汽车厂家的供应链应该学习AI哪些内容

对于普通人开展 AI 应用层的创业，以下是一些建议和分析： 1. 基础设施层：布局投入确定性强，但资金需求巨大，入行资源门槛高，未来更多由“国家队”负责。普通人若无强资源，应谨慎入局，可考虑“合作生态”的切入机会。 2. 技术层：处于技术爆炸期，迭代速度极快。若团队规模不大，需慎重考虑技术迭代风险。基础通用大模型研发烧钱且竞争激烈，非巨无霸公司不建议考虑。 3. 应用层：是一片广阔蓝海，当前从业者增加，虽有相关产品涌现，但成熟应用和“杀手级”应用较少，对于普通个体和小团队，强烈推荐重点思考和布局，拥有超级机会和巨大发展空间。 在应用层创业的具体方向上，比如智能体领域： 智能体可以简单理解为 AI 机器人小助手，类似移动互联网中的 APP 应用。 有很多公司已关注 AI 应用层的产品机会，如在 C 端，有社交方向的用户注册后先捏自己的 Agent 再聊天等有趣场景；在 B 端，有帮助商家搭建 Agent 的机会。 国内有众多智能体开发平台，如字节的扣子、腾讯的元器、Dify.AI 等。

目前市面上免费的生成图片的 AI 工具主要有以下几种： 1. 文生图工具： DALL·E：由 OpenAI 推出，能根据输入的文本描述生成逼真图片。 StableDiffusion：开源工具，可生成高质量图片，支持多种模型和算法。 MidJourney：因高质量的图像生成效果和用户友好的界面设计而受欢迎，在创意设计人群中流行。 您可以在 WaytoAGI 网站（https://www.waytoagi.com/category/104）查看更多文生图工具。 2. 图生图工具： 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：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：通过稳定扩散算法生成精细、具有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，将上传的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。 Meshy：支持文本生成 3D、图片生成 3D 以及 AI 材质生成。 CSM AI：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，适用于游戏领域的模型生成。 VoxCraft：由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，并提供多种功能。 需要注意的是，这些工具可能存在一些局限，如偶尔会出现性能不稳定、生成内容不当等问题。内容由 AI 大模型生成，请仔细甄别。

在大企业垄断的 AI 时代，普通人和小企业可以考虑以下破局方式： 1. 对于普通人： 关注并参与关于在 AGI 降临的世界中个体如何生存、创造价值以及新的分配方式的思考、讨论和争取。 2. 对于小企业： 利用欧盟的相关政策，如监管沙盒等措施降低合规成本，促进科技创新。具体包括制约单方面强加给中小企业和初创企业的不公平合同条款，采取规制格式合同的方式使显著不公平的条款无效，促进监管沙盒广泛而平等的参与，并减免参加费用和提供部署前服务等增值服务，适当降低评估费用或其他合规要求，在处罚规定中考虑中小企业的利益和经济活力，相关准则的制定充分考虑中小企业需求以降低合规负担。 在 AI 产业链中，应用层存在超级机会和巨大发展空间，小企业可以重点思考和布局应用层。但基础设施层入行资源门槛较高，需谨慎入局，可考虑“合作生态”的切入机会；技术层迭代速度快，规模不大的团队须慎重考虑“技术迭代风险”，基础的通用大模型非巨无霸公司不建议考虑。

以下是为零基础学习 AI 提供的建议： 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，可根据自己的兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 知识库提供了很多实践后的作品、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，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 此外，还有一个案例供您参考：二师兄来自上海，是典型的 80 后，房地产行业从业二十年，计算机零基础。2024 年 2 月，他在七彩虹的售后群中，因老哥分享用 AI 绘画的心得，要了 SD 秋叶安装包，下载了教学视频，迈出了 AI 学习的第一步。之后他不断学习和实践，如在 3 月啃完 SD 的所有教程并开始炼丹，4 月与小伙伴探讨 AI 变现途径，5 月加入 Prompt battle 社群，开始 Midjourney 的学习。

以下是关于 AI 数据分析的相关内容： ChatGPT 助力数据分析： 本文重点介绍了 AI 与数据分析结合的应用，通过实际案例与相关技巧，描述了 ChatGPT 如何助力数据分析。 实现了两种方式支持多维数据分析： SQL 分析：分析平台自身使用情况，输入一句话可分析用户配置图表相关数据。用户描述想分析的内容，后台连接 DB，附带表结构信息让 AI 输出 SQL 语句，校验为 SELECT 类型后执行返回结果数据，再传给 GPT 分析，最后输出分析结论和建议并返回前端页面渲染图表。 个性化分析：平台支持上传数据，可提供数据信息辅助分析，前端解析文件后传给 GPT 分析，后续步骤与 SQL 分析一致。 分析完成后展示结果数据的图表和分析结论，图表支持折线图和柱状图可随意切换。 生成式 AI 季度数据报告 2024 月 1 3 月： 作者包括郎瀚威 Will、张蔚 WeitoAGI、江志桐 Clara 等。 报告涵盖总体流量概览、分类榜单、文字相关（个人生产力、营销、教育、社交）、创意相关（图像、视频）、音频大类、代码大类、Agent、B2B 垂类等方面。 涉及数据准备、分类标准图谱准备、赛道分析、竞争分析等内容。

