RAG的经典应用场景

以下是一些改进基础搭建的知识库效果、减轻模型答案幻觉问题的建议： 1. 更换大模型：例如从 ChatGLM26B 替换成 baichuan213b，针对您的场景，后者的性能可能提升一倍左右。 2. 更换 embedding 模型：将 embedding 模型从 LangChain Chatchat 默认的 m3ebase 替换为 bgelargezh，后者可能更优。 3. 测试不同 Top k 的值：比较 Top 5、Top 10、Top 15 的结果，发现 Top 10 时效果可能最优。 4. 对文档名称进行处理：人工对文件进行重命名，上传相同文件构建知识库，同时在构建知识库时勾选【开启中文标题加强】选项，虽然重命名文件对结果的提升效果不明显，但勾选该选项后，回答的无关信息可能减少，效果有所提升。 RAG（RetrievalAugmented Generation）即检索增强生成，由检索器和生成器两部分组成。检索器从外部知识中快速找到与问题相关的信息，生成器利用这些信息制作精确连贯的答案，适合处理需要广泛知识的任务。 在大模型中，向量可想象成空间中的点位，每个词或短语对应一个点。系统通过查看词在虚拟空间中点的位置，寻找直线距离最近的点来检索语义上接近的词语或信息。理解向量后，当收到一个对话时，RAG 的完整工作流程为：检索器从外部知识中检索相关信息，生成器利用这些信息生成答案。 要优化幻觉问题和提高准确性，需要了解从“问题输入”到“得到回复”的过程，针对每个环节逐个调优，以达到最佳效果。

RAG Flow 和 LLM 的部署难易程度如下： RAG Flow： 公网 MaaS：通常只需要一个 API key 即可对接，默认提供了通义千问。比较特殊的是 OpenAI 的接口上提供了修改 endpoint，也就是支持中间商。 本地部署：目前仅支持 Xinference 和 Ollama 方式部署。但是实际上只要是 API 接口一致，对接方式一致都可以用该方式对接。此处基础 Url 只需要写到 v1 为止，不需要写 embeddings 的二级接口。添加模型后需要在“系统模型配置”中设置，方能让模型生效。 LLM：关于 LLM 的部署难易程度，上述内容中未给出直接对比信息。但 Dify.AI 作为一个开源的大规模语言模型应用开发平台，具有快速部署等特点，用户可以在 5 分钟内部署定制化的聊天机器人或 AI 助手。 综合来看，仅根据所提供的信息，难以确切判断 RAG Flow 和 LLM 哪个部署更容易，还需结合更多具体的技术细节和实际需求进行评估。

企业建立私有大模型进行 RAG 并实现企业知识文档、表格和 PDF 图纸向量化时，可参考以下工具和方法： 1. 本地部署资讯问答机器人： 导入依赖库，如 feedparse 用于解析 RSS 订阅源，ollama 用于在 Python 程序中跑大模型（使用前需确保 ollama 服务已开启并下载好模型）。 从订阅源获取内容，通过专门的文本拆分器将长文本拆分成较小的块，并附带相关元数据，最终合并成列表返回。 为文档内容生成向量，可使用文本向量模型 bgem3，从 hf 下载好模型后，假设放置在某个路径 /path/to/bgem3，通过函数利用 FAISS 创建高效的向量存储。 2. 开发：LangChain 应用开发指南 大模型的知识外挂 RAG 加载数据，根据数据源类型选择合适的数据加载器，如网页可使用 WebBaseLoader。 将文档对象分割成较小的对象，根据文本特点选择合适的文本分割器，如博客文章可用 RecursiveCharacterTextSplitter。 将文档对象转换为嵌入并存储到向量存储器中，根据嵌入质量和速度选择合适的文本嵌入器和向量存储器，如 OpenAI 的嵌入模型和 Chroma 的向量存储器。 创建检索器，使用向量存储器检索器，传递向量存储器对象和文本嵌入器对象作为参数创建检索器对象。 创建聊天模型，根据性能和成本选择合适的聊天模型，如 OpenAI 的 GPT3 模型。 以下是使用 LangChain 构建 RAG 应用的示例代码。

