如何在Mac上运行comfyUI

在 Mac 上部署 Stable Diffusion 存在一定限制，功能可能不全且出错率偏高，严重影响使用体验。个人建议升级设备或者采用云服务器玩耍。 如果您仍想在 Mac 上部署，可以参考以下步骤： 1. 电脑硬件要求： 系统：无明确针对 Mac 的特定系统要求。 显卡：未明确针对 Mac 的显卡要求。 硬盘：留有足够的空间，最低 100G 起步（包括模型）。 2. 环境安装： 未提供 Mac 系统下的具体环境安装步骤。 由于 Mac 系统的特殊性，更推荐您采用云端部署的方式，相关教程可参考：https://qa3dhma45mc.feishu.cn/wiki/A6WYw1Nm0ikGplkuO9Ecwomqnnd

Mac 有 Chat GPT 客户端，以下是相关信息： 下载地址： persistent.oaistatic.com/sidekick/public/ChatGPT_Desktop_public_latest.dmg 或者：https://waytoagi.feishu.cn/file/I58PbrukKoXYdVxEF0EcY9SXnBf 下载不了可以用百度云链接：https://pan.baidu.com/s/1jFZ5uBClqP0T1IOKQLW5HQ?pwd=hmbe 提取码：hmbe 或者：https://persistenNt.oaistatic.com/sidekick/public/ChatGPT_Desktop_public_latest.dmg 使用条件： 需要苹果芯片的 mac。 内测用户（非内测用户使用指南： ）。 macOS 12.6.8 M1 芯片不兼容，系统版本 MacOS 14 及以上。 提前下载使用 ChatGPT Mac 桌面客户端的办法（需要有 ChatGPT 付费账号，以及网络技术基础）： 以 ProxyMan 为例： 登录一次以触发 API 调用。 对 ChatGPT 的 App 启用 SSL 代理（需要配置好 ProxyMan 证书）。 再登录一次以触发 API 调用。 然后右键点击 ab.chatgpt.com/v1/initialize 选择本地映射，并将所有的 false 替换为 true。 再尝试一次，你就应该能顺利登录了。 详细版图文教程：

很抱歉，目前知识库中没有关于“MacBook 如何做一些 AIGC 软件布置”的相关内容。但一般来说，您可以通过以下步骤尝试在 MacBook 上进行 AIGC 软件的布置： 1. 确定您想要安装的 AIGC 软件，并在其官方网站上查找适用于 macOS 系统的版本。 2. 检查您的 MacBook 系统版本是否满足软件的要求，如果不满足，可能需要进行系统更新。 3. 下载软件安装包，通常可以在官方网站上找到下载链接。 4. 打开下载的安装包，按照安装向导的指示进行操作，可能需要您同意许可协议、选择安装位置等。 5. 安装完成后，在应用程序文件夹中找到并打开该软件，进行必要的设置和配置。 请注意，不同的 AIGC 软件可能会有略微不同的安装和配置步骤，具体还需根据您选择的软件来操作。

Stable Diffusion（简称“SD”）的运行对电脑配置有一定要求。对于 Windows 系统： 显卡：必须是 NVIDIA（俗称 N 卡）。 专用 GPU 内存：4GB 勉强可以跑动 SD，出图时间较长；6GB 出一张图时间为 20 50 秒，大部分功能可用；8GB 5 20 秒出一张图，所有功能基本开放。 电脑运行内存：8GB 以上。 电脑系统：Win10 或者 Win11。 对于 Mac 系统，可以查看以下视频进行一键安装：https://www.bilibili.com/video/BV1Kh4y1W7Vg/?spm_id_from=333.788&vd_source=6f836e2ab17b1bdb4fc5ea98f38df761 但具体 MacBook 13 是否能运行及配置是否足够，还需根据上述标准进行对照检查。