以下为您推荐能够根据给定曲名生成不同风格音乐并供下载的 AI 工具： 1. Suno AI： 地址：https://www.suno.ai/ 简介：被誉为音乐界的 ChatGPT，能够根据简单提示创造出从歌词到人声和配器的完整音乐作品。 账号要求：需要拥有 Discord、谷歌或微软中的至少一个账号，并确保网络环境稳定。 订阅信息： 免费用户每天 50 积分，每首歌消耗 5 积分，每天可创作 10 首歌曲，每次点击生成两首歌曲。 Pro 用户每月 2500 点数（大约 500 首歌），按月每月 10 美元，按年每月 8 美元，每年 96 美元。 Premier 用户每月 10000 点数（大约 2000 首歌），按月每月 30 美元，按年每月 24 美元，每年 288 美元。 操作模式： 默认模式：包括关闭个性化、歌曲描述、乐器开关、模型选择 v3 等设置。 个性化模式：开启个性化定制，可填写歌词、曲风、标题等。 生成歌词：可使用大模型如 Kimi、GPT、文心一言等生成。 开始生成：填写好所需内容后点击 Create，等待 2 3 分钟即可。 下载：生成后可下载。 2. 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。地址：https://www.udio.com/ 3. YuE：支持从歌词生成 5 分钟高质量音乐（含人声与伴奏），多语言支持（中、英、日、韩），覆盖多种音乐风格与专业声乐技术。详细介绍：https://www.xiaohu.ai/c/xiaohuai/yue5

作为汽车厂家的供应链，以下是一些值得学习的 AI 工具： 1. 自动驾驶相关工具：如用于图像识别、传感器数据分析和决策制定的工具，以支持自动驾驶技术在汽车生产中的应用。 2. 车辆安全系统工具：例如能够分析来自摄像头和传感器数据，以增强车辆安全性能的工具，如自动紧急制动、车道保持辅助和盲点检测系统等。 3. 个性化用户体验工具：可以根据驾驶员偏好和习惯调整车辆设置的工具，如座椅位置、音乐选择和导航系统等。 4. 预测性维护工具：通过分析车辆实时数据来预测潜在故障和维护需求的工具，有助于提高车辆可靠性和效率。 5. 生产自动化工具：在汽车制造过程中用于自动化生产线、提高生产效率和质量控制的工具。 6. 销售和市场分析工具：能够分析市场趋势、消费者行为和销售数据，以帮助制定营销策略和优化产品定价的工具。 7. 电动化和能源管理工具：在电动汽车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的工具。 8. 共享出行服务工具：如用于优化路线规划、调度车辆和定价策略，提高服务效率和用户满意度的工具。 9. 语音助手和车载娱乐工具：如 AI 驱动的语音助手，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工具：可以远程监控车辆状态，提供实时诊断和支持的工具。 此外，在 CAD 绘图方面，存在一些辅助或自动生成 CAD 图的 AI 工具和插件，如： 1. CADtools 12：Adobe Illustrator 插件，添加了 92 个绘图和编辑工具。 2. Autodesk Fusion 360：集成了 AI 功能的云端 3D CAD/CAM 软件。 3. nTopology：基于 AI 的设计软件，可创建复杂的 CAD 模型。 4. ParaMatters CogniCAD：根据设计目标和约束条件自动生成 3D 模型。 5. 主流 CAD 软件中的生成设计工具：如 Autodesk 系列、SolidWorks 等提供的工具。 但使用这些 CAD 相关的 AI 工具通常需要一定的 CAD 知识和技能，对于初学者，建议先学习基本的 3D 建模技巧。

在制造业领域，AIGC 技术在供应链管理方面有以下应用： AI 可以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。 在中小企业转型中，关于供应链风险的管理： 首先，使用 AI 工具进行风险评估。利用数据分析软件、预测模型等工具，收集财务报表、市场数据、供应链信息等相关数据进行分析，预测潜在的风险，如财务风险、供应链风险等，并识别风险的来源和可能的影响。 其次，基于 AI 分析结果，制定相应的风险应对策略。根据风险类型和程度，制定具体的应对措施，如制定应急计划、调整业务策略等，并持续监控效果，根据变化调整策略，定期复审风险评估模型和管理策略。 在扣子模板分享中，关于供应链的部分： 供应链与营销联动：结合供应链数据，预测市场需求，调整生产和库存，避免缺货或积压。

