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

有没有视觉识别的模型

Answer

以下是一些视觉识别的模型：

  1. siglip-so400m-patch14-384：由 Google 开发的视觉特征提取模型，负责理解和编码图像内容。工作流程包括接收输入图像、分析图像的视觉内容（如物体、场景、颜色、纹理等）、将这些视觉信息编码成一组特征向量。可在 ComfyUI\models\clip 中下载，若因环境问题，也可在网盘中下载。下载好后，目录的文件包括 image_adapter.pt（适配器），其连接视觉模型和语言模型，优化数据转换。工作流程包括接收来自视觉模型的特征向量、转换和调整这些特征使其适合语言模型处理、进行一些特定任务的优化或微调（如图片到文字）。可通过 https://huggingface.co/spaces/fancyfeast/joy-caption-pre-alpha/tree/main/wpkklhc6 下载，放到 models 的 Joy_caption 文件夹里，若该文件夹不存在，新建一个。
  2. Comfyui IPAdapter 中的图像模型：
Content generated by AI large model, please carefully verify (powered by aily)

References

ComfyUI JoyCaption提示词反推太强了结合MiniCPM和ollama直接上墙的强还和Flux特别的搭ComfyUI里用起来

模型的下载如果因为环境问题，可以在网盘中下载[heading4]siglip-so400m-patch14-384（视觉模型）[content]siglip由Google开发的视觉特征提取模型，负责理解和编码图像内容。工作流程：a.接收输入图像b.分析图像的视觉内容（如物体、场景、颜色、纹理等）c.将这些视觉信息编码成一组特征向量打开ComfyUI\models\clip，在地址栏输入CMD回车，打开命令行输入下面的命令，拉取模型（需要环境，也可以在网盘里下载）下载好之后，目录的文件[heading4]image_adapter.pt（适配器）[content]连接视觉模型和语言模型，优化数据转换。工作流程：a.接收来自视觉模型的特征向量b.转换和调整这些特征，使其适合语言模型处理c.一些特定任务的优化或微调（如图片到文字）通过https://huggingface.co/spaces/fancyfeast/joy-caption-pre-alpha/tree/main/wpkklhc6下载放到models的Joy_caption文件夹里如果Joy_caption文件夹不存在，就新建一个[heading4]Meta-Llama-3.1-8B-bnb-4bit（语言模型）[content]大型语言模型，负责生成文本描述。工作流程：a.接收经过适配器处理的特征b.基于这些特征生成相应的文本描述c.应用语言知识来确保描述的连贯性和准确性打开ComfyUI\models\LLM，地址栏输入CMD回车在命令行里面输入下面命令下载后的完整目录文件[heading4]

Comfyui IPAdapter

模型下载后,需要严格按照下面的名称命名,为了使用后面的IPAdapter统一加载器(这个很方便)图像处理的模型,这两个模型的区别在于参数量的大小不一样.另外在后续操作时候,也需要做对应的区分,注意IPAdpter模型和IPAdapter预处理的对应[CLIP-ViT-H-14-laion2B-s32B-b79K.safetensors](https://huggingface.co/h94/IP-Adapter/resolve/main/models/image_encoder/model.safetensors),download and rename CLIP-ViT-H-14-laion2B-s32B-b79K.safetensors，下载并重命名[CLIP-ViT-bigG-14-laion2B-39B-b160k.safetensors](https://huggingface.co/h94/IP-Adapter/resolve/main/sdxl_models/image_encoder/model.safetensors),download and rename CLIP-ViT-bigG-14-laion2B-39B-b160k.safetensors，下载并重命名下载后放入/ComfyUI/models/clip_vision这里需要注意的是，clip vison只能编码224x224大小的正方形图片，所以后续使用时候，需要注意下，把图片做一下裁剪，特别是不是正方形的图片。

