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

AI数据来源

Answer

以下是关于生成式 AI 不同领域 2024 年 1 - 3 月的季度数据报告：

文字 - 社交：

  • 数据来源：Similarweb，Visit，单位为万，变化公式为 3 月/2 月 - 1 * 100%。
  • 3 月个人视频访问量为 71 万。
  • 赛道方面：天花板潜力为 14 亿美金，对标公司无，总体趋势下滑严重，月平均增速为 - 5.7 万 PV/月，原生产品占比低，多为原有换脸产品升级。
  • 竞争方面：Top1 占比 76%，Top3 占比 92%，马太效应较强，网络效应弱，大厂未入局，大厂占比低，技术门槛中。
  • Top1 公司（非大厂）为 Deepfakes Web，其最新月 PV 为 54 万。

音频大类：

  • 网址：aiwatch.ai
  • 数据来源：Similarweb，Visit，单位为万，变化公式为 3 月/2 月 - 1 * 100%。
  • 赛道方面：天花板潜力为 200 亿美金，对标公司为 Spotify，总体趋势高速增长，月平均增速为 522 万 PV/月，原生产品占比高。
  • 竞争方面：Top1 占比 33%，Top3 占比 53%，马太效应中，网络效应较高，大厂已入局，大厂占比低，技术门槛高。
  • Top1 公司（非大厂）为 sunoAI，其 3 月 PV 为 2192 万，单用户 PV 价值为 0.27 美元。

文字 - 教育：

  • 网址：aiwatch.ai
  • 数据来源：Similarweb，Visit，单位为万，变化公式为 3 月/2 月 - 1 * 100%。
  • 赛道方面：天花板潜力约 30 亿，对标公司为 Chegg，总体趋势快速增长，月平均增速为 1793 万 PV/月，原生产品占比低。
  • 竞争方面：Top1 占比 45%，Top3 占比 76%，马太效应弱，网络效应弱，大厂未入局，大厂占比低，技术门槛中。
  • Top1 公司（非大厂）为 Quizlet，其估值为 10 亿美元（2020.5），3 月 PV 为 1.3 亿，收入约 7500 万美元（2023），PS 为 13.3x，单用户 PV 价值为 7.5 美元。
Content generated by AI large model, please carefully verify (powered by aily)

References

生成式AI季度数据报告_2024Q1.pdf

数据来源：Similarweb，Visit，单位：万变化公式：3月/2月-1 *100%aiwatch.ai数据来源：Similarweb，Visit，单位：万变化公式：3月/2月-1 *100%3.6个人视频71万赛道•天花板潜力：14亿美金；对标公司：无•总体趋势：下滑严重，-19%•月平均增速：-5.7万PV/月•原生产品占比：低(多为原有换脸产品升级)竞争• Top1：76%• Top3：92%•马太效应：较强•网络效应：弱•大厂是否入局：否•大厂占比：低•技术门槛：中Top1公司（非大厂）• Top1产品及所在公司：Deepfakes Web•估值：未披露•最新月PV：54万访问网址，或扫码可访问本页表格23年12月至24年3月月访问量排行榜及变化情况赛道月访问总量及构成• 2023年4月：月访问量约103.5万，Deepfakes Web以64万的访问量位居第一，占比62%• 2024年3月：月访问量降至73.6万，Deepfakes Web访问量降至54.3万，占比提升至74%月访问量变化情况

生成式AI季度数据报告_2024Q1.pdf

网址：aiwatch.ai本产品保密并受到版权法保护Confidential and Protected by Copyright Laws推特：@financeYF5a16z GenAI音乐工具aiwatch.aiSource：https://a16z.com/the-future-of-music-how-generative-ai-is-transforming-the-music-industry/ 120aiwatch.ai数据来源：Similarweb，Visit，单位：万变化公式：3月/2月-1 *100%5.1音乐4458万赛道•天花板潜力：200亿美金；对标公司：Spotify•总体趋势：高速增长,+54.23%,24年亮点行业•月平均增速：522万PV/月•原生产品占比：高竞争• Top1：33%• Top3：53%•马太效应：中•网络效应：较高•大厂是否入局：是•大厂占比：低•技术门槛：高Top1公司（非大厂）• sunoAI•估值：600万$• 3月PV：2192万•单用户PV价值：0.27$访问网址，或扫码可访问本页表格23年12月至24年3月月访问量排行榜及变化情况

