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

大模型在本地生活应用

Answer

大模型在本地生活中的应用主要包括以下方面:

AI 绘画

SDXL 模型

  • 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,用于对文生图生成的模型进行细化,生成细节更丰富的图片。
    • 第二部分,是 SDXL 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。然后将模型放入对应的文件夹中,base 和 refiner 放在“……\sd-webui-aki-v4.2\models\Stable-diffusion”路径下;vae 放在“……\sd-webui-aki-v4.2\models\VAE”路径下。

大语言模型

  • 部署大语言模型需要进行以下操作:
    • 下载并安装 Ollama:
      • 点击进入,根据电脑系统,下载 Ollama:https://ollama.com/download
      • 下载完成后,双击打开,点击“Install”
      • 安装完成后,将下方地址复制进浏览器中。如果出现下方字样,表示安装完成:http://127.0.0.1:11434/
    • 下载 qwen2:0.5b 模型(0.5b 是为了方便测试,下载快,自己设备充足的话,可以下载更大的模型):
      • 如果是 windows 电脑,点击 win+R,输入 cmd,点击回车。
      • 如果是 Mac 电脑,按下 Command(⌘)+ Space 键打开 Spotlight 搜索,输入“Terminal”或“终端”,然后从搜索结果中选择“终端”应用程序。
      • 复制相关命令行,粘贴进入,点击回车。
      • 下载完成后,大模型即可在本地运行,输入文本即可进行对话。
Content generated by AI large model, please carefully verify (powered by aily)

References

SD新手:入门图文教程

模型能够有效地控制生成的画风和内容。常用的模型网站有:[Civitai | Stable Diffusion models,embeddings,hypernetworks and more](https://link.zhihu.com/?target=https%3A//civitai.com/)>[Models - Hugging Face](https://link.zhihu.com/?target=https%3A//huggingface.co/models)>[SD - WebUI资源站](https://link.zhihu.com/?target=https%3A//www.123114514.xyz/models/ckpt)>[元素法典AI模型收集站- AI绘图指南wiki(aiguidebook.top)](https://link.zhihu.com/?target=https%3A//aiguidebook.top/index.php/model/)>[AI绘画模型博物馆(subrecovery.top)](https://link.zhihu.com/?target=https%3A//aimodel.subrecovery.top/)[heading3]模型安装[content]下载模型后需要将之放置在指定的目录下,请注意,不同类型的模型应该拖放到不同的目录下。模型的类型可以通过[Stable Diffusion法术解析](https://link.zhihu.com/?target=https%3A//spell.novelai.dev/)检测。大模型(Ckpt):放入models\Stable-diffusionVAE模型:一些大模型需要配合vae使用,对应的vae同样放置在models\Stable-diffusion或models\VAE目录,然后在webui的设置栏目选择。Lora/LoHA/LoCon模型:放入extensions\sd-webui-additional-networks\models\lora,也可以在models/Lora目录Embedding模型:放入embeddings目录

【SD】向未来而生,关于SDXL你要知道事儿

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,我们使用它进行文生图的操作;refiner是精炼模型,我们使用它对文生图中生成的模型进行细化,生成细节更丰富的图片。第二部分,是SDXL还有一个配套的VAE模型,用于调节图片的画面效果和色彩。这三个模型,我已经放入了云盘链接中,大家可以关注我的公众号【白马与少年】,然后回复【SDXL】获取下载链接。想要在webUI中使用SDXL的大模型,首先我们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“……\sd-webui-aki-v4.2\models\Stable-diffusion”路径下;vae放在“……\sd-webui-aki-v4.2\models\VAE”路径下。完成之后,我们启动webUI,就可以在模型中看到SDXL的模型了。我们正常的使用方法是这样的:先在文生图中使用base模型,填写提示词和常规参数,尺寸可以设置为1024*1024,进行生成。我这边使用了一个最简单的提示词“1girl”,来看看效果。生成的图片大家可以看一下,我觉得是相当不错的。我知道大家心里可能会想——“就这,还好吧,也没有那么惊艳吧?”,那么,我用同样的参数再给你画一幅sd1.5版本的图像,你就能看出进步有多大了。是不是没有对比就没有伤害?SDXL,真香!还没完,我们到现在还只使用了一个base模型,接下来,将图片发送到图生图当中,大模型切换为“refiner”,重绘幅度开小一点,再次点击生成。

