AL最新前沿

Function Calling 是一种在自然语言处理和人工智能领域中的技术和概念。 在金融业务场景中，例如搜索欧元兑美元的当前汇率，使用前需要做好配置，如使用 Gemini 1.5 Flash 模型。 对于 ChatGPT 而言，为了让其返回符合要求的 JSON 格式，prompt 的定制尤为重要和复杂。OpenAI 发布函数调用及其他 API 更新后，开发人员可以向 gpt40613 和 gpt3.5turbo0613 描述函数，并让模型智能地选择输出一个包含调用这些函数所需参数的 JSON 对象，这是将 GPT 的能力与外部工具和 API 连接起来的新方法。例如，本地写函数执行 this.app.mysql.select，这样使得 prompt 的定制更为简单，AI 的输出更为可控。 在 OpenAI 的相关实践中，Chat completions API 允许在请求时附带一系列函数描述，模型可据此产生函数参数，API 以 JSON 格式返回参数用于执行函数调用，函数调用的结果还可反馈给模型形成交互循环。想深入了解可查看 GPT 入门指南里的函数调用部分和 OpenAI Cookbook 里的用例。但需注意，模型生成的代码不一定都正确和安全，使用前要确保环境安全。

OpenAI 刚发布了全新的 Agent 工具包，这标志着 AI 智能体进入了新时代。新推出的 Responses API 及相关工具，简化了开发者构建多功能 AI Agent 的流程，实现了自动化任务处理。其中，网络搜索、文件搜索及计算机使用工具相结合，使 AI 不仅能获取实时信息，还能执行复杂操作。这不仅是对 Assistants API 的全面升级，也意味着智能体进入统一接口、标准化开发的新阶段。OpenAI 表示，2025 年将是 Agent 的元年，让 AI 超越聊天框，成为工作中的“数字助理”与“数字同事”。开发智能体不再需要拼凑繁杂代码，只需 4 行代码即可实现。

很抱歉，不太明白您“生成头像 chinali，背景今日家庭联盟开始 AGI 之路”的具体需求。能否请您再详细描述一下，比如头像的风格、色彩偏好、人物特征等方面的要求，以便我为您提供更准确的帮助。

以下是一个关于实现简单的 function calling agents 的指导，以便小白能够理解： 实现原理： 提示词工程主要由提示词注入和工具结果回传两部分代码组成。提示词注入用于将工具信息及使用工具的提示词添加到系统提示中，它包含 TOOL_EAXMPLE、tools_instructions 和 REUTRN_FORMAT 三个部分。TOOL_EAXMPLE 用于提示 LLM 如何理解和使用工具，编写时应注意用无关紧要的工具作示例避免混淆。tools_instructions 是将通用工具字典转换成 LLM 可读的工具列表，实际使用时可动态调整。REUTRN_FORMAT 定义了调用 API 的格式。工具结果回传阶段利用正则表达式抓取输出中的“tool”和“parameters”参数，对于 interpreter 工具使用另一种正则表达式提取 LLM 输出的代码，通过识别 LLM 返回的调用工具的字典提取对应值传入工具函数，将工具返回结果以 observation 角色返回给 LLM，对于不接受相关角色的 LLM 接口可改为回传给 user 角色。 实现方式的比较与建议： 1. JSON Output：通过 Prompt 方式让模型输出 JSON 格式内容，但 Prompt 麻烦，输出不稳定，串业务成本高。 2. JSON Mode：官方 JSON Output，与 Tools 适用场景不同，JSON mode 为输出 JSON 存在，Tools 为 Call API 存在。 3. 从可控角度推荐 Function Calling 和 Tools 实现： 放弃 JSON mode，模型输出 JSON 仍可能出错，模型厂家对 Function Calling 有微调优化。 降低 System prompt 依赖，能在 Tools 里写的尽量写在里面。 API Response 增强 Prompt，准确率高。 尽量让模型做选择而非填空，减少 token 输出，提高速度和准确率。 利用 Tools 做 Route，构建 Multi Agent，术业有专攻。 此外，在初级菜鸟学习 Langchain 做简单 RAG 方面： 1. 没有用 Langchain 做 table 和 text 的 RAG： Table 表格：包括读入表格 markdown 格式嵌入 template 和直接使用 function call 两种方法。 Text 文字：包括文字相似度检索过程，涉及读入文字、清洗、切分、向量化、计算相似度等步骤。 2. 用 Langchain 做 table 和 text 的 RAG：包括运用 Agent 和 Chain 等方式。 3. 使用 Agent 把文本多种文档组合起来。 相关代码和示例可参考相应的链接。