生成式AI季度数据报告_2024Q1.pdf

网址：aiwatch.ai本产品保密并受到版权法保护Confidential and Protected by Copyright Laws推特：@financeYF5a16z AI+教育图谱aiwatch.aiSource：https://twitter.com/zachcohen25/status/1757497529523110191 62教育工具图谱aiwatch.aiaiwatch.ai数据来源：Similarweb，Visit，单位：万变化公式：3月/2月-1 *100%1.20教育工具2.97亿赛道•天花板潜力TAM：~30亿•对标公司：Chegg•总体趋势：快速增长,22%•月平均增速：1793万PV/月•原生产品占比：低竞争• Top1 45%• Top3 76%•马太效应：弱•网络效应：弱•大厂是否入局：无•大厂占比：低•技术门槛：中• Top1公司（非大厂）• Quizlet估值：10亿$（2020.5）• 3月PV：1.3亿•收入：~7500万$(2023)• PS：13.3x•单用户PV价值：7.5$•团队特点：传统教育应用转型访问网址，或扫码可访问本页表格23年12月至24年3月月访问量排行榜及变化情况1.5教育辅助榜单

Others are asking
我应该怎样开始学习AI
以下是新手开始学习 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），根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 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作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 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，了解它们的工作原理和交互方式。 6. 对于中学生来说： 从编程语言入手学习，如 Python、JavaScript 等，学习编程语法、数据结构、算法等基础知识。 尝试使用 AI 工具和平台，如 ChatGPT、Midjourney 等，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。 学习 AI 基础知识，包括基本概念、发展历程、主要技术及在各领域的应用案例。 参与 AI 相关的实践项目，如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。 关注 AI 发展的前沿动态，关注权威媒体和学者，思考 AI 技术对未来社会的影响。 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。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得成就。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。
2025-01-30
国内AI工具及相关网站有哪些？
以下是国内部分 AI 工具及相关网站： |排行|产品名|分类| |||| |15|墨刀 AI|设计工具| |16|无限画|图像生成| |17|autoDL 云服务租用|Agent| |18|百度 Chat|AI ChatBots| |19|360AI 搜索（没接 GA）|搜索| |20|AIbot ai 工具集|导航网站| |21|创客贴 AI|设计工具| |22|MasterGo|设计工具| |23|美图设计室|图像编辑| |24|魔搭社区阿里达摩院|AI 训练模型| |25|即时 AI 设计|设计工具| |26|Boardmix 博思 AI 白板|PPT| |27|百度飞桨 AI Studio|AI 学习| |28|字节扣子|| |29|提示工程指南|Prompts| |30|toolsdar|导航网站| |31|autoDL 云服务租用|| |32|AIbot ai 