张梦飞:【全网最细】从LLM大语言模型、知识库到微信机器人的全本地部署教程

我们需要进行部署的有三大部分1、本地部署大语言模型2、本地部署FastGPT+OneAPI3、本地部署HOOK项目或COW[heading1]一、部署大语言模型[content]一、下载并安装Ollama1、点击进入,根据你的电脑系统,下载Ollama:https://ollama.com/download2、下载完成后,双击打开,点击“Install”3、安装完成后,将下方地址复制进浏览器中。如果出现下方字样,表示安装完成http://127.0.0.1:11434/二、下载qwen2:0.5b模型(0.5b是为了方便测试,下载快,自己设备充足的话,可以下载更大的模型)1、如果你是windows电脑,点击win+R输入cmd,点击回车如果你是Mac电脑,按下Command(⌘)+ Space键打开Spotlight搜索。输入“Terminal”或“终端”,然后从搜索结果中选择“终端”应用程序。2、复制以下命令行,粘贴进入,点击回车:3、回车后,会开始自动下载,等待完成(这里下载久了,可能会发现卡着不动,不知道下载了多少了。鼠标点击一下窗口,键盘点空格,就会刷新了)4、下载完成后你会发现,大模型已经在本地运行了。输入文本即可进行对话。

Others are asking
我想做一个产品(生涯规划领域的垂直大模型),这个产品服务的对象是所有人:帮助所有人进行更好的职业规划。每个人都能通过使用这个产品更好地了解自己,了解自己的天赋、兴趣、优势,然后找到自己的热爱的领域和热爱的事业,并且能够个性化地推荐相关的行业和职业,包括职业的主要工作内容和核心能力要求等等。 请对这个产品进行可行性分析,并给出产品的发展规划,别忘了给这个项目起一个名字。
以下是对您提出的生涯规划领域垂直大模型产品的可行性分析和发展规划,并为项目取名为“生涯智途”。 可行性分析: 1. 需求广泛:帮助人们进行职业规划是一个普遍存在的需求,涵盖了各个年龄段和职业阶段的人群。 2. 数据可用性:可以通过各种渠道收集大量与职业相关的数据,包括行业报告、职位描述、人才需求等。 3. 技术支持:当前大模型技术的发展为实现这样的产品提供了可能,能够处理和分析大量复杂的数据。 发展规划: 1. 数据收集与整理:广泛收集各类职业数据,建立丰富的数据库,确保数据的准确性和完整性。 2. 模型训练与优化:利用收集到的数据进行模型训练,不断优化模型,提高预测和推荐的准确性。 3. 功能开发: 个性化测评:开发能够准确评估用户天赋、兴趣、优势的功能模块。 精准推荐:根据用户的特点,提供个性化的行业和职业推荐,并详细介绍职业的工作内容和核心能力要求。 持续学习与更新:随着行业变化,及时更新数据和模型,以提供最新的职业信息。 4. 用户体验优化:设计简洁、易用的界面,提供良好的用户交互体验。 5. 市场推广:通过线上线下多种渠道进行推广,提高产品的知名度和用户覆盖面。 希望以上分析和规划对您有所帮助。
2025-02-18
现在大语言模型的跑分对比
对比不同大语言模型的性能需要考虑多个维度,包括但不限于以下方面: 1. 理解能力:评估对语言的语法、语义、上下文和隐含意义的理解程度。 2. 生成质量:检查生成文本的流畅性、相关性和准确性。 3. 知识广度和深度:掌握广泛主题的知识程度,以及对特定领域或话题的理解深度。 4. 泛化能力:处理未见过的任务或数据时的表现。 5. 鲁棒性:应对错误输入、对抗性输入或模糊不清指令的能力。 6. 偏见和伦理:生成文本时是否存在偏见,是否遵循伦理标准。 7. 交互性和适应性:在交互环境中的表现,包括对用户反馈的适应性和持续对话的能力。 8. 计算效率和资源消耗:考虑模型大小、训练和运行所需的计算资源。 9. 易用性和集成性:是否易于集成到不同应用和服务中,提供的 API 和工具的易用性。 为了进行有效的比较,可以采用以下方法: 1. 标准基准测试:使用如 GLUE、SuperGLUE、SQuAD 等标准的语言模型评估基准,它们提供统一的测试环境和评分标准。 2. 自定义任务:根据特定需求设计任务,评估模型在特定领域的表现。 