法、经验等知识的融合，形成高质量知识库。包括实体对齐（消除异构数据中的实体冲突、指向不明等不一致性问题）、知识加工（对知识统一管理，形成大规模的知识体系）、本体构建（以形式化方式明确定义概念之间的联系）、质量评估（计算知识的置信度，提高知识的质量）、知识更新（不断迭代更新，扩展现有知识，增加新的知识）。 4. 知识推理：在已有的知识库基础上挖掘隐含的知识。
2025-03-21
知识图谱
知识图谱是一种揭示实体之间关系的语义网络，可以对现实世界的事物及其相互关系进行形式化地描述。它于 2012 年 5 月 17 日由 Google 正式提出，初衷是提高搜索引擎的能力，增强用户的搜索质量和体验，实现从网页链接到概念链接的转变，支持按主题检索和语义检索。 知识图谱的关键技术包括： 1. 知识抽取： 实体抽取：通过命名实体识别从数据源中自动识别命名实体。 关系抽取：从数据源中提取实体之间的关联关系，形成网状知识结构。 属性抽取：从数据源中采集特定实体的属性信息。 2. 知识表示：包括属性图和三元组。 3. 知识融合： 实体对齐：消除异构数据中的实体冲突、指向不明等不一致性问题。 知识加工：对知识统一管理，形成大规模的知识体系。 本体构建：以形式化方式明确定义概念之间的联系。 质量评估：计算知识的置信度，提高知识质量。 知识更新：不断迭代更新，扩展现有知识，增加新知识。 4. 知识推理：在已有的知识库基础上挖掘隐含的知识。 在国家人工智能产业综合标准化体系建设指南中，知识图谱标准规范了知识图谱的描述、构建、运维、共享、管理和应用，包括知识表示与建模、知识获取与存储、知识融合与可视化、知识计算与管理、知识图谱质量评价与互联互通、知识图谱交付与应用、知识图谱系统架构与性能要求等标准。
2025-03-21
知识图谱构建
知识图谱是一种揭示实体之间关系的语义网络，能够对现实世界的事物及其相互关系进行形式化描述。它于 2012 年 5 月 17 日由 Google 正式提出，初衷是提高搜索引擎能力，增强用户搜索质量和体验，实现从网页链接到概念链接的转变，支持按主题检索和语义检索。 知识图谱构建的关键技术包括： 1. 知识抽取：通过自动化技术抽取可用的知识单元，如实体抽取（命名实体识别）、关系抽取（提取实体间关联关系）、属性抽取（采集特定实体的属性信息）。 2. 知识表示：包括属性图、三元组等。 3. 知识融合：在同一框架规范下进行异构数据整合、消歧、加工、推理验证、更新等，包括实体对齐（消除实体冲突等不一致性问题）、知识加工（统一管理知识）、本体构建（明确定义概念联系）、质量评估（计算知识置信度）、知识更新（迭代扩展知识）。 4. 知识推理：在已有知识库基础上挖掘隐含知识。 在 LLM 落地思考方面，NLP 与知识图谱是主要的落地类型，但存在一些问题。如实现某个 NLP 任务时，需要大量人工标注和长时间训练，交付后较难新增意图和泛化任务，有时使用句式规则方式更好维护更新；构建知识图谱复杂，需与行业专家深度讨论，预见企业长远业务发展制定 schema，周期长且易与业务错位。而 LLM 出现后对 NLP、NLG、KG 有较大提升，带来更好更多的落地可能。 在以问题驱动的 AI+内容创作中，随着学习深入，可使用大模型帮助构建和扩展知识图谱。
2025-02-27
你有知道那些做AI比较厉害的培训课程
以下是一些比较厉害的 AI 培训课程： B 站 up 主的课程：每节 15 分钟，免费且内容好，涵盖 AI 艺术字等。 由白马老师和麦菊老师带领的 AI 星图及相关创作课程，包括毛毡字、光影字、机甲字等。 16 号晚上中老师会带领的炼丹操作课程，炼丹需提前准备一些图，老师会提前发布内容让大家准备。 关于 AI 文旅视频的课程，几位老师带来了干货课程，工作流开源，学习后可制作类似视频。 高效 PB 及相关案例课程，有厉害的伙伴，案例在社区，有多种 battle 方式，会有菩萨老师专门介绍。 11 月 2 号左右将开展博物馆奇妙日主题活动的新的 AI 视频主题课程。 AI 音乐相关课程，有 AI 音乐的流派和 prompt 电子书，格林同学做了翻译。 