ComfyUI IPAdapter

模型下载后,需要严格按照下面的名称命名,为了使用后面的IPAdapter统一加载器(这个很方便)图像处理的模型,这两个模型的区别在于参数量的大小不一样.另外在后续操作时候,也需要做对应的区分,注意IPAdpter模型和IPAdapter预处理的对应[CLIP-ViT-H-14-laion2B-s32B-b79K.safetensors](https://huggingface.co/h94/IP-Adapter/resolve/main/models/image_encoder/model.safetensors),download and rename CLIP-ViT-H-14-laion2B-s32B-b79K.safetensors，下载并重命名[CLIP-ViT-bigG-14-laion2B-39B-b160k.safetensors](https://huggingface.co/h94/IP-Adapter/resolve/main/sdxl_models/image_encoder/model.safetensors),download and rename CLIP-ViT-bigG-14-laion2B-39B-b160k.safetensors，下载并重命名下载后放入/ComfyUI/models/clip_vision这里需要注意的是，clip vison只能编码224x224大小的正方形图片，所以后续使用时候，需要注意下，把图片做一下裁剪，特别是不是正方形的图片。

Others are asking
人类接收外界信息的感官中，视觉占比高达83%，听觉占11%，其余触觉、嗅觉、味觉合计仅占6%。如何采用用AI画出图示呢
以下为您提供采用 AI 画出关于人类接收外界信息感官占比图示的相关指导： 首先，您可以选择合适的 AI 绘图工具，如 Creately、Whimsical 或 Miro 等。 Creately 是一个在线绘图和协作平台，利用 AI 功能简化图表创建过程，适合绘制流程图、组织图、思维导图等。它具有智能绘图功能，能自动连接和排列图形，还有丰富的模板库和预定义形状，支持实时协作。官网：https://creately.com/ Whimsical 是一个专注于用户体验和快速绘图的工具，适合创建线框图、流程图、思维导图等。其具有直观的用户界面，易于上手，支持拖放操作，快速绘制和修改图表，提供多种协作功能。官网：https://whimsical.com/ Miro 是一个在线白板平台，结合 AI 功能，适用于团队协作和各种示意图绘制，如思维导图、用户流程图等。它支持无缝协作，支持远程团队实时编辑，有丰富的图表模板和工具，还支持与其他项目管理工具（如 Jira、Trello）集成。官网：https://miro.com/ 使用这些工具绘制图示的一般步骤如下： 1. 选择工具：根据您的具体需求选择合适的 AI 绘图工具。 2. 创建账户：注册并登录该平台。 3. 选择模板：利用平台提供的模板库，选择一个适合您需求的模板。 4. 添加内容：根据您的需求，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：如果需要团队协作，可以邀请团队成员一起编辑。完成后导出并分享图表。
2025-02-28
视觉理解技术最新动态和趋势
以下是视觉理解技术的最新动态和趋势： 一、视觉分析技术 1. Transformer 视觉模型优点 2. Transformer 视觉模型的局限 二、图像语言模型 三、视频语言模型 四、LLM 多模态 Agent 五、应用场景 1. 多模态内容理解与处理 2. 智能交互与自动化 3. 具身智能 4. 未来发展趋势（2024 ？） 5. 视频生成模型 mapping 六、未来发展方向 1. 技术路径而言：利用预训练 LLMs 进行指令调整 最初，多模态融合方法常采用预训练的目标检测器，如 ViLBERT、VisualBERT 和 UnicoderVL，通过提取图像特征和执行交叉模态预训练任务，为后续的图像 文本任务奠定基础。 随着 ViT 的出现和普及，更多方法开始利用 ViT 作为图像编码器，强调大规模预训练，以提高模型的性能和泛化能力，例如 Flamingo。 近期，向多模态 LLMs 发展，从进行预训练到向指令调整（instruction tuning）转变，如 LLaVA 和 MiniGPT4，融合视觉和语言信息，能更有效地完成视觉理解相关任务，提升模型对于指令的理解能力和零样本性能，更好地泛化到未见过的任务和领域。 2. 应用场景而言：赋予机器理解多模态的能力 此外，李飞飞在 2015 年的 TED 演讲《我们怎么教计算机理解图片？》中提到了计算机视觉方面的研究进展，指出虽然在科技上取得了很多进步，但在计算机视觉方面仍存在一些问题，如自动驾驶车辆的视觉敏锐度、向盲人传递画面、无人机的视觉技术等。