3. 人类评估:结合人类评估者的主观评价,特别是在评估文本质量和伦理问题时。 4. A/B 测试:在实际应用场景中,通过 A/B 测试比较不同模型的表现。 5. 性能指标:使用准确率、召回率、F1 分数、BLEU 分数等性能指标来量化比较。 当前领先的大型语言模型的排行榜,例如聊天机器人竞技场,由伯克利的团队管理,根据 ELO 评级对不同语言模型进行排名,计算方式与国际象棋中的类似。在排行榜中,顶部多为专有模型,下方有开放权重的模型。 大语言模型的特点包括: 1. 架构:有 encoderonly、encoderdecoder、decoderonly 等,如 BERT 是 encoderonly 模型,google 的 T5 是 encoderdecoder 模型,众多 AI 助手多为 decoderonly 模型。 2. 数据和参数:预训练数据量大,往往来自互联网,包括论文、代码、公开网页等,参数多,如 OpenAI 在 2020 年发布的 GPT3 已达到 170B 的参数。
2025-02-18
现在大语言模型的跑分对比
对比不同大语言模型的性能需要考虑多个维度,包括但不限于以下方面: 1. 理解能力:评估对语言的语法、语义、上下文和隐含意义的理解程度。 2. 生成质量:检查生成文本的流畅性、相关性和准确性。 3. 知识广度和深度:掌握广泛主题的知识程度,以及对特定领域或话题的理解深度。 4. 泛化能力:处理未见过的任务或数据时的表现。 5. 鲁棒性:应对错误输入、对抗性输入或模糊不清指令的能力。 6. 偏见和伦理:生成文本时是否存在偏见,是否遵循伦理标准。 7. 交互性和适应性:在交互环境中的表现,包括对用户反馈的适应性和持续对话的能力。 8. 计算效率和资源消耗:考虑模型大小、训练和运行所需的计算资源。 9. 易用性和集成性:是否易于集成到不同应用和服务中,提供的 API 和工具的易用性。 为了进行有效的比较,可以采用以下方法: 1. 标准基准测试:使用如 GLUE、SuperGLUE、SQuAD 等标准的语言模型评估基准,它们提供统一的测试环境和评分标准。 2. 自定义任务:根据特定需求设计任务,评估模型在特定领域的表现。 3. 人类评估:结合人类评估者的主观评价,特别是在评估文本质量和伦理问题时。 4. A/B 测试:在实际应用场景中,通过 A/B 测试比较不同模型的表现。 5. 性能指标:使用准确率、召回率、F1 分数、BLEU 分数等性能指标来量化比较。 当前领先的大型语言模型的排行榜,例如聊天机器人竞技场,由伯克利的团队管理,根据 ELO 评级对不同语言模型进行排名,计算方式与国际象棋中的类似。在排行榜中,顶部多为专有模型,下方有开放权重的模型。 大语言模型的特点包括: 1. 架构:有 encoderonly、encoderdecoder、decoderonly 等,如 BERT 是 encoderonly 模型,google 的 T5 是 encoderdecoder 模型,众多 AI 助手多为 decoderonly 模型。 2. 数据和参数:预训练数据量大,往往来自互联网,包括论文、代码、公开网页等,参数多,如 OpenAI 在 2020 年发布的 GPT3 已达到 170B 的参数。
2025-02-18
什么是大模型一体机
大模型一体机是一个相对复杂的概念。通俗来讲,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。其本质是两个文件:一个是参数文件,类似于问答机器人的“大脑镜像”,负责处理和生成文本信息;另一个是包含运行这些参数的代码文件。 大模型的训练和使用过程可以类比为上学参加工作: 1. 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。 2. 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。 3. 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。 4. 