以下是一些其他的课程资源： 一位投资人推荐的课程： MIT Deep Learning： Stanford CS 324Advances in Foundational Models： The Full Stack LLM Bootcamp： 野菩萨的课程： 预习周课程：包括 AI 绘画电脑配置要求、高效 AIGC 创意者的数字人工具包、SD 插件安装方法、画静为动的 AIGC 视频制作讲解等。 基础操作课：涵盖 AI 绘画通识课、AI 摄影虚拟的真实、AI 电影 穿越的大门等内容。 核心范式课程：涉及词汇的纸牌屋、核心范式应用、控制随机性等方面。 SD WebUi 体系课程：包括 SD 基础部署、SD 文生图、图生图、局部重绘等。 ChatGPT 体系课程：有 ChatGPT 基础、核心 文风、格式、思维模型等内容。 ComfyUI 与 AI 动画课程：包含部署和基本概念、基础工作流搭建、动画工作流搭建等。 应对 SORA 的视听语言课程：涉及通识 欢迎参加电影的葬礼、影像赏析、基础戏剧影视文学等。 如果想要免费获得野菩萨的课程，可以来参与 video battle，每期的 video battle 的评委野菩萨老师都非常严格，需要寓意深度审美并存。冠军奖励 4980 课程一份，亚军奖励 3980 课程一份，季军奖励 1980 课程一份，入围奖励 598 野神殿门票一张。 您可以扫码添加菩萨老师助理，了解更多课程信息。
2025-04-01
我是一名电商设计师，现在想学习SD AI绘图，有一点基础，但学习课程资源有限，请你帮我制定一份详细的学习计划，并提供一些学习资源。
以下是为您制定的学习 SD AI 绘图的详细计划及相关学习资源： 学习计划： 1. 首先，深入学习 Stable Diffusion 的核心基础原理，包括模型工作流程、核心基础原理、训练全过程以及其他主流生成式模型介绍。 2. 接着，掌握 Stable Diffusion 的核心网络结构，如 SD 模型整体架构、VAE 模型、UNet 模型、CLIP Text Encoder 模型等。 3. 学习从 0 到 1 搭建使用 Stable Diffusion 模型进行 AI 绘画的不同方式，如使用 ComfyUI、SD.Next、Stable Diffusion WebUI、diffusers 搭建推理流程，并查看生成示例。 4. 了解 Stable Diffusion 的经典应用场景，如文本生成图像、图片生成图片、图像 inpainting、使用 controlnet 辅助生成图片、超分辨率重建等。 5. 最后，尝试从 0 到 1 上手使用 Stable Diffusion 训练自己的 AI 绘画模型，包括配置训练环境与训练文件，以及基于 Stable Diffusion 训练 LoRA 模型。 学习资源： 1. 教程：深入浅出完整解析 Stable Diffusion（SD）核心基础知识 知乎。 目录涵盖了 Stable Diffusion 系列的各个方面，包括核心基础知识、网络结构解析、搭建推理流程、应用场景和模型训练等。 2. SD 模型权重百度云网盘： 关注 Rocky 的公众号 WeThinkIn，后台回复：SD 模型，即可获得资源链接，包含多种模型权重。 3. SD 保姆级训练资源百度云网盘： 关注 Rocky 的公众号 WeThinkIn，后台回复：SDTrain，即可获得资源链接，包含数据处理、模型微调训练以及基于 SD 的 LoRA 模型训练代码全套资源。 4. Stable Diffusion 中 VAE，UNet 和 CLIP 三大模型的可视化网络结构图下载： 关注 Rocky 的公众号 WeThinkIn，后台回复：SD 网络结构，即可获得网络结构图资源链接。
2025-03-28
吴恩达最近推出了哪些课程？