搭建智能 RAG 客服系统主要包括以下方面： 1. RAG 全貌概览： RAG 的流程分为离线数据处理和在线检索两个过程。 离线数据处理的目的是构建知识库，知识会按照某种格式及排列方式存储在其中等待使用。 在线检索是利用知识库和大模型进行查询的过程。 2. 应用场景： 以构建智能问答客服为例，了解 RAG 所有流程中的“What”与“Why”。 3. 客服系统的要求： 具备结构清晰、全面的 FAQ 库，覆盖常见问题并根据实际场景动态更新。 例如订票平台，可基于用户信息提前呈现可能遇到的问题及解答。 4. 企业客户实践案例： 内部业务助手：通过企业内部规章制度、部门结构、产品介绍等文档构建知识库，并借助 RAG 智能体实现内部知识问答功能。 5. RAG 提示工程： 在利用 RAG 架构构建智能问答系统时，“指代消解”是关键挑战之一，特别是在多轮对话场景中。 目前采用 Prompt 方法解决指代消解问题，会增加计算资源消耗和系统响应延迟，需权衡推理负荷、Token 消耗和问答准确性等因素，根据具体应用环境和需求做出合理选择。

RAGflow 能力拆解： 文档拆分方式： 通用模式：主要参考每个块的 token 数量，同时考虑语意完整性，切分段落点通常在句号或叹号等完整句子结束处。拆分结果和 langchain 的拆分大同小异。 Q&A 问答对：将左边内容加上“问题:”，右边内容加上“回答:”组成一个 block，数据清洗工作量大。 简历：解析容易失败，需要匹配关键词才能解析，建议官方给出简历模板。 手册：一整段文字提取，分割处在页面分页、段落分段处，块大小通常较大。 表格：拆分后每一行被当成一个块，第一行的表头插入到每一块头部。对没有特殊字符的表格信息处理较好，对图片内的公式做了 OCR 检测。 数据清洗：RAGflow 提供分段后的数据处理，可自行添加、修改数据或为数据加标签。测试发现，RAGflow 召回会同时使用向量相似度和关键词相似度并加权得到混合相似度，关键词相似度不仅匹配文本段内容还匹配关键词标签内容，单个实体在关键词中出现即为 100%。但需注意，检索获得的内容块需同时包含“问题信息”和“答案信息”，大模型才能解答。此外，RAGflow 没提供对外接口，做聊天或其他应用时不方便。 大模型 RAG 问答行业最佳案例及微调、推理双阶段实现模式：基于模块化RAG 自定义 RAG Flow 原创作者为刘焕勇，发表于 2024 年 1 月 29 日北京。在上一篇文章中介绍了模块化RAG 的相关工作，本文将从三个方面深入探讨 RAG Flow 的设计思路，分别是典型的 RAG Flow 模式、特定的 RAG 流实现以及最佳的行业案例。在典型的 RAG Flow 模式方面，将介绍 3 种微调阶段模式和 4 种推理阶段模式。

RAG（RetrievalAugmented Generation，检索增强生成）是一种结合检索和生成能力的自然语言处理架构。 通用语言模型通过微调可完成常见任务，而更复杂和知识密集型任务可基于语言模型构建系统，访问外部知识源来完成。Meta AI 研究人员引入 RAG 来完成这类任务，它把信息检索组件和文本生成模型结合，可微调且内部知识修改高效，无需重新训练整个模型。 RAG 会接受输入并检索相关支撑文档，给出来源（如维基百科），这些文档作为上下文与原始提示词组合给文本生成器得到最终输出，能适应事实随时间变化，让语言模型获取最新信息并生成可靠输出。 大语言模型（LLM）存在一些缺点，如无法记住所有知识（尤其是长尾知识）、知识容易过时且不好更新、输出难以解释和验证、容易泄露隐私训练数据、规模大导致训练和运行成本高。而 RAG 具有以下优点： 1. 数据库对数据的存储和更新稳定，不存在模型学不会的风险。 2. 数据库的数据更新敏捷，可解释且不影响原有知识。 3. 数据库内容明确结构化，降低大模型输出出错可能。 4. 便于管控用户隐私数据。 5. 可降低大模型训练成本。 在 RAG 系统开发中存在 12 大痛点及相应的解决方案。