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。 5. 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)。 大模型的特点包括: 1. 预训练数据非常大,往往来自互联网上的论文、代码、公开网页等,一般用 TB 级别的数据进行预训练。 2. 参数非常多,如 Open 在 2020 年发布的 GPT3 就已达到 170B 的参数。 在架构方面,大模型有 encoderonly、encoderdecoder、decoderonly 等类型。目前常见的 AI 助手多采用 decoderonly 架构。
2025-02-18
传统AI、大模型、AGI的区别
传统 AI、大模型、AGI 存在以下区别: 传统 AI: 语音技能 NLU 通常通过一系列规则、分词策略等训练而成。 运作逻辑规律可观测,具有 ifelse 式的逻辑性。 大模型: 凭借海量数据在向量空间中学习知识的关联性。 运作逻辑难以观测,脱离了 ifelse 的层面。 Transformer 是其底层结构,是一个大参数(千亿级别)的回归方程,底层是 function loss 损失函数,能在一定 prompt condition 情况下,repeat 曾经出现过的数据内容,实现“生成”能力。 大语言模型是一个 perfect memory,repeat 曾经出现的内容。与 Alpha Go 相比,Alpha Go 是增强学习模型,有推理能力,而大语言模型这块很弱。 AGI(通用人工智能): 部分人觉得 LLM(大语言模型)具有 AGI 潜力,但 LeCun 反对。 目前对于能否到达 AGI 阶段尚不明确。 在公众传播层面: AIGC 指用 Stable Diffusion 或 Midjourney 生成图像内容,后来泛指用 AI 生成音乐、图像、视频等内容。 LLM 指 NLP 领域的大语言模型,如 ChatGPT。 GenAI 是生成式人工智能模型,国内官方政策文件使用这个词相对科学,涵盖了 LLM 和 AIGC。 公众传播一般会混用上述名词,但底层是 transformer 结构。
2025-02-18
有哪些在企业内部落地应用AI大模型工具的实践案例?不要营销文案生成、代码开发助手、智能客服问答机器人这种太常见的
以下是一些在企业内部落地应用 AI 大模型工具的实践案例: 1. 阿里云百炼: 智能体应用:能够弥补大模型的不足,如回答私有领域问题、获取实时信息、回答专业问题等。适用于有企业官网、钉钉、微信等渠道,期望为客户提供产品咨询服务,以及缺少技术人员开发大模型问答应用的场景。典型场景包括私有领域知识问答、个性化聊天机器人、智能助手等。 内部业务助手:通过企业内部规章制度、部门结构、产品介绍等文档构建知识库,并借助 RAG 智能体实现内部知识问答功能。系统支持多源异构数据,并通过复杂文档解析和视觉增强技术,提升文档理解的准确性与深度。目前该功能已灰度上线,需提供 UID 并通过白名单进行开启。 2. 达摩院: AI 模特(虚拟换装):支持虚拟换装、姿态编辑。 3. 电商零售: 推广文案写作:通过内置的多样化营销场景的文体模板,基于用户输入的创作主题以及参考素材,大模型即可为您生成对应的营销文案,为营销活动和宣传文案提供灵感和文案写作支持。 4. 泛企业: VOC 挖掘:是一个面向各类企业的 VOC 标签挖掘的工具。不论是用户的长短评论、帖子、还是用户和客服/销售的聊天记录、通话记录,都可以使用。通过选中或自定义标签,即可让大模型针对海量非结构化的 VOC 数据快速打标。相比于人工打标或规则打标准确率更高;对于业务标签变动频繁的情况,也能更敏捷、快速地影响。 5. 通义晓蜜:基于深度调优的对话大模型,为营销服类产品提供智能化升级所需的生成式摘要总结、质检、分析等能力应用。
2025-02-18
扣子AI应用发布到微信小程序中失败
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。
2025-02-18
我是不懂编码的文科生,我学习扣子Coze的应用,难度大吗?大概需要多长时间?
