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

如何学习Coze？有哪些参考资料

Answer

以下是关于学习 Coze 的一些参考资料和方法：

在学习 RAG 的过程中，可以先通过 Claude 帮助了解细节概念，然后通过 Coze 搭建 Demo 来实践学习。此外，还创建了一些相关的 Bot，如产品资料问答机器人等。如果对数据库概念有困惑，可参考这可能是讲 Coze 的数据库最通俗易懂的文章了。

Content generated by AI large model, please carefully verify (powered by aily)

References

胎教级教程：万字长文带你理解 RAG 全流程

关于新知识的学习，每个人都有自己的方法，这里我推荐我的一个方法，那就是Claude+CozeClaude大家都很清楚了，目前最强的AI大模型，一个月20美元，好用到飞起。而Coze呢则是一款AI Agent的衍生产品，对我来说他现在最大的价值就是两点依靠Coze来跟进当前AI Agent工具的发展情况，对其保持关注，发现商业化的机会做产品Demo，我有任何的想法都可以考虑在Coze中实现一个Demo还不知道Coze是什么的同学可以看我的公开分享：[胎教级教程：万字长文手把手教你用Coze打造企业级知识库](https://axsppz4oyvj.feishu.cn/wiki/ZP1wwFWhvii1sfkvcEFc2saznoh)我在学习RAG的过程首先会通过Claude帮助我了解细节的概念，然后再通过Coze搭建一个Dmeo，在动手实践中学习RAG在学习RAG的过程中，我一共创建了4个Bot：产品资料问答机器人这个Bot是利用了Coze的知识库能力，演示知识库在企业中的应用。相关资料请参考我的公开分享：[胎教级教程：万字长文手把手教你用Coze打造企业级知识库](https://axsppz4oyvj.feishu.cn/wiki/ZP1wwFWhvii1sfkvcEFc2saznoh)Query改写助手学习Bot：这里为了学习Query的改写，我专门做了一个Bot机器人进行学习Bot地址：https://www.coze.cn/store/bot/7400077517299957800?panel=1&bid=6dkpl06gg601j

Agent 搭建共学快闪 0507

大家可以提前看这些资料[胎教级教程：万字长文带你使用Coze打造企业级知识库](https://waytoagi.feishu.cn/wiki/CT3UwDM8OiVmOOkohPbcV3JCndb)[我们的Bot获得了「掘金x扣子Hackathon活动-深圳站」的总冠军](https://waytoagi.feishu.cn/wiki/Y7PUw9dnCiHAj6kMrJ5ckNbMnJw)[我用Coze搓了一个乞丐版的秘塔搜索](https://waytoagi.feishu.cn/wiki/IM2TwbChWixcR9kEt87cmKsHnAc)[Coze全方位入门剖析-免费打造自己的AI Agent(国内版)](https://waytoagi.feishu.cn/wiki/S78qw9A4IigAXwkULCyctGQpnLe)[我用Coze免费手搓了一个24小时英语陪练，根治了我多年的哑巴英语!](https://waytoagi.feishu.cn/wiki/HDtYwSgyRijpS1kMxFpcN8vknAd)[画小二：Coze工作流之抖音热门视频转小红书图文详细配置](https://waytoagi.feishu.cn/wiki/MV7gw298TiBajFkSrFeceYRMnXc)[画小二：通过Coze定制开发插件案例：根据食物识别营养热量](https://waytoagi.feishu.cn/wiki/CTQWwpbDwikoaekFOKpcpY2qn3b)Coze国内版地址：https://www.coze.cn/homeCoze海外版地址：https://www.coze.com/home