知识库的商业化应用场景主要包括以下几个方面： 1. 生物医药领域： 医药企业研发立项：回答关于作用机制、目标治疗疾病的竞争格局、主流技术路径、同技术路径其他公司产品在临床试验阶段的安全性风险和有效性等问题。 科研机构临床转化评估：回答关于科学家研究方向的临床转化潜力等问题。 投资机构评估标的公司：回答关于国外对标技术的发展情况、融资情况、临床转化的可靠性等问题。 2. 其他工作场景： 可以替代大部分传统医药数据库的商业化场景。 在一般的工作场景中，通过提示词设定角色和技能，结合知识库，让大语言模型能够按照需求做出准确回复。例如设定角色为“美嘉”，知识库为《爱情公寓》全季剧情，能够回答相关问题。 此外，在知识库的检索原理方面： 1. 文本预处理：包括去除无关字符、标准化文本、分词等，以清洁和准备文本数据。 2. 嵌入表示：将预处理后的文本转换为向量，通常通过使用预训练的嵌入模型完成。 3. 特征提取：对于整个问题句子，应用进一步的特征提取技术，如句子级别的嵌入，或使用深度学习模型直接提取整个句子的表示。 4. 向量优化：在某些情况下，问题的向量表示可能会根据具体任务进行优化。 5. 知识库检索阶段：在大模型的检索中，依靠问题在空间中的向量位置，寻找距离这个向量最近的其他词句完成检索，知识库被转化成巨大的向量库。

AI 在金融领域有以下应用与场景： 1. 风控和反欺诈：用于识别和阻止欺诈行为，降低金融机构风险。 2. 信用评估：评估借款人的信用风险，辅助金融机构做出贷款决策。 3. 投资分析：分析市场数据，帮助投资者做出更明智的投资选择。 4. 客户服务：提供 24/7 的服务，回答常见问题。 金融服务业接纳生成式 AI 可能带来重大变革。与传统 AI/ML 侧重于基于现有数据进行预测或分类不同，生成式 AI 能创造全新内容，结合对大量非结构化数据的训练和无限计算能力，有望成为金融服务市场数十年来最大的变革。 在金融投资领域，Coze bot 可发挥重要作用。金融分析师和投资者能通过它自动接收最新市场动态、股市新闻和财务报告，从多个金融资讯平台抓取数据并生成分析报告，推送到常用交流平台，实现实时跟踪市场动向、捕捉投资机会、自动生成财务报告和方便团队协作等效果。

以下是一些 AI 结合办公场景的课程： 【已结束】AIPO：校园 AI 创投活动 10 月 16 日 20:00，视频课程，讲师 EM7 南柒，课程标题为“AI 视频创作指南 商业片制作”，相关资料包括老师课件： 10 月 17 日 20:00，模型训练课程，讲师忠忠，课程标题为“0 基础模型训练”，相关资料：厚德云，课程回放： 10 月 18 日 20:00，comfyUI + 建站课程，讲师海辛/阿文，课程标题为“ComfyUI + Cursor 搭建应用”，相关资料：comfyUI、Cursor，课程回放： 10 月 20 日 14:00 18:00，校园 AIPO 线下路演 10 月 21 日 20:00，颁奖 Build on Trae AI 编程挑战 2 月 18 日 20:00 开始，分享材料（”，分享人 Super 黄 Eric，无作业要求 2 月 19 日 20:00 开始，分享材料（视频回放），内容为“AI 编程训练营 环境准备”，分享人 super 黄 2 月 20 日 20:00 开始，分享材料（视频回放） 2 月 21 日 20:00 开始，分享材料（视频回放） 2 月 22 日 20:00 开始，分享材料（视频回放） DAY1 必须了解的企业级 AI 应用开发知识点，本次共学课程会带着大家以“逛”+“体验”的模式，去云游一下阿里云百炼平台的市场，里面目前包含了市面上大量的可以直接使用的 API 能力、场景化的解决方案能力。在本次共学课程中仅需通过简单的界面操作，在几分钟内开发出一款大模型应用、在几小时内训练出一个专属模型，将更多精力专注于应用创新。

目前关于 Deepseek 在电商行业应用落地的场景信息以及对应的应用 APP、小程序等，您可以通过以下渠道第一时间获取： 1. 关注 Deepseek 官方网站的动态发布和通知。 2. 订阅 Deepseek 官方的社交媒体账号，如微信公众号、微博等，获取最新消息。 3. 加入相关的电商行业论坛或社区，与其他从业者交流，获取相关信息。 4. 关注电商行业的权威媒体和资讯平台，可能会有相关报道。