对于不懂编码的文科生来说,学习扣子 Coze 的应用是具有一定挑战性的,但并非不可逾越。 根据相关资料,扣子 Coze 应用于 11 月底推出,其低代码或零代码的工作流等场景做得较好。在学习过程中,您需要熟悉操作界面、业务逻辑和用户界面,包括布局、搭建工作流、用户界面及调试发布,重点熟悉桌面网页版的用户界面。 课程安排方面,第一天会熟悉扣子应用、认识界面、搭建证件照简单应用,解决表单使用等卡点。 不过,社区中很多不懂代码的设计师和产品经理在搭建时也感到吃力。对于学习所需的时间,难以给出确切的时长,这取决于您的学习能力和投入程度。但如果您能认真参与课程学习,逐步掌握相关知识和技能,相信会在一段时间内取得一定的成果。
2025-02-18
prompt的应用
以下是关于 prompt 应用的全面介绍: 一、什么是 prompt 1. 提示是您给模型(如 Claude)的文本,用于引发相关输出。它通常以问题或指示的形式出现。例如:“为什么天空是蓝色的?” 2. 在 AI 视频生成中,prompt 是直接描述或引导视频生成的文本或指令。类似给 AI 的提示,包含主体、运动、风格等信息,用户借此控制和指导生成内容。它在 AI 视频生成中作用十分重要,是表达需求的方式,影响视频内容和质量。如果上述过于抽象,您可以理解 Prompt 为:将您输入的文字变成对应的画面和运动形式。 3. 简单来说,prompt 是一套您和大模型交互的语言模板。通过这个模板,您可以输出对于大模型响应的指令,用于指定大模型应该具体做什么、完成什么任务、如何处理具体的任务,并最终输出您期望的结果。大模型的本质是一个基于语言的概率模型,若直接问大模型而不提供 prompt,相当于大模型随机给出答案。有了 prompt,相当于给了一个模板,包括对于模型的要求、输入和输出的限制,大模型在这个限制之下,去得到概率最大的答案。 二、prompt 在不同场景的应用 在即梦 AI 视频生成中,要想获得最佳的视频质量,需要写好 prompt。在图片生视频和文本生视频中,都有 prompt 的输入位置。
2025-02-18
适合团队一起应用开发的AI
以下是一些适合团队一起应用开发的 AI 类型及示例场景: 1. 智能体应用(Assistant): 简介:基于上下文对话,自主决策并调用工具来完成复杂任务的对话式 AI 应用。通过简单配置可快速上手实现基本功能。 示例场景:客户服务(了解诉求、解决问题,如查询订单状态、处理退款等)、个人助理(管理日程安排、提醒事项、发送邮件等)、技术支持(了解技术问题,提供解决方案,排除故障)。 参考链接: 2. 工作流应用(Workflow): 简介:将复杂任务拆解为若干子任务,以提高工作流程可控性的流程式 AI 应用。用户可通过拖拽节点创建自定义任务流程。 示例场景:AI 翻译(实现初步翻译、内容审校、再次优化的翻译流程,提升翻译质量)。 参考链接: 3. 智能体编排应用: 简介:支持多智能体协作的流程式 AI 应用,能编排多个智能体的执行逻辑,使多个智能体自动规划和执行任务。 示例场景:综合调研报告(组建报告撰写团队,包括负责写作意图识别、大纲书写、总结摘要、智能绘图、事件研判、段落撰写、文笔润色等任务的智能体)、软件开发团队(组建智能体开发团队,包括负责需求分析、系统设计、编码实现、测试调试、文档编写等任务的智能体)。 参考链接: 此外,还有以下摊位展示的相关 AI 应用: 1. 简单高效地构建 AI+装修,AI+行业应用平台,并进行模型的训练和微调。 2. ai+家庭教育咨询与体验服务。 3. 摄影+AI 效果叠加。 4. ai 模型部署,使用,交流的一站式平台。 5. 自传语伴:帮助普通人轻松撰写自传,用户通过与 AI 聊天讲述人生故事,生成自传。 在 6 月 3 日的参赛 bot 试玩分享中,讨论了多个团队的相关产品,包括: 1. AI 秒学团队的儿童绘本故事生成:将新闻转化为绘本故事,结合李普村的 AI 会话和分镜,使用 ByteDance AI 画图。 2. Lux 珀尔团队的卡通头条:在海外版搜索新闻应用中,根据用户选择生成不同风格的图片。 3. 吴琪的 AI 工具:通过简单提问生成小朋友喜欢的图片。 4. 核心搭子团队的产品:帮助父母辟谣的 AI,可识别三种体裁,根据疑问生成对应回复并保存知识,有热情和冷淡回复两种模式。 5. 学以致用团队的产品:提供日本市场实时信息的工具。 6. 李小白聊天机器人:具备陪聊、诗句生成、新闻展示等功能。 7. 两款智能写作机器人:喵喵日报(从 100 条新闻中挑选 5 条科技咨询定时推送,可根据用户问题自动搜索和重新组稿)、芋头小宝(帮助用户列出文章框架、生成配图以及汇总新闻等)。
