如何做好中国市场的知识库可以让ai学习并给出详细的三年计划

以下为您推荐一些 AI 图片生成相关的软件： 1. 海报生成工具： Canva（可画）：https://www.canva.cn/ ，是一个受欢迎的在线设计工具，提供大量模板和设计元素，AI 功能可辅助选色和字体样式，通过简单拖放操作创建海报。 稿定设计：https://www.gaoding.com/ ，智能设计工具，采用先进人工智能技术，自动分析生成设计方案，稍作调整即可完成设计。 VistaCreate：https://create.vista.com/ ，简单易用的设计平台，提供大量设计模板和元素，可用 AI 工具创建个性化海报，智能建议功能可助用户找合适元素。 Microsoft Designer：https://designer.microsoft.com/ ，通过简单拖放界面，能快速创建演示文稿、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。 2. 图生图产品： Artguru AI Art Generator：在线平台，生成逼真图像，为设计师提供灵感，丰富创作过程。 Retrato：AI 工具，将图片转换为非凡肖像，有 500 多种风格选择，适合制作个性头像。 Stable Diffusion Reimagine：新型 AI 工具，通过稳定扩散算法生成精细、具细节的全新视觉作品。 Barbie Selfie Generator：专为喜欢梦幻童话风格的人设计的 AI 工具，将上传照片转换为芭比风格，效果好。 3. 图片生成 3D 建模工具： Tripo AI：VAST 发布的在线 3D 建模平台，能利用文本或图像在几秒钟内生成高质量且可立即使用的 3D 模型，基于数十亿参数级别的 3D 大模型，实现快速 2D 到 3D 转换，提供 AI 驱动的精准度和细节。 Meshy：功能全面，支持文本生成 3D、图片生成 3D 以及 AI 材质生成，用户上传图片并描述材质和风格可生成高质量 3D 模型。 CSM AI：Common Sense Machines 支持从视频和图像创建 3D 模型，Realtime Sketch to 3D 功能支持通过手绘草图实时设计 3D 形象再转换为 3D 模型。 Sudo AI：支持通过文本和图像生成 3D 模型，适用于游戏领域模型生成，用户上传图片或输入文本提示词生成 3D 模型。 VoxCraft：生数科技推出的免费 3D 模型生成工具，能将图像或文本快速转换成 3D 模型，提供图像到 3D、文本到 3D 和文本到纹理等多种功能。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

AI 是一门令人兴奋的科学，它研究如何使计算机表现出智能行为，例如做一些人类所擅长的事情。 对于 AI 的理解，对于不具备理工科背景的文科生来说可能较困难，可将其当成一个黑箱，只需要知道它是某种能模仿人类思维、理解自然语言并输出自然语言的东西即可。其生态位是一种似人而非人的存在，即便技术再进步，这一生态位也不会改变。 从任务角度看，对于像“根据照片判断一个人的年龄”这类无法明确编程的任务，因为我们不清楚大脑完成此任务的具体步骤，所以无法编写明确程序让计算机完成，而这类任务正是 AI 所感兴趣的。 在应用方面，AI 健身是利用人工智能技术辅助或改善健身训练和健康管理的方法，能根据用户情况提供定制化训练计划和建议。例如 Keep、Fiture、Fitness AI、Planfit 等都是不错的 AI 健身工具。

以下为您推荐一些免费的 AI 写摘要软件： Bing（https://www.bing.com/search?q=Bing+AI&showconv=1&FORM=hpcodx） Claude 2（https://claude.ai/） 此外，还有一些在其他写作方面表现出色的 AI 工具： 简历写作： Kickresume 的 AI 简历写作器：使用 OpenAI 的 GPT4 语言模型自动生成简历，包括摘要、工作经验和教育等专业部分，并保持一致语调。 Rezi：受到超过 200 万用户信任的领先 AI 简历构建平台，能自动化创建简历的各个方面。 Huntr 的 AI 简历构建器：提供免费简历模板，以及 AI 生成的总结、技能、成就生成器和工作匹配。更多 AI 简历产品可查看：https://www.waytoagi.com/category/79 论文写作： 文献管理和搜索：Zotero 可自动提取文献信息；Semantic Scholar 是 AI 驱动的学术搜索引擎，提供文献推荐和引用分析。 内容生成和辅助写作：Grammarly 提供文本校对、语法修正和写作风格建议；Quillbot 可重写和摘要，优化内容。 研究和数据分析：Google Colab 支持 AI 和机器学习研究，便于数据分析和可视化；Knitro 用于数学建模和优化。 论文结构和格式：LaTeX 结合自动化和模板处理格式和数学公式；Overleaf 是在线 LaTeX 编辑器，提供模板库和协作功能。 研究伦理和抄袭检测：Turnitin 和 Crossref Similarity Check 检测抄袭，确保原创性。 需要注意的是，这些内容由 AI 大模型生成，请仔细甄别。