这可能是讲 Coze 的数据库最通俗易懂的文章了

大家好，我是大圣，一个致力于使用AI技术将自己打造为超级个体的程序员。本文是[大圣：胎教级教程：万字长文带你使用Coze打造企业级知识库](https://waytoagi.feishu.cn/wiki/CT3UwDM8OiVmOOkohPbcV3JCndb)教程中关于数据库概念的细化。如果你没有看过上面这篇教程也无所谓，只要你正在学习Coze并且对数据库节点产生了困惑。那么这篇文章就会非常适合你。在学习AI Agent的过程中，有一个非常经典的公式AI Agent=LLM（大模型）+Planning（规划）+Memory（记忆）+Tools（工具）其中记忆这一块离不开一个重要的组件，那就是数据库。这篇文章旨在从非编程人士的角度讲清楚数据库的概念和基本使用。本文不会陷入传统教学文章中的上来就讲SQL语法，而是通过和Excel对比希望你能了解数据库的本质概念从而可以更好的利用ChatGPT等工具辅助你在学习数据库的路上走的更远请允许我自卖自夸：我这篇文章可以说是数据库文章中Coze讲的最好的，讲Coze的文章中数据库讲的最好的。另外做个预告，我正在规划一个关于AI时代你应该具备的编程基础系列，大纲如下：数据库｜让Coze拥有了记忆的组件1知识库｜让Coze拥有了记忆的组件2变量｜让Coze拥有了记忆的组件3JSON｜让你更好的使用Coze插件API｜外部应用程序该如何接入Coze操作系统与服务器｜那些接入了Coze的微机器人都是运行在哪里的Docker｜让你用最简单的方式部署微信机器人OK，废话不多说，我们直接开始！