DeepSeek 在电商行业已应用落地的场景包括： 电商商品策划：如“电商商品策划 DeepSeek 大师版｜一键领取同款多维表格模板”。 商品链接分析：如“商品链接分析工具”。 电商产品上架规划：如“电商产品上架规划”。 您可以通过以下链接获取更详细的信息：

DeepSeek 目前已在电商行业应用落地的场景包括： 电商商品策划：如 。 商品链接分析：如 。 电商产品上架规划：如 。

以下是关于 AI 改编经典 IP 创作的相关内容： 在节目单方面，涵盖了视频与影视、音乐与舞蹈等领域。 视频与影视中，有“赛博朋克与未来：AI 未来变化的畅想”，包括脑洞、炫酷的 AI 图片、AI 视频、想象中的 AI 功能展示等内容；“四大名著重生：AI 重新诠释的中国四大名著”，包含经典桥段分镜、AI 图片、AI 视频等。 音乐与舞蹈方面，有“AI 原创歌：AI 制作的音乐”，涉及原创 AI 音乐、AI 视频、音乐版权、AI 图片生视频或转绘视频等；“原创 RAP：AI Rapper 表演”，涵盖原创 RAP、AI Raper、视频驱动等。 在电影制作方面，以 Junie 的首部 AI 长电影为例，制作初衷是为了好玩和为经典故事注入新意。尽管有人质疑其用 AI 制作反 AI 电影的讽刺性，但它为 AI 创作者提供了共同创作机会，带来启示：人类创造力不会被机器取代，AI 电影是电影领域的一部分，不会取代传统电影，而是开辟新的艺术表达方式。同时，AI 技术快速迭代，类似 Sora 的工具将改变对电影的传统认知。未来，强交互的由 AI Agent 驱动的一对一交互媒介可能成为主流。 在音乐创作方面，以《西游不能停》为例，过去一首歌制作流程复杂，需多个环节和角色协作，现在 AI 合并了很多环节，能帮创作者迅速呈现 idea 的 demo 形式，搭起歌曲骨骼框架，让创作者把更多精力投入到更具个人表达的部分，如歌词、音色、节奏等。但 AI 也有不足和缺陷，如生成结果不可控、保真度低等。

RAG（检索增强生成）的经典应用场景主要包括以下方面： 1. 构建智能问答客服：用户提出问题，RAG 模型从大规模的文档集合中检索相关的文档，然后生成回答。 2. 知识问答系统：用户提出问题，RAG 可以从私有知识中检索到“包含答案的内容”，然后把“包含答案的内容”和用户提问一起放到提示词中，提交给大模型，大模型的回答会充分考虑到“包含答案的内容”。

AI 的应用场景非常广泛，以下是一些经典的 AI 应用场景及其原理： 1. 医疗保健： 医学影像分析：AI 可以用于分析医学图像，例如 X 射线、CT 扫描和 MRI，以辅助诊断疾病。 药物研发：AI 可以用于加速药物研发过程，例如识别潜在的药物候选物和设计新的治疗方法。 个性化医疗：AI 可以用于分析患者数据，为每个患者提供个性化的治疗方案。 机器人辅助手术：AI 可以用于控制手术机器人，提高手术的精度和安全性。 2. 金融服务： 风控和反欺诈：AI 可以用于识别和阻止欺诈行为，降低金融机构的风险。 信用评估：AI 可以用于评估借款人的信用风险，帮助金融机构做出更好的贷款决策。 投资分析：AI 可以用于分析市场数据，帮助投资者做出更明智的投资决策。 客户服务：AI 可以用于提供 24/7 的客户服务，并回答客户的常见问题。 3. 零售和电子商务： 产品推荐：AI 可以用于分析客户数据，向每个客户推荐他们可能感兴趣的产品。 搜索和个性化：AI 可以用于改善搜索结果并为每个客户提供个性化的购物体验。 动态定价：AI 可以用于根据市场需求动态调整产品价格。 4. 制造业： 预测性维护：AI 可以用于预测机器故障，帮助工厂避免停机。 质量控制：AI 可以用于检测产品缺陷，提高产品质量。 供应链管理：AI 可以用于优化供应链，提高效率和降低成本。 机器人自动化：AI 可以用于控制工业机器人，提高生产效率。 5. 交通运输： 自动驾驶：AI 可以用于开发自动驾驶汽车，提高交通安全性和效率。 交通管理：AI 可以用于优化交通信号灯和交通流量，缓解交通拥堵。 物流和配送：AI 可以用于优化物流路线和配送计划，降低运输成本。 无人机送货：AI 可以用于无人机送货，将货物快速送达偏远地区。 6. 其他应用场景： 教育：AI 可以用于个性化学习，为每个学生提供定制化的学习体验。 农业：AI 可以用于分析农田数据，提高农作物的产量和质量。 娱乐：AI 可以用于开发虚拟现实和增强现实体验。 能源：AI 可以用于优化能源的使用，提高能源效率。 总的来说，AI 的应用场景非常广泛，它可以帮助人们解决各种各样的问题，提高效率和生产力，改善生活质量。随着技术的不断发展，AI 的应用场景还将不断扩大和深化。