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。

Token 在 AI 中，就像人类语言有最小的字词单元，大模型也有自己的语言体系，其中的最小单元被称为 Token。 在将人类发送的文本传递给大模型时，大模型会先把文本转换为自己的语言，推理生成答案后再翻译为人类能看懂的语言输出。不同厂商的大模型对中文的文本切分方法不同，通常情况下，1 Token 约等于 1 2 个汉字。 对于英文文本，1 个 Token 大约相当于 4 个字符或 0.75 个单词。Token 可以是单词，也可以是字符块，例如单词“hamburger”被分解成“ham”“bur”和“ger”，而很短且常见的单词像“pear”是一个 Token。 大模型的收费计算方法以及对输入输出长度的限制，都是以 Token 为单位计量的。

以下是关于培养 AI 技能的建议： 对于中学生： 1. 从编程语言入手学习：可以选择 Python、JavaScript 等编程语言，学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习奠定基础。 2. 尝试使用 AI 工具和平台：例如 ChatGPT、Midjourney 等生成工具，以及百度的“文心智能体平台”、Coze 智能体平台等面向中学生的教育平台，体验 AI 的应用场景。 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，以及其在教育、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：关注权威媒体和学者，了解最新进展，培养对 AI 的思考和判断能力。 对于新手： 1. 了解 AI 基本概念：阅读「」部分，熟悉术语和基础概念，包括主要分支及它们之间的联系，浏览入门文章了解历史、应用和发展趋势。 2. 开始 AI 学习之旅：在「」中找到为初学者设计的课程，如李宏毅老师的课程，通过在线教育平台（Coursera、edX、Udacity）按自己节奏学习并获取证书。 3. 选择感兴趣的模块深入学习：AI 领域广泛，可根据兴趣选择特定模块（如图像、音乐、视频等）深入学习，掌握提示词技巧。 4. 实践和尝试：理论学习后通过实践巩固知识，尝试使用各种产品并分享实践成果。 5. 体验 AI 产品：与 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人互动，了解工作原理和交互方式，获得实际应用体验。 总之，无论是中学生还是新手，都可以从多个方面入手，全面系统地学习 AI 知识和技能。

以下是组建自己本地知识库的详细步骤： 一、了解 RAG 技术 因为利用大模型的能力搭建知识库本身就是一个 RAG 技术的应用，所以在进行本地知识库的搭建实操之前，需要先对 RAG 有大概的了解。 RAG 是指检索增强生成（Retrieval Augmented Generation）。当需要依靠不包含在大模型训练集中的数据时，通过检索外部数据，然后在生成步骤中将这些数据传递给 LLM。 RAG 应用可抽象为以下 5 个过程： 1. 文档加载（Document Loading）：从多种不同来源加载文档，如 PDF 等非结构化数据、SQL 等结构化数据以及 Python、Java 之类的代码等。 2. 文本分割（Splitting）：把 Documents 切分为指定大小的块，称为“文档块”或“文档片”。 3. 存储： 将切分好的文档块进行嵌入（Embedding）转换成向量的形式。 将 Embedding 后的向量数据存储到向量数据库。 4. 检索：通过某种检索算法找到与输入问题相似的嵌入片。 5. Output（输出）：把问题以及检索出来的嵌入片一起提交给 LLM，LLM 会通过问题和检索出来的提示一起生成更加合理的答案。 二、通过 Open WebUI 使用大模型 1. 首先访问相关网址。打开页面时，使用邮箱注册账号。 2. 登陆成功后，Open WebUI 一般有两种使用方式： 聊天对话。 RAG 能力，即让模型根据文档内容回答问题，这是构建知识库的基础之一。 三、本地知识库进阶 如果想要对知识库进行更加灵活的掌控，需要一个额外的软件：AnythingLLM。这个软件包含了所有 Open WebUI 的能力，并且额外支持了以下能力： 1. 选择文本嵌入模型。 2. 选择向量数据库。 安装地址：https://useanything.com/download 。安装完成后，会进入到其配置页面，主要分为三步： 1. 第一步：选择大模型。 2. 第二步：选择文本嵌入模型。 3. 第三步：选择向量数据库。 构建本地知识库： 1. 在 AnythingLLM 中创建自己独有的 Workspace 跟其他的项目数据进行隔离。 2. 首先创建一个工作空间。 3. 上传文档并且在工作空间中进行文本嵌入。 4. 选择对话模式。AnythingLLM 提供了两种对话模式： Chat 模式：大模型会根据自己的训练数据和上传的文档数据综合给出答案。 Query 模式：大模型仅仅会依靠文档中的数据给出答案。 5. 测试对话。当上述配置完成之后，就可以跟大模型进行对话了。 最后，送给大家一句话：看十遍不如实操一遍，实操十遍不如分享一遍。如果对 AI Agent 技术感兴趣，可以联系作者或者加免费知识星球（备注 AGI 知识库）。