以下是在 Mac 上使用 Chat GPT 的方法： 1. 下载地址： persistent.oaistatic.com/sidekick/public/ChatGPT_Desktop_public_latest.dmg 下载不了可以用百度云链接：https://pan.baidu.com/s/1jFZ5uBClqP0T1IOKQLW5HQ?pwd=hmbe 提取码：hmbe 或者：https://persistenNt.oaistatic.com/sidekick/public/ChatGPT_Desktop_public_latest.dmg 2. 使用条件： 需要苹果芯片的 mac 内测用户（非内测用户使用指南： ） macOS 12.6.8 M1 芯片不兼容，系统版本 MacOS 14 及以上 3. 操作步骤（需要有 ChatGPT 付费账号，以及网络技术基础）： 使用 Proxyman、Charles 或您喜欢的网络代理来进行以下操作：以 ProxyMan 为例 登录一次以触发 API 调用 对 ChatGPT 的 App 启用 SSL 代理（需要配置好 ProxyMan 证书） 再登录一次以触发 API 调用 然后右键点击 ab.chatgpt.com/v1/initialize 选择本地映射，并将所有的 false 替换为 true 再尝试一次，您就应该能顺利登录了 详细版图文教程： 官方介绍：https://openai.com/index/hellogpt4o/ 如何访问 GPT4、GPT4 Turbo 和 GPT4o？https://help.openai.com/en/articles/7102672howcaniaccessgpt4gpt4turboandgpt4o Sam 的博文：https://blog.samaltman.com/gpt4o 音频主管 Alexis Conneau：https://twitter.com/alex_conneau

对于 MAC 电脑安装 Stable Diffusion（SD），推荐云端部署，相关链接为：https://qa3dhma45mc.feishu.cn/wiki/A6WYw1Nm0ikGplkuO9Ecwomqnnd 。 如果您选择本地部署，以下是一些相关步骤供您参考： 1. 进入安装页面，等待安装好。 2. 勾选如下项目，要确保包含 Python 和 C++包。 3. 更改到您想要安装的位置，然后点击右下角的安装就行。 4. 安装时间比较长，要耐心等待。 5. 安装好之后，打开 SD 文件目录下的这个文件夹。 6. 在地址栏输入“cmd”，然后回车。 7. 在打开的 dos 界面里面，将这行代码“python m pip install insightface==0.7.3 user”粘贴进来，就会自动开始安装 insightface。 8. 如果这个阶段出现错误，建议去下载使用最新的秋叶 4.2 整合包（6 月 23 号更新），下载包已更新到云盘里，后台回复【SD】就可以下载。 9. 安装完成后，重新打开我们的启动器，后台会继续下载一些模型，此时一定要保证全程科学上网。 另外，对于电脑配置能支持 SD 运行的朋友，也可以使用 B 站秋叶分享的整合包进行本地部署，具体步骤如下： 1. 打开链接 https://pan.baidu.com/s/1hY8CKbYRAj9RrFGmswdNiA?pwd=caru 下载《1.整合包安装》，存放到电脑本地。 2. 打开保存到电脑里的文件夹。 3. 打开文件夹《1.秋叶整合包主包》——鼠标右击文件——点击“解压文件”。 4. 选择解压到 D 盘或者 E 盘，小心 C 盘被占满！点击确定。 5. 解压完成后，来到第二个文件夹，双击里面的文件点击安装。 6. 打开刚刚解压保存的 SD 的根目录，找到启动器，鼠标右击启动器——点击“发送到”——桌面快捷方式。这样下次进入就可以直接在桌面双击进入，不用每次都到文件夹里面找啦！ 7. 双击启动器，等待更新，接着点击左边第二个“高级选项”。 8. 在显存优化里，根据自己电脑的显存选择（就是上面查看的专用 GPU 内存），自己电脑是多少就选多少。 9. 回到第一个一键启动，点击右下角的一键启动。