AI 在供应链管理方面有以下应用： 1. 预测性维护：通过分析设备运行数据预测机器故障，帮助工厂避免停机，提高供应链的稳定性。 2. 质量控制：检测产品缺陷，提高产品质量，减少因质量问题导致的供应链中断。 3. 优化供应链：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，降低成本。 4. 工具支持：如利用保证技术和技术标准等工具，支持供应链风险管理，建立对系统的合理信任，使用户相信关键的 AI 相关风险已在整个供应链中得到识别、解决和缓解。 5. 责任评估：持续评估法律责任在 AI 中的分布是否有效和公平，特别是对于基础模型，关注其在生命周期问责方面可能带来的潜在挑战。通过集中评估 AI 问责是否有足够的措施，评估是否需要对整个经济和 AI 生命周期中的 AI 责任进行进一步干预。

AI 在供应链工作中的应用主要包括以下几个方面： 1. 预测性维护：通过分析设备运行数据，预测机器故障，帮助避免供应链中的生产停机。 2. 质量控制：检测产品缺陷，提高供应链中产品的质量。 3. 采购计划和库存预测：根据历史数据和市场变化，自动生成采购计划和库存预测，优化供应链的资源配置。 4. 物流优化：对物流环节进行优化，提高运输效率，降低成本。 5. 风险管理：利用工具如保证技术和技术标准，支持供应链风险管理，建立对系统的信任，让用户相信关键的 AI 相关风险已被识别、解决和减轻。 6. 责任评估与分配：评估法律责任在 AI 供应链中的有效和公平分配，持续收集各方证据，监测框架对不同参与者的影响，关注基础模型带来的潜在挑战，评估是否需要进一步干预 AI 责任。

AI 可以为您从事的供应链相关岗位赋能以下能力： 1. 预测性维护：通过分析设备运行数据预测可能的故障，帮助避免供应链中的生产停机。 2. 质量控制：检测产品缺陷，确保供应链中产品的高质量。 3. 优化供应链管理：根据历史数据和市场变化，自动生成采购计划、库存预测、物流优化等方案，提高供应链效率和降低成本。 在制造业领域，AI 的应用包括： 1. 产品设计和开发：利用 AI 生成工具快速生成产品的 3D 模型、渲染图、插图等设计元素，提高产品设计效率。 2. 工艺规划和优化：结合大语言模型生成制造工艺流程、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：分析设备运行数据预测设备故障，并自动生成维修建议，提高设备可靠性。 4. 供应链管理：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，自动生成个性化的客户回复，提升客户体验。 在医疗药品零售领域，AI 的应用有： 1. 药品推荐系统：利用机器学习算法分析用户购买记录、症状描述等数据，为用户推荐合适的非处方药品和保健品，提升销售转化率。 2. 药品库存管理：通过分析历史销售数据、天气、疫情等因素，预测未来某段时间内的药品需求量，优化药店的库存管理策略，降低成本。 3. 药品识别与查询：借助计算机视觉技术，用户可以用手机拍摄药品图像，AI 系统自动识别药名并提供说明、用法、禁忌等信息查询服务。 4. 客户服务智能助手：基于自然语言处理技术，AI 虚拟助手可以回答顾客关于购药、用药、保健等常见问题，减轻人工客服的工作压力。 5. 药店运营分析：AI 可以分析药店的销售、顾客流量、库存等大数据，发现潜在的运营问题和优化空间，为决策提供参考。 6. 药品质量监控：通过机器视觉、图像识别等技术，AI 能够自动检测药品的包装、标签、颜色等是否合格，及时发现问题。 7. 药品防伪追溯：利用区块链等技术，AI 可以实现全流程的药品溯源，确保药品供应链的安全性和真实可信度。

作为评审导师，以下是对这个论文题目的一些优化建议： “人工智能对专精特新中小企业供应链效率的驱动作用及影响研究——基于实证数据分析” 这样的表述更加清晰地突出了人工智能的驱动作用，并且明确了是基于实证数据进行的分析。您觉得如何？

