直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

请帮我总结AI AGENT的总体架构,帮助我更快学习相关的知识,尽快进行具体场景的商业落地

回答

AI Agent 是一个融合了多学科精髓的综合实体,不仅有实体形态,还有丰富的概念形态,并具备许多人类特有的属性。其总体架构包括以下方面:

  1. 大模型 LLM 扮演“大脑”。
  2. 规划:包括子目标分解、反思与改进。子目标分解将大型任务分解为较小可管理的子目标以处理复杂任务;反思和改进可对过去的行动进行自我批评和反思,从错误中学习并改进未来步骤,提高最终结果质量。
  3. 记忆。 此外,AI Agent 还具有以下特点和应用:
  4. 能够自行规划任务执行的工作流路径,面向简单或线性流程的运行。
  5. 可以实现多 Agent 协作,例如让大语言模型扮演不同角色,相互协作共同开发应用或复杂程序。
内容由 AI 大模型生成,请仔细甄别(powered by aily)

参考资料

AI-Agent系列(一):智能体起源探究

本文主要向大家讲述智能体的概念、渊源和发展历史,帮助大家对智能体这一概念奠定一个正确认知。[heading2]二、很多人其实并不知道AI Agent是什么[content]打开浏览器,搜索"什么是AI Agent",我们将会得到如下结果:图2.1.1在Bing上搜索“什么是AI Agent”行吧,我们再来问问Kimi什么是AI Agent:图2.1.2问问Kimi"什么是AI Agent?"我耗费了2分钟,却仿佛在寻找一场空欢喜。这就是所谓的AI Agent吗?......罢了,我还是自己寻找答案吧。通过必应和Kimi的搜索,我们发现网络上对AI Agent的介绍往往显得晦涩难懂,仿佛AI Agent是从石头缝儿里蹦出来的一样,神秘莫测。AI Agent的自主性、学习能力、推理能力等核心概念,以及它们如何规划和执行任务,如何理解并处理信息,这些内容似乎都笼罩在一层神秘的面纱之下。这种神秘感让我们仿佛置身于一个赛博朋克的世界,让我们不禁怀疑,是否我们已经生活在了一个充满未来科技的时代?未来是否真的已经到来?在深入探讨AI agent之前,我们首先需要对其进行定义和总结。AI Agent是一个融合了语言学、心理学、神经学、逻辑学、社会科学、计算机科学等多个学科精髓的综合实体。它不仅拥有实体形态,更蕴含着丰富的概念形态,同时它还具备了许多人类特有的属性。因为这些学科大多以人为研究对象,致力于探索人类内在的本质。

AI-Agent系列(一):智能体起源探究

本文主要向大家讲述智能体的概念、渊源和发展历史,帮助大家对智能体这一概念奠定一个正确认知。[heading2]二、很多人其实并不知道AI Agent是什么[content]打开浏览器,搜索"什么是AI Agent",我们将会得到如下结果:图2.1.1在Bing上搜索“什么是AI Agent”行吧,我们再来问问Kimi什么是AI Agent:图2.1.2问问Kimi"什么是AI Agent?"我耗费了2分钟,却仿佛在寻找一场空欢喜。这就是所谓的AI Agent吗?......罢了,我还是自己寻找答案吧。通过必应和Kimi的搜索,我们发现网络上对AI Agent的介绍往往显得晦涩难懂,仿佛AI Agent是从石头缝儿里蹦出来的一样,神秘莫测。AI Agent的自主性、学习能力、推理能力等核心概念,以及它们如何规划和执行任务,如何理解并处理信息,这些内容似乎都笼罩在一层神秘的面纱之下。这种神秘感让我们仿佛置身于一个赛博朋克的世界,让我们不禁怀疑,是否我们已经生活在了一个充满未来科技的时代?未来是否真的已经到来?在深入探讨AI agent之前,我们首先需要对其进行定义和总结。AI Agent是一个融合了语言学、心理学、神经学、逻辑学、社会科学、计算机科学等多个学科精髓的综合实体。它不仅拥有实体形态,更蕴含着丰富的概念形态,同时它还具备了许多人类特有的属性。因为这些学科大多以人为研究对象,致力于探索人类内在的本质。

Inhai: Agentic Workflow:AI 重塑了我的工作流

[title]Inhai:Agentic Workflow:AI重塑了我的工作流如果大家使用Kimi Chat来查询某个问题,你会发现它会在互联网上检索相关内容,并基于检索结果进行总结分析,最后给出结论。这其实是大模型利用「网页搜索」工具的一个典型例子,同时你也会看到PPT中介绍了非常多的不同领域类型的工具,它其实是为大模型在获取、处理、呈现信息上做额外的补充。PlanningAgent通过自行规划任务执行的工作流路径,面向于简单的或者一些线性流程的运行。比如下图中:Agent会先识别男孩的姿势,并可能找到一个姿势提取模型来识别姿势,在接下来要找到一个姿势图像模型来合成一个新的女孩图像,然后再使用图像理解文本的模型,并在最后使用语音合成输出,完成这个流程任务。Multiagent Collaboration吴恩达通过开源项目ChatDev进行举例,你可以让一个大语言模型扮演不同的角色,比如让一个Agent扮演公司CEO、产品经理、设计师、代码工程师或测试人员,这些Agent会相互协作,根据需求共同开发一个应用或者复杂程序。AI Agent基本框架OpenAI的研究主管Lilian Weng曾经写过一篇博客叫做《LLM Powered Autonomous Agents》,其中就很好的介绍了Agent的设计框架,她提出了“Agent = LLM +规划+记忆+工具使用”的基础架构,其中大模型LLM扮演了Agent的“大脑”。Planning(规划)主要包括子目标分解、反思与改进。将大型任务分解为较小可管理的子目标处理复杂的任务。而反思和改进指可以对过去的行动进行自我批评和自我反思,从错误中学习并改进未来的步骤,从而提高最终结果的质量。Memory(记忆)

其他人在问
如何搭自己的agent