2025-02-18
生成式AI教育场景应用 项目式学习 中小学案例
以下是一些中小学在生成式 AI 教育场景应用中采用项目式学习的案例: 北京市新英才学校: 开设“AI 创作家”小学课后服务特色课程,12 个五、六年级的学生在老师的引导和帮助下,主导设计一款实用的桌游。 学生们提出解决学校面积大导致新生和访客迷路的问题,决定制作一款学校地图桌游。 课程中,学生有时听老师讲解人工智能知识和工具使用方法,有时自己写 prompt 与大语言模型对话,还使用文生图 AI 工具生成桌游卡牌背后的图案,手绘第一版学校地图,选择游戏机制并梳理游戏流程。 在教育领域,生成式 AI 带来了诸多改变: 解决了教育科技长期以来在有效性和规模之间的权衡问题,可大规模部署个性化学习计划,为每个用户提供“口袋里的老师”,如实时交流并给予发音或措辞反馈的语言老师。 出现了众多辅助学习的产品,如教授新概念、帮助学习者解决各学科问题、指导数学作业、提升写作水平、协助创建演示文稿等。
2025-02-18
小白怎样学习ai工具 熟练运用于工作生活
以下是为小白提供的学习 AI 工具并运用于工作生活的建议: 一、从菜鸟到达人的进阶之路 可以参考元子的进化史: 1. Day 1:懵懵懂懂,只会说“你好,帮我写个报告”。 2. Day 7:学会表达,比如“帮我写一份周报,重点说明项目进度”。 3. Day 14:熟练掌握,例如“我需要一份项目总结,包含数据分析和改进建议”。 4. Day 30:把常规 AI 工具都试过一遍,并选定自己要持续玩的方向,比如 AI Agent。 5. Day 60:组队参加 AI Agent 比赛并有幸得奖。 这里推荐一个社区小伙伴的 100 天 AI 之路,每天都有记载,大家可以感受一下进境: 元子的心得: 1. 不要怕问“笨”问题,但要多直接问 AI。 2. 解决一个小问题也是进步,不积跬步,无以至千里。 3. 多试多练才是王道,来社区共学,一群人走得更远。 4. 融入生活和工作才能持久,学完就用才是王道,不要纯靠意志力。 二、工作中的 AI 小帮手 1. 需要快速生成报告,AI 来帮忙。 2. 需要快速整理数据,AI 来处理。 3. 需要快速翻译文件,AI 来翻译。 4. 需要快速优化文案,AI 来优化。 三、参与制作 AI 动画短片的经验分享 在参与设计 AI 动画短片时,比如负责“刺猬菠萝”角色的图片和视频制作,即使没有相关经验,在他人指导下也能逐渐掌握基本技巧,并通过 MJ 和 RunWayAI 工具提高效率。 为了做好这件事,可以: 1. 利用 WaytoAGI 社群中的入门资料,快速了解动画制作的基本流程和技术。 2. 积极参与团队讨论,向有经验的大佬请教,多多参与「共创活动」,不仅能快速学习,还能收获伙伴。 四、AI 与生活 对于超出自己理解范围的事情,最简单的方法就是试一试。学习新东西,百闻不如一练。在面向父母的“AI 布道”活动中会发现,AI 工具虽强大,但与普通人之间存在一定距离。AI 是未来必然的方向,其科普还有很长的路要走,但尽可能简单地试用它,能让普通人更快受益。 如果想要跟元子交朋友、一起在 AI 路上探寻,欢迎戳这里:
2025-02-18
我现在在储能领域工作 ,我现在 可以用AI做什么支持我的工作和生活