ComfyUI 是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI，以下是关于它的详细介绍： 简介：可以想象成集成了 stable diffusion 功能的 substance designer，通过将 stable diffusion 的流程拆分成节点，实现更精准的工作流定制和完善的可复现性。 优劣势： 优势： 对显存要求相对较低，启动速度快，出图速度快。 具有更高的生成自由度。 可以和 webui 共享环境和模型。 可以搭建自己的工作流程，可以导出流程并分享给别人，报错时能清晰发现错误所在步骤。 生成的图片拖进后会还原整个工作流程，模型也会选择好。 劣势： 操作门槛高，需要有清晰的逻辑。 生态没有 webui 多（常用的都有），但也有一些针对 Comfyui 开发的有趣插件。 官方链接：从 github 上下载作者部署好环境和依赖的整合包，按照官方文档安装即可：https://github.com/comfyanonymous/ComfyUI 安装部署： 电脑硬件要求： 系统：Windows7 以上。 显卡要求：NVDIA 独立显卡且显存至少 4G 起步。 硬盘留有足够的空间，最低 100G 起步（包括模型）。 注：mac 系统，AMD 显卡，低显卡的情况也可以安装使用，但功能不全，出错率偏高，严重影响使用体验，个人建议升级设备或者采用云服务器玩耍。 下载并安装所需要环境： 依次下载并安装 python、Git、VSCode，安装过程中一直点击勾选对应选项，一直下一步。 安装 Python：https://www.python.org/downloads/release/python3119/ ，安装时选中“将 Python 添加到系统变量”。 安装 VSCode：https://code.visualstudio.com/Download 。 安装 Git：https://gitscm.com/download/win 。 安装 CUDA：https://developer.nvidia.com/cuda1220downloadarchive?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_network 。 安装步骤： 地址：https://github.com/comfyanonymous/ComfyUI ，可以下载安装包也可以直接 Git clone https://github.com/comfyanonymous/ComfyUI.git ，或者下载安装包 file:ComfyUI.zip ，https://github.com/comfyanonymous/ComfyUI ，下载安装包或者点击链接下载并解压至本地除 C 盘外的任意盘。然后找到文件名称为 run_nvidia_gpu 的文件双击并启动。启动完成即进入基础界面。 节点存放目录：comfyUI 的节点包括后面安装的拓展节点都存放在本目录下 D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\custom_nodes 。 模型存放目录： 大模型：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\checkpoints 。 Lora：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\loras 。 Vae：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\vae 。 模型共用：已经安装了 SDWebUI 的同学可以通过修改文件路径和 WebUI 共用一套模型即可，这样就不用重复下载模型了。找到已安装好的 ComfyUI 目录文件下的 extra_model_paths.yaml.example 文件，将后缀.example 删除，然后右键用记事本打开。 快捷键：暂未提及。

以下是关于 comfyui 做视频的相关信息： 一些人员在相关领域的情况： 德方：18600081286，从事设计、建模、绘图、效果图、视频工作。 谌峰：13925911177，从事视频，人物，室内设计工作。 陈铭生：18861511571，利用 comfyUI 做 AI 视频，掌握 comfy 工作流设计，给一些公司定制 comfy 流程。 郑路：18868755172，进行出图、短视频创作。 塵：从事绘图与视频工作。 阿牛：13720121256，掌握 comfy 工作流。 Stable Video Diffusion 模型核心内容与部署实战中 ComfyUI 部署实战的相关步骤： 运行 ComfyUI 并加载工作流。在命令行终端操作，在浏览器输入相应地址，出现界面。默认的 ComfyUI 版本存在一些问题，需安装 ComfyUI Manager 插件。再次运行 python main.py 出现 Manager 菜单，可跑文生视频的工作流。工作流可从指定途径获取，使用 ComfyUI 菜单的 load 功能加载，点击菜单栏「Queue Prompt」开始视频生成，通过工作流上的绿色框查看运行进度，在 ComfyUI 目录下的 output 文件夹查看生成好的视频。若生成视频时出现显存溢出问题，有相应解决办法。 关于 ComfyUI 的介绍：现在甚至可以生成视频等，包括写真、表情包、换脸、换装等，只需要一个工作流一键完成，后续会一一讲解介绍如何使用。如何启动搭建 Comfyui 界面的部分简单带过。