搭建自己的 Agent 可以按照以下步骤进行: 1. 从案例入门: 三分钟捏 Bot: Step 1:(10 秒)登录控制台 登录扣子控制台(coze.cn)。 使用手机号或抖音注册/登录。 Step 2:(20 秒)在我的空间创建 Agent 在扣子主页左上角点击“创建 Bot”。 选择空间名称为“个人空间”、Bot 名称为“第一个 Bot”,并点击“确认”完成配置。如需使用其他空间,请先创建后再选择;Bot 名称可以自定义。 Step 3:(30 秒)编写 Prompt 填写 Prompt,即自己想要创建的 Bot 功能说明。第一次可以使用一个简短的词语作为 Prompt 提示词。 Step 4:(30 秒)优化 Prompt 点击“优化”,使用来帮忙优化。 Step 5:(30 秒)设置开场白 Step 6:(30 秒)其他环节 Step 7:(30 秒)发布到多平台&使用 2. 进阶之路: 15 分钟做什么:查看下其他 Bot,获取灵感。 1 小时做什么:找到和自己兴趣、工作方向等可以结合的 Bot,深入沟通。阅读以下文章:文章 1、文章 2、文章 3。 一周做什么:了解基础组件;寻找不错的扣子,借鉴&复制;加入 Agent 共学小组;尝试在群里问第一个问题。 一个月做什么:合理安排时间;参与 WaytoAGI Agent 共学计划;自己创建 Agent,并分享自己捏 Bot 的经历和心得。 在 WaytoAGI 有哪些支持:文档资源、交流群、活动。 一些好的 Agent 构建平台包括: 1. Coze:是一个新一代的一站式 AI Bot 开发平台,集成了丰富插件工具,适用于构建基于 AI 模型的各类问答 Bot。 2. Mircosoft 的 Copilot Studio:主要功能包括外挂数据、定义流程、调用 API 和操作,以及将 Copilot 部署到各种渠道。 3. 文心智能体:百度推出的基于文心大模型的智能体平台,支持开发者根据自身需求打造产品能力。 4. MindOS 的 Agent 平台:允许用户定义 Agent 的个性、动机、知识,以及访问第三方数据和服务或执行工作流。 5. 斑头雁:2B 基于企业知识库构建专属 AI Agent 的平台,适用于多种场景,提供多种成熟模板。 6. 钉钉 AI 超级助理:依托钉钉强大的场景和数据优势,在处理高频工作场景方面表现出色。 Agent 搭建共学快闪 0507 的作业: |时间|作业|备注| |||| |5 月 7 号|创建 https://www.coze.com 账号<br>创建 https://www.coze.cn 账号<br>加入共学的 team(看第三列备注)<br>有精力的话:可以提前阅读:<br>尝试创建自己的第一个 Bot,用来免费使用 GPT4|海外版本<br>Click the link to join my team WaytoAGI on the Coze Bot Platform<br>👉🏻 https://www.coze.com/invite/8UrPdX0vuusXq5H6dF4P<br>国内版本<br>coze.cn<br>👉🏻 https://www.coze.cn/invite/EpD2Ud0bdPcvutscWStY| |5 月 10 日罗文|认领一个插件制作插件说明|| PS:上述两个作业在 5 月 8 号分享结束之后就可以上手进行了,5 月 9 号会针对工作流和多 Agent 模式进行进一步的讲解。大家制作的 Bot 都可以在飞书群中进行投稿,然后会有专门的同学记录到 Bot 收集板。
2024-11-22
如何训练Agent?
在人工智能领域中,训练 Agent 主要有以下方法和特点: 1. 基于迁移学习和元学习的 Agent 训练: 传统强化学习中,Agent 训练消耗大量样本和时间,泛化能力不足。为突破此瓶颈,引入迁移学习,促进不同任务间知识和经验迁移,减轻新任务学习负担,提升学习效率和性能,增强泛化能力。 元学习让 Agent 学会从少量样本中迅速掌握新任务最优策略,利用已有知识和策略调整学习路径,减少对大规模样本集依赖。 但迁移学习和元学习面临挑战,如迁移学习在源任务与目标任务差异大时可能无效甚至负面迁移,元学习需大量预训练和样本构建学习能力,使通用高效学习策略开发复杂艰巨。 时间:21 世纪初至今 特点:迁移学习将一个任务知识迁移到其他任务;元学习学习如何学习,快速适应新任务 技术:迁移学习如领域自适应;元学习如 MAML、MetaLearner LSTM 优点:提高学习效率,适应新任务 缺点:对源任务和目标任务相似性有要求 2. 基于强化学习的 Agent 训练: 强化学习关注如何让 Agent 通过与环境互动自我学习,在特定任务中累积最大长期奖励。起初主要依托策略搜索和价值函数优化等算法,如 Qlearning 和 SARSA。 随着深度学习兴起,深度神经网络与强化学习结合形成深度强化学习,赋予 Agent 从高维输入学习复杂策略的能力,有 AlphaGo 和 DQN 等成果。 深度强化学习允许 Agent 在未知环境自主探索学习,无需人工指导,在游戏、机器人控制等领域有应用潜力。 但面临诸多挑战,包括训练周期长、采样效率低、稳定性问题,在复杂真实环境应用困难。 时间:20 世纪 90 年代至今 特点:通过试错学习最优行为策略,以最大化累积奖励 技术:Qlearning、SARSA、深度强化学习(结合 DNN 和 RL) 优点:能够处理高维状态空间和连续动作空间 缺点:样本效率低,训练时间长
2024-11-21
agent的搭建