2025-01-10
我想找关于视觉识别相关的api
很抱歉，目前知识库中没有关于视觉识别相关 API 的具体信息。但您可以通过以下途径寻找： 1. 一些知名的云服务提供商，如阿里云、腾讯云、百度云等，它们通常提供视觉识别相关的 API 服务。 2. 专门的人工智能和计算机视觉技术公司的官方网站，可能会有相关的 API 介绍和使用文档。 3. 技术社区和开发者论坛，例如 CSDN、掘金等，您可以在这些地方与其他开发者交流，获取相关的推荐和经验分享。
2024-12-19
国内做视觉理解的大模型厂商有哪些
国内做视觉理解的大模型厂商有以下这些： 北京： 百度（文心一言）：https://wenxin.baidu.com 抖音（云雀大模型）：https://www.doubao.com 智谱 AI（GLM 大模型）：https://chatglm.cn 中科院（紫东太初大模型）：https://xihe.mindspore.cn 百川智能（百川大模型）：https://www.baichuanai.com 上海： 商汤（日日新大模型）：https://www.sensetime.com MiniMax（ABAB 大模型）：https://api.minimax.chat 上海人工智能实验室（书生通用大模型）：https://internai.org.cn 此外，在 0 基础手搓 AI 拍立得的模型供应商选择中，还有以下视觉类大模型厂商： 智谱 GLM4V：通用视觉类大模型，拍立得最早使用的模型，接口响应速度快，指令灵活性差一些，一个接口支持图片/视频/文本，视频和图片类型不能同时输入，调用成本为 0.05 元/千 tokens， 阿里云百炼 qwenvlplus：通用视觉类大模型，拍立得目前使用的模型，指令灵活性比较丰富，接口调用入门流程长一些，密钥安全性更高，调用成本为¥0.008/千 tokens，训练成本为¥0.03/千 tokens， 阶跃星辰：通用视觉类大模型，响应速度快，支持视频理解，输入成本为¥0.005～0.015/千 tokens，输出成本为¥0.02～0.07/千 tokens， 百度 PaddlePaddle：OCR，垂直小模型，文本识别能力补齐增强，私有化部署服务费，API 调用在¥0.05～0.1/次，
2024-12-19
有哪些好的将文本转换为视觉的AI工具
以下是一些将文本转换为视觉的 AI 工具： 1. Pika：出色的文本生成视频 AI 工具，擅长动画制作，支持视频编辑。 2. SVD：Stable Diffusion 的插件，可在图片基础上生成视频，由 Stability AI 开源。 3. Runway：老牌 AI 视频生成工具，提供实时涂抹修改视频功能，但收费。 4. Kaiber：视频转视频 AI，能将原视频转换成各种风格的视频。 5. Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 6. Napkin AI：将文本内容转换为视觉图像，生成图表、流程图等，可编辑和个性化设计元素，并导出多种格式。 7. Trellis AI：能从非结构化内容中提取数据，将复杂数据源高效转换成结构化的 SQL 格式。 更多的文生视频的网站可以查看：https://www.waytoagi.com/category/38 。 此外，在软件架构设计中，以下工具可用于绘制逻辑视图、功能视图和部署视图： 1. Lucidchart：流行的在线绘图工具，支持多种图表创建。 2. Visual Paradigm：全面的 UML 工具，提供多种架构视图创建功能。 3. ArchiMate：开源建模语言，与 Archi 工具配合使用支持逻辑视图创建。 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，支持多种图表创建。 7. PlantUML：文本到 UML 转换工具，可自动生成多种视图。 8. Gliffy：基于云的绘图工具，提供架构图创建功能。 9. Archi：免费开源工具，支持逻辑视图创建。 10. Rational Rose：IBM 的 UML 工具，支持多种视图创建。
2024-12-12