以下是为您提供的 ComfyUI 教程相关信息： 有几个网站提供了关于 ComfyUI 的学习教程： ComfyUI 官方文档：提供了使用手册和安装指南，适合初学者和有经验的用户。网址：https://www.comfyuidoc.com/zh/ 优设网：提供了详细的入门教程，适合初学者，介绍了特点、安装方法及生成图像等内容。网址：https://www.uisdc.com/comfyui3 知乎：有用户分享了部署教程和使用说明，适合有一定基础并希望进一步了解的用户。网址：https://zhuanlan.zhihu.com/p/662041596 Bilibili：提供了从新手入门到精通各个阶段的系列视频教程。网址：https://www.bilibili.com/video/BV14r4y1d7r8/ 全面的 ComfyUI 教程：https://www.comflowy.com/zhCN 超有意思的 ComfyUI 教程：https://comfyanonymous.github.io/ComfyUI_tutorial_vn/ 此外，ComfyUI 基础教程中关于 KSampler 的部分： KSampler 即采样器，包含以下参数： seed：随机种子，用于控制潜空间的初始噪声，若要重复生成相同图片，需种子和 Prompt 相同。 control_after_generate：设置每次生成完图片后 seed 数字的变化规则，有 randomize（随机）、increment（递增 1）、decrement（递减 1）、fixed（固定）。 step：采样的步数，一般步数越大效果越好，但与使用的模型和采样器有关。 cfg：一般设置为 6 8 之间较好。 sampler_name：可设置采样器算法。 scheduler：控制每个步骤中去噪的过程，可选择不同的调度算法。 denoise：表示要增加的初始噪声，文生图一般默认设置成 1。 内容由 AI 大模型生成，请仔细甄别。

ComfyUI 是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI，以下是关于它的详细介绍： 简介：可以想象成集成了 stable diffusion 功能的 substance designer，通过将 stable diffusion 的流程拆分成节点，实现更精准的工作流定制和完善的可复现性。 优劣势： 优势： 对显存要求相对较低，启动速度快，出图速度快。 具有更高的生成自由度。 可以和 webui 共享环境和模型。 可以搭建自己的工作流程，可以导出流程并分享给别人，报错时能清晰发现错误所在步骤。 生成的图片拖进后会还原整个工作流程，模型也会选择好。 劣势： 操作门槛高，需要有清晰的逻辑。 生态没有 webui 多（常用的都有），但也有一些针对 Comfyui 开发的有趣插件。 官方链接：从 github 上下载作者部署好环境和依赖的整合包，按照官方文档安装即可：https://github.com/comfyanonymous/ComfyUI 安装部署： 电脑硬件要求： 系统：Windows7 以上。 显卡要求：NVDIA 独立显卡且显存至少 4G 起步。 硬盘留有足够的空间，最低 100G 起步（包括模型）。 注：mac 系统，AMD 显卡，低显卡的情况也可以安装使用，但功能不全，出错率偏高，严重影响使用体验，个人建议升级设备或者采用云服务器玩耍。 下载并安装所需要环境： 依次下载并安装 python、Git、VSCode，安装过程中一直点击勾选对应选项，一直下一步。 安装 Python：https://www.python.org/downloads/release/python3119/ ，安装时选中“将 Python 添加到系统变量”。 安装 VSCode：https://code.visualstudio.com/Download 。 安装 Git：https://gitscm.com/download/win 。 安装 CUDA：https://developer.nvidia.com/cuda1220downloadarchive?target_os=Windows&target_arch=x86_64&target_version=11&target_type=exe_network 。 安装步骤： 地址：https://github.com/comfyanonymous/ComfyUI ，可以下载安装包也可以直接 Git clone https://github.com/comfyanonymous/ComfyUI.git ，或者下载安装包 file:ComfyUI.zip ，https://github.com/comfyanonymous/ComfyUI ，下载安装包或者点击链接下载并解压至本地除 C 盘外的任意盘。然后找到文件名称为 run_nvidia_gpu 的文件双击并启动。启动完成即进入基础界面。 节点存放目录：comfyUI 的节点包括后面安装的拓展节点都存放在本目录下 D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\custom_nodes 。 模型存放目录： 大模型：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\checkpoints 。 Lora：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\loras 。 Vae：D:\\COMFYUI\\ComfyUI_windows_portable\\ComfyUI\\models\\vae 。 模型共用：已经安装了 SDWebUI 的同学可以通过修改文件路径和 WebUI 共用一套模型即可，这样就不用重复下载模型了。找到已安装好的 ComfyUI 目录文件下的 extra_model_paths.yaml.example 文件，将后缀.example 删除，然后右键用记事本打开。