以下是一些常见的 Agent 构建平台: 1. Coze:新一代一站式 AI Bot 开发平台,适用于构建基于 AI 模型的各类问答 Bot,集成丰富插件工具,能拓展 Bot 能力边界。 2. Microsoft 的 Copilot Studio:主要功能包括外挂数据、定义流程、调用 API 和操作,以及将 Copilot 部署到各种渠道。 3. 文心智能体:百度推出的基于文心大模型的智能体(Agent)平台,支持开发者根据需求打造产品能力。 4. MindOS 的 Agent 平台:允许用户定义 Agent 的个性、动机、知识,以及访问第三方数据和服务或执行工作流。 5. 斑头雁:2B 基于企业知识库构建专属 AI Agent 的平台,适用于客服、营销、销售等场景,提供多种成熟模板,功能强大且开箱即用。 6. 钉钉 AI 超级助理:依托钉钉强大的场景和数据优势,在处理高频工作场景如销售、客服、行程安排等方面表现出色。 搭建工作流驱动的 Agent 通常可分为以下 3 个步骤: 1. 规划: 制定任务的关键方法。 总结任务目标与执行形式。 将任务分解为可管理的子任务,确立逻辑顺序和依赖关系。 设计每个子任务的执行方法。 2. 实施: 在 Coze 上搭建工作流框架,设定每个节点的逻辑关系。 详细配置子任务节点,并验证每个子任务的可用性。 3. 完善: 整体试运行 Agent,识别功能和性能的卡点。 通过反复测试和迭代,优化至达到预期水平。 您可以根据自己的需求选择适合的平台进行进一步探索和应用。
2024-11-21
AGI 和RAG AGENT有什么区别
AGI(通用人工智能)、RAG(检索增强生成)和 Agent 存在以下区别: Agent: 本质是动态 Prompt 拼接,通过工程化手段将业务需求转述为新的 Prompt。 包含短期记忆(messages 里的历史 QA 对)和长期记忆(summary 之后的文本塞回 system prompt)。 可以通过工具触发检索和 Action,触发 tool_calls 标记进入请求循环,拿模型生成的请求参数进行 API request,再把结果返回给大模型进行交互。 如 Multi Agents ,主要是更换 system prompt 和 tools 。 为 LLM 增加工具、记忆、行动、规划等能力,目前行业主要使用 langchain 框架,在 prompt 层和工具层完成设计。 有效使用工具的前提是全面了解工具的应用场景和调用方法,学习使用工具的方法包括从 demonstration 中学习和从 reward 中学习。 在追求 AGI 的征途中,具身 Agent 强调将智能系统与物理世界紧密结合,能够主动感知和理解物理环境并互动,产生具身行动。 RAG: 是向量相似性检索,可放在 system prompt 里或通过 tools 触发检索。 AGI:是一种更广泛和全面的智能概念,旨在实现类似人类的通用智能能力。 需要注意的是,这些概念的发展和应用仍在不断演进,想做深做好还有很多需要探索和解决的问题。
2024-11-19
有没有语音交互领域的AI Agent的好的思路
以下是关于语音交互领域的 AI Agent 的一些思路: 1. 构建像人一样的 Agent:实现所需的记忆模块、工作流模块和各种工具调用模块,这在工程上具有一定挑战。 2. 驱动躯壳的实现:定义灵魂部分的接口,躯壳部分通过 API 调用,如 HTTP、webSocket 等。要处理好包含情绪的语音表达以及躯壳的口型、表情、动作和语音的同步及匹配,目前主流方案只能做到预设一些表情动作,再做一些逻辑判断来播放预设,语音驱动口型相对成熟但闭源。 3. 保证实时性:由于算法部分组成庞大,几乎不能单机部署,特别是大模型部分,会涉及网络耗时和模型推理耗时,低延时是亟需解决的问题。 4. 实现多元跨模态:不仅要有语音交互,还可根据实际需求加入其他感官,如通过添加摄像头数据获取视觉信息并进行图像解析。 5. 处理拟人化场景:正常与人交流时会有插话、转移话题等情况,需要通过工程手段丝滑处理。 此外,像 AutoGLM 这样的产品,通过模拟人类操作来实现跨应用的控制,展现出了一定的智能理解能力,如能根据用户意图选择合适的应用场景。但仍存在语音识别偏差、操作稳定性需提升、支持平台有限等问题,未来随着多模态理解能力和操作精准度的提高,发展空间较大。
2024-11-19
AI agent和智能体有什么区别
AI agent 和智能体在以下方面存在区别: 1. 概念侧重点:AI agent 更强调作为数字人的大脑,拥有记忆模块等,以实现更真实的交互;智能体则被视为智能的最小单元,是可以设定目标后主动完成任务的。 2. 能力构成:AI agent 主要通过接入大语言模型,并结合工具、记忆、行动、规划等能力来发挥作用;智能体不仅具备推理能力,还能执行全自动化业务,但目前许多相关产品仍需人类参与。 3. 实现方式:AI agent 目前行业里主要通过如 langchain 框架,在 prompt 层和工具层完成设计,将大模型与工具进行串接;智能体在实现上可能涉及更多复杂的技术和逻辑。
2024-11-12
那个文生视频或图生视频的AI可以生成融合变化的效果
以下是关于文生视频或图生视频的 AI 生成融合变化效果的相关信息: 在人工智能技术迅速发展的当下,AI“词生卡”技术兴起,它将文字描述转化为视觉图像,重塑了创意产业格局。AI 的多模态输出能力已基本成型,包括文生文、文生图、文生码、文生视频、图生视频等,但大多在某个维度能力强,跨界融合还不够。 从生成方式分类,AI 视频生成包含: 1. 文生视频、图生视频,如 Runway、Pika labs、SD + Deforum、SD + Infinite zoom、SD + AnimateDiff、Warpfusion、Stability Animation 等。 一些热门产品如 Luma AI,其 Dream Machine 目前支持 txt2vid 文生视频和 img2vid 图生视频两种能力,8 月底最新发布的 Dream Machine 1.5 增强了提示词理解能力和视频生成能力。Luma AI 的 img2vid 生成效果在多方面表现出色,如生成时长较长、运动幅度大、能产生相机多角度位移、运动过程一致性保持较好、分辨率高且有效改善模糊感等。