Function Calling 是一种在自然语言处理和人工智能模型中的技术。 在金融业务场景中，例如搜索欧元兑美元的当前汇率，使用前需要做好配置，如使用 Gemini 1.5 Flash 模型。 对于 ChatGPT 而言，为了让其返回符合要求的 JSON 格式，prompt 的定制尤为重要和复杂。OpenAI 发布函数调用及其他 API 更新后，开发人员可以向 gpt40613 和 gpt3.5turbo0613 描述函数，并让模型智能地选择输出一个包含调用这些函数所需参数的 JSON 对象，这是将 GPT 的能力与外部工具和 API 连接起来的新方法。例如，本地写函数执行 this.app.mysql.select。 对于 OpenAI 的 GPT 模型，Chat completions API 允许在请求中传递一系列函数描述，使模型能够根据提供的模式生成函数参数，API 以 JSON 格式返回生成的函数参数，可用于执行函数调用，函数调用的输出还可在后续请求中反馈给模型形成交互循环。想深入了解可查看 GPT 入门指南里的函数调用部分和 OpenAI Cookbook 里的用例。 需要注意的是，模型生成的代码不一定都是正确和安全的，在运行代码前要确保环境安全，最好在沙盒中进行。

CodePal 是一款全面的 AI 编程助手，具有以下特点： 1. 智能代码生成：用户输入编程语言及功能描述，即可自动生成相应的代码片段，适用于 Python、Java、JavaScript 和 C++等多种编程语言。 2. 广泛的语言支持：支持超过 30 种编程语言，包括主流语言（如 C、Ruby、Kotlin）和低级语言（如 C++、Rust），能满足不同开发需求。 3. 用户友好界面：设计简洁直观，适合从初学者到经验丰富的开发者等各类用户轻松上手。 4. 功能多样化：除代码生成外，还提供调试建议、代码优化和单元测试生成等功能，有助于提升代码质量和效率。 5. 免费计划：提供基本功能的免费版本，适合爱好者和初学者尝试使用。其独特之处在于强大的 AI 驱动能力，能让用户通过自然语言轻松生成高质量代码，节省时间并减少错误。

大模型的发展时间线和关键节点如下： 2017 年：发布《Attention Is All You Need》论文。 2018 年： Google 提出 BERT，创新性地采用双向预训练并行获取上下文语义信息及掩码语言建模。 OpenAI 提出 GPT，开创仅使用自回归语言建模作为预训练目标的方式。 2021 年：Meta 提出 Large LAnguage Model Approach（LLAMA），成为首个开源模型。 2022 年 11 月 30 日：ChatGPT 发布，在全球范围内掀起人工智能浪潮。 2022 年 12 月：字节云雀大模型等出现。 2023 年： 国内大模型发展大致分为准备期（国内产学研迅速形成大模型共识）、成长期（数量和质量逐渐增长）、爆发期（开源闭源大模型层出不穷，形成百模大战态势）。 关键进展包括：Meta 开源 Llama2、OpenAI 发布多模态 GPT4V 及 GPT4 Turbo、百川智能开源 Baichuan7B 及 Baichuan2、百度升级文心一言 4.0、清华&智谱 AI 开源 ChatGLM2 及清华开源 ChatGLM3、腾讯发布混元助手等。 当前最前沿的新闻包括：过去半年，国内领军大模型企业实现了大模型代际追赶的奇迹，从 7 月份与 GPT3.5 的 20 分差距，到 11 月份测评时已在总分上超越 GPT3.5。