吴恩达最近推出的课程包括： 1. 与 OpenAI 合作推出的免费的 Prompt Engineering（提示工程师）课程。 主要内容是教书写 AI 提示词，并利用 GPT 开发一个 AI 聊天机器人。 原版网址：https://www.deeplearning.ai/shortcourses/chatgptpromptengineeringfordevelopers/ B 站版本：【合集·AI Course哔哩哔哩】https://b23.tv/ATc4lX0 、https://b23.tv/lKSnMbB 翻译版本： 推荐直接使用 Jupyter 版本学习，效率更高：https://github.com/datawhalechina/promptengineeringfordevelopers/ 视频下载地址：https://pan.quark.cn/s/77669b9a89d7 OpenAI 开源了教程：https://islinxu.github.io/promptengineeringnote/Introduction/index.html 纯文字版本 2. 2023 年 8 月 24 日上线的最新短课程： 《》，课程内容包括了解何时对 LLM 应用微调、准备数据以进行微调、根据自己的数据训练和评估 LLM。 《》，深入浅出地介绍了基于大语言模型的 AI Agents，从记忆检索到决策推理，再到行动顺序的选择，真实展现了 Agent 的智能化进程。
2025-03-27
目前的AI设计软件，能直接生成课程海报吗
目前的 AI 设计软件能够直接生成课程海报。例如 Claude 这款工具，其 Artifact 功能强大，无需专业设计技能和代码编写，也无需使用 PS 等软件，仅通过输入提示词和对话交流，就能生成课程海报，还能根据需求进行修改，如合并课程、添加日历、调整色彩等。 此外，还有一些其他的 AI 海报生成工具： 1. Canva（可画）：https://www.canva.cn/ ，提供大量模板和设计元素，AI 功能可协助选择颜色搭配和字体样式。 2. 稿定设计：https://www.gaoding.com/ ，智能设计工具采用先进人工智能技术，自动分析和生成设计方案。 3. VistaCreate：https://create.vista.com/ ，提供大量设计模板和元素，用户可使用 AI 工具创建个性化海报，智能建议功能可帮助快速找到合适设计元素。 4. Microsoft Designer：https://designer.microsoft.com/ ，通过简单拖放界面创建演示文稿、社交媒体帖子等视觉内容，集成丰富模板库和自动图像编辑功能。 另外，还有一个海报设计的案例分享——东阿阿胶。其步骤包括得到需求、提取元素、绘制线稿、用 controlnet 转绘上色、ps 优化、定稿。具体为：确定需求并提取元素，如风格要潮流插画、有唐代元素和国潮等；绘制线稿，根据需求调整元素，如将驴子换成琵琶等；拆分元素线稿，绘制单个元素使其更精致，方便后期替换；利用拼接好的线稿跑图抽卡，选出合适的进行 ps 优化；最后根据客户需求进行元素替换得到定稿。上色运用的大模型为 GhostMix 鬼混_V2.0，lora 模型为“盒子系列——平面国潮插画_v1.0:182ba9e2f576”，controlnet 模型为“Module:lineart_coarse,Model:contr”。
2025-03-26
我是一名ai小白，我想学习这门课程，请你帮我规划一下
以下是为您规划的 AI 学习路径： 预习周课程： AI 绘画电脑配置要求 高效 AIGC 创意者的数字人工具包 SD 插件安装方法 画静为动的 AIGC 视频制作讲解 基础操作课： AI 绘画通识课 AI 摄影虚拟的真实 AI 电影 穿越的大门 核心范式课程： 词汇的纸牌屋 核心范式应用 控制随机性 SD WebUi 体系课程： SD 基础部署 SD 文生图 图生图 局部重绘 ChatGPT 体系课程： ChatGPT 基础 核心 文风、格式、思维模型 ComfyUI 与 AI 动画课程： 部署和基本概念 基础工作流搭建 动画工作流搭建 应对 SORA 的视听语言课程： 通识 欢迎参加电影的葬礼 影像赏析 基础戏剧影视文学 学习建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，了解人工智能的主要分支及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前应用和未来发展趋势。 