(defun 生成记忆卡片 (单词) "生成单词记忆卡片的主函数" (let* ((词根 (分解词根 单词)) (联想 (mapcar #'词根联想 词根)) (故事 (创造生动故事 联想)) (视觉 (设计SVG卡片 单词 词根 故事))) (输出卡片 单词 词根 故事 视觉))) (defun 设计SVG卡片 (单词 词根 故事) "创建SVG记忆卡片" (design_rule "合理使用负空间，整体排版要有呼
以下是关于生成记忆卡片和 SVG 卡片的相关信息： 卡片类的应用被定义为词生卡片，如李继刚的《汉语新解》、一泽的《名片设计》、云中江树的《AI 简历》等，都是通过给大模型优化过的 Prompt，让其生成 HTML 代码或 SVG 代码，再通过浏览器渲染效果。 把提示词丢给 Claude ，如在 Poe 平台上的 Claude 模型，大概率会直接输出 SVG 代码，但对于子步骤是否执行等情况难以知晓。Andrej Karpathy 认为，模型需要 tokens 来思考，如果大语言模型未将思考过程外化，则几乎等于没思考。 甲木介绍了让 Claude 生成古诗词卡片的方法，流程包括输入 Prompt 、用户输入主题和风格，AI 输出最终结果。获取提示词已开源，创作过程主要是根据给定主题和方向生成匹配的中国古诗词，创建设计感强烈、富有中国传统美学的 SVG 卡片展示诗词，并提供相关信息，还支持根据用户提供的主题和方向生成对应语境的 prompt 并配图生成 SVGCard 。但对于“逼格高”的看法因人而异，可将选择权交给 AI 。
2024-11-28
所以我可以理解为CNN是一种图像分类识别的AI算法技术吗
卷积神经网络（CNN）是一种用于图像分类识别的 AI 算法技术。 ImageNet 成为深度神经网络革命的首选数据集，其中由 Hinton 领导的 AlexNet 就是基于卷积神经网络（CNN）。自 2012 年以来，在深度学习理论和数据集的支持下，深度神经网络算法大爆发，包括卷积神经网络（CNN）等。 连接主义的全面逆袭从 2012 年开始，欣顿教授和他的学生建立的 AlexNet 就是使用反向传播算法训练的卷积神经网络（CNN），其在图像识别方面击败了当时最先进的逻辑程序。 虽然 CNN 模型取得了显著成果并解决了许多问题，但也存在一些缺陷，如不能从整幅图像和部分图像识别出姿势、纹理和变化，池化操作导致模型不具备等变、丢失很多信息，需要更多训练数据来补偿损失，更适合像素扰动极大的图像分类，对某些不同视角的图像识别能力相对较差。因此，在 2011 年，Hinton 和他的同事们提出了胶囊网络（CapsNet）作为 CNN 模型的替代。
2025-03-07
图片识别
图片识别是一个复杂但重要的领域，以下为您介绍相关知识： 神经网络在图片识别中的应用：神经网络专门处理未知规则的情况。例如，将图片转换为黑白，调整图片至固定尺寸，与数据库中的内容进行对比，最终得出结论。其发展得益于生物学研究的支持，在数学上提供了方向，能够处理如手写体识别等未知情况。 感知机网络在图片识别中的工作方式：受大脑神经元网络的启发，罗森布拉特提出应用感知机网络执行视觉任务，如人脸和物体识别。以识别手写数字为例，将图像转换为一组数值输入，确定感知机的权重分配和阈值，使其能正确输出。感知机通过类似行为心理学中的训练方式，在样本上进行监督学习来获得正确的权重和阈值。 判断图片是否为 AI 生成：现在有不少网站通过对大量图片数据的抓取和分析来判断画作属性。例如 ILLUMINARTY 网站，但在测试中可能存在误判，如将结构严谨的真实摄影作品识别为 AI 作图，这反映出鉴定 AI 自身的逻辑算法不能像人类一样综合考虑各种表现。
2025-03-07
语音转文本，能识别不同人声，并将文本进行总结汇总，行程纪要或思维导图等
以下是为您提供的相关信息： ElevenLabs 发布了全球最精准的语音转文字模型 Scribe，它支持 99 种语言，语音转录准确率超越 Gemini 2.0 和 OpenAI Whisper v3，可识别 32 个不同说话者，并标记笑声、鼓掌等非语言元素，提供单词级时间戳，方便字幕同步和音频编辑，输出结构化 JSON，便于开发者集成。相关链接： 另外，为您推荐以下在线 TTS 工具： 1. Eleven Labs：https://elevenlabs.io/ ，ElevenLabs Prime Voice AI 是一款功能强大且多功能的 AI 语音软件，使创作者和出版商能够生成逼真、高品质的音频。人工智能模型能够高保真地呈现人类语调和语调变化，并能够根据上下文调整表达方式。 2. Speechify：https://speechify.com/ ，Speechify 是一款人工智能驱动的文本转语音工具，使用户能够将文本转换为音频文件。