工具集|导航网站| |33|同花顺问财|金融| |34|魔搭社区阿里达摩院|AI 训练模型| |35|MasterGo|设计工具| |36|即时 AI 设计|设计工具| |37|百度 Chat|AI ChatBots| |38|创客贴 AI|设计工具| |39|即梦 AI（剪映）|其他视频生成| |40|可灵 AI|其他视频生成| |41|360 快剪辑|视频编辑| |42|Dify.ai|Agent| |43|Vast（算力）|| |44|提示工程指南|Prompts| |45|站酷海洛|资源| |46|toolsdar|导航网站| |47|百度飞桨 AI Studio|AI 学习| |48|Boardmix 博思 AI 白板|PPT| |49|讯飞听见|转录| |50|帆软战略|电商| |51|帆软数据|数据分析| |52|360 苏打办公|生产力| |53|标小智 LOGO 生成|图像生成| |54|edrawsoft|思维导图| |55|彩云|通用写作| |56|虎课网免费在线视频教程|AI 学习| |57|xmind|思维导图| |58|秘塔写作猫|通用写作| |59|Pixso AI|设计工具| |60|火山翻译|翻译| |61|aippt|PPT|
2025-01-30
可以做一个小红书私信自动回复的ai程序或者智能体吗
在理论上是可以创建一个小红书私信自动回复的 AI 程序或智能体的。但这需要一定的技术知识和开发能力。 首先，您需要确定回复的规则和逻辑，例如根据关键词、常见问题类型等来设定回复内容。 其次，选择适合的技术框架和工具，比如使用自然语言处理（NLP）技术和相关的库。 然后，进行数据收集和预处理，以训练模型能够准确理解和回复私信。 不过，需要注意的是，小红书的使用规则可能对自动回复有一定的限制和要求，您需要确保您的程序或智能体的使用符合其规定。
2025-01-30
有什么绘图AI工具
以下是一些常见的绘图 AI 工具： 1. Lucidchart：流行的在线绘图工具，支持多种图表创建，包括逻辑视图、功能视图和部署视图，有拖放界面方便创建架构图。 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，有丰富模板用于创建多种视图。 6. draw.io（现在称为 diagrams.net）：免费在线图表软件，支持创建逻辑视图和部署视图等。 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，提供创建各种架构图的功能。 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。 对于绘制 CAD 图，有以下 AI 工具和插件： 1. CADtools 12：Adobe Illustrator 插件，添加绘图和编辑工具。 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，帮助创建复杂 CAD 模型。 4. ParaMatters CogniCAD：基于 AI 的 CAD 软件，可根据输入自动生成 3D 模型。 5. 一些主流 CAD 软件如 Autodesk 系列、SolidWorks 等提供的基于 AI 的生成设计工具。 绘制示意图的工具还有： 1. Creately：在线绘图和协作平台，利用 AI 简化图表创建，适合绘制流程图等。 2. Whimsical：专注于用户体验和快速绘图，适合创建线框图等。 3. Miro：在线白板平台，结合 AI 功能，适用于团队协作和各种示意图绘制。 使用 AI 绘制示意图的步骤： 1. 选择工具：根据具体需求选择合适的 AI 绘图工具。 2. 创建账户：注册并登录平台。 3. 选择模板：利用模板库选择适合需求的模板。 4. 添加内容：添加并编辑图形和文字，利用 AI 自动布局功能优化图表布局。 5. 协作和分享：需要团队协作可邀请成员一起编辑，完成后导出并分享图表。
2025-01-30
我是行政专员，零基础入门AI，如果帮忙自己提供工作效率和质量