Others are asking
在coze工作流中，怎样利用下一个代码节点合并前两个代码节点的输出，并以正确的格式输入传入飞书多维表格插件节点
在 Coze 工作流中利用下一个代码节点合并前两个代码节点的输出并以正确格式传入飞书多维表格插件节点的步骤如下： 1. 搭建整理入库工作流： 3.4 大模型节点：提取稍后读元数据。根据对稍后读阅读清单的元数据期望设置大模型节点，使用 MiniMax 6.5s 245k，设置最大回复长度至 50000 以完整解析长内容网页，用户提示词需相应设置。 3.5 日期转时间戳。后续的飞书多维表格插件节点在入库日期字段时只支持 13 位时间戳，需使用「日期转时间戳time_stamp_13」插件进行格式转化，具体设置明确。 3.6 大模型节点：把稍后读元数据转换为飞书多维表格插件可用的格式。飞书多维表格插件目前（2024 年 08 月）只支持带有转义符的 string，以 Array<Object>格式输入，所以要将之前得到的元数据数组进行格式转换，大模型节点配置及用户提示词需相应设置。 3.7 插件节点：将元数据写入飞书表格。添加「飞书多维表格add_records」插件，设置{{app_token}}与{{records}}参数。 3.8 结束节点：返回入库结果。「飞书多维表格add_records」插件会返回入库结果，直接引用该信息用于通知外层 bot 工作流的入库是否成功。 2. 搭建选择内容推荐流： 4.1 开始节点：输入想阅读的内容主题。收到用户输入的“想看 xxx 内容”这类指令开始流程，无需额外配置。 4.2 变量节点：引入 bot 变量中保存的飞书多维表格地址，添加变量节点并设置。 4.3 插件节点：从飞书多维表格查询收藏记录。添加「飞书多维表格search_records」插件，设置{{app_token}}参数，并在{{app_token}}引用变量节点的{{app_token}}，输出结果的{{items}}里会返回需要的查询结果，也可在这一步定向检索未读状态的收藏记录。 4.4 大模型节点：匹配相关内容。为处理稳定采用批处理，对检索出来的收藏记录逐个进行相关性匹配，用户提示词可优化以提升匹配精准度。 搭到这里，别忘了对整个工作流进行测试。
2025-01-09
coze合并代码节点
以下是关于 Coze 合并代码节点的相关内容： 在 Coze 上搭建工作流框架时，设定每个节点的逻辑关系很重要。对于「分段」、「拼合」代码节点设计，实际测试表明由于 LLM 的上下文长度有限，通常一次性输入输出的文本越长，生成时间越长，结果稳定性越低，特别是对生成结果格式要求较高时问题更突出。考虑到对照精读环节本身是逐段生成的，适合批处理形式，所以需要用「分段输入正文」，分割正文后用 LLM 节点批处理每一段的对照精读，最终「拼合精读结果」以输出完整文本。如果觉得编写代码脚本繁琐且仅进行文本处理，也可使用 LLM 节点配合适当 prompt 临时验证整个工作流。 在插件中心确定需要的插件时，先用关键词尝试性搜索，根据插件名称、介绍页、描述、参数、示例判断是否可能满足需求。有多个插件可选时，一般优选官方/高收藏/高成功率的插件以提升使用效果。若实际试用效果不行，则换用其他插件或自己编写上架插件。例如 TTS 文字转语音插件可通过搜索“语音”“文字转语音”“TTS”等相关关键词找到“英文文本转语音”插件；思维导图插件可通过搜索“脑图”“树图”“导图”“mindmap”等关键词找到“TreeMind 树图”插件。 Coze 工作流节点还包括大模型节点、代码节点和选择器节点。大模型节点可利用大语言模型生成文本内容，能选择所用大语言模型、设置生成内容随机度并编写提示词，提示词中支持使用{{variable}}引用输入参数。代码节点通过 IDE 编写 Python 或 JavaScript 脚本处理输入参数并返回输出值，支持 JavaScript 和 Python 运行时，尽量使用 JavaScript，尽量让 AI 去写，不熟悉时易增加麻烦。选择器节点是一个 ifelse 节点，用于设计工作流内的分支流程，每增加一个条件右边会多出一个点，点中拖到对应的下一级节点，输入参数时节点会判断是否符合“如果”区域条件，符合则执行对应分支，否则执行“否则”分支。
2025-01-09
coze工作流
Coze 的工作流具有以下特点和步骤： 特点： 是一种可视化的方式，允许用户组合各种功能模块，如插件、大语言模型、代码块等，实现复杂和稳定的业务流程编排。 由多个节点组成，包括 Start 节点和 End 节点，用户可在节点间添加各种功能模块构建业务流程。 支持丰富的功能模块，可根据需求灵活组合，如调用大语言模型进行文本生成、调用插件进行数据处理等。 工作流的创建和编辑通过可视化拖拽界面完成，无需编写代码，降低了搭建门槛。 创建好的工作流可直接集成到 Coze 的聊天机器人中使用，实现复杂业务逻辑。 为用户提供了可视化、低代码的方式，快速搭建满足业务需求的 AI 应用和服务，降低开发门槛，提升工作效率。 步骤： 梳理清楚工作流，例如对于复刻吴恩达开源的 AI 翻译项目，先新建工作流，逐步导入核心流程，工作流分为若干节点，每个节点完成特定任务，组合形成完整翻译流程。 查看导入后的整体工作流及测试效果，工作流分为初始翻译、反思优化、结果输出等主要部分，运行测试时可看到每个节点的执行过程和结果。 对每个节点的配置进行核心讲解，如开始节点选择翻译的源语言和目标语言，还可设置其他参数；初步的翻译大模型节点选择大模型进行初始翻译；选择器节点判断用户填写要求中有无特殊语言翻译特色或口音。