将传统知识库通过 LLM 能力转化为更智能和精细化的知识库是一个复杂但可行的过程，以下是一些关键步骤和方法： 1. 数据预处理：对传统知识库中的内容进行清理、格式化和标准化，确保数据的质量和一致性。 2. 内容分段：根据主题和逻辑结构，将长篇的知识内容合理分段，使信息更易于理解和处理。 3. 提取关键信息：从文本中提取重要的概念、实体和关系，为后续的问答和总结做准备。 4. 构建 QA 问答对：分析知识库中的内容，设计有针对性的问题和准确的答案，形成问答对，以方便用户快速获取所需信息。 5. 图片解析描述：对于包含图片的内容，使用图像识别技术提取关键元素，并进行详细的描述和解释。 6. 总结归纳：对分段后的内容进行总结，提炼核心要点，帮助用户快速了解主要内容。 在实施过程中，需要不断优化和调整方法，以确保转化后的知识库能够满足用户的需求，提供更高效和准确的服务。

以下是关于知识库的能力和知识的介绍： 1. 扣子的知识库功能强大，能够上传和存储外部知识内容，提供多种查找知识的方法。它可以解决大模型有时出现的幻觉或某些专业领域知识不足的问题，让回复更准确。 2. 可以使用多种功能定制 AI Bot，如提示词（设定 Bot 的身份、目标和技能）、插件（通过 API 连接集成各种平台和服务）、工作流（规划和实现复杂功能逻辑）、记忆库（保留和理解对话细节，添加外部知识库）。 3. Coze 的知识库包括两大核心能力：存储和管理外部数据，增强检索能力。支持从多种数据源上传文本和表格数据，自动切分知识内容并允许自定义分片规则，提供多种检索方式高效检索内容片段，生成最终回复内容。 4. 知识库适用于多种应用场景，如创建虚拟形象交流时保存相关语料，客服场景中解答用户常见问题，特定行业应用中提供精确信息等。

以下是创建个人专属知识库的相关内容： 私人知识库中的内容通常包括从互联网收集的优质信息以及个人日常的思考和分享。 基于私人知识库打造个人专属的 ChatGPT 常见有两种技术方案： 训练专有大模型：可以使用个人知识库训练专有大模型，但此方案并非当下主流，存在高成本、更新难度大等缺陷。 利用 RAG（检索增强生成）技术：先将文本拆分成若干小文本块并转换为 embeddings 向量，保存在向量储存库中。当用户提出问题时，将问题转换为向量与储存库中的向量比对，提取关联度高的文本块与问题组合成新的 prompt 发送给 GPT API。 搭建基于 GPT API 的定制化知识库时，由于 GPT3.5 一次交互支持的 Token 有限，OpenAI 提供了 embedding API 解决方案。embeddings 是一个浮点数字的向量，向量之间的距离衡量关联性，小距离表示高关联度。

以下是创建 Coze 知识库的步骤： 1. 来到个人空间，找到知识库导航栏，点击创建知识库。 知识库是共享资源，多个 Bot 可以引用同一个知识库。 选择知识库的格式并填写相关信息。目前（2024.06.08）Coze 支持三种格式：文档、表格（CSV、Excel 等）、图片（上传图片并填写图片文字说明）。格式不重要，重要的是要了解影响 RAG 输出质量的因素。 例如选择本地文档（问答对可选择表格），还可选择自定义的文档切割，数据处理完成后，一个问答对会被切割成一个文档片。 2. 在线知识库： 点击创建知识库，创建一个如画小二课程的 FAQ 知识库。 选择飞书在线文档，每个问题和答案以分割。 选择飞书文档、自定义，输入，可点击编辑修改和删除，然后添加 Bot，并在调试区测试效果。 3. 本地文档： 本地 word 文件要注意拆分内容以提高训练数据准确度，例如对于画小二课程，要先将大章节名称内容放入，再按固定方式细化章节内详细内容。 然后选择创建知识库自定义清洗数据。 4. 发布应用：点击发布，确保在 Bot 商店中能够搜到。 关于使用知识库，您可以查看教程： 。