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）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： 根据自身兴趣选择特定的 AI 模块（如图像、音乐、视频等）进行深入学习。 掌握提示词的技巧。 4. 实践和尝试： 理论学习后进行实践，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 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。 开始方式选择： 1. 本地部署： 如果您的电脑是 M 芯片的 Mac 电脑（Intel 芯片出图速度慢，不建议）或者 2060Ti 及以上显卡的 Windows 电脑，可以选择本地部署。强烈建议在配有 N 卡的 Windows 电脑上进行。 2. 在线平台： 对于电脑不符合要求的小伙伴可以直接使用在线工具，在线工具分为在线出图和云电脑两种，前者功能可能会受限、后者需要自己手动部署，大家根据实际情况选择即可。 3. 配台电脑： 非常不建议一上来就配主机，因为大概率会变成游戏机或者吃灰（土豪请随意）。玩几个月后还对 AI 有兴趣的话再考虑配个主机。主机硬盘要大，显卡预算之内买最好，其他的随意。 先验经验： 需要熟练使用文生图、图生图；需要有一定的逻辑思考能力以及推理能力；适合炼丹新人、小白。 课程安排： 课程大约 70 80%是理论和方法论的内容，大部分练习会在课外跟大家沟通、练习。只有少部分必要内容会在课上演示。 您还可以通过参与 video battle 争取免费课程的机会。每期的 video battle 的评委野菩萨老师都非常严格，需要寓意深度审美并存。冠军奖励 4980 课程一份，亚军奖励 3980 课程一份，季军奖励 1980 课程一份，入围奖励 598 野神殿门票一张。 您可以扫码添加菩萨老师助理，了解更多课程信息。让我们一起在“通往 AGI 之路”社区学习成长，探索 AI 的无限可能！
2025-03-23
哪里可以找到免费且可以系统学习机器学习的课程
以下是一些可以免费系统学习机器学习的课程资源和学习路径： 1. 对于大型语言模型（LLM）开发的学习： 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。相关课程有吴恩达的深度学习课程、斯坦福 cs224n 等。 理解 Transformer 和 BERT 等模型原理，包括 Transformer 模型架构及自注意力机制原理，BERT 的预训练和微调方法，掌握相关论文，如 Attention is All You Need、BERT 论文等。 学习 LLM 模型训练和微调，包括大规模文本语料预处理，LLM 预训练框架，如 PyTorch、TensorFlow 等，微调 LLM 模型进行特定任务迁移。相关资源有 HuggingFace 课程、论文及开源仓库等。 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，模型服务化、在线推理、多语言支持等。相关资源有 ONNX、TVM、BentoML 等开源工具。 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，关注顶会最新论文、技术博客等资源。 2. 神经网络架构方面： 神经网络是机器学习文献中的一类模型，在完成吴恩达的 Coursera 机器学习课程后，可以寻找 Geoffrey Hinton 的机器学习神经网络课程。 一般神经网络架构可分为三类：前馈神经网络，这是实际应用中最常见的神经网络类型；循环网络，在他们的连接图中定向了循环，更具有生物真实性。 3. 强化学习的入门学习： 如果基础薄弱，可先学习概率论和线性代数相关课程。 对机器学习无基础的话，先看吴恩达的课程，再以李宏毅的课程作为补充，只看前几节讲完神经网络的部分。 学完后跟着《动手学深度学习 https://hrl.boyuai.com/》动手学习，只看前五章。 接着看 B 站王树森的深度学习课程的前几节学习强化学习基础知识点。 最后可以看《动手学强化学习》，看到 DQN 的部分。