对于行政专员零基础入门 AI 以提升工作效率和质量，以下是一些建议： 1. 了解 AI 的应用场景：AI 在很多领域都有显著的成果，如交通监控、银行账户欺诈检测、核融合控制、新药发现以及应对气候变化的技术等。它有潜力在您的工作中发挥作用，例如自动化一些重复性的任务。 2. 建立 AI 工作流：目前大多数人零碎地使用 AI 工具，未将其系统应用到工作场景中，导致整体效率提升不明显甚至下降。要避免像小明那样在挑选和切换工具上浪费时间，应建立一套完整、适合自己的 AI 工作方法论和流程。 3. 系统学习和实践：深入学习如何将 AI 工具与行政工作相结合，通过不断实践找到最适合自己工作的方法和工具。
2025-01-30
零基础怎么入门AI工具，行政专员一个
对于零基础的行政专员入门 AI 工具，以下是一些建议： 1. 明确学习目标：确定您希望通过 AI 工具解决哪些行政工作中的问题或提高哪些方面的效率。 2. 学习基础知识：了解 AI 的基本概念，例如机器学习、深度学习、自然语言处理等。可以通过在线课程、科普文章和视频来学习。 3. 选择适合的工具：根据行政工作的需求，选择一些易于上手的 AI 工具，如自动化文档处理工具、智能客服工具等。 4. 参加培训课程：报名参加专门针对零基础的 AI 入门培训课程，这些课程通常会有系统的教学和实践指导。 5. 实践操作：在实际工作中尝试使用所选的 AI 工具，积累经验。 6. 加入学习社区：参与 AI 学习的社区或论坛，与其他学习者交流经验，获取更多的学习资源和建议。 7. 持续学习和更新知识：AI 领域发展迅速，要保持学习的热情，不断跟进新的技术和工具。
2025-01-30
优秀的来源大模型有哪些
以下是一些优秀的大模型： Google 的 T5：属于 encoderdecoder 类型的模型，适用于翻译和摘要等任务。 OpenAI 的 GPT3：预训练数据量大，参数众多，能根据用户输入的任务描述或示例完成任务。 ChatGPT：用户通过像和人类对话的方式即可完成任务。 国内的优秀大模型有： 智谱清言（清华&智谱 AI）：基础模型为 ChatGLM 大模型。在工具使用排名国内第一，在计算、逻辑推理、传统安全能力上排名国内前三，更擅长专业能力，但代码能力有优化空间，知识百科稍显不足。可应用于 AI 智能体、较复杂推理、广告文案、文学写作等场景。 通义千问 2.0（阿里云）：在语言理解与抽取、角色扮演能力上排名国内前一，在代码、生成与创作、上下文对话能力上排名国内前三，各项能力较为均衡。聚焦在移动设备端的应用，涵盖知识、记忆、工具、创作等方向，支持多种工具和文生文、文生图等场景。 Baichuan213BChat（百川智能）：百川智能自主训练的开源大语言模型，是中文开源模型的主导力量。
2024-12-28
国内外最好的来源大模型有哪些 对比介绍一下
以下是国内外一些较好的大模型及其对比介绍： 国外大模型： GPT4 Turbo 总分 90.63 分遥遥领先，在各项能力上表现出色。 国内大模型： 文心一言 4.0（API）总分 79.02 分，过去 1 年有长足进步。 通义千问 2.0（阿里云）：在代码、上下文对话基础能力上排名国内第一，各项能力较为均衡，位于国内大模型第一梯队，适合应用于金融、医疗、汽车等垂直专业场景及代码生成与纠错等场景。 AndesGPT（OPPO）：在语言理解与抽取、角色扮演能力上排名国内前一，在代码、生成与创作、上下文对话能力上排名国内前三，各项能力较为均衡，聚焦在移动设备端的应用。 百川智能的 Baichuan213BChat：是中文开源模型的主导力量，在中文上表现优于国外开源模型。 在 SuperCLUE 测评中，国外模型的平均成绩为 69.42 分，国内模型平均成绩为 65.95 分，差距在 4 分左右，但国内外的平均水平差距在缩小。另外，国内开源模型在中文上表现要好于国外开源模型。
2024-12-28
自己的ai来源模型是什么