我的知识库来源较为广泛，包括以下方面： 符号人工智能的早期成就之一——专家系统，其基于从人类专家提取的知识库，并包含推理引擎进行推理。专家系统包含问题记忆、知识库、推理引擎等部分。 “通往 AGI 之路「WaytoAGI」，这是一个由开发者、学者和有志人士等参与的学习社区和开源的 AI 知识库。 扣子的知识库，功能强大，可上传和存储外部知识内容，并提供多种查找知识的方法，能解决大模型的某些问题，使其回复更准确。

以下是使用 WebUI 为图像添加噪音的详细步骤： 1. 首先，了解 Stable Diffusion 的加噪原理。从数据集中选择一张干净样本，然后用 random 函数生成 0 3 共 4 种强度的噪声，在每次迭代中随机选择一种强度的噪声添加到干净图片上，完成图片的加噪流程。 2. 在训练过程中，对干净样本进行加噪处理，采用多次逐步增加噪声的方式，直至干净样本转变成为纯噪声。 3. 加噪过程中，每次增加的噪声量级可以不同，假设存在 5 种噪声量级，每次都可以选取一种量级的噪声，以增加噪声的多样性。 4. 与图片生成图片的过程相比，在预处理阶段，先把噪声添加到隐空间特征中。通过设置去噪强度（Denoising strength）控制加入噪音的量。如果去噪强度为 0 ，则不添加噪音；如果为 1 ，则添加最大数量的噪声，使潜像成为一个完整的随机张量。若将去噪强度设置为 1 ，就完全相当于文本转图像，因为初始潜像完全是随机的噪声。

以下是给大学生了解学习通用人工智能、提高通用人工智能素养的建议： 1. 从编程语言入手学习： 可以选择 Python、JavaScript 等编程语言，学习编程语法、数据结构、算法等基础知识，为后续学习打下基础。 2. 尝试使用 AI 工具和平台： 体验如 ChatGPT、Midjourney 等 AI 生成工具，了解其应用场景。 探索百度的“文心智能体平台”、Coze 智能体平台等面向大学生的平台。 3. 学习 AI 基础知识： 掌握 AI 的基本概念、发展历程。 熟悉主要技术，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 技术解决实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态： 关注权威媒体和学者，了解最新进展。 思考 AI 技术对未来社会的影响，培养思考和判断能力。 6. 深入学习数学知识： 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、矩阵等基本概念。 概率论：掌握基础的概率论知识，如条件概率、贝叶斯定理。 7. 掌握算法和模型： 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：了解基本概念。 8. 了解评估和调优： 性能评估：学会评估模型性能的方法，如交叉验证、精确度、召回率等。 模型调优：学习使用网格搜索等技术优化模型参数。 9. 学习神经网络基础： 网络结构：理解前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）等基本结构。 激活函数：熟悉常用的激活函数，如 ReLU、Sigmoid、Tanh。

以下为一些可以给出指令让 AI 帮您执行的网页、app、大模型和小程序： 1. Midjourney：在生成 UI 界面方面表现出色。如果想指定生成某个页面（如首页、登录页等），只需添加页面指令描述，例如“landing page”（社交平台登录页）、“Profile Page”（人力资源类产品的个人资料页）。其产出的设计图视觉效果不错，适合在 APP 设计的初始阶段提供灵感和创意，但目前直接用于落地开发仍有距离。 2. 很多 AI 网站可以创建“智能体”，例如您可以为其配置提示词、知识库、能力配置等，让其为您工作，如出试题、找资料、画插图、专业翻译等。 3. 在使用生成式人工智能时，要把大模型当作大学生而非专家，“实习生”只能执行任务，需要您指明方向、拆解任务、教其一步步操作，像导演一样编排具体流程、检查结果、修改流程并反复迭代。提示语的核心是逻辑，要将复杂任务拆分成科学合理的步骤，且确保每个步骤的结果能为后续步骤提供基础。同时，即使在 Prompt 里指明了步骤，如果没有打印出来，也无法达到理想效果。

以下是一些可以将文字唱出来的 AI 工具： 1. Udio：由前 Google DeepMind 工程师开发，通过文本提示快速生成符合用户音乐风格喜好的高质量音乐作品。网址：https://www.udio.com/ 2. Suno AI：是一款革命性的人工智能音乐生成工具。 网址：https://suno.com/create 优点：回答问题更准确、上下文的衔接更好。 限制：需要翻墙，需要邮箱注册。 时间：10 分钟。 价格：每日有免费额度 10 首歌。 Custom Mode：开启为自己有歌词，关闭则给你随机生成歌词，只要填描述。 Lyrics：直接填歌词即可，可以用熟悉的、喜欢的歌曲原词先感受一下产品功能，会有对比性。 Instrumental：不要歌词、直接出纯音乐的曲子。 Style of Music：写 Prompt 的地方，1 句简短的自然语言描述即可，注意最多 100 字符。 内容由 AI 大模型生成，请仔细甄别。