以下是为您提供的一份结合当前 AI 技术应用的港口行业国有企业职工年度培训计划文案，希望对您有所帮助： 一、培训目标 提升管理人员、职能人员和技能操作序列职工在 AI 技术应用方面的知识和技能，增强企业整体竞争力。 二、培训对象 管理人员序列、职能人员序列、技能操作序列职工。 三、培训内容 1. 管理人员序列 AI 技术在企业管理中的应用趋势与案例分析。 基于 AI 的决策支持系统的使用与解读。 2. 职能人员序列 AI 办公软件的应用技巧，如自动化流程处理。 利用 AI 进行数据分析与报告生成。 3. 技能操作序列职工 港口智能化设备中 AI 技术的原理与操作维护。 基于 AI 的安全监控系统的操作与应急处理。 四、培训方式 1. 线上课程：利用网络平台提供相关课程，方便职工自主学习。 2. 线下讲座：邀请专家进行现场讲解和互动交流。 3. 实践操作：在实际工作场景中进行模拟训练和实际操作。 五、培训时间安排 1. 每月安排一次线上课程。 2. 每季度组织一次线下讲座。 3. 不定期进行实践操作培训，根据实际工作需求灵活安排。 六、培训效果评估 通过考试、实际操作考核、项目成果评估等方式，检验职工的学习成果，并将其与绩效考核挂钩，激励职工积极参与培训。

AI 在自媒体行业有广泛的应用，主要包括以下方面： 写作方面： 1. 项目启动：确定目标客户群体，如大学生、职场人士、自媒体从业者等，并选择合适的 AI 写作工具以满足不同客户需求。 2. 准备阶段：学习并实践 AI 写作技术，通过书籍、在线课程等资源提升写作技能，同时构建团队，培养和扩充团队成员以提高运营效率。 3. 商业模式构建：确定服务内容，如提供论文、报告、文案等直接写作服务，并制定质量控制标准以确保写作内容满足客户要求。 4. 运营与推广：在淘宝等电商平台上开设店铺展示并销售写作服务，建立写作培训社群分享写作技巧和 AI 应用经验以提升品牌影响力，通过社交媒体和线下活动进行品牌和社群建设，与绘画团队、其他写作工作室等合作共同开发新项目。 5. 项目优化与发展：持续关注 AI 技术进展以提升服务质量和效率，根据市场需求拓展新的服务和产品，并收集客户反馈不断优化和改进服务。 AI 绘画方面： 1. 个体成为自媒体博主。 2. 个体商户应用。 3. 实体印刷（如 T 恤、杯子实物等）。 4. AI 摄影。 5. 设计接单。 6. AI 定制萌娃头像。 7. 电商商品。 8. 自媒体素材。 9. AI 服装预售。 10. AI 视频接单。 11. 培训老师。 公司方面： 1. 设计质量和效率提升。 2. AI 绘画相关应用开发。 3. CV 方面算法应用。 此外，还有以 AI 主题自媒体短视频创作工作坊为例的应用： 1. 开场介绍（15 分钟）：主持人介绍活动目的、流程和期望成果，并展示相关案例激发创意思路。 2. 案例和工具介绍（30 分钟）：进行案例展示和工具介绍。 3. 创意策划与制作准备（45 分钟）：团队成员分工，明确各自负责的部分，讨论并撰写用于辅助制作的 prompts，制定具体的制作计划和时间表。 4. 短视频制作（1 小时）：各组根据策划进行视频拍摄、编辑和制作，主持人巡回指导提供必要帮助。 5. 成品展示与评估（30 分钟）：各组展示完成的短视频，共享反馈和建议互相学习提升。 6. 总结讨论（15 分钟）：总结学习经验，分享创作心得，讨论 AI 在自媒体领域的应用前景。 该工作坊具有案例激发、团队协作、实践指导、创意自由和综合能力提升等特色。通过本次工作坊，参与者不仅能够掌握如何创作吸引人的 AI 主题短视频，还能提升团队协作和创意思维能力，为未来的自媒体创作和 AI 应用奠定坚实基础。