智谱·AI 的开源模型包括以下部分： 其他模型： WebGLM10B：利用百亿参数通用语言模型（GLM）提供高效、经济的网络增强型问题解答系统，旨在通过将网络搜索和检索功能集成到预训练的语言模型中，改进现实世界的应用部署。 WebGLM2B MathGLM2B：在训练数据充足的情况下，20 亿参数的 MathGLM 模型能够准确地执行多位算术运算，准确率几乎可以达到 100%，其结果显著超越最强大语言模型 GPT4 在相同测试数据上 18.84%的准确率。 MathGLM500M MathGLM100M MathGLM10M MathGLMLarge：采用 GLM 的不同变体作为骨干来训练 MathGLM，包括具有 335M 参数的 GLMlarge 和 GLM10B。此外，还使用 ChatGLM6B 和 ChatGLM26B 作为基座模型来训练 MathGLM。这些骨干模型赋予 MathGLM 基本的语言理解能力，使其能够有效理解数学应用题中包含的语言信息。 多模态模型： CogAgent18B：基于 CogVLM17B 改进的开源视觉语言模型。CogAgent18B 拥有 110 亿视觉参数和 70 亿语言参数，支持 11201120 分辨率的图像理解，在 CogVLM 功能的基础上，具备 GUI 图像的 Agent 能力。 CogVLM17B：强大的开源视觉语言模型（VLM）。基于对视觉和语言信息之间融合的理解，CogVLM 可以在不牺牲任何 NLP 任务性能的情况下，实现视觉语言特征的深度融合。 Visualglm6B：一个开源的，支持图像、中文和英文的多模态对话语言模型，语言模型基于 ChatGLM6B，具有 62 亿参数；图像部分通过训练 BLIP2Qformer 构建起视觉模型与语言模型的桥梁，整体模型共 78 亿参数。 部署和训练自己的 AI 开源模型的主要步骤如下： 1. 选择合适的部署方式，包括本地环境部署、云计算平台部署、分布式部署、模型压缩和量化、公共云服务商部署等，根据自身的资源、安全和性能需求选择合适的部署方式。 2. 准备训练所需的数据和计算资源，确保有足够的训练数据覆盖目标应用场景，并准备足够的计算资源，如 GPU 服务器或云计算资源。 3. 选择合适的预训练模型作为基础，可以使用开源的预训练模型如 BERT、GPT 等作为基础，也可以自行训练一个基础模型。 4. 针对目标任务进行模型微调训练，根据具体应用场景对预训练模型进行微调训练，优化模型结构和训练过程以提高性能。 5. 部署和调试模型，将训练好的模型部署到生产环境，对部署的模型进行在线调试和性能优化。 6. 注意安全性和隐私保护，大模型涉及大量数据和隐私信息，需要重视安全性和合规性。 总的来说，部署和训练自己的大模型需要综合考虑多方面因素，包括部署方式、数据准备、模型训练、部署调试以及安全性等。需要根据具体需求选择合适的方法，并注意优化各个环节以提高模型性能和应用效果。
2024-12-27
撰写内容概要：以ai换脸诈骗和声音合成诈骗为蓝本查阅网站、文献期刊等专家在相关方面的研究进展及其成果，并进行汇总评述。（1）表述收集资料的来源情况、收集资料的数量情况；（2）将所收集的资料进行分类，按照几个分类方面逐一进行表述，表述涵盖专家的观点、结论、思路、方案等；（3）小组综合性的对所收集到的资料进行评述，描述当前的进展情况、优劣点、未来发展等。）
以下是根据您提供的资料进行的汇总评述： 一、收集资料的情况 1. 来源情况：资料来源于陶力文律师的相关论述、关于 AI 音乐的论文、质朴发言的研究报告等。 2. 数量情况：共收集到 3 份相关资料。 二、资料分类及专家观点 1. 关于律师如何写好提示词用好 AI 观点：强调结构化内容组织、规定概述内容解读结语结构、案例和挑战结合、结合法规和实际操作、使用商业术语等。 结论：通过多种方式提升文章的专业性和针对性。 思路：从标题、文章结构等方面进行规划。 方案：按照特定的结构和要求进行写作。 2. 基于频谱图的音乐录音中自动调谐人声检测 观点：聚焦音乐中人声音高的自动调音检测，提出数据驱动的检测方法。 结论：所提方法在检测上表现出较高的精确度和准确率。 思路：包括音频预处理、特征提取和分类等步骤。 方案：创建新数据集，进行全面评估。 3. 文生图/文生视频技术发展路径与应用场景 观点：从横向和纵向梳理文生图技术发展脉络，分析主流路径和模型核心原理。 结论：揭示技术的优势、局限性和未来发展方向。 思路：探讨技术在实际应用中的潜力和挑战。 方案：预测未来发展趋势，提供全面深入的视角。 三、综合性评述 当前在这些领域的研究取得了一定的进展，如在音乐自动调音检测方面提出了新的方法和数据集，在文生图/文生视频技术方面梳理了发展路径和应用场景。 优点在于研究具有创新性和实用性，为相关领域的发展提供了有价值的参考。但也存在一些不足，如音乐检测研究中缺乏专业自动调音样本，部分技术在实际应用中可能面临一些挑战。 未来发展方面，有望在数据样本的丰富性、技术的优化和多模态整合等方面取得进一步突破，拓展更多的应用场景。