2024-11-23
怎么用ai制作由人变成动物的视频
以下是使用 AI 制作由人变成动物视频的方法: 一、创建视频内容 1. 准备内容 先准备一段视频中播放的内容文字,可以是产品介绍、课程讲解、游戏攻略等任何您希望推广让大家了解的文字。 您也可以利用 AI 来生成这段文字。 2. 制作视频 使用剪映 App 对视频进行简单处理。电脑端打开剪映 App,点击“开始创作”。 选择顶部工具栏中的“文本”,点击默认文本右下角的“+”号,为视频添加一个文字内容的轨道。 在界面右侧将准备好的文字内容替换默认文本内容。 二、生成数字人 1. 生成数字人 在剪映右侧窗口顶部,打开“数字人”选项,选取一位免费且适合的数字人形象,如“婉婉青春”。 选择数字人形象时,软件会播放其声音,可判断是否需要,点击右下角“添加数字人”,软件会根据提供的内容生成对应音视频并添加到当前视频轨道中。 左下角会提示渲染完成时间,完成后可点击预览按钮查看效果。 2. 增加背景图片 删除先前导入的文本内容。 点击左上角“媒体”菜单,点击“导入”按钮,选择本地一张图片上传。 点击图片右下角的加号将图片添加到视频轨道上(会覆盖数字人)。 点击轨道最右侧的竖线,向右拖拽直到视频最后,使图片在整个视频播放时都显示。 选中背景图片所在轨道,拖动图片的角将其放大到适合尺寸,并将数字人拖动到合适位置。 此外,如果您想创作一个生物融合成新物种的视频,例如猪和老鹰融合成一个新的物种,以 GPT4 为例的制作教程如下: 1. 故事情节的构思 构思一个吸引人的故事情节,比如新物种的起源故事,结合猪和老鹰的特点以及这种融合带来的独特能力和挑战,考虑添加神秘或奇幻元素增强阴暗风格。 2. 视觉效果的设计 使用 3D 建模和特效技术创造出既霸气又具有阴暗风格的新物种形象,高质量的视觉效果和流畅的动画能吸引更多观众并提高视频的分享率。 3. 音乐和声音设计 配置适当的背景音乐和声效,以增强视频的氛围,选择能激起观众情绪的音乐和声音效果,让视频更加引人入胜。 4. 社交媒体互动
2024-11-23
AI分镜
以下是关于《李清照》AI 视频创作的分镜内容: |分镜|子分镜|分镜主视觉|配音|角色|配音|画面| |||||||| |8|0801<br>0802|嗯~谁在叫我<br>小姑娘,你从哪里来?你叫什么名字呀?|王维||| |9|0901 疑惑<br>0902 诗文|疑惑自言自语<br>疑惑的表情<br>看到明月松间照,清泉石上流惊喜|我叫什么名字呢?(疑惑)<br>哦~(惊讶)<br>李清照吟诵:明月松间照,清泉石上流。|少年李清照|| |10|1001 惊喜<br>1002 照清高亮|李清照灵机一动<br>墙上诗:明月松间照,清泉石上流。照和清高亮显示|背景音效:灵机一动|||| |11|11 得意|李清照脸部特写,惊喜表情|我叫李清照(高兴)|少年李清照|| |12|12 王维沉思|王维沉思|李清照~李清照,好名字、好名字|王维|| |13|13 夜景|明月下溪水潺潺|王维吟诵:明月松间照,清泉石上流。|王维|| |20|20|画面穿越到当代写字楼办公室|忙乱和电话铃声|背景声|| |21|21|面对电脑的李清照一脸茫然|||| |22|22|旁边两个同事聊天|你们打算什么时间要孩子?<br>要孩子,要什么孩子,我们是丁克家庭。|同事甲<br>同事乙|| |23|23|李清照满脑子疑惑,丁克是什么意思|疑问背景音|背景声|| |24|24|李清照查询丁克的意思,发现是不要孩子的家庭。|||| |25|25|旁边两个同事聊天|那你不打算结婚吗?<br>我才 30 岁,结哪门子婚,我的环游世界梦想还没有实现呢|同事甲<br>同事乙|| |26|26|李清照满脑子疑惑,为什么可以不结婚?怎么生活?|疑问背景音|背景声|| |27|27|李清照开始查阅资料|清照~清照~你不下班吗?<br>哦哦~我查点资料|同事甲<br>李清照|| |1||远景一个古装小女孩草丛中嬉戏|背景音乐:小女孩嬉戏声|||| |2|0201 欢快<br>0202 疑惑|李清照与蝴蝶对话:远景、特写|蝴蝶:你叫什么名字呀?(欢快)<br>李清照:嗯~嗯~我叫什么名字呢?(疑惑)|蝴蝶<br>少年李清照|| |3|0202 放大|李清照特写|||| |4|04 穿越唐代|李清照满是疑惑|画外音:这是什么地方?(疑惑)|少年李清照|| |5|《辋川别业》建筑|写有《辋川别业》的古代建筑|辋川别业、辋川别业,难到这是王维的住处!(恍然大悟)|少年李清照|| |6|06|《维摩诘诗集》特写|真的是王维(高兴)|少年李清照|| |7|07|李清照高兴奔向王维|王伯伯~王伯伯~(高兴)|少年李清照||
2024-11-23
学习AI
以下是针对新手学习 AI 的建议: 1. 了解 AI 基本概念: 阅读「」部分,熟悉 AI 的术语和基础概念,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,比如图像、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,其上手容易且很有用。 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。 在知识库中有很多大家实践后的作品、文章分享。 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,了解其工作原理和交互方式。 对于中学生学习 AI,建议如下: 1. 从编程语言入手学习: 从 Python、JavaScript 等编程语言开始,学习编程语法、数据结构、算法等基础知识。 2. 尝试使用 AI 工具和平台: 使用 ChatGPT、Midjourney 等 AI 生成工具,体验 AI 的应用场景。 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。 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: 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。 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。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。