它可作为 Chrome 扩展、Mac 应用程序、iOS 和 Android 应用程序使用，可用于收听网页、文档、PDF 和有声读物。 3. Azure AI Speech Studio：https://speech.microsoft.com/portal ，Microsoft Azure Speech Studio 是一套服务，它赋予应用程序能力，让它们能够“听懂、理解并与客户进行对话”。该服务提供了支持 100 多种语言和方言的语音转文本和文本转语音功能。此外，它还提供了自定义的语音模型，这些模型能够适应特定领域的术语、背景噪声以及不同的口音。 4. Voicemaker：https://voicemaker.in/ ，AI 工具可将文本转换为各种区域语言的语音，并允许您创建自定义语音模型。Voicemaker 易于使用，非常适合为视频制作画外音或帮助视障人士。 请注意，以上内容由 AI 大模型生成，请仔细甄别。
2025-03-07
会议语音识别并转为总结，思维导图。有什么开源项目模型支持？
以下是一些支持会议语音识别并转为总结、思维导图的开源项目： 1. 熊猫大侠： 基于 COW 框架的 ChatBot 实现。 支持多端部署，可接入个人微信、微信公众号、企业微信应用。 具备基础对话功能，支持私聊及群聊的消息智能回复，多轮会话上下文记忆，支持 GPT3、GPT3.5、GPT4、文心一言模型。 支持语音识别，可识别语音消息，通过文字或语音回复，支持 azure、baidu、google、openai 等多种语音模型。 支持图片生成和图生图，可选择 DellE、stable diffusion、replicate、Midjourney 模型。 拥有丰富插件，支持个性化插件扩展，已实现多角色切换、文字冒险、敏感词过滤、聊天记录总结等插件。 Tool 工具能与操作系统和互联网交互，支持最新信息搜索、数学计算、天气和资讯查询、网页总结，基于实现。 可通过上传知识库文件自定义专属机器人，作为数字分身、领域知识库、智能客服使用，基于 LinkAI 实现。 项目地址 项目地址 2. 阿里云百炼大模型平台： 具备对话分析能力，可根据对话内容生成标题和质检项等，结果以 JSON 结构呈现。 支持 API 调用，为实现企业级应用融合，可接入 API 将应用包装到工作流程链路中，满足企业数据安全隔离等需求。 支持图像生成，可通过 Flux 模型等生成图像，设置参数如正向提示词、负面提示词等。 支持文本生成，能生成小红书风格文案、朋友圈文案等各种营销文案，还能结合多模态模型创作歌曲。 拥有语音模型，包括语音合成和识别，可选择多种角色和自定义内容，对通用文字识别准确，对专有名词可微调识别。 支持视频处理，如影视传媒理解，能提取视频信息、分析爆点、生成字幕和思维导图等。 支持工作流串联，实时语音识别后可生成会议纪要，实现企业级应用中的工作流串联。 支持智能体应用的搭建与发布，工作流应用由多个节点组成，包括大模型节点、知识库节点、API 节点等，可实现意图分类和商品导购，还能进行文本转换兜底。 智能体应用创建有多种应用模板，可添加知识库，如客服话术知识库，能通过提示词和知识库数据进行智能客服问答。 支持多模态交互，包括语音交互和视频交互，语音交互可配置是否智能打断，视频交互需使用 VO 模型。 发布渠道有官方应用、钉钉机器人、微信公众号等，还有低代码开发平台，可快速创建 Web 应用。
2025-03-07
我想让cursor帮我编程一个能在Android studio编译的Android应用，它的主要功能是接受esp32通过websocket协议发送过来的opus数据，保存opus并把数据转换成wav，再使用sherpa-onnx语音识别成文字。我该使用什么提示词让cursor帮我写出这个Android应用？
很抱歉，目前没有适用于让 Cursor 生成您所需 Android 应用的特定提示词。编写这样一个复杂的 Android 应用需要对 Android 开发、网络通信、音频处理和语音识别等多个领域有深入的了解和专业知识。您可能需要逐步向 Cursor 描述应用的架构、各个模块的功能和实现逻辑，例如先描述如何建立与 ESP32 的 WebSocket 连接，如何接收和处理 Opus 数据，如何进行数据转换以及如何调用 Sherpaonnx 进行语音识别等。但需要注意的是，仅仅依靠提示词让 Cursor 生成完整可用的复杂应用可能具有一定的局限性，建议您在具备相关基础知识的前提下，结合 Cursor 的辅助来逐步完成开发。
2025-03-06