AI 技术的发展历程和前沿趋势如下： 发展历程： 1. 早期阶段（1950s 1960s）：包括专家系统、博弈论、机器学习初步理论。 2. 知识驱动时期（1970s 1980s）：有专家系统、知识表示、自动推理。 3. 统计学习时期（1990s 2000s）：出现机器学习算法如决策树、支持向量机、贝叶斯方法等。 4. 深度学习时期（2010s 至今）：深度神经网络、卷积神经网络、循环神经网络等得到广泛应用。 当前前沿技术点： 1. 大模型（Large Language Models）：如 GPT、PaLM 等。 2. 多模态 AI：包括视觉 语言模型（CLIP、Stable Diffusion）、多模态融合。 3. 自监督学习：如自监督预训练、对比学习、掩码语言模型等。 4. 小样本学习：例如元学习、一次学习、提示学习等。 5. 可解释 AI：涉及模型可解释性、因果推理、符号推理等。 6. 机器人学：涵盖强化学习、运动规划、人机交互等。 7. 量子 AI：包含量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速。 在学习路径方面： 偏向技术研究方向： 1. 具备数学基础，如线性代数、概率论、优化理论等。 2. 掌握机器学习基础，包括监督学习、无监督学习、强化学习等。 3. 深入学习深度学习，如神经网络、卷积网络、递归网络、注意力机制等。 4. 熟悉自然语言处理，如语言模型、文本分类、机器翻译等。 5. 了解计算机视觉，如图像分类、目标检测、语义分割等。 6. 跟进前沿领域，如大模型、多模态 AI、自监督学习、小样本学习等。 7. 进行科研实践，包括论文阅读、模型实现、实验设计等。 偏向应用方向： 1. 掌握编程基础，如 Python、C++等。 2. 熟悉机器学习基础，如监督学习、无监督学习等。 3. 熟练使用深度学习框架，如 TensorFlow、PyTorch 等。 4. 应用于自然语言处理、计算机视觉、推荐系统等领域。 5. 做好数据处理，包括数据采集、清洗、特征工程等。 6. 进行模型部署，如模型优化、模型服务等。 7. 参与行业实践，如项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。 此外，去年生成式 AI 从不引人注意走到了 AI 50 强榜单的前列。今年，随着企业用户和消费者的 AI 生产力大幅提高，其成为前沿和中心。尽管 2023 年美国的大部分 AI 风投流向了基础设施领域，应用公司仍在 AI 50 强榜单中占据主导地位。如今，许多公司正将 AI 融入其工作流程，以此来快速达成 KPI。不远的将来，我们有望看到 UX 和 UI 围绕 AI 的功能进行重新设计。

以下是一些前沿的 AI 学习网站： 1. WaytoAGI：这是一个致力于人工智能（AI）学习的中文知识库和社区平台。为学习者提供系统全面的 AI 学习路径，覆盖从基础概念到实际应用的各个方面。它汇集了上千个人工智能网站和工具，提供最新的 AI 工具、AI 应用、AI 智能体和行业资讯。平台提供丰富的学习资源，包括文章、教程、工具推荐以及最新的 AI 行业资讯等。此外，社区还定期组织活动，如视频挑战赛、模型创作大赛等，鼓励成员在实践中学习，促进交流与合作。 2. 在没有任何推广的情况下，WaytoAGI 一年时间已有超过 100 万用户和超千万次的访问量。其目标是让每个人的学习过程少走弯路，让更多的人因 AI 而强大。目前合作过的公司/产品包括阿里云，通义千问，淘宝，智谱，支付宝，豆包，火山引擎，marscode，coze，堆友，即梦，可灵，MiniMax 海螺 AI，阶跃星辰，百度，Kimi，吐司，liblib，华硕，美团，美的，360，伊利，魔搭，央视频，Civitai，Openart，Tripo3D，青椒云等。 3. 「通往 AGI 之路」的品牌 VI 融合了独特的设计元素，以彩虹色彰显多元性和创新，以鹿的形象象征智慧与优雅，通过非衬线字体展现现代感和清晰性，共同构建了一个充满活力和前瞻性的品牌形象。