2024-11-15
你的知识库来源于哪里
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。
2024-11-13
字节跳动旗下的即梦AI的模型来源是什么？以及它的数据训练库
目前没有关于字节跳动旗下即梦 AI 的模型来源以及数据训练库的准确和详细信息。但一般来说，AI 模型的训练数据可能来自多种来源，如维基百科、书籍、期刊、网络采集的图片/标题等。同时，在训练过程中可能会使用开源架构，并进行原创性的优化和突破。但对于即梦 AI 具体的情况，还需要更多确切的官方公布内容。
2024-08-25
我是一个AI小白，我使用AI的主要目的是使用这些工具，简化我工作中费时费力的事情，比如：表格的制作，筛选数据；图片的抠图，渲染，产品的口播介绍；日常工厂管理文件的编写及执行步骤；工作手册及岗位绩效的编写；作业指导书的编写
以下是为您整合的相关内容： 对于 AI 小白来说，使用 AI 工具简化工作中的费时费力之事是可行的。 在接触 AI 工具时，对于超出自己理解范围的事情，最简单有效的方法就是尝试。学习新事物，实践比听闻更重要。 比如在 AI 视频制作方面，人物设定与剧本是关键部分，包括主体、动作、场景等要素；分镜处理也较为重要，要考虑用几个镜头表述内容；生成环节如同抽卡，可多尝试，最后进行粗检和后期处理，如 AI 配音剪辑、加过渡滤镜等。小白制作 AI 视频要做好脚本即提示词，有耐心抽卡，并不断提升撰写提示词的能力。撰写提示词时要了解主体、动作、场景，避免使用专有名词和网络名词，给 AI 清晰描述。工具选用方面，没有绝对好的工具，只有适合的，如小白可使用剪映，主力机是 MacBook Pro 可使用 final cut。还可向 ChatGPT 询问获取灵感。 另外，在“AI 布道”活动中发现，AI 工具虽强大能做很多事，但也在其与普通人之间形成了一道墙。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。无论是什么身份、什么年龄段的人，都可以尝试使用 AI 工具。 如果您想要跟相关作者交朋友、一起在 AI 路上探寻，欢迎戳这里：
2025-01-30
我想通过dify调整一个客服系统，但是总是不能很好的把知识库里的数据回复完整？
使用 Dify 构建知识库的具体步骤如下： 1. 准备数据： 收集需要纳入知识库的文本数据，包括文档、表格等格式。 对数据进行清洗、分段等预处理，确保数据质量。 2. 创建数据集： 在 Dify 中创建一个新的数据集，并将准备好的文档上传至该数据集。 为数据集编写良好的描述，描述清楚数据集包含的内容和特点。 3. 配置索引方式： Dify 提供了三种索引方式供选择：高质量模式、经济模式和 Q&A 分段模式。 根据实际需求选择合适的索引方式，如需要更高准确度可选高质量模式。 4. 集成至应用： 将创建好的数据集集成到 Dify 的对话型应用中，作为应用的上下文知识库使用。 在应用设置中，可以配置数据集的使用方式，如是否允许跨数据集搜索等。 5. 持续优化： 收集用户反馈，对知识库内容和索引方式进行持续优化和迭代。 定期更新知识库，增加新的内容以保持知识库的时效性。 总的来说，Dify 提供了一个可视化的知识库管理工具，使得构建和维护知识库变得相对简单。关键步骤包括数据准备、数据集创建、索引配置，以及将知识库集成到应用中并持续优化。需要注意的是，内容由 AI 大模型生成，请仔细甄别。
2025-01-29
用 ai 来分析数据，附件大小有限制吗