我想让cursor帮我编程一个能在Android studio编译的Android应用，它的主要功能是接受esp32通过websocket协议发送过来的opus数据，保存opus并把数据转换成wav，再使用sherpa-onnx语音识别成文字。我该使用什么提示词让cursor帮我写出这个Android应用？
很抱歉，目前没有关于使用 Cursor 生成您所需的这种特定 Android 应用的提示词的相关内容。一般来说，您可以向 Cursor 提供以下关键信息作为提示词的参考： 1. 明确应用的功能需求，如“编写一个在 Android Studio 中编译的 Android 应用，用于接收 ESP32 通过 WebSocket 协议发送的 Opus 数据，保存 Opus 并转换为 WAV 格式，然后使用 Sherpaonnx 进行语音识别成文字。” 2. 描述应用的技术架构和关键技术点，例如“应用需基于 Android 平台，使用合适的网络库处理 WebSocket 连接，采用有效的数据存储方式保存 Opus 数据，利用特定的音频转换库将 Opus 转换为 WAV，以及集成 Sherpaonnx 语音识别库实现文字转换。” 3. 提及开发环境和工具要求，比如“在 Android Studio 开发环境中，遵循 Android 应用开发规范和最佳实践。” 但需要注意的是，Cursor 生成的代码可能并不完全满足您的需求，还需要您进行进一步的修改和完善。
2025-03-06
我想整理现在国内和国外的大语言模型产品并需要你整理差异还有时间轴
以下是对国内外大语言模型产品的整理及差异： 国内大语言模型： 通用模型：如文心一言、讯飞星火等，能够处理自然语言。 垂直模型：专注于特定领域，如小语种交流、临床医学、AI 蛋白质结构预测等。 具有代表性的项目：“悟道・天鹰”（北京智源人工智能研究院）是首个具备中英文双语知识、支持商用许可协议、国内数据合规需求的开源语言大模型；文心一言（百度）可用以文学创作、商业文案创作、数理逻辑推算、中文理解、多模态生成。 国外大语言模型： 具有代表性的项目：GPT4（OpenAI）是目前最先进的自然语言生成模型，可用于回答问题、撰写文章等；Gemini Ultra（Google）是多模态人工智能模型，采用神经网络架构，对标 GPT4，可用于回答问题、生成代码、处理文本等；Claude 3 Opus（Anthropic）是多模态模型，能处理超过 1 百万 token 的输入，具有实时聊天、数据处理、分析预测等功能，实现了接近完美的召回率。 时间轴方面： 国内：去年 7 月大模型百花齐放。 国外：相关模型也在不断发展和更新。 在工作原理上，大语言模型通常包括训练数据、算力、模型参数等要素。在训练数据一致的情况下，模型参数越大能力越强。Transformer 架构是大语言模型训练的常见架构，具备自我注意力机制能理解上下文和文本关联。同时，大模型可能存在幻觉，即因错误数据导致给出错误答案，优质数据集对其很重要。此外，Prompt 分为 system prompt、user prompt 和 assistant prompt，写好 Prompt 的法则包括清晰说明、指定角色、使用分隔符、提供样本等。还可以基于通用大模型进行 Fine tuning 微调，以适应特定领域的需求。
2025-03-07
如何搭建大模型
搭建大模型需要注意以下几个方面： 1. 认识到开发大模型应用的复杂性，许多细节和阶段在实际操作中才会逐渐显现，因此并非易事。 2. 提示词设计需要精细工作，精心设计和调试是确保流程顺畅和应用有价值的关键，其直接影响模型输出质量和应用效果。 3. 构建有效的大型语言模型应用需要： 重视工程化，避免模型应用无法维护。 根据项目需求选择合适的开发框架。 了解业务深层次需求，设定流程环节以确保模型能解决实际问题。 在每个环节精心设计提示词，引导模型提供准确有用的回复。 确保应用在提供服务时遵守安全和伦理标准。 通过不断测试和迭代优化模型性能和用户体验。 成功部署后持续维护和更新，以适应需求变化。 掌握这些关键点，能确保构建的模型应用技术先进，真正解决用户问题并提供有价值的服务。此外，本次的彩蛋更新加入了“Emotion”字段，智能体构建专家会动态推理智能体情感设定，帮助制作更有情商的智能体。
2025-03-07
法律 大模型 都有哪些
以下是一些法律大模型： ChatLaw：由北大开源的一系列法律领域的大模型，包括 ChatLaw13B（基于姜子牙 ZiyaLLaMA13Bv1 训练而来）、ChatLaw33B（基于 Anima33B 训练而来，逻辑推理能力大幅提升）、ChatLawText2Vec。使用 93 万条判决案例做成的数据集基于 BERT 训练了一个相似度匹配模型，可将用户提问信息和对应的法条相匹配。地址：训练而来，中文各项表现很好，但逻辑复杂的法律问答效果不佳，需要用更大参数的模型来解决。