在储能领域工作,您可以通过以下方式利用 AI 支持工作和生活: 工作方面: 优化储能系统的设计和运行:利用 AI 分析数据,优化设备参数模型搭建,提高储能系统的效率和稳定性。 物流和配送规划:借助 AI 优化储能设备的运输路线和配送计划,降低运输成本。 知识沉淀和体系文档优化:利用 AI 辅助整理和优化储能相关的技术手册、工艺问题分析等文档。 生产计划和排产:通过 AI 制定更合理的生产计划和排产方案。 生活方面: 教育学习:利用 AI 实现个性化学习,获取储能领域的专业知识。 创意启发:例如在艺术创作方面,像作画,可以将自己的构思与 AI 生成的创意相结合。 需要注意的是,在使用 AI 时要正确引导和合理运用,避免过度依赖。
2025-02-14
现在ai在生活中的作用
AI 在生活中的作用广泛且多样,以下是一些主要方面: 1. 医疗保健: 医学影像分析,辅助诊断疾病。 加速药物研发,识别潜在药物候选物和设计新治疗方法。 提供个性化医疗方案。 控制手术机器人,提高手术精度和安全性。 2. 金融服务: 识别和阻止欺诈行为,降低风险。 评估借款人信用风险,辅助贷款决策。 分析市场数据,辅助投资决策。 提供 24/7 客户服务,回答常见问题。 3. 零售和电子商务: 分析客户数据,推荐可能感兴趣的产品。 改善搜索结果,提供个性化购物体验。 根据市场需求动态调整产品价格。 提供聊天机器人服务,解决客户问题。 4. 制造业: 预测机器故障,避免停机。 检测产品缺陷,提高产品质量。 优化供应链,提高效率和降低成本。 控制工业机器人,提高生产效率。 5. 交通运输: 开发自动驾驶汽车,提高交通安全性和效率。 优化交通信号灯和交通流量,缓解拥堵。 优化物流路线和配送计划,降低运输成本。 实现无人机送货,将货物送达偏远地区。 6. 其他领域: 教育领域,提供个性化学习体验。 农业领域,分析农田数据,提高农作物产量和质量。 娱乐领域,开发虚拟现实和增强现实体验。 能源领域,优化能源使用,提高能源效率。 总之,AI 的应用场景还在不断扩展,未来将对我们的生活产生更加深远的影响。
2025-02-08
在日常生活和工作中怎么用好AI
在日常生活和工作中用好 AI 可以从以下几个方面入手: 应用场景: 1. 医疗保健: 医学影像分析,辅助诊断疾病。 药物研发,加速研发过程。 个性化医疗,提供个性化治疗方案。 机器人辅助手术,提高手术精度和安全性。 2. 金融服务: 风控和反欺诈,降低金融机构风险。 信用评估,辅助贷款决策。 投资分析,帮助投资者决策。 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,根据客户数据推荐感兴趣的产品。 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,回答客户问题和解决问题。 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: 学习方面: 1. 英语学习: 利用智能辅助工具(如 Grammarly)进行写作和语法纠错。 使用语音识别应用(如 Call Annie)练习口语和纠正发音。 借助自适应学习平台(如 Duolingo)获得个性化学习计划和内容。 与智能对话机器人(如 ChatGPT)进行会话练习和模拟对话。 2. 数学学习: 使用自适应学习系统(如 Khan Academy)获取个性化学习路径和练习题。 利用智能题库和作业辅助工具(如 Photomath)获取解答和解题步骤。 借助虚拟教学助手(如 Socratic)解答问题、获取教学视频和答疑服务。 参与交互式学习平台(如 Wolfram Alpha)的课程和实践项目进行数学建模和求解。 做事方面: 1. 写东西: 草拟初稿,如博客文章、论文、宣传材料等。 让写作变得更好,如要求改进内容、提供特定受众的建议、创建不同风格的草稿等。 帮助完成任务,如写邮件、创建销售模板、提供商业计划的下一步等。 解锁自己,在遇到困难挑战时借助 AI 保持动力。
2025-02-08
我想学习AI,但是不知道如何入门,希望你可以帮我梳理出AI的各个应用方向,要求要有具体的实操方法和必坑指南,能应用于生活和工作中,适合新手学习