ComfyUI 是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI，您可以将其视为集成了 stable diffusion 功能的 substance designer。通过把 stable diffusion 的流程拆分成节点，实现了更精准的工作流定制和良好的可复现性。 其具有以下优劣势： 优势： 1. 对显存要求相对较低，启动速度快，出图速度快。 2. 具有更高的生成自由度。 3. 可以和 webui 共享环境和模型。 4. 可以搭建自己的工作流程，可以导出流程并分享给别人，报错时能清晰发现错误所在步骤。 5. 生成的图片拖进后会还原整个工作流程，模型也会选择好。 劣势： 1. 操作门槛高，需要有清晰的逻辑。 2. 生态没有 webui 多（但常用的都有），也有一些针对 Comfyui 开发的有趣插件。 ComfyUI 是一个开源的图形用户界面，主要基于 Stable Diffusion 等扩散模型。其工作原理包括： 1. Pixel Space（像素空间）：图的左边表示输入图像的像素空间，在 ComfyUI 中，对应于可能通过“图像输入”模块或直接从文本提示生成的随机噪声图像。生成过程结束时，系统会将处理后的潜在表示转换回像素空间，生成最终的图像。 2. Latent Space（潜在空间）：ComfyUI 中的许多操作都在潜在空间中进行，如 KSampler 节点就是在这个空间中执行采样过程。图像被映射到潜在空间后，扩散过程在这个空间中进行。在 ComfyUI 中，您可以通过节点调整对潜在空间的操作，如噪声添加、去噪步数等。 3. 扩散过程（Diffusion Process）：噪声的生成和逐步还原。扩散过程表示从噪声生成图像的过程。在 ComfyUI 中，通常通过调度器（Schedulers）控制，典型的调度器有 Normal、Karras 等，它们会根据不同的采样策略逐步将噪声还原为图像。您可以通过 ComfyUI 中的“采样器”节点选择不同的调度器，来控制如何在潜在空间中处理噪声，以及如何逐步去噪回归到最终图像。时间步数：在生成图像时，扩散模型会进行多个去噪步。 您可以从 github 上下载作者部署好环境和依赖的整合包，按照官方文档安装即可，官方链接为：https://github.com/comfyanonymous/ComfyUI 。 此外，开源项目作者 ailm 在 ComfyUI 上搭建了一个可以接入飞书的 AI 女友麦洛薇（mylover），实现了稳定人设，无限上下文，永久记忆，无缝联动 SD 绘图等功能，适合完全没有代码基础的小伙伴们复现并且按自己的想法修改。