2024-11-23
有什么 ai 辅助打工人学习的工具推荐
以下是为打工人推荐的一些 AI 辅助学习工具: 英语学习工具: 1. Speak:这是一款 AI 英语学习 APP,利用先进的 AI 语言学习技术,提供全面实时反馈,支持随时随地练习口语,且 OpenAI 曾投资该公司。 2. Duolingo:提供游戏化学习平台,通过 AI 辅助教学,帮助学习新词汇和短语,其口语练习功能有助于练习发音和口语表达。 3. Call Annie:在发音过程中能根据发言调整表情和动作,让人感觉如同与真人对话,可随时通过视频或语音进行英语对话。 英语和数学通用学习方法: 1. 利用智能辅助工具,如英语写作助手 Grammarly 进行写作和语法纠错。 2. 借助语音识别应用,如 Call Annie 进行口语练习和发音纠正。 3. 使用自适应学习平台,如 Duolingo 为您量身定制学习计划。 4. 运用智能导师和对话机器人,如 ChatGPT 进行会话练习和对话模拟。 数学学习工具: 1. 自适应学习系统,如 Khan Academy,结合 AI 技术提供个性化学习路径和练习题。 2. 智能题库和作业辅助工具,如 Photomath,通过图像识别和数学推理技术提供数学问题解答和解题步骤。 3. 虚拟教学助手,如 Socratic,利用 AI 技术解答数学问题、提供教学视频和答疑服务。 4. 参与交互式学习平台,如 Wolfram Alpha 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。 内容仿写工具: 1. 秘塔写作猫:https://xiezuocat.com/ ,是 AI 写作伴侣,能推敲用语、斟酌文法、改写文风,实时同步翻译,支持全文改写、一键修改、实时纠错并给出修改建议,智能分析文章属性并打分。 2. 笔灵 AI 写作:https://ibiling.cn/ ,是智能写作助手,支持多种文体写作,能一键改写/续写/扩写,智能锤炼打磨文字。 3. 腾讯 Effidit 写作:https://effidit.qq.com/ ,由腾讯 AI Lab 开发,能提升写作者的写作效率和创作体验。 更多 AI 写作类工具可以查看:https://www.waytoagi.com/sites/category/2 。请注意,以上内容由 AI 大模型生成,请仔细甄别。
2024-11-23
如何理解AI的边界
AI 的边界可以从以下几个方面来理解: 1. 从生态位角度:AI 是一种似人而非人的存在,无论其技术如何发展,都处于这样的生态位。在与 AI 相处时,要基于其“非人”的一面,通过清晰的语言文字指令压缩其自由度,明确告诉它需要做什么、边界在哪里、目标是什么、实现路径和方法以及提供所需的正确知识。 2. 在品牌卖点提炼中的应用:在搭建智能体提炼品牌卖点前,要先明确 AI 的能力边界。例如,AI 对公司的主要产品、产品解决的用户需求、产品独特之处、获得的认可、依赖的核心渠道、核心购买人群、使用过的营销手段、在新渠道的期望结果等方面了解程度接近于 0。AI 真正的能力在于通过分析数据和信息进行逻辑推理、快速处理和分析数据并提取有价值的信息和模式、拥有大量训练数据并能输出更全面的相关信息、理解用户提供的内容并按正确结构梳理有效输出内容。因此,智能体更适合作为引导型的灵感提问助手。 3. 在编程方面:在许多情况下,我们给 AI 下达明确命令完成一次性任务。当期待提高,希望进一步解脱繁琐日常任务时,需要了解 AI 编程的边界和限制。编程准则第一条是能不编尽量不编,优先找线上工具、插件、本地应用,对于 API 功能,先找现成开源工具,然后考虑付费服务,都找不到时才考虑自己编程,且编程时要以终为始,聚焦目标。
2024-11-23
请问有ai生成架构图的工具么
以下是一些可以生成架构图(包括逻辑视图、功能视图、部署视图)的工具: 1. Lucidchart:流行的在线绘图工具,支持多种图表创建,用户可通过拖放轻松创建架构图。 2. Visual Paradigm:全面的 UML 工具,提供创建各种架构视图的功能。 3. ArchiMate:开源建模语言,与 Archi 工具配合使用可创建逻辑视图。 4. Enterprise Architect:强大的建模、设计和生成代码工具,支持多种架构视图创建。 5. Microsoft Visio:广泛使用的图表和矢量图形应用程序,提供丰富模板。 6. draw.io(现称 diagrams.net):免费在线图表软件,支持创建多种类型图表。 7. PlantUML:文本到 UML 转换工具,通过编写描述生成序列图等,辅助创建逻辑视图。 8. Gliffy:基于云的绘图工具,提供创建架构图功能。 9. Archi:免费开源工具,用于创建 ArchiMate 和 TOGAF 模型,支持逻辑视图创建。 10. Rational Rose:IBM 的 UML 工具,支持创建多种视图。 请注意,这些工具并非都是基于 AI 的。AI 在绘图工具中的应用通常涉及智能推荐布局、自动生成图表代码或识别图表中的模式和关系。在选择工具时,应考虑具体需求,如是否支持特定建模语言、是否与特定开发工具集成、偏好在线工具或桌面应用程序等。 此外,以下是一些可以辅助或自动生成 CAD 图的 AI 工具: 1. CADtools 12:Adobe Illustrator 插件,为 AI 添加 92 个绘图和编辑工具。 2. Autodesk Fusion 360:集成 AI 功能的云端 3D CAD/CAM 软件。 3. nTopology:基于 AI 的设计软件,可创建复杂 CAD 模型。 4. ParaMatters CogniCAD:基于 AI 的 CAD 软件,能根据输入自动生成 3D 模型。 5. 主流 CAD 软件(如 Autodesk 系列、SolidWorks 等)的生成设计工具,可根据设计目标和约束条件自动产生多种设计方案。 这些工具通常需要一定的 CAD 知识和技能才能有效使用。对于 CAD 初学者,建议先学习基本的 3D 建模技巧,然后尝试使用这些 AI 工具来提高设计效率。 以上内容由 AI 大模型生成,请仔细甄别。