使用 AI 来分析数据时，附件大小通常是有限制的。 对于代码解释器（一种 GPT4 模式），您可以将文件上传到 AI，它可用于执行程序、运行数据分析等，但使用时需要充分了解统计数据和数据以检查其工作。 在 ChatGPT 助力的数据分析中，文中所提到的个性化分析示例使用的均是假数据。在实际业务中处理大量数据时，除了长类型字段有限制外，还需指定允许查询或解析的字段告诉 ChatGPT，结果数据要进一步校验是否符合要求，超长数据可以截取关键字段的内容丢给 GPT 总结分析。 需要注意的是，不同的 AI 工具和应用场景可能会有不同的附件大小限制和数据处理要求。
2025-01-28
Coze + 飞书 + 飞书多维表格：通过飞书机器人与 Coze 搭建的智能体进行对话，在聊天窗口中完成链接输入和阅读计划输出。由 Coze 调用大模型、插件完成内容的整理、推荐，利用飞书多维表格存储和管理稍后读数据，无需开发任何插件、APP，能实现跨平台的稍后读收集与智能阅读计划的推荐。其设计思路包括简化“收集”，实现跨平台收集和通过输入 URL 完成收集；自动化“整理入库”，自动整理关键信息并支持跨平台查看；智能“选择”推荐，根据收藏记录和用户兴趣生成阅读计划——这个方法具体如何操作？
以下是关于通过飞书机器人与 Coze 搭建的智能体进行对话，并利用飞书多维表格存储和管理稍后读数据，实现跨平台的稍后读收集与智能阅读计划推荐的具体操作方法： 前期准备： 1. 简化“收集”： 实现跨平台收集功能，支持电脑（web 端）、安卓、iOS 多端操作。 输入一个 URL 即可完成收集，借鉴微信文件传输助手的方式，通过聊天窗口完成收集输入。 2. 自动化“整理入库”： 系统在入库时自动整理每条内容的关键信息，包括标题、摘要、作者、发布平台、发布日期、收集时间和阅读状态。 阅读清单支持跨平台查看。 3. 智能“选择”推荐： 根据当前收藏记录和用户阅读兴趣进行相关性匹配，生成阅读计划。 使用飞书·稍后读助手： 1. 设置稍后读存储地址： 首次使用，访问。 点击「更多创建副本」，复制新表格的分享链接。 将新链接发送到智能体对话中。 还可以发送“查询存储位置”、“修改存储位置”来更换飞书多维表格链接，调整稍后读存储位置。 2. 收藏待阅读的页面链接： 在对话中输入需要收藏的页面链接，第一次使用会要求授权共享数据，授权通过后再次输入即可完成收藏。但目前部分页面链接可能小概率保存失败。 3. 智能推荐想看的内容： 在对话中发送“我想看 xx”、“xx 内容”，即可按个人兴趣推荐阅读计划。 至此，专属 AI 稍后读智能体大功告成，您可以尽情享受相关服务。
2025-01-27
AI数据透视工具推荐
以下为您推荐一些可用于数据透视的 AI 工具： 1. Lucidchart：流行的在线绘图工具，支持多种视图创建，包括逻辑视图、功能视图和部署视图，用户可通过拖放界面轻松创建架构图。 2. Visual Paradigm：全面的 UML 工具，提供创建各种架构视图的功能，如逻辑视图（类图、组件图）、功能视图（用例图）和部署视图（部署图）。 3. ArchiMate：开源建模语言，专门用于企业架构，支持逻辑视图创建，可与 Archi 工具配合使用，该工具提供图形化界面创建模型。 4. Enterprise Architect：强大的建模、设计和生成代码工具，支持创建多种架构视图，包括逻辑、功能和部署视图。 5. Microsoft Visio：广泛使用的图表和矢量图形应用程序，提供丰富模板用于创建逻辑视图、功能视图和部署视图等。 6. draw.io（现称为 diagrams.net）：免费的在线图表软件，允许创建各种类型图表，包括软件架构图，支持创建逻辑视图和部署视图等。 7. PlantUML：文本到 UML 的转换工具，通过编写描述性文本自动生成序列图、用例图、类图等，帮助创建逻辑视图。 8. 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。 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，包括逻辑视图和部署视图。 