2025-03-22
点击AI应用主界面的某一个图片组件触发另一个工作流，如何设置入参
要在 AI 应用主界面设置点击某一图片组件触发另一个工作流的入参，具体步骤如下： 1. 工作流的入参设置为 File>Image。 2. 入参配置为 {{ImageUpload1.value}}是获取图片上传组件的第一张图片，因为组件可以上传多张图片，所以需要通过下标数来获取，数组的下标从 0 开始。 3. {{psy_ai.error}}是工作流的报错信息。 4. 当用户上传图片点击按钮时会进入加载状态，加载状态通过 {{psy_ai.loading}} 控制。提交按钮配置中，属性设置包括宽度百分比 95%、高度固定 50px、颜色填充 295DC1、圆角 12、加载状态 {{psy_ai.loading}}。事件配置为事件类型 点击时，执行动作 调用工作流，WorkFlow（工作流） psy_ai，失败提示 工作流调用失败，原因：{{psy_ai.error}}。 5. 当工作流运行时，右边的内容显示容器包含两个组件，图片组件显示加载中的 gif 图片（默认隐藏），其来源为本地上传加载中 gif 图，尺寸为宽度百分比 100%，高度适应内容，可见性隐藏根据 {{!psy_ai.loading}}，即当 loading 为 true 时隐藏，前面加「!」取反，工作流运行中显示。Markdown 组件显示分析内容，内容显示是 psy_ai 工作流输出的结果，隐藏根据 {{psy_ai.loading}}，psy_ai 工作流运行完显示。 至此，页面所有的布局和数据交互就全部完成了。
2025-03-29
如何用结构化提示词生成具体某一页PPT
以下是关于如何用结构化提示词生成具体某一页 PPT 的相关内容： 一、熊猫 Jay 的思路和指南 1. AI 生成 PPT 的主要思路 利用 AI 生成 PPT 大纲 培训文档助手提供核心提示词（仅供参考，可在此基础上丰富） 本章节结合 ChatGPT GPT4 模型生成大纲，也可利用其他 AIGC 工具 结构化提示词模版大多以 Markdown 语法构建，“”代表一级标题，“”代表二级标题，“”代表无序列表 输入关键信息生成大纲，包括针对不同人群的受众分析 2. 注意事项 提示词是利用 LangGPT 生成的基本提示词 语法的详细用法可自行了解 二、Kimi 的 15 款官方提示词 1. 【PPT 精炼】整理各种课程 PPT，输出结构明晰、易于理解内容文档 2. 【🔥爆款文案】生成高质量的爆款网络文案 3. 【🎥影剧推荐】根据喜好推荐影视，提供保姆级资源渠道 4. 【📝影评达人】专业生成引人入胜、富有创意的电影评论 5. 【🚀职业导航】私人职业路径规划顾问，综合考虑个人特质、就业市场和发展前景 6. 【📅营销策划】为产品或服务提供定制化营销活动策划 7. 【🎤面试模拟】私人面试 mock 伙伴，根据简历信息和求职岗位进行模拟面试 8. 【📢宣传 slogan】快速生成抓人眼球的专业宣传口号 9. 【✍️期刊审稿】提前预知审稿人对文章的吐槽 10. 【📖诗意创作】现代诗、五言/七言诗词信手拈来的诗歌创作助手 11. 【📰推闻快写】专业微信公众号新闻小编，兼顾视觉排版和内容质量，生成吸睛内容 12. 【📚要点凝练】长文本总结助手，能够总结用户给出的文本、生成摘要和大纲 13. 【🎬短剧脚本】创作定制化短视频脚本，包含拍摄要求和分镜细节 14. 【📝美文排版】使用 Unicode 符号和 Emoji 表情符号优化文字排版，提供良好阅读体验 整理收录：小七姐 Prompt 星球：https://t.zsxq.com/15KhQ0RE7 三、甲木的方法 1. 让 Claude 帮做「古诗词卡片」 语文老师 PPT 配图有救了 主题+方向=符合诗词原意调性的古诗词名片 流程简单：输入 Prompt，用户输入主题、风格，AI 输出最终结果 获取提示词：第一版规定 AI 排版，固定输出；第二版释放 AI 创意，自由发挥，不受拘束 开源了提示词，可直接获取，关注、点赞、转发更佳 希望以上内容对您有所帮助。