2024-11-09
AI生成系统架构图 用什么
以下是一些可以用于绘制逻辑视图、功能视图和部署视图的工具: 1. Lucidchart:流行的在线绘图工具,支持多种图表创建,包括上述视图,用户可通过拖放轻松创建架构图。 2. Visual Paradigm:全面的 UML 工具,提供创建各种架构视图的功能。 3. ArchiMate:开源建模语言,与 Archi 工具配合可创建逻辑视图。 4. Enterprise Architect:强大的建模、设计和生成代码工具,支持多种视图创建。 5. Microsoft Visio:广泛使用的图表和矢量图形应用程序,有丰富模板用于创建相关视图。 6. draw.io(现 diagrams.net):免费在线图表软件,支持创建逻辑和部署视图等。 7. PlantUML:文本到 UML 转换工具,可通过描述文本自动生成相关视图。 8. Gliffy:基于云的绘图工具,提供创建架构图功能。 9. Archi:免费开源工具,支持逻辑视图创建。 10. Rational Rose:IBM 的 UML 工具,支持创建逻辑和部署视图。 请注意,虽然这些工具可以辅助创建架构视图,但它们不都是基于 AI 的。AI 在绘图工具中的应用通常涉及智能推荐布局、自动生成图表代码或识别图表中的模式和关系。在选择工具时,您应该考虑您的具体需求,比如是否需要支持特定的建模语言、是否需要与特定的开发工具集成、是否偏好在线工具或桌面应用程序等。
2024-10-30
AI搜索工程架构
以下是关于 AI 搜索工程架构的相关内容: 一、可插拔架构 在整个搜索回答的全流程,有很多节点可以做 Hook 埋点,每个 Hook 可以挂载零至多个插件,多个插件构成了 AI 搜索的可插拔架构。一些常用的功能,可以由 AI 搜索平台自身或第三方创作者抽离成标准插件,用在 AI 搜索主流程或者智能体/工作流等辅助流程。比如,自定义一个思维导图摘要插件,用户可以在搜索的步骤中选择这个自定义插件,实现用思维导图输出搜索结果。 二、提升可玩性 可以预置一个 after_answer 钩子,在大模型回答完用户 query 之后,把请求大模型的上下文信息和大模型的回答内容一起发给第三方插件,第三方插件可以把内容整理成文章/思维导图等格式,再同步到第三方笔记软件。 三、自定义智能体 Agent 智能体一般是对一些自定义操作的封装,用于解决某个场景的某类问题。以 ChatGPT 的 GPTs 举例,一个智能体应用由以下几部分自定义操作组成: 1. 提示词:描述智能体的作用,定义智能体的回复格式。 2. 知识库:上传私有文件作为回答参考。 3. 外挂 API:请求第三方 API 获取实时数据。 4. 个性化配置:是否联网/是否使用图片生成/是否使用数据分析等。 四、提升准确度 1. 为获取足够信息密度,需获取链接详情页内容。通过上一步的 Reranking 选择最匹配的 top_k 条数据,避免获取全部内容导致 context 超限。为保证获取详情内容的效率,可做并行处理,如通过 goroutine 或者 python 的协程并行读取 top_k 条链接。获取链接详情内容有多种方案,如网页爬虫、无头浏览器抓取、第三方 Reader 读取等。 2. 构建上下文内容池 Context Pool,将历史搜索结果和历史对话消息组成 Context Pool。每次搜索后追问,都带上这个 Context Pool 做意图识别/问题改写,拿到新的检索结果后更新这个 Context Pool,并带上最新的 Context Pool 内容作为上下文请求大模型回答。需要保证 Context Pool 的内容有较高的信息密度,同时控制其内容长度,不要超过大模型的 context 极限。 五、检索增强生成 以 Sana 的企业搜索用例为例,RAG 过程始于应用程序加载和转换无结构文件,转换为 LLM 可查询格式,文件被“分块”成更小的文本块,并作为向量嵌入和存储在数据库中。当用户提出问题时,系统会检索语义上最相关的上下文块,并将其折叠到“元提示”中,与检索到的信息一起馈送给 LLM,然后 LLM 合成答复返回给用户。在生产中,AI 应用程序具有更复杂的应用程序流程,包含多个检索步骤和提示链,不同类型的任务并行执行,然后将结果综合在一起,以生成最终输出。
2024-10-26
有没有RAG 基本架构的中文图示
以下是关于 RAG 基本架构的介绍: RAG 是当今大多数现代人工智能应用程序的标准架构。以 Sana 的企业搜索用例为例,其工作原理如下: 1. 应用程序加载和转换无结构文件(如 PDF、幻灯片、文本文件),跨越企业数据孤岛(如 Google Drive 和 Notion),通过数据预处理引擎(如 Unstructured)转换为 LLM 可查询格式。 2. 这些文件被“分块”成更小的文本块,作为向量嵌入并存储在数据库(如 Pinecone)中,以实现更精确的检索。 3. 当用户提出问题时,系统检索语义上最相关的上下文块,并将其折叠到“元提示”中,与检索到的信息一起馈送给 LLM。 4. LLM 从检索到的上下文中合成答复返回给用户。 RAG 的基本概念: RAG 是一种结合了检索和生成的技术,能让大模型在生成文本时利用额外的数据源,提高生成的质量和准确性。其基本流程为: 首先,给定用户输入(如问题或话题),RAG 从数据源中检索出相关文本片段(称为上下文)。 然后,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,指导模型生成期望输出(如答案或摘要)。 最后,从大模型的输出中提取或格式化所需信息返回给用户。