目前较为前沿的 AI 服装模特相关的应用有： Stitch Fix 是一家服装公司，已使用 AI 向客户推荐特定服装，并正在尝试使用 DALLE 2 根据客户对颜色、面料和款式的偏好创建服装可视化。 InterAlia 可以帮助搭配服装。 在小红书上，有通过 AI 制作服装如 AI 小绿裙实现变现的案例，新手可用 mewxai 或幻火来制作，熟练者可用 sd 或 mj 制作。 此外，还有用 AI 定制萌娃头像等相关应用。

以下是关于前沿 AI 硬件的相关信息： 由郎瀚威 Will 发起的 GenAI 硬件榜单： 定义：利用 GenAI 技术（主要是 LLM），与音频生成、翻译、视觉采集并解读相结合，以可穿戴为主逐步渗透的新品类硬件，以 Meta 雷朋眼镜为代表。 本期情况：未收录较大的 GenAI 硬件如 AI PC、AI 手机，以可穿戴、AI 助理相关硬件为起点。 榜单受众：GenAI 硬件创始人、投资人、从业者等。 榜单标的：以北美市场的视角，销量、影响力为主。 榜单初心：随着 Meta 眼镜的成功，GenAI 硬件爆发在即，每月从多角度围观这一现象，旨在给创业者提供参考。 本次更新（9.19）： 更新亚马逊销量、独立站流量、新品发布、融资信息，排序标准从媒体综合指数改为 Tiktok 热度。 完善挂件、戒指、眼镜等分类榜数据。 榜单目录：包括 GenAI 硬件北美公开销量榜、GenAI 硬件亚马逊销量榜等共 15 个重要榜单。更多榜单可文末点击“阅读原文”免费访问或直接访问飞书：https://zw73xyquvv.feishu.cn/wiki/IqcqwTDiYiKttNktBg3cg8HgnLh 。数据来源：google、tiktok、twitter、亚马逊。对于榜单内容有疑问想交流的 GenAI 硬件创始人，或者想合作转载内容的公众号博主，请加微信，或者在本文末留言。 今年很火的几款 AI native 硬件： Rewind Pendant：可穿戴设备，能捕捉现实中所说和听到的内容，进行录音转录、数据加密和本地存储，保障安全性和隐私保护。https://www.rewind.ai/pendant Rabbit R1：新型人工智能驱动的移动设备，通过高级语音命令简化应用程序使用，售价 199 美元，配备 360 度摄像头、触摸屏和 4G 连接。Rabbit OS 基于 Large Action Model（LAM 大动作模型），能处理自然语言并转化为可执行任务，与常见应用交互，支持语音命令执行复杂任务，未来用户可教会其执行特定任务。https://www.rabbit.tech/

以下是关于 AI 图生视频前沿的相关信息： 在近半年闭源产品趋势方面： 1. 服务头部创作者方面，产品将逐渐增强编辑器能力，强化视频细节可控性，并智能化后期制作任务。 2. 影视后期方向，可将动捕演员表演转化为虚拟角色，提高特效制作效率。 3. 专业领域，创作者能通过草图分镜快速验证效果，但目前效果不够成熟。 4. 随着实时生成能力提升和成本下降，AI 实验性艺术在博物馆、展览等互动应用将增多。 5. 在 C 端大众消费侧，AI 视频在小说、网文阅读、短情景剧等内容消费方向有潜力，人物识别和替换可衍生电商平台虚拟试衣间能力。 6. 模板套用能力若以低成本开放在短视频产品中，可能带来新的爆发周期。 其他动态包括： 1. Krea 用开放的 API 做了自己的 AI 视频功能，支持对任何视频输入提示词进行延长。 2. Runway 发布 ActOne 功能，支持将现实视频的人物表情和动作迁移到生成的视频上，且已全量开放。 3. Ideogram 发布 Ideogram Canvas，可在无限画布上对生成的图片进行编辑。 4. Meta 的图像分割模型 SAM 更新了 2.1，大幅加强了相似物体和小物体的分割和识别效果。 在 2024 年国内外 AI 企业竞争方面： 1. 中国开源项目赢得全球粉丝，成为积极开源贡献者。DeepSeek 在编码任务中表现出色，阿里巴巴的 Qwen2 系列视觉能力令人印象深刻，清华大学的 OpenBMB 项目催生了 MiniCPM 项目。 2. 国外 Stability AI 发布的 Stable Video Diffusion 能从文本提示生成高质量、真实视频，并在定制化方面进步显著。今年 3 月推出的 Stable Video 3D 可预测三维轨道。 3. OpenAI 的 Sora 能生成长达一分钟的视频，保持三维一致性等，还使用原始大小和纵横比的视觉数据训练。 4. Google DeepMind 的 Veo 将文本和可选图像提示与嘈杂压缩视频输入结合，创建并解码独特的压缩视频表示。