以下是一些比较好的 AI 知识库学习网站及相关学习建议： 通往 AGI 之路知识库： 提供了全面系统的 AI 学习路径，帮助您了解从 AI 常见名词到 AI 应用等各方面知识。 包含关于 AI 知识库使用及 AIPO 活动的介绍、AIPO 线下活动及 AI 相关探讨、way to AGI 社区活动与知识库介绍等内容。 信息来源有赛博蝉星公众号、国外优质博主的 blog 或 Twitter 等，推荐大家订阅获取最新信息并投稿。 有社区共创项目，如 AIPU、CONFIUI 生态大会，每月有切磋大会等活动，还发起了新活动 AIPO。 学习路径方面，有李弘毅老师的生成式 AI 导论等高质量学习内容，可系统化学习或通过社区共创活动反推学习，鼓励整理学习笔记并分享交流。 有经典必读文章，如介绍 GPT 运作原理、Transformer 模型、扩散模型等的文章，还包括软件 2.0 时代相关内容。 初学者入门推荐看 open AI 的官方 Cookbook，小琪姐做了中文精读翻译，也可查看 cloud 的相关内容。 有历史脉络类资料，整理了 open AI 的发展时间线和万字长文回顾等。 网站：ytoAGI.com 相关渠道：公众号“通往 AGI 之路”、 在线教育平台：如 Coursera、edX、Udacity 等，上面有一系列为初学者设计的课程，您可以按照自己的节奏学习，并有机会获得证书。 对于新手学习 AI，建议： 了解 AI 基本概念：阅读「」部分，熟悉 AI 的术语和基础概念。了解什么是人工智能，它的主要分支（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。 开始 AI 学习之旅：在「」中，找到一系列为初学者设计的课程。特别推荐李宏毅老师的课程。 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。 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您的作品。在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 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。

作为前端开发人员，以下是一些推荐学习的 AI 技术： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能、机器学习、深度学习、自然语言处理等主要分支及其联系。 浏览入门文章，了解 AI 的历史、当前应用和未来发展趋势。 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，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。 掌握提示词的技巧，其上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库查看大家实践后的作品、文章分享，并进行自己实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人互动，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验。 此外，如果希望继续精进，对于 AI，可以尝试了解以下内容作为基础： 1. AI 背景知识： 基础理论：了解人工智能、机器学习、深度学习的定义及其之间的关系。 历史发展：简要回顾 AI 的发展历程和重要里程碑。 2. 数学基础： 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、矩阵等线性代数基本概念。 概率论：基础的概率论知识，如条件概率、贝叶斯定理。 3. 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：简介强化学习的基本概念。 4. 评估和调优： 性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。 模型调优：学习如何使用网格搜索等技术优化模型参数。 5. 神经网络基础： 网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。 如果偏向技术研究方向： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 如果偏向应用方向： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：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。请注意，以上内容由 AI 大模型生成，请仔细甄别。

对于不懂编码的文科生来说，学习扣子 Coze 的应用是具有一定挑战性的，但并非不可逾越。 根据相关资料，扣子 Coze 应用于 11 月底推出，其低代码或零代码的工作流等场景做得较好。在学习过程中，您需要熟悉操作界面、业务逻辑和用户界面，包括布局、搭建工作流、用户界面及调试发布，重点熟悉桌面网页版的用户界面。 课程安排方面，第一天会熟悉扣子应用、认识界面、搭建证件照简单应用，解决表单使用等卡点。 不过，社区中很多不懂代码的设计师和产品经理在搭建时也感到吃力。对于学习所需的时间，难以给出确切的时长，这取决于您的学习能力和投入程度。但如果您能认真参与课程学习，逐步掌握相关知识和技能，相信会在一段时间内取得一定的成果。

如果您想从 0 到 1 成为 AI 产品经理，可以按照以下步骤学习： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的主要分支（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，您可以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您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 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。 此外，您还可以参考以下案例： 90 分钟从 0 开始打造您的第一个 Coze 应用，了解 Code AI 应用开发教学，包括其背景、现状、证件照应用案例以及学习过程，重点熟悉桌面网页版的用户界面。 参考北京分队成员的经验，如枫 share、行远、管子、猫先生、Andy 等在 AI 领域的技能、经验、职业、兴趣爱好等方面的情况。

Dify 是一个开源的大模型应用开发平台： 理念：结合后端即服务和 LLMOps 的理念。 特点：提供直观界面，能快速构建和部署生产级别的生成式 AI 应用。具有强大的工作流构建工具，支持广泛的模型集成，有功能丰富的提示词 IDE 以及全面的 RAG Pipeline 用于文档处理和检索。允许用户定义 Agent 智能体，并通过 LLMOps 功能持续监控和优化应用程序的性能。 部署选项：提供云服务和本地部署，满足不同用户需求。 开源特性：确保对数据的完全控制和快速的产品迭代。 设计理念：注重简单性、克制和快速迭代，旨在帮助用户将 AI 应用的创意快速转化为现实。 使用建议：个人研究时推荐单独使用，企业级落地项目推荐多种框架结合，效果更好。 Dify 官方手册：https://docs.dify.ai/v/zhhans