以下是一些设计工具的排行及相关数据： |排行|产品名|分类|6 月访问量（万 Visit）|相对 5 月变化| |||||| |1|Canva Al|设计工具|55900|0.123| |2|Adobe Firefly|设计工具|928|0.047| |3|CF Spark|设计工具|885|0.023| |4|Microsoft Designer|设计工具|885|0.321| |5|What font is|设计工具|362|0.045| |6|稿定设计|设计工具|247|0.068| |7|墨刀 AI|设计工具|202|0.148| |8|Hotpot.ai|设计工具|198|0.244| |9|vectorizer.ai|设计工具|183|0.042| |10|Wepik by freepik|设计工具|164|0.304| |排行|产品名|分类|4 月访问量（万 Visit）|相对 3 月变化| |||||| |1|Canva Al|设计工具|58640|0.033| |2|CF Spark|设计工具|940|0.118| |3|Adobe Firefly|设计工具|835|0.051| |4|Microsoft Designer|设计工具|612|0.179| |5|What font is|设计工具|348|0.006| |6|Wepik by freepik|设计工具|284|0.295| |7|Hotpot.ai|设计工具|283|0.024| |8|稿定设计|设计工具|264|0.078| |9|Designs AI|设计工具|185|0.167| |10|墨刀 AI|设计工具|179|0.016|
2025-01-26
如何用最简单的方法，训练一个自有数据的大模型
训练自有数据的大模型可以通过以下步骤实现： 1. 了解大模型的概念：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。可以用上学参加工作来类比大模型的训练、使用过程，包括找学校（需要大量 GPU 等计算资源）、确定教材（需要大量数据）、找老师（选择合适算法）、就业指导（进行微调）、搬砖（推导）。在 LLM 中，Token 被视为模型处理和生成的文本单位，会对输入进行分词并形成词汇表。 2. 基础训练步骤： 进入厚德云模型训练数据集，如 https://portal.houdeyun.cn/sd/dataset 。 创建数据集：在数据集一栏中，点击右上角创建数据集，输入数据集名称。可以上传包含图片+标签的 zip 文件，也可单独上传照片，但建议提前打包。Zip 文件里图片名称与标签文件应当匹配，上传后等待一段时间确认创建，返回上一个页面等待上传成功并可点击详情检查，能预览数据集的图片及对应的标签。 Lora 训练：点击 Flux，基础模型会默认是 FLUX 1.0D 版本。选择数据集，触发词可有可无，模型效果预览提示词随机抽取数据集里的标签填入。训练参数可调节重复次数与训练轮数，厚德云会自动计算训练步数，可默认 20 重复次数和 10 轮训练轮数，按需求选择是否加速，点击开始训练，会显示所需消耗的算力，等待训练完成，会显示每一轮的预览图，鼠标悬浮到想要的轮次模型，中间会有生图，点击可自动跳转到使用此 lora 生图的界面，点击下方下载按钮可自动下载到本地。 3. 部署和训练自己的 AI 开源模型的主要步骤： 选择合适的部署方式，如本地环境部署、云计算平台部署、分布式部署、模型压缩和量化、公共云服务商部署，根据自身资源、安全和性能需求选择。 准备训练所需的数据和计算资源，确保有足够的训练数据覆盖目标应用场景，并准备足够的计算资源，如 GPU 服务器或云计算资源。 选择合适的预训练模型作为基础，如开源的预训练模型 BERT、GPT 等，也可自行训练基础模型。 针对目标任务进行模型微调训练，根据具体应用场景对预训练模型进行微调训练，优化模型结构和训练过程以提高性能。 部署和调试模型，将训练好的模型部署到生产环境，对部署的模型进行在线调试和性能优化。 注意安全性和隐私保护，大模型涉及大量数据和隐私信息，需要重视安全性和合规性。 总的来说，训练自有数据的大模型需要综合考虑多方面因素，包括部署方式、数据准备、模型训练、部署调试以及安全性等。需要根据具体需求选择合适的方法，并注意优化各个环节以提高模型性能和应用效果。
2025-01-24