以下是关于 AI 学习的最新资讯： WaytoAGI（通往 AGI 之路）是一个致力于人工智能学习的中文知识库和社区平台。它为学习者提供系统全面的 AI 学习路径，覆盖从基础概念到实际应用的各个方面。在没有任何推广的情况下，一年时间已有超过 100 万用户和超千万次的访问量。目前合作过的公司/产品包括阿里云、通义千问、淘宝、智谱等众多知名企业和产品。 3 月 4 日的 AI 资讯： 【AI 3D】Meshcapade 预告可从视频/图像中捕捉面部表情并具有逼真的 3D 发丝；InsTaG 通过几秒钟视频学习，快速形成逼真的 3D 说话头像效果；3DMem 为新型 3D 场景记忆框架。 【AI 绘图】智谱开源 AI 绘图 CogView4，可在图像中生成中文字符；海螺推出 Image01 多功能文本转图像模型。 【AI 视频】Runway 被网友爆料内测能力可根据参考图像进行 Video to Video 视频风格化；Vidu 的 API 开放平台全面开放。 【AI 模型】Google Colab 推出 Data Science Agent；微软为医疗行业提供首个统一语音 AI 助手 Dragon Copilot；Opera 宣布推出网页浏览器的 AI 代理。 对于新手学习 AI，建议持续学习和跟进，AI 是快速发展的领域，新的研究成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。

以下是本周最新的 AI 资讯： 3 月 12 日： 【AI 3D】：BlenderMCP 与 Claude AI 沟通，在 Blender 实现快速 3D 建模；MIDI 可实现单幅图像到 3D 场景生成；Move AI 更新动作捕捉能力，提出 Gen 2 Spatial Motion。 【AI 写作】：MMStoryAgent 是 AI 多模态故事生成系统。 【AI 视频】：VACE 是阿里推出的一体化视频创作和编辑技术；VideoPainter 是腾讯开源的视频编辑技术；Wonder Dynamics 推出摄像机轨道（Camera Track）和清洁板（Clean Plate）功能。 【其他】：OpenAI 为开发者推出一套 AI Agent 开发套件；R1Omni 是阿里情感识别模型，通过视频识别情感；Luma AI 发布一种新的预训练范式 IMM，旨在突破算法瓶颈，提高生成预训练算法的性能；Manus 宣布与阿里通义千问团队达成战略合作。 3 月 4 日： 【AI 3D】：Meshcapade 预告可从视频/图像中捕捉面部表情并具有逼真的 3D 发丝；InsTaG 通过几秒钟视频学习，快速形成逼真的 3D 说话头像效果；3DMem 是新型 3D 场景记忆框架。 【AI 绘图】：智谱开源 AI 绘图 CogView4，可以在图像中生成中文字符；海螺推出 Image01 多功能文本转图像模型。 【AI 视频】：Runway 网友爆料其内测能力可根据参考图像进行 Video to Video 视频风格化；Vidu 的 API 开放平台全面开放。 【AI 模型】：Google Colab 推出 Data Science Agent；微软为医疗行业提供首个统一语音 AI 助手：Dragon Copilot；Opera 宣布推出网页浏览器的 AI 代理。 AIGC Weekly32： Netflix 列出了一个年薪 90 万美元的机器学习平台产品经理的 AI 产品工作岗位： Shopify 的 AI 助手现已上线。Sidekick 是一个帮助机器人，它知道如何在 Shopify 中执行任何操作提取相关数据、操作新功能或创建报告： Artifact（Ins 创始人做的 AI 新闻浏览软件）推出了自定义内容阅读语音的功能： OpenAI、谷歌、微软和 Anthropic 组建了前沿模型论坛，主要目的是确保 AI 模型的安全发展： Open AI 悄咪咪下线了他们的 ChatGPT 生成内容的检测器：