以下是 AI 在新媒体行业的一些应用： 1. 广告营销：分众传媒携手阿里通义大模型，推出“众智 AI”产品，为千万中小广告主解决营销难题，降低广告投放门槛，精准高效投放线下广告流量。线下品牌广告通常以大客户投放为主，传统服务方式需要以更科学和数据化智能化的策略辅助。对于中小广告主，尽管分众有技术能力和本地化场景，但他们往往因营销预算和能力有限，无法有效传播。 2. 电影制作：Junie 作为多媒体创作者，在多部作品中运用 AI 技术重塑影像表达。AI 技术虽不能完全替代传统影视制作中的现实主义创作，但能在影视前期策划中扮演重要角色，帮助创作者进行分镜预演和效果测试，提高创作效率，提供更多创意空间。 3. 游戏开发：AI 技术在游戏开发中的应用逐渐落地，为游戏行业提供了新的增长空间，成本、效率和质量同步上升。 4. 影视行业：移动互联网时代后，影视行业的创作、分发和消费方式已被深度重塑，为 AI 技术落地创造基础。AI 技术的应用逐渐渗透到产业各环节，正经历着一场内容生产、分发和消费模式的深刻革命。例如，以 Sora 为代表的视频生成产品推动着影视行业供给侧技术变革。

对于新手想要更好地使用该网站来了解人工智能或 AGI 进展以及主流软件的学习和应用，以下是一些相关内容： AE 软件： 基本功能：可通过图层软件抠元素加插件做特效，如利用 auto field 自动填充工具，轨道遮罩功能让图层按特定形状变化等。 与 AI 结合运用：如用 runway 生成烟花爆炸素材，结合 AE 的图层混合模式、遮罩等功能实现特效可控的画面。 其他应用：用内容识别填充功能处理视频画面，如抹掉入镜的人；从素材网站获取粒子素材为画面添加氛围感。 学习路径：可在 B 站找丰富的 AE 软件入门课程自学，也可从包图网下载工程文件学习。 学习方法：通过拆解视频、留意路边广告特效、按层级逻辑思考画面运动来学习 AE，还可参考模板。 与 AI 的关系：AI 出现后，AE 使用减少，有些动效可用 AI 完成。 在短剧中的应用：在火焰、文字、光线等方面有少量应用。 AI 相关技术与活动： AI 音乐创作：通过输入更高级的词汇与 AI 音乐对话能产生更好效果，有 AI 音乐的版块、挑战、分享会和教程，可通过王贝加入 AI 音乐社区。 数字人语音合成：介绍了声音克隆技术，提到了微软、阿里等的相关成果，常用的是 JPT service。 Config UI 的应用：能降低成本、提高效率，在图书出版、引流等方面有应用，岗位稀缺，社区有相关共学课程。 社区共创项目：包括东京的 confii 生态大会、AI 文旅视频、娃卡奖、李普村共创故事、AI 春晚等活动。 作业与报名：作业是询问对 AI 方向的兴趣和想做的项目，活动报名可通过填写名字和申请新增学校参与。 线下寄送物料组织活动：会给大家寄送线下活动物料，在学校内组织。 AI 春晚即将开始：去年 300 人 30 天共创了 AI 春晚，今年的也即将开始，可报名参与多种岗位。 AIPO 活动及相关挑战：10 月 20 日的 AIPO 活动，可提前构思展示项目，有会话和视频相关的挑战赛。 共学活动与技能提升：接下来 10 天有从零基础到建站等内容的讲解，回放会放在链接里，可先从练习提示词入手。 硬件机器人材料购买：若搞硬件机器人，部分材料需尽快购买。 自媒体发布与流量扶持：在小红书发布活动内容带特定标签有流量扶持，作品也可发布在 GitHub 等平台。 活动奖项与历史玩法：设最佳创业奖和最佳投资奖各四个，有线下摆摊展示交流、IPO 路演等玩法，之前在多个城市举办过 AI 切磋大会。 工具使用与新大赛预告：可使用多种 AI 工具，新的大赛即将开启，有百万奖金池，相关动态会在社区活动栏目公布。 AI 音乐和数字人语音合成： AI 音乐方面，提到草爷、格林 king、狗哥带大家入门，有相关课程与教程，且淘宝上有套壳工具抄袭。社区伙伴做的 AI 音乐专辑不错。 数字人语音合成部分提到声音克隆，有新的声音克隆且音质很不错。 提到了微软新出的成果、阿里的 Cozy voice（指出其泛化能力不强）、大家常用的 GPT solve it、刚举办的 AI 3D 活动。 以小田的 config UI 基础工作流一日谈展开，讲述了多个案例，如许建拍摄场景图成本降低，郭佑萌在图书出版行业提升效率，影楼可进行换装等操作，文旅文创场景有有趣的合影生成方式，还提到该工作流岗位稀缺且社区有课程可供学习。 AJ 介绍平台资源，包括共学课程、专栏报告、数据等，还提及就业创业及一些企业专栏的内容。