ComfyUI 的工作流是其核心部分，指的是节点结构及数据流运转过程。以下为您介绍一些相关内容： 推荐工作流网站： “老牌” workflow 网站 Openart.ai：https://openart.ai/workflows/ 。流量较高，支持上传、下载、在线生成，免费账户有 50 个积分，加入 Discord 可再加 100 积分，开通最低每月 6 美元的套餐后，每月有 5000 积分。 ComfyWorkflows 网站：https://comfyworkflows.com/cloud 。支持在线运行工作流，从实际下载量和访问量来看，略少于 openart。 Flowt.ai：https://flowt.ai/community 工作流设计方面： ComfyUI 将开源绘画模型 Stable Diffusion 进行工作流化操作，用户在流程编辑器中配置 pipeline，通过节点和连线完成模型操作和图片生成，提高流程可复用性，降低时间成本，其 DSL 配置文件支持导出导入。 Dify.AI 的工作流设计语言与 ComfyUI 有相似之处，都定义了标准化的 DSL 语言，方便导入导出复用工作流。 模仿式工作流是一种快速学习方法，Large Action Model 采用“通过演示进行模仿”的技术，从用户示例中学习。 但 Agentic Workflow 存在使用用户较少、在复杂流程开发上不够稳定可靠等问题。 动画工作流示例： ：https://bytedance.feishu.cn/space/api/box/stream/download/all/GCSQbdL1oolBiUxV0lRcjJeznYe?allow_redirect=1 ：https://bytedance.feishu.cn/space/api/box/stream/download/all/LcYfbgXb4oZaTCxWMnacJuvbnJf?allow_redirect=1 ：https://bytedance.feishu.cn/space/api/box/stream/download/all/WGdJbouveo6b9Pxg3y8cZpXQnDg?allow_redirect=1 ：https://bytedance.feishu.cn/space/api/box/stream/download/all/KZjObxCpSoF1WuxQ2lccu9oinVb?allow_redirect=1 ：https://bytedance.feishu.cn/space/api/box/stream/download/all/EVdUbp7kvojwH4xJEJ3cuEp0nPv?allow_redirect=1 ：https://bytedance.feishu.cn/space/api/box/stream/download/all/TnwFbAx3FoU617x8iabcOSYcnXe?allow_redirect=1 ：https://bytedance.feishu.cn/space/api/box/stream/download/all/TWwCbnVOtoyMpyxpGBqcUECLnNc?allow_redirect=1

本地运行 Llama3 所需电脑配置的相关信息如下： 1. 安装 Docker Desktop： 点击/复制到浏览器下载：https://docs.docker.com/desktop/install/windowsinstall/ 。 下载后，双击下载项目，出现相关界面点击 ok 开始加载文件。注意下载相对较快，完成后不要点击“close and restart”，以免导致 llama3 下载中断。等待终端的模型下载完成后再点击重启。 重启后，点击“Accept”，选择第一个，点击“Finish”。 然后会提示注册账号，若打不开网页，可能需要科学上网。按照正常流程注册账号并登录 Docker 即可。 2. 下载 Llama3 模型： 打开终端。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，粘贴进入并回车，会开始自动下载，文件下载较慢，可同时进行安装 Docker 的步骤。 3. 下载 Open WebUI： 回到桌面，再打开一个新的终端窗口。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。 将相关命令输入，等待下载。 点击或复制相关地址进入浏览器，进行注册登录。 登入后，点击顶部的 Model，选择“llama3:8b”。 需要注意的是，模型的回复速度取决于您电脑的配置。另外，您还可以参考开源项目 。同时，有教程提到可以通过购买算力解决本地电脑配置不够的问题，但需要充值 50 元。

在 Coze 中，可以通过以下步骤实现相关操作： 1. 进入 Coze，点击「个人空间 工作流 创建工作流」，打开创建工作流的弹窗。 2. 根据弹窗要求，自定义工作流信息，点击确认完成工作流的新建。 3. 新建后的编辑视图与功能中，左侧「选择节点」模块根据子任务需要，实际用到的有： 插件：提供一系列能力工具，拓展 Agent 的能力边界。如本案例中的思维导图、英文音频，无法通过 LLM 生成，需依赖插件实现。 大模型：调用 LLM，实现各项文本内容的生成。如本案例中的中文翻译、英文大纲、单词注释等依赖大模型节点。 代码：支持编写简单的 Python、JS 脚本，对数据进行处理。 4. 编辑面板中的开始节点、结束节点，分别对应分解子任务流程图中的原文输入和结果输出环节。 5. 按照流程图，在编辑面板中拖入对应的 LLM 大模型、插件、代码节点，即可完成工作流框架的搭建。 需要注意的是，因为前面需要对多维表格操作，所以要先在 http://open.feishu.cn 上建一个飞书机器人，并添加知识库或多维表格编辑权限，具体可参考飞书文档。