2025-03-07
不能用APP思维、传统数字平台思维去做大模型创业和人工智能创业，二者在底层逻辑和商业模式等方面完全不同
大模型创业和人工智能创业与 APP 思维、传统数字平台思维在底层逻辑和商业模式等方面存在显著差异。大模型和人工智能创业更注重数据的深度处理、算法的优化创新以及对复杂问题的解决能力。相比之下，APP 思维通常侧重于用户界面和功能的设计，以满足特定的用户需求；传统数字平台思维则更多关注平台的搭建和用户流量的获取与运营。在大模型和人工智能领域，技术的突破和创新是关键，需要投入大量资源进行研发，并且要面对更高的技术门槛和不确定性。而 APP 和传统数字平台的创业相对更侧重于市场推广和用户体验的优化。总之，不能简单地用 APP 思维和传统数字平台思维来指导大模型和人工智能创业。
2025-03-07
是否有可以免费使用的可以辅助机械设计的AI大模型
以下是一些可以免费使用且能辅助机械设计的 AI 大模型： 1. Trae 国内版：内置豆包 1.5 pro、DeepSeek 满血版等大模型，无限量免费使用。其作为 AI IDE，整体比插件好用，连接稳定快速，界面根据国内用户习惯定制。 2. 阿里的通义千问大模型：有免费接口，但可能存在一定的免费额度限制。 3. 智谱 AI（ChatGLM）：有免费接口，同样可能有免费额度的限制。 4. 科大讯飞（SparkDesk）：提供免费接口，可能有限制免费额度的 Token。 此外，谷歌的 Gemini 大模型和海外版 Coze 的 GPT4 模型免费且能图片识别，但使用时需要给服务器挂梯子。
2025-03-07
是否有可以免费使用的机械工程领域的AI大模型
目前有可以免费使用的机械工程领域相关的 AI 编程工具 Trae。 Trae 具有以下特点： 1. 国内版使用国内模型，连接稳定快速，界面根据国内用户习惯定制。 2. 内置豆包 1.5 pro、DeepSeek 满血版、Claude 3.5 等大模型，可无限量免费使用。 3. 具有完整的 IDE 功能，如代码编写、项目管理、插件管理、源代码管理等，并提供智能问答、实时代码建议、代码片段生成、从 0 到 1 开发项目等功能。 4. 全中文界面，支持 Windows 和 MacOS 系统，操作界面简洁直观，即使是技术小白也能快速上手。 5. 内置顶级 AI 模型免费畅享，如 Claude 3.5 和 GPT4o，完全免费且不限使用次数。 下载链接：https://sourl.co/2DCmmW 官方说明文档：https://docs.trae.ai/docs
2025-03-07
有没有ai编程的AI rules
目前关于 AI 编程的 AI Rules 主要有以下内容： 在字节发布的全新 AI IDE Trae 中，由于其过于智能，有时难以控制其立即执行任务，且目前没有全局 AI Rules 的设置，需要用“”来引入规则。 在进行 AI 编程时，应遵循一定的准则。例如，能不编程尽量不编，优先寻找线上工具、插件、本地应用等现成的解决方案，先找现成的开源工具和付费服务，最后再考虑自己编程，且编程时要以终为始，聚焦目标。 在 Trae 中，可以新建一个文件“AI Rules”，将相关规则代码复制进去并保存。在与 AI 沟通需求时引入该文件，AI 会按照规则进行开发。同时，AI 生成的代码可能存在随机性和错误，需要花费时间调试 Bug，可以通过终端、测试网页功能时的“F12”等方式查看报错信息并修复。
2025-03-08
有没有视频转换拍摄脚本的AI工具
以下是一些可以将视频转换为拍摄脚本的 AI 工具： 1. ChatGPT + 剪映：ChatGPT 可生成视频小说脚本，剪映能根据脚本自动分析出视频所需场景、角色、镜头等要素，并生成对应素材和文本框架，实现从文字到画面的快速转化。 2. PixVerse AI：在线 AI 视频生成工具，支持将多模态输入（如图像、文本、音频）转化为视频。 3. Pictory：AI 视频生成器，允许用户提供文本描述来生成相应视频内容，无需视频编辑或设计经验。 4. VEED.IO：提供 AI 图像生成器和 AI 脚本生成器，帮助用户从图像制作视频，并规划视频内容。 5. Runway：AI 视频创作工具，能将文本转化为风格化的视频内容，适用于多种场景。 6. 艺映 AI：专注于人工智能视频领域，提供文生视频、图生视频、视频转漫等服务，可根据文本脚本生成视频。 如果您想用 AI 把小说做成视频，大致的制作流程如下： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 8. 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。