以下是 3 月 4 日、10 日、12 日的 AI 资讯汇总： 3 月 4 日： 【AI 3D】 Meshcapade：预告可从视频/图像中捕捉面部表情并具有逼真的 3D 发丝。 InsTaG：通过几秒钟视频学习，快速形成逼真的 3D 说话头像效果。 3DMem：新型 3D 场景记忆框架。 【AI 绘图】 智谱：开源 AI 绘图 CogView4，可以在图像中生成中文字符。 海螺：推出 Image01 多功能文本转图像模型。 【AI 视频】 Runway：网友爆料 Runway 内测能力可根据参考图像进行 Video to Video 视频风格化。 Vidu：API 开放平台全面开放。 【AI 模型】 Google Colab：推出 Data Science Agent。 微软：为医疗行业提供首个统一语音 AI 助手：Dragon Copilot。 Opera：宣布推出网页浏览器的 AI 代理。 3 月 10 日： 【AI 3D】 MeshPad：草图创建 3D 网格，支持编辑修改，实现直观和交互式的 3D 建模。 【AI 写作】 Muse：专门为小说创作训练的 AI 模型工具，可实现在线的小说续写修改，创意头脑风暴以及同时基于画布形式的故事创作。可免费试用。 【AI 视频】 Luma：发布 Ray2 Flash 视频模型，生成速度快 3 倍，成本便宜三倍。 【其他】 OpenAI：为旗下模型推出模型对比页面，可对于模型基础能力进行直观对比了解。 谷歌：为开发者推出 Gemini 嵌入模型 Gemini Embedding。 中国成功研制“祖冲之三号”量子计算原型机。 3 月 12 日： 【AI 3D】 BlenderMCP：与 Claude AI 沟通，在 blender 实现快速 3D 建模。 MIDI：单幅图像到 3D 场景生成。 Move AI：更新动作捕捉能力，提出 Gen 2 Spatial Motion。 【AI 写作】 MMStoryAgent：AI 多模态故事生成系统。 【AI 视频】 VACE：阿里推出一体化视频创作和编辑技术。 VideoPainter：腾讯开源视频编辑技术。 Wonder Dynamics：推出摄像机轨道（Camera Track）和清洁板（Clean Plate）功能。 【其他】 OpenAI：为开发者推出一套 AI Agent 开发套件。 R1Omni：阿里情感识别模型，通过视频识别情感。 Luma AI：发布一种新的预训练范式 IMM，旨在突破算法瓶颈，提高生成预训练算法的性能。 Manus：宣布与阿里通义千问团队达成战略合作。