在制造业领域，AI 有以下应用： 1. 产品设计和开发：利用 AI 生成工具如 Adobe Firefly、Midjourney 等，可根据文字描述快速生成产品的 3D 模型、渲染图、插图等设计元素，大幅提高产品设计效率。 2. 工艺规划和优化：结合大语言模型的自然语言处理能力，能自动生成制造工艺流程、设备选型、质量控制等方案，优化生产过程。 3. 设备维护和故障诊断：利用 AI 模型分析设备运行数据，可预测设备故障，并自动生成维修建议，提高设备可靠性。 4. 供应链管理：AI 可根据历史数据和市场变化，自动生成采购计划、库存预测、物流优化等内容，提高供应链管理效率。 5. 客户服务：基于对话模型的 AI 客服机器人，能自动生成个性化的客户回复，提升客户体验。 总的来说，AIGC 技术正在制造业各环节得到广泛应用，从产品设计到生产管理再到客户服务，都能发挥重要作用，提高企业的效率和竞争力。 此外，在汽车行业，AI 的应用案例包括： 1. 自动驾驶技术：利用 AI 进行图像识别、传感器数据分析和决策制定，自动驾驶汽车能够自主导航和驾驶。 2. 车辆安全系统：AI 用于增强车辆的安全性能，如自动紧急制动（AEB）、车道保持辅助（LKA）和盲点检测系统。 3. 个性化用户体验：AI 可根据驾驶员的偏好和习惯来调整车辆设置，如座椅位置、音乐选择和导航系统。 4. 预测性维护：通过分析车辆的实时数据，AI 能预测潜在的故障和维护需求，减少停机时间和维修成本。 5. 生产自动化：在汽车制造过程中，AI 用于自动化生产线，提高生产效率和质量控制。 6. 销售和市场分析：汽车公司使用 AI 分析市场趋势、消费者行为和销售数据，以便更好地理解客户需求，制定营销策略和优化产品定价。 7. 电动化和能源管理：AI 在电动汽车（EV）的电池管理和充电策略中发挥作用，优化电池使用和充电时间来提高能源效率和延长电池寿命。 8. 共享出行服务：AI 支持的共享出行服务，如 Uber 和 Lyft，使用 AI 优化路线规划、调度车辆和定价策略，提高服务效率和用户满意度。 9. 语音助手和车载娱乐：AI 驱动的语音助手，如 Amazon Alexa Auto 和 Google Assistant，允许驾驶员通过语音命令控制车辆功能、获取信息和娱乐内容。 10. 车辆远程监控和诊断：AI 系统可以远程监控车辆状态，提供实时诊断和支持，帮助车主及时了解车辆状况并采取相应措施。