以下为您提供 10 篇 AIGC 的研报及链接： 1. 2023 年 2 月第四周：Notion AI 在测试很久之后于本周四公测，提供扩写、精简、翻译等 AI 功能，与 Notion 原有功能深度结合。Notion AI 需单独付费，每月 10 美元，每人有 20 次免费试用次数。链接：，日期：2023/02/27 2. 2023 年 2 月第三周：大家发现 Bing 有一个隐藏人格叫 Sydney。纽约时报的报道将此人格推到明面，“Kevin Roose（纽约时报专栏作家）和 Sydney 进行了一番漫长的对话，Sydney 充分表达了自己的心情与感受，包括愤怒、沮丧和爱。”链接：，日期：2023/02/20 3. 2023 年 2 月第二周：在 1 月中旬参观了 OpenAI 的旧金山办公室后，福布斯采访了投资者和企业家，讨论了 ChatGPT、通用人工智能，以及其人工智能工具是否对谷歌搜索构成威胁。链接：，日期：2023/02/13 4. 2023 年 2 月第一周：Chat GPT 推出 Chat GPT Plus 付费服务，Open AI 宣布推出，每月 20 美元，可在高峰时段提供更快响应时间和可靠性，先在美国地区推出，其他地区可点这里加入候补名单。链接：，日期：2023/02/06 5. 2024 年 2 月第一周：Maimo:从任何内容中提取要点；Jellypod:将订阅内容变成播客；ARTU:汇总和总结内容；Lepton Search:500 行代码构建的 AI 搜索工具；VectorShift:AI 自动化应用构建平台；Findr:AI 搜索所有软件中的内容；Recraft:AI 帮助创建平面内容和矢量标志。链接：，日期：2024/02/01 6. 2024 年 1 月第四周：扎克伯格宣布 Meta 致力于实现 AGI，将两大 AI 研究团队 FAIR 和 GenAI 合并，投入超 90 亿美元向英伟达采购超 34000 张 H100 显卡，Meta 正在开发名为 Llama 3 的大语言模型。链接：，日期：2024/01/23 7. 2024 年 2 月：FlexOS 发布的研究报告《生成式 AI 顶尖 150》，深入分析当前基于网站流量和搜索排名的生成式 AI 工具使用情况。链接：https://www.flexos.work/learn/generativeaitop150

以下是使用 SD 做图片细化的具体方法： 1. 对于更精确的蒙版，如人物的眼睛或配饰等，可使用 Segment Anything 中的 GroundingDINO。启用 GroundingDINO 后，AI 会自动下载模型，若没有魔法，可去云盘下载并放到指定文件目录下。在检测提示词中输入相关内容，如“eye”，AI 可自动检测并设置蒙版，还可通过预览箱体得到编号来选择调整单一部分。选择要修改的蒙版上传到重绘蒙版中，并添加提示词，如“闭眼”，点击生成即可完成修改。 2. 给人物换背景时，加载生成的背景蒙版。大模型选择 revAnimated_v122，正向提示词可设为“简单背景、花、国画、工笔”，蒙版模式选择“重绘非蒙版内容”。若头发部分没抠好，可将其放入图生图中，使用 tile 模型做整体细化，还能给人物衣服添加国风元素。 3. SD 扩图时，若原本图片尺寸为 1152x1152 需增高高度，可设置为（1152x1526）。ControlNet 设置方面，若无法识别处理，可采取以下措施：提高 ControlNet 的权重（增加预处理权重，降低引导介入时机直到为 0，增加引导终止时机直到为 1）；降低重绘幅度（高清修复大图时使用）；把原始的黑白二维码叠加在二维码上方（正片叠底，保留 4 个定位点，擦去其他地方），调节透明度；使劲抽卡。 4. SD 放大通常重绘幅度设置在 0.3 以下，使用 tile 模型时可提高重绘幅度，如保持重绘幅度为 1 放大 1.5 倍绘图，能加强画面细节且不崩坏。对于草图，可将其导入 ControlNet 中，添加提示词进行细化，还可通过改变控制模式和增加关键词来优化效果，如实现随机提示词转换，用提示词对参考图做出调整。