2025-03-17
我想让ai通过文字生成某一类风格的图片，可以给示例
以下是关于让 AI 通过文字生成某一类风格图片的示例和相关信息： 一、关键词相关 在生成图片时，图片内容通常分为二维插画和三维立体两种主要表现形式。为得到想要的图片，以下几个方面很重要： 1. 主题描述 可以描述场景、故事、元素、物体或人物的细节及搭配。 对于场景中的人物，应独立描述，避免用长串文字，以免 AI 识别不到。 大场景中多个角色的细节不太容易通过关键词生成。 2. 设计风格 设计师可能难以直接表达设计风格，可找风格类关键词参考或用垫图/喂图，让 AI 结合主题描述生成相应风格的图片。 某些材质的关键词使用有较多门道，需针对特定风格进行“咒语测试”。 二、工具 Ideogram 2.0 相关 1. 特点 设计能力强，文字生成效果好且准确（仅限英文），图像生成效果优于 Flux&Dalle·3。 具有精准文本生成、多样化风格、创意控制、开发者友好、支持手机端、免费使用额度等特点。 2. 基本操作界面 3. 示例 磨铁文化 Xiron 的字体设计 字体版权：AI 生成文字并非使用真实字体，而是基于学习创造类似风格的文字。 字体生成错误：可通过多次生成提示、使用编辑器修改、更换版本等方式纠正。 3D 风格海报设计、复古海报、网页设计等示例。
2025-03-10
我没有知识库，如何让AI就某一问题穷尽搜索
要让 AI 就某一问题进行穷尽搜索，一般会涉及以下步骤： 1. 文档向量化：知识库中的文档需要被转换成向量形式，以便在数值级别上与问题向量进行比较。使用知识库工具上传文档时，会完成文档的向量化，这依靠 Embedding Model 实现。 2. 知识库检索： 相似性计算：使用相似性度量方法（如余弦相似性）计算问题向量和各个文档向量之间的相似度，以找出与问题内容最接近的文档。 排序与选择：根据相似性得分对所有文档进行排序，通常会选择得分最高的几个文档，认为这些文档与问题最相关。 信息抽取：从选定的高相关性文档中抽取具体的信息片段或答案，可能涉及进一步的文本处理技术，如命名实体识别、关键短语提取等。 3. 信息整合阶段：将检索到的全部信息连同用户问题和系统预设整合成一个全新的上下文环境，为生成回答提供基础。 此外，像生物进化中通过自然选择的方式，从特定规则开始逐步改变（可能随机），在每一步保留最有效的规则并丢弃其他，这种方法不是我们通常定义的“人工智能”（更像是“遗传算法”），但在高维规则空间中往往比低维规则空间效果更好，因为维度越多，陷入局部最小值的可能性越小。 同时，给 AI 配备随时更新的“活字典”即知识库是一个好方法。知识库就像 AI 随时可查阅的百科全书，当 AI 遇到不确定问题时，可从知识库中检索相关信息给出更准确回答。比如建立包含最新新闻、科技发展、法律法规等内容的知识库，或者利用整个互联网的实时数据作为知识库，通过搜索引擎获取最新信息。
2024-11-13
如何给AI投喂某一专业的资料，让它成为专业领域的问答机器人，投喂顺序是什么
目前没有关于如何给 AI 投喂某一专业资料以及投喂顺序的相关内容。但一般来说，要让 AI 成为专业领域的问答机器人，首先需要对专业资料进行整理和分类，使其具有清晰的结构和逻辑。然后，可以逐步将资料输入给 AI ，并通过不断的训练和优化来提高其在该专业领域的回答能力。同时，要注意资料的质量和准确性，以及与 AI 模型的适配性。
2024-08-09
分析某一领域的最新技术趋势，技术洞察，是否有合适的工具？
目前在分析某一领域的最新技术趋势和技术洞察方面，常见且有效的工具包括： 1. Gartner 魔力象限：提供对特定技术领域供应商的评估和分析。 2. Forrester 研究报告：涵盖了各种技术领域的趋势洞察。 3. 行业专业数据库，如 IEEE Xplore、Web of Science 等，可获取最新的研究文献。 但具体选择哪种工具，取决于您所关注的领域以及具体的需求。
2024-08-08