2024-10-17
怎们架构专属自己企业的AI系统
要架构专属自己企业的 AI 系统,可以参考以下步骤: 一、逐步搭建 AI 智能体 1. 搭建整理入库工作流 新建工作流「url2table」,根据弹窗要求自定义工作流信息。 工作流全局流程设置需根据实际需求进行。 2. 在外层 bot 中封装工作流,完成整体配置 创建 Bot。 填写 Bot 介绍。 切换模型为“通义千问”,测试下来通义对提示词理解和执行效果较好。 把配置好的工作流添加到 Bot 中。 新增变量{{app_token}}。 添加外层 bot 提示词(可按需求和实际效果优化调整)。 二、相关术语 以下是一些在 AI 系统架构中可能涉及的术语: 1. AI 或 AI 系统或 AI 技术:具有“适应性”和“自主性”的产品和服务,如在定义的第 3.2.1 节中所述。 2. AI 供应商:在 AI 系统的研究、开发、培训、实施、部署、维护、提供或销售中发挥作用的任何组织或个人。 3. AI 用户:使用 AI 产品的任何个人或组织。 4. AI 生命周期:与 AI 系统的寿命相关的所有事件和过程,从开始到退役,包括其设计、研究、培训、开发、部署、集成、操作、维护、销售、使用和治理。 5. AI 生态系统:在 AI 生命周期中实现 AI 使用和供应的复杂网络,包括供应链、市场和治理机制。 6. 基础模型:在大量数据上训练的一种 AI 模型,可适用于广泛的任务,可作为构建更具体 AI 模型的基础。 经过上述配置,您可以在「预览与调试」窗口与 AI 智能体对话并使用全部功能。
2024-09-11
输入文字,生成组织架构图
以下是一些可以用于生成组织架构图的工具: 1. PlantUML:这是一个文本到 UML 的转换工具,通过编写描述性文本可自动生成序列图、用例图、类图等,能帮助创建逻辑视图。 2. Gliffy:基于云的绘图工具,提供创建各种架构图的功能,包括逻辑视图和部署视图。 3. Archi:免费的开源工具,用于创建 ArchiMate 和 TOGAF 模型,支持逻辑视图的创建。 4. Rational Rose:IBM 的 UML 工具,支持创建多种视图,包含逻辑视图和部署视图。 需要注意的是,这些工具并非都基于 AI。AI 在绘图工具中的应用通常涉及智能推荐布局、自动生成图表代码或识别图表中的模式和关系。在选择工具时,应考虑具体需求,如是否需要支持特定建模语言、与特定开发工具集成、偏好在线工具或桌面应用程序等。 另外,增强版 Bot 是基于 AI 驱动的智能创作平台,可实现一站式内容生成(包括图片、PPT、PDF)。在图片理解与生成场景中,在对话框输入诉求即可测试效果,比如生成常见的系统架构风格架构设计图,给出一张图片。通过简短的文本就能让 Bot 生成相应的图片,这背后是文本到图片或视频等其他格式内容的映射关系,在日常工作中使用便捷。当然,也可以根据图片提取里面的关键知识内容。
2024-09-03
AI 在教育领域的落地场景
以下是 AI 在教育领域的落地场景: 1. 个性化学习平台:通过集成算法和大数据分析,实时跟踪学生学习进度,诊断学习难点,提供个性化学习建议和资源。例如 Knewton 平台,通过对数百万学生的行为模式分析,精准预测学习难点并提前给出解决方案,大幅提升学习效率。 2. 自动评估:利用自然语言处理技术(NLP)自动批改学生的作文和开放性答案题。如 Pearson 的 Intelligent Essay Assessor,能够分析和理解写作内容,给出准确评分和反馈,减轻教师批改负担,提高评估效率和一致性。 3. 智能辅助教学工具:如 AI 教师能够引导学生通过对话学习,解答疑问并提供即时反馈。Google 的 AI 教育工具 AutoML 用于创建定制学习内容,提高学习动机,加深知识掌握。 4. 虚拟现实(VR)和增强现实(AR):学生可通过 VR 头盔进入虚拟实验室进行安全实验操作,并立即得到 AI 系统反馈。例如 Labster 的虚拟实验室平台,提供高科技实验室场景,让学生尝试复杂实验流程,无需昂贵设备或专业环境。
2024-11-23
根据Python实验内容(包括实验场景和实验内容)和参考资料链接,如何优化prompt,以完成程序?
以下是一些优化 prompt 以完成程序的建议: 1. 对于算术推理相关的程序,若思维链(及生成的方程式)存在正确但模型执行算术运算错误的情况,可添加一个 Python 程序作为外部计算器(使用 Python 的 eval 函数)处理生成的思维链中的所有方程式。当思维链中包含多个方程式时,通过字符串匹配将外部计算器的结果从一个方程式传递到下一个方程式,以提高思维链提示在大多数任务上的性能。 2. 在涉及迷宫生成的程序中,若生成的迷宫存在边未封好等问题,可调整提示词。若对复杂度不满意,也可提出并进行调整。 3. 在涉及图像生成的程序中,对于提示词编写,应遵循不改变梗图、虚构角色起源、未出现人物等的原则,保持原始提示的意图并优先保证质量。不创建任何具有冒犯性的图像。对于可能存在偏见的场景,确保如性别和种族等关键特征以无偏见的方式指定。对于包含特定人物或名人的提示词,需进行适当修改,以通用描述替代,除非其作为图像中的文本出现。提示词应详细、客观地描述图像的每个部分,思考描述的最终目标并进行推断以生成满意的图像。
2024-11-22
AI在企业落地的场景或案例