2025-03-08
有没有画平面图的ai
以下是一些可以画平面图和 CAD 图的 AI 工具： 对于平面图： HDAidMaster：云端工具，在建筑、室内和景观设计领域表现出色，搭载自主训练的建筑大模型 ArchiMaster。 Maket.ai：主要面向住宅行业，能根据输入的房间面积需求和土地约束自动生成户型图。 ARCHITEChTURES：AI 驱动的三维建筑设计软件，可在住宅设计早期引入标准和规范约束设计结果。 Fast AI 人工智能审图平台：形成全自动智能审图流程，将建筑全寿命周期内的信息集成管理。 对于 CAD 图： CADtools 12：Adobe Illustrator 插件，添加 92 个绘图和编辑工具。 Autodesk Fusion 360：集成了 AI 功能的云端 3D CAD/CAM 软件。 nTopology：基于 AI 的设计软件，可创建复杂 CAD 模型。 ParaMatters CogniCAD：根据设计目标和约束条件自动生成 3D 模型。 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。 但每个工具都有其特定应用场景和功能，建议根据具体需求选择合适的工具。同时，对于 CAD 初学者，建议先学习基本建模技巧再尝试使用这些 AI 工具提高效率。
2025-03-07
有没有自动在邮件app或者网页上，自动生成回复内容的 工具
以下是一些与自动在邮件 app 或网页上生成回复内容的工具相关的信息： 1. GPTs 可以与 Zapier 结合实现相关功能。例如，假设您是项目经理，可从长篇工作邮件中提取关键信息和摘要；若您是客服代表或独立开发者，能根据邮件内容自动分类（如投诉、感谢信等）并生成相对合适的回复内容，再发送给对应的发件人。具体操作步骤请移步文档： 2. Apple Intelligence 里面各种智能应用的提示词已被曝光，其中包括帮您回复邮件中问题的 Smart Reply 功能的提示词。但关于此功能的更多详细信息暂未明确。
2025-03-07
有没有使用deepseek的指令集
以下是关于 DeepSeek 提示词方法论的相关内容： 核心原理认知：包括 AI 特性定位（多模态理解、动态上下文、任务适应性）和系统响应机制（采用意图识别+内容生成双通道，自动检测 prompt 中的任务类型/输出格式/知识范围，对位置权重、符号强调敏感）。 基础指令框架：如果不知道如何表达，可套用框架指令，如四要素模板、格式控制语法（强制结构、占位符标记、优先级符号）。 进阶控制技巧：思维链引导（分步标记法、苏格拉底式追问）、知识库调用（领域限定指令、文献引用模式）、多模态输出。 高级调试策略：模糊指令优化（针对宽泛需求添加维度约束、主观表述量化标准）、迭代优化法（首轮生成获取基础内容、特征强化、风格调整、最终校验）。 行业应用案例：包括技术开发场景和商业分析场景。 异常处理方案：信息幻觉（追加请标注所有不确定陈述，并提供验证方法）、格式偏离（使用严格遵循特定模板）、深度不足（触发请继续扩展内容，添加案例佐证）。 效能监测指标：首次响应准确率目标>75%、多轮对话效率（问题解决平均轮次<3）、复杂任务分解（支持 5 级子任务嵌套）。 此外，还有高阶能力调用，包括文风转换矩阵、领域穿透技术、商业决策支持；场景化实战策略，包括创意内容生成、技术方案论证；特殊场景解决方案，包括长文本创作（分段接力法）、敏感内容处理（概念脱敏法、场景移植法）；效能增强技巧，包括对话记忆管理（上下文锚定、信息回溯、焦点重置）、输出质量控制（针对过度抽象、信息过载、风格偏移的修正指令）。
2025-03-06
有没有能够进行会议记录的AI助手，免费的
以下是一些能够进行会议记录的免费 AI 助手： 1. 飞书妙记（https://www.feishu.cn/product/minutes）：飞书的办公套件之一。 2. 通义听悟（https://tingwu.aliyun.com/home）：阿里推出的 AI 会议转录工具。 3. 讯飞听见（https://www.iflyrec.com/）：讯飞旗下智慧办公服务平台。 4. Otter AI（https://otter.ai/）：转录采访和会议纪要。 更多会议记录工具请访问网站：https://waytoagi.com/sites/category/29 。需要注意的是，大部分工具可能有使用的时间限制，超过一定的免费时间后就需要付费了。内容由 AI 大模型生成，请仔细甄别。
2025-03-06