以下是为您梳理的适合新手学习 AI 的应用方向、实操方法和避坑指南: 一、了解 AI 基本概念 1. 阅读「」部分,熟悉 AI 的术语和基础概念,包括人工智能的定义、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。 2. 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。 二、开始 AI 学习之旅 1. 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。 2. 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。 三、选择感兴趣的模块深入学习 1. 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。 2. 掌握提示词的技巧,它上手容易且很有用。 四、实践和尝试 1. 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。 2. 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。 五、体验 AI 产品 1. 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。 六、如果希望继续精进 1. AI 背景知识 基础理论:了解人工智能、机器学习、深度学习的定义及其之间的关系。 历史发展:简要回顾 AI 的发展历程和重要里程碑。 2. 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、矩阵等线性代数基本概念。 概率论:基础的概率论知识,如条件概率、贝叶斯定理。 3. 算法和模型 监督学习:了解常用算法,如线性回归、决策树、支持向量机(SVM)。 无监督学习:熟悉聚类、降维等算法。 强化学习:简介强化学习的基本概念。 4. 评估和调优 性能评估:了解如何评估模型性能,包括交叉验证、精确度、召回率等。 模型调优:学习如何使用网格搜索等技术优化模型参数。 5. 神经网络基础 网络结构:理解神经网络的基本结构,包括前馈网络、卷积神经网络(CNN)、循环神经网络(RNN)。 激活函数:了解常用的激活函数,如 ReLU、Sigmoid、Tanh。 避坑指南: 1. 不要急于求成,AI 学习需要逐步积累。 2. 注重理论与实践结合,避免只学习理论而不进行实际操作。 3. 对于复杂的概念和算法,要多花时间理解,不要一知半解。 4. 在选择学习资源时,要注意其质量和适用性。 请注意,以上内容由 AI 大模型生成,请仔细甄别。
2025-02-06
我是一个AI新手并且没有编程能力,如果我想要一个属于自己的AI智能体,并解决实际生活中的一些问题,请问有什教程吗?
以下是为您提供的创建属于自己的 AI 智能体的相关教程: 1. 扣子 Coze: 扣子官网: 可以通过简单 3 步创建智能体:首先起一个智能体的名称,然后写一段智能体的简单介绍,最后使用 AI 创建一个头像。开发完成后,还可以将自己构建的 Bot 发布到各种社交平台和通讯软件上。 2. 基于公开的大模型应用产品(如 Chat GLM、Chat GPT、Kimi 等): 点击“浏览 GPTs”按钮。 点击“Create”按钮创建自己的智能体。 使用自然语言对话进行具体设置或手工设置。 开始调试您的智能体并发布。 此外,智能体具有以下特点: 1. 强大的学习能力:能够通过大量的数据进行学习,从而获得对语言、图像等多种信息的理解和处理能力。 2. 灵活性:可以适应不同的任务和环境,表现出较高的灵活性和适应性。 3. 泛化能力:能够将学到的知识泛化到新的情境中,解决之前未见过的类似问题。 智能体应用类型包括: 1. 智能体应用(Assistant):基于上下文对话,自主决策并调用工具来完成复杂任务的对话式 AI 应用。示例场景如客户服务、个人助理、技术支持等。 2. 工作流应用(Workflow):将复杂任务拆解为若干子任务,以提高工作流程可控性的流程式 AI 应用。 3. 智能体编排应用:支持多智能体协作的流程式 AI 应用,能够编排多个智能体的执行逻辑,也可以使多个智能体自动规划和执行任务。
2025-01-11