2025-01-09
coze工作流中数据库如何应用？主要是返回数据
在 Coze 工作流中，数据库的应用如下： 工作流由多个节点构成，节点是基本单元。Coze 平台支持的节点类型包括数据库节点。 数据库节点的输入：用户可以定义多个输入参数。 数据库节点的输出：如果数据库是查询作用，则输出会包含查询出来的内容。通过 SQL 语句告诉数据库要执行的动作，这里的 SQL 语句可以让 AI 自动生成并进行适当改动。 注意事项：Coze 平台的逻辑是数据库与 bot 绑定，使用数据库功能时，需要在 bot 中设置相同名称和数据结构的数据库进行绑定。 测试工作流：编辑完成的工作流无法直接提交，需要进行测试。点击右上角的“test run”，设定测试参数，查看测试结果，完成后发布。 相关参考文档和示例： 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 国内版本示例： 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 在【拔刀刘】自动总结公众号内容，定时推送到微信的案例中，循环体内部的数据库节点用来在数据库中查询是否已经推送过该篇文章，输入项为上一步中的 url 和开始节点的 key（重命名为 suid）。查询数据库需要文章 url 和用户的 suid 两个值来判断这名用户的这篇文章是否推送过。记得设置输出项“combined_output”。同时，Coze 平台中使用数据库功能需要在 bot 中设置相同名称和数据结构的数据库进行绑定，具体设置方法参见“相关资源”。
2025-01-08
我想学习COZE平台创建智能体的详细教程。
以下是在 COZE 平台创建智能体的详细教程： 1. 基础智能体创建： 进入 coze 官网（www.coze.cn），注册并登录。 点击页面左上角的⊕。 通过【标准创建】填入 bot 的基本信息。 2. Bot 开发调试界面： 人设与回复逻辑（左侧区域）：设定 Bot 的对话风格、专业领域定位，配置回复的逻辑规则和限制条件，调整回复的语气和专业程度。 功能模块（中间区域）： 技能配置：插件可扩展 Bot 的专业能力，如计算器、日历等工具；工作流可设置固定的处理流程和业务逻辑；图像流可处理和生成图像相关功能；触发器可设置自动化响应条件。 知识库管理：文本可存储文字类知识材料；表格可用于结构化数据的存储和调用；照片可作为图像素材库。 记忆系统：变量可存储对话过程中的临时信息；数据库可管理持久化的结构化数据；长期记忆可保存重要的历史对话信息；文件盒子可管理各类文档资料。 交互优化（底部区域）：可设置开场白、用户问题建议、快捷指令、背景图片等。 预览与调试（右侧区域）：实时测试 Bot 的各项功能，调试响应效果，优化交互体验。 3. 图像流相关： 打开 Coze 官网（https://www.coze.cn/home）。 创建图像工作流，图像流分为智能生成、智能编辑、基础编辑三类。 空间风格化插件有相关参数，如 image_url 是毛坯房的图片地址；Strength 是提示词强度，影响效果图；Style 是生成效果的风格，如新中式、日式、美式、欧式、法式等；user_prompt 是用户输入的 Promot 提示词。 按照构架配置工作流，调试工作流效果，可使用毛坯房测试用例（https://tgi1.jia.com/129/589/29589741.jpg）。 开始节点对应配置三项内容，进行提示词优化。 人设和回复逻辑：技能 1 中 3 项中的编译数字来源，然后点击右上角发布。
2025-01-08
怎么学习COZE平台的操作？要全面详细
以下是全面学习 COZE 平台操作的方法： 1. 前置条件：起码已经使用过 Coze，并亲自搭建过一些简单的工作流。 2. 重点学习资源： 官方案例非常值得学习，不要错过优质资源。 观看 90 分钟的视频教程，文档教程为辅。例如“【90 分钟视频教程】全网最详细的 Coze AI 应用教学”中的案例演示，如 Coze 的创意写真馆应用：https://www.coze.cn/template/project/7442139374751629323? 以及 。 3. 操作步骤： 对于不了解 Coze 操作的情况，可以按照以下步骤完成 Agent 最后的测试与封装： 试运行整个工作流，验证整体运行效果，包括响应速度、生成质量。点击「试运行」，把待精读文章输入「开始节点」的{{BOT_USER_INPUT}}，观察流程在 1 分钟内是否运行完成，最终输出的“回答内容”是否符合预期。 迭代优化工作流，提升性能。此步骤可自行按照配置思路进行细致优化。 在外层 bot 中封装工作流。 进行外层 bot 调试。 完成以上步骤后，即可发布 bot 。
2025-01-08
根据Python实验内容（包括实验场景和实验内容）和参考资料链接，如何优化prompt，以完成程序？