以下是一些 AI 在企业落地的场景或案例: 企业运营方面:包括日常办公文档材料的撰写整理、营销对话机器人的应用、市场分析、销售策略咨询,以及法律文书起草、案例分析、法律条文梳理和人力资源的简历筛选、预招聘、员工培训等。 教育领域:协助评估学生学习情况,为职业规划提供建议,针对学生情况以及兴趣定制化学习内容,论文初稿搭建及论文审核,帮助低收入国家/家庭通过 GPT 获得平等的教育资源。 游戏/媒体行业:定制化游戏,动态生成 NPC 互动、自定义剧情、开放式结局,出海文案内容生成、语言翻译及辅助广告投放和运营,数字虚拟人直播,游戏平台代码重构,AI 自动生成副本。 零售/电商领域:舆情、投诉、突发事件监测及分析,品牌营销内容撰写及投放,自动化库存管理,自动生成或完成 SKU 类别选择、数量和价格分配,客户购物趋势分析及洞察。 金融/保险行业:个人金融理财顾问,贷款信息摘要及初始批复,识别并检测欺诈活动风险,客服中心分析及内容洞察。 在企业中建构人工智能的案例研究包括: 智能扬声器:需要探测触发词或唤醒词、进行语音识别、意图识别,并执行相关程序。但智能音箱公司因需对每个用户需求单独编写程序而花费大量资金教育客户,这是其面临的困境。 自动驾驶汽车:包括汽车检测(使用监督学习,需多个方位的摄像头或传感器)、行人检测(使用相似技术)、运动规划(输出驾驶路径和速度)。 人工智能团队的角色示例有: 软件工程师:负责软件编程工作,在团队中占比 50%以上。 机器学习工程师:创建映射或算法,搜集和处理数据以训练神经网络或深度学习算法。 机器学习研究员:开发机器学习前沿技术,可能发表论文或专注研究。 应用机器学习科学家:从学术文献或研究文献中寻找前沿技术来解决问题。 数据科学家:检测和分析数据背后的意义,并向团队展示结论。 数据工程师:整理数据,确保数据安全、易保存和读取。 AI 产品经理:决定用 AI 做什么,判断其可行性和价值。
2024-11-20
打印场景下格式转换的需求点
在打印场景下,格式转换的需求点主要包括以下方面: 1. 不同文本类型的转换,例如将俚语翻译成商务书信。 2. 不同格式之间的转换,如 ChatGPT 擅长的从 JSON 到 HTML、XML、Markdown 等格式的转换。在提示中需描述输入和输出格式,例如将 Python 字典从 JSON 转换为带有列标题和标题的 HTML 表格,并使用相关函数显示 HTML 响应。 3. 对于卡牌生成器的搭建,在为卡牌添加说明性文字时,涉及到文字图层的处理。叠图功能只允许两个图层叠放,所以对文字图层要进行格式转换。具体包括: 先对“card_description”的输出按索引序号奇偶性进行分列。 由于叠图只支持传入图像的 url(字符串格式),需将分列后的两个 Array<Object>结构“打破”,提取图像链接并重组为字符串列表 Array<String>。 若分列时原 Array<Object>中元素个数为奇数个,会导致分列后两个列表元素数量不同。在格式转换过程中,需比较两个列表长度,若不同则用事先准备好的图像 url 扩展较短的列表,以保证叠图顺利进行。
2024-11-20
AI 在股票交易行业的落地场景有哪些
AI 在股票交易行业的落地场景主要包括以下方面: 1. 市场分析与预测:利用大数据和机器学习算法,对市场趋势、宏观经济数据、公司财务数据等进行分析和预测,为投资决策提供参考。 2. 风险评估与管理:通过模型评估投资组合的风险水平,及时发现潜在风险并采取相应的风险管理措施。 3. 交易策略优化:基于历史交易数据和市场情况,优化交易策略,提高交易效率和盈利能力。 4. 智能投顾:为投资者提供个性化的投资建议和资产配置方案。 5. 欺诈检测:识别和防范股票交易中的欺诈行为,保障交易的安全性和公正性。
2024-11-18
ai的落地场景应用
以下是 AI 的一些落地场景应用: 1. 医疗保健: 医学影像分析:用于分析医学图像辅助诊断疾病。 药物研发:加速药物研发,识别潜在药物候选物和设计新治疗方法。 个性化医疗:分析患者数据提供个性化治疗方案。 机器人辅助手术:控制手术机器人提高手术精度和安全性。 2. 金融服务: 风控和反欺诈:识别和阻止欺诈行为,降低金融机构风险。 信用评估:评估借款人信用风险,帮助做出贷款决策。 投资分析:分析市场数据辅助投资决策。 客户服务:提供 24/7 服务并回答常见问题。 3. 零售和电子商务: 产品推荐:分析客户数据推荐可能感兴趣的产品。 搜索和个性化:改善搜索结果和提供个性化购物体验。 动态定价:根据市场需求调整产品价格。 聊天机器人:回答客户问题并解决问题。 4. 制造业: 预测性维护:预测机器故障避免停机。 质量控制:检测产品缺陷提高质量。 供应链管理:优化供应链提高效率和降低成本。 机器人自动化:控制工业机器人提高生产效率。 5. 交通运输:暂未提及具体应用场景。 此外,还有以下一些具体的应用: 1. 辅助创作与学习:如 AI 智能写作助手、语言学习助手、诗歌创作助手、书法字体生成器、漫画生成器等。 2. 推荐与规划:包括 AI 图像识别商品推荐、美食推荐平台、旅游行程规划器、时尚穿搭建议平台、智能投资顾问等。 3. 监控与预警:如 AI 宠物健康监测设备、家居安全监控系统、天气预报预警系统、医疗诊断辅助系统等。 4. 优化与管理:涉及办公自动化工具、物流路径优化工具、家居清洁机器人调度系统、金融风险评估工具等。 5. 销售与交易:有 AI 艺术作品生成器、书法作品销售平台、摄影作品销售平台、汽车销售平台、房地产交易平台等。 在“AI + 汽车”领域: AI 营销赛道: AI 辅助“市场营销”和“新媒体运营”,包括汽车热点营销、用户画像预测、营销内容创作、内容审核、用户评论回复,以及“一键生图”。 AI 提升“销售体验”,引导“留资或下单”,如智能“试驾”、“金牌销售”智能导购、“互动游戏”智能导购。 AI 提升“销售能力”,基于汽车销售场景自动出题,可采用多种形式,如选择题、对话或情景模拟。
2024-11-18