以下是关于 Coze 工作流从入门到实操的相关资料： 一、一泽 Eze 的教程 Step 1：制定任务的关键方法 1. 设计每个子任务的执行方法 阅读理解小作业：基于英文原文，精心策划 3 道符合 CET4 难度的阅读理解题目。每道题均提供 A、B、C、D 四个选项，正确答案所在选项顺序随机，题目和选项均以英文呈现。题目的参考格式如下： 1） A. B. C. D. 参考答案：针对 3 道题目，生成题目答案。预期格式如下： 1） 答案： 2） 答案： 3） 答案： 英文音频：根据原文，利用 TTS 技术朗读全文 全文对照精读：根据原文，按照以下格式，分段完成全文精读结果的输出： 音标： 中文释义： 英文例句： 例句翻译： 二、大圣的教程 二、Coze 使用教程 1. 工作流AI Agent 的内功心法 节点：工作流是由多个节点构成，节点是组成工作流的基本单元。节点的本质就是一个包含输入和输出的函数。 Coze 平台支持的节点类型： LLM（大语言模型）：使用输入参数和提示词生成处理结果。 Code（代码）：通过 IDE 编写代码处理输入参数，并返回输出值。 Knowledage（知识库）：根据输入参数从关联知识库中召回数据，并返回。 Condition（条件判断）：ifelse 逻辑节点，用于设计工作流内的分支流程，根据设置条件运行相应的分支。 Variable（获取变量）：从 Bot 中获取变量作为参数在工作流中使用。 Database（数据库）：在工作流中使用提前配置在 Bot 数据库中的数据。 2. 创建和使用工作流 这一块官方有现成的教程参考： 海外参考文档：https://www.coze.com/docs/zh_cn/use_workflow.html 国内参考文档：https://www.coze.cn/docs/guides/use_workflow 国内版本还提供了一些示例，学习工作流强烈建议大家跟着实操一遍： 搜索新闻：https://www.coze.cn/docs/guides/workflow_search_news 使用 LLM 处理问题：https://www.coze.cn/docs/guides/workflow_use_llm 生成随机数：https://www.coze.cn/docs/guides/workflow_use_code 搜索并获取第一个链接的内容：https://www.coze.cn/docs/guides/workflow_get_content 识别用户意图：https://www.coze.cn/docs/guides/workflow_user_intent 三、蓝衣剑客的教程 三、Coze 简介 1. 工作流 在典型应用场景中，入门级场景可能仅添加一个节点来构建简单工作流。例如，使用获取新闻插件构建一个获取新闻列表的工作流；使用大模型节点接收并处理用户问题等。 更进阶的场景则通过多个节点组合构建逻辑较复杂的工作流。例如，在搜索并获取指定信息详情的场景中，先通过插件能力进行关键词搜索、然后通过代码节点过滤指定信息、最后通过插件能力获取信息详情；或者在通过条件判断识别用户意图的场景中，通过大模型节点处理用户消息，并将消息分类后通过条件节点分别处理不同类型的消息。这些详细配置教程提供了实际操作指南以帮助理解和应用各种功能。

对于 AI 小白来说，想要浏览了解 AI 的最新资讯，可以参考以下方法： 1. 持续学习和跟进：AI 是一个快速发展的领域，新的研究成果和技术不断涌现。您可以关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 2. 考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 3. 关注腾讯研究院开发的一系列专业的 AI 资讯产品，如： AI 每日速递，一份高度凝练的日报产品，帮助您用 3 5 分钟快速掌握 AI 领域当日十大关键进展。 AI 每周 50 关键词，作为周报产品，基于 AI 速递内容构建。通过梳理一周热点关键词并制作可交互索引，为研究者提供便捷的“检索增强”工具，助力快速定位所需信息。 科技九宫格，一档短视频栏目，以 3 5 分钟视频形式解读科技热点与关键技术原理。通过可视化呈现，促进您对前沿技术的理解与讨论。 4. 您还可以通过以下友情链接获取最新资讯：

以下是关于法律 AI 最新发展状况的一些信息： 潘帅作为法律科技探索者，整理了关于 AI 大模型使用方法的资料并结合自身经验编写了相关内容。他指出在人工智能时代，律师要实现人机协同，需理解 AI 优劣势及自身长处与不足。 《促进创新的人工智能监管方法》提到，AI 已在众多领域带来重大进步和效率提升，具有巨大的变革潜力，能用于多种场景，推动经济增长和创造就业。但这只是开始，随着技术发展，会有更多应用出现，英国需创造利于创新的监管环境。 AIGC 法律风险研究报告指出，AI 将改变生活各方面，带来生产力解放和生产关系变化，法律需做出回应。生成式人工智能技术在多领域带来创新、效率与价值的同时，也带来了传播虚假信息、侵犯个人信息权益、数据安全等法律风险。飒姐法律团队致力于为其发展保驾护航，总结法律红线风险，提示合规要点。