以下是一些优化 prompt 以完成程序的建议： 1. 对于算术推理相关的程序，若思维链（及生成的方程式）存在正确但模型执行算术运算错误的情况，可添加一个 Python 程序作为外部计算器（使用 Python 的 eval 函数）处理生成的思维链中的所有方程式。当思维链中包含多个方程式时，通过字符串匹配将外部计算器的结果从一个方程式传递到下一个方程式，以提高思维链提示在大多数任务上的性能。 2. 在涉及迷宫生成的程序中，若生成的迷宫存在边未封好等问题，可调整提示词。若对复杂度不满意，也可提出并进行调整。 3. 在涉及图像生成的程序中，对于提示词编写，应遵循不改变梗图、虚构角色起源、未出现人物等的原则，保持原始提示的意图并优先保证质量。不创建任何具有冒犯性的图像。对于可能存在偏见的场景，确保如性别和种族等关键特征以无偏见的方式指定。对于包含特定人物或名人的提示词，需进行适当修改，以通用描述替代，除非其作为图像中的文本出现。提示词应详细、客观地描述图像的每个部分，思考描述的最终目标并进行推断以生成满意的图像。
2024-11-22
提供prompt和微调相关的参考资料
提供 prompt 和微调相关的参考资料 一、怎么写提示词 prompt？ 1. 测试和调整：在生成文本后，仔细检查结果，并根据需要调整 prompt。这可能需要多次迭代，直到达到满意的结果。 2. 优化和润色提示词： 明确具体的描述：使用更具体、细节的词语和短语来描述你想要表达的内容，而不是过于笼统的词语。这样 AI 更容易准确理解你的需求。 添加视觉参考：在 Prompt 中插入相关的图片参考，这可以显著提高 AI 理解你的意图和细节要求的能力。 注意语气和情感：根据需求，用合适的形容词、语气词等调整 Prompt 的整体语气和情感色彩，让 AI 能生成出期望的语境和情绪。 优化关键词组合：尝试不同的关键词搭配和语序，找到最有针对性、最准确表达需求的 Prompt 描述方式。 增加约束条件：为避免 AI 产生意料之外的输出，可以在 Prompt 中添加限制性条件，如分辨率、比例等。 分步骤构建 Prompt：将复杂的需求拆解为逐步的子 Prompt，引导 AI 先生成基本结构，再逐步添加细节和完善。 参考优秀案例：研究 AI 社区流行的、被证明有效的 Prompt 范例，借鉴其中的写作技巧和模式。 反复试验、迭代优化：通过多次尝试不同的 Prompt 写法，并根据输出效果反馈持续优化完善，直至达到理想结果。 二、微调（Finetuning） 1. 一般最佳实践： 使用更多高质量的示例进行微调效果更好。要微调一个比使用我们的基本模型使用高质量提示更好地执行的模型，您应该提供至少几百个高质量的示例，最好由人类专家审查。从那里开始，性能往往会随着示例数量的每增加一倍而线性增加。增加示例的数量通常是提高性能的最佳和最可靠的方法。 分类器是最容易上手的模型。对于分类问题，我们建议使用 ada，经过微调后，它通常只会比功能更强大的模型稍微差一点，同时速度更快，成本更低。 如果您要对预先存在的数据集进行微调，而不是从头开始编写提示，请务必在可能的情况下手动检查您的数据是否存在令人反感或不准确的内容，或者如果数据集很大，请检查尽可能多的随机样本。 以上是 prompt 和微调相关的参考资料，希望对你有所帮助。
2024-05-23
小白如何学习AI
对于小白学习 AI，以下是一些建议： 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，同时掌握提示词的技巧。 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。知识库中有很多实践后的作品、文章分享。 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。 6. 持续学习和跟进： AI 发展迅速，新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，与其他爱好者和专业人士交流。 此外，还可以参考《雪梅 May 的 AI 学习日记》，其适合纯 AI 小白，学习模式为输入→模仿→自发创造。但其中的学习内容可能因 AI 发展而变化，可去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新内容。该日记中的学习资源免费开源，且学习时间灵活，不必有压力，能学多少算多少。
2025-01-09
如何零基础学习ai
以下是零基础学习 AI 的建议： 1. 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念。了解人工智能是什么，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，您能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。 在知识库有很多大家实践后的作品、文章分享，欢迎您实践后也进行分享。 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。 对于中学生学习 AI，建议如下： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始，学习编程语法、数据结构、算法等基础知识。 2. 尝试使用 AI 工具和平台： 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识： 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目： 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，培养动手能力。 5. 关注 AI 发展的前沿动态： 关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 总之，无论是零基础还是中学生，都可以从编程基础、工具体验、知识学习、实践项目等多个方面入手，全面系统地学习 AI 知识和技能。