以下是在手机上运行 AI 模型的方法： 1. AnLinux 安装：AnLinux 是一个能让安卓手机或平板电脑变身为小型 Linux 电脑的工具，有条件可自行下载 termux，软件地址为 https://github.com/EXALAB/AnLinuxApp，也可选择安装包自行安装，如 file:apprelease.apk 。 2. termux 安装：termux 是一款基于 Android 平台的开源终端模拟器，可使用手机操作相关命令以跑通大模型。有条件可自行下载，软件地址 https://termux.dev/en/ ，也可选择安装包自行安装，如 file:termuxapp_v0.118.0+githubdebug_arm64v8a.apk 。 此外，Phi3mini 是微软发布的一个小语言模型，有 38 亿参数，能在端侧流畅运行。可以使用开源工具 Ollama，从官网下载安装包后一路点下一步进行安装。之后打开终端，运行“ollama run phi3”系统就会自动下载 Phi3 并安装。还可以通过套一层 Web UI 解决终端里给出答案无法格式化 markdown 的内容，如开源社区的 Open WebUI 就可以与 Ollama 无缝集成。相关链接：Ollama.https://ollama.com Open WebUI.https://github.com/openwebui/openwebui 。 更多报道介绍： 微软发布 Phi3，性能超 Llama3，可手机端运行 https://mp.weixin.qq.com/s/kb_gfaYkXiW_cR22K2bX9g 微软发布 Phi3 Mini：3.8B 参数小到能塞进手机，性能媲美 GPT3.5 https://mp.weixin.qq.com/s/lfDqYBLTaZ5D4IUW18NJQ 微软的 SLMs 之路：对 Phi3 的看法&使用体验 https://mp.weixin.qq.com/s/wnAeBG5AYPCkpMNtlF1IQ Phi3：小模型，大未来！（附魔搭社区推理、微调实战教程） https://mp.weixin.qq.com/s/pgvt5m4JnpX3kCkVI_wK8g 大语言模型的深度比较：Mixtral 8x22B、Llama 3 与 Phi3 https://mp.weixin.qq.com/s/KiXKc_Xbs5g0XMhF96ICEA 在 Macbook 上运行 Phi3 https://mp.weixin.qq.com/s/akoUNFJe8gAlC5xLI8vlIw

AI 的基本运行逻辑包括以下方面： 大模型与语音技能 NLU 的差异：语音技能 NLU 是通过一系列规则、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形成，运作逻辑难以观测，脱离了 ifelse 的层面。 工作流中的应用： 代码相关：让大模型写代码，可将其输出的代码片段再输入回去让其检查准确性和结构规范性，若有两个 Agent 分别负责 Coding 和 Code Review，效果更佳。 工具利用：如 Kimi Chat 会在互联网上检索相关内容，基于检索结果总结分析并给出结论，其他工具为大模型在获取、处理、呈现信息上做额外补充。 任务规划：Agent 通过自行规划任务执行的工作流路径，面向简单或线性流程运行，例如先识别姿势，再利用相关模型合成新图像，最后进行语音合成输出等。

AI 的基本运行逻辑主要体现在以下两个方面： 1. 在自然语言处理（NLU）方面，传统的语音技能 NLU 是通过一系列规则、分词策略等训练而成的产物，其运作逻辑规律都是可观测的，具有 ifelse 式的逻辑性。而大模型则是凭借海量的数据，在向量空间中学习知识的关联性从而形成的，其运作逻辑难以观测，已然脱离了 ifelse 的层面。 2. 在视频制作方面，例如在制作片头时，需要先确定镜头想法，如视线聚焦到中心的圆形细胞并保持固定以方便后续画面转场，可能会对单张 AI 图生视频进行分图层处理，并叠加多个画面来丰富画面。 此外，在 AI 监管方面，需要确定一系列支持监管一致性和监管者的功能，如建立中央监测和评估框架，收集相关数据，支持监管者进行内部监测和评估等，以实现创新的监管方式。监测和评估需要集中进行，以确定整体框架是否符合目标，是否以支持创新、清晰、适度、适应性强、值得信赖和协作的方式运行，并建立反馈回路以衡量框架的有效性。