2025-01-09
请问如何学习MJ
以下是关于学习 Midjourney 的相关内容： 1. Midjourney 今天发布了模型个性化 Personalization 或'p'的早期测试版本。其工作原理是：每次写提示时，很多信息是“隐含的”，MJ 的算法通常会用社区的综合偏好填补空白，而模型个性化会学习您的喜好来填补空白。使用模型个性化的要求包括：目前从成对排名中的投票和喜欢的探索页面上的图像中学习，需要大约 200 个成对排名/喜欢才能生效，可在排名页面查看评分数量或在 Discord 上输入/info。使用方法为：在提示后输入p，或使用提示栏中的设置按钮为所有提示启用个性化功能，启用时会在提示后添加一个“代码”，可分享此代码让他人使用应用于该图像的个性化效果，还可以使用s 100 控制个性化效果的强度（0 为关闭，1000 为最大，100 为默认）。但需注意个性化目前不是稳定功能，会随更多成对排名而变化，且可能会推出算法更新。 2. 训练 Midjourney 的 prompt 流程：可以复制每一步，按照步骤跟 GPT 聊下去。原理是把 MJ 的官网说明书喂给 GPT，让它根据说明了解机制和结构，给出适合的提示词。 3. MJ 很长一段时间内依赖 discord 进行操作，可简单理解为一个微信群/钉钉群，群里有机器人，@它并给一段文字，它就会出图片。也可自己创建群组（服务器），把机器人拉进来对话创作。开始创作时@机器人，MJ 会返回 4 宫格图片。想要放大一张图，点击上面的 U 1——4，MJ 会发大图回来。或者看看其他风格，点击上面的 v 14，MJ 会返回新的 4 宫格。简单来说，步骤包括告诉 MJ 要什么，MJ 给 4 个不同风格小图，放大或再看其他风格，在这些图片基础继续处理。初学可能会有一些想法，比如第一次出图感觉不错，但再改可能难，此时设计师技能上线。以前除了氪金多练习没好办法，现在可以去离谱村进修。
2025-01-09
AI学习路径
以下是为新手提供的 AI 学习路径： 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，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，它上手容易且很有用。 4. 实践和尝试： 理论学习后，通过实践巩固知识，尝试使用各种产品做出作品。 知识库中有很多实践后的作品、文章分享，欢迎实践后分享。 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，并激发对 AI 潜力的认识。 另外，如果您偏向技术研究方向，学习路径包括： 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。 如果您偏向应用方向，学习路径包括： 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。 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。
2025-01-09
如何学习提示词
学习提示词可以通过以下步骤和方法： 1. 基础概念学习： 了解相关模型（如 Stable Diffusion）的工作原理和架构。 理解提示词如何影响生成结果。 掌握提示词的组成部分，如主题词、修饰词、反面词等。 2. 研究官方资料： 通读官方文档，获取提示词相关指南。 学习开发团队和专家的教程与技巧分享。 3. 学习常见术语和范例： 熟悉相关领域（如 UI、艺术、摄影）的专业术语和概念。 研究优秀的图像标题和描述作为范例。 4. 掌握关键技巧： 学会组合多个词条精确描述想要的效果。 掌握使用特定符号（如“（）”、“”）控制生成权重。 学会处理抽象概念、情感等无形事物的描述。 5. 实践与反馈： 用不同提示词生成各种风格和主题的图像。 对比结果与提示词，分析原因并总结经验。 在社区分享，请教高手获取反馈建议。 6. 创建提示词库： 按主题、风格等维度建立自己的词库。 记录成功案例方便后续参考复用。 7. 持续跟进前沿： 关注模型的最新更新和社区分享。 掌握提示词的新技术、新范式和新趋势。 此外，还需注意： 1. 理解提示词的作用：向模型提供上下文和指示，其质量直接影响输出质量。 2. 学习构建技巧：明确任务目标，用简洁准确语言描述，提供足够背景信息和示例，使用清晰指令，明确特殊要求。 3. 参考优秀案例：在领域社区、Github 等资源中学习。 4. 实践、迭代、优化：多与模型互动，尝试变体并优化。 5. 活用提示工程工具：如 Anthropic 的 Constitutional AI 等。 6. 跟上前沿研究：持续关注最新成果和方法论。 总之，要了解模型特性，具备清晰表述需求的能力，通过多实践、多学习、多总结来掌握提示词的运用。
2025-01-09