我想学习人工智能知识，从哪里开始呢？

以下是为您生成的人工智能行业分析的 PPT 相关内容： 一、AI 辅助的 PPT 工具 1. Gamma：在线 PPT 制作网站，通过输入文本和想法提示快速生成幻灯片，支持嵌入多媒体格式，如 GIF 和视频，网址：https://gamma.app/ 2. 美图 AI PPT：由美图秀秀团队推出，通过输入简单文本描述生成专业 PPT 设计，包含丰富模板库和设计元素，适用于多种场合，网址：https://www.xdesign.com/ppt/ 3. Mindshow：AI 驱动的 PPT 辅助工具，提供智能设计功能，如自动布局、图像选择和文本优化等，还可能包含互动元素和动画效果，网址：https://www.mindshow.fun/ 4. 讯飞智文：科大讯飞推出的 AI 辅助文档编辑工具，利用语音识别和自然语言处理技术优势，提供智能文本生成、语音输入、文档格式化等功能，网址：https://zhiwen.xfyun.cn/ 二、Gamma 的用法 将 Claude 的答案放到 Google Docs 中并导入 Gamma app 可自动转成初始版只有文字没有图片的 PPT，可给 Gamma app 发送指令进行美化。 三、Claude 和 Gamma 的组合使用 1. 用 Claude 解决不会使用学术网站条件搜索的问题。 如让其搜索营销领域权威期刊、特定期刊中关于 ChatGPT 的最新论文并筛选等。 2. 用 Claude 和 Gamma 达到以下目的： 快速寻找符合条件的论文。 提取精炼论文中某部分信息。 找到适合的 PPT 制作工具并学会使用。 希望以上内容对您制作人工智能行业分析的 PPT 有所帮助。

以下是关于 AI 行业分析的相关内容： 50 个访问量最大的 AI 工具及流量行为 在过去的一年里，人工智能是无所不在的主题，短时间内突破界限并重新定义多个行业。从 2022 年 9 月到 2023 年 8 月，仅排名前 50 位的人工智能工具就产生了超过 240 亿次的访问量，月均访问量增长了 2.363 亿次。其中，ChatGPT 占据了 140 亿流量，覆盖所分析流量的 60%。 研究方法 使用 SEMrush 工具，从列出 AI 工具的各种目录中抓取数据来研究 3000 多种 AI 工具，从中分离出访问量最大的 50 个工具，这些工具反映了研究期间（2022 年 9 月至 2023 年 8 月）人工智能行业 80%以上的流量。本研究旨在深入研究人工智能行业的行为，分析流量模式、人口统计、趋势和消费者行为。 过去 12 个月的流量增长 过去 12 个月里，人工智能行业是最重要的技术发展之一。在研究起始的 2022 年 9 月，分析的工具产生了 2.418 亿次访问。在研究期间，所有 50 个工具的总流量增长了 10.7 倍。2023 年 8 月，这些工具产生了 28 亿次访问量。从研究开始一个月到结束，流量增加了 26 亿，相当于在 12 个月内平均每月访问量增加 2.363 亿次。这一飞跃从去年 11 月 ChatGPT 成为最快达到 100 万用户的平台开始，2023 年 5 月达到峰值约 41 亿，之后行业流量回落 12 亿。整个期间的平均流量为每月 20 亿，最近 6 个月每月平均流量为 33 亿。 流量来源、设备、性别 流量渠道方面，80.53%的用户直接访问，有机搜索占 11.40%，推荐占 6.73%，有机社交仅带来 1.02%的流量，付费搜索和其他内容贡献最小。 设备使用方面，63.20%的用户通过移动设备访问，36.80%的用户通过桌面访问，凸显了移动响应式设计和应用在人工智能领域的重要性。 性别方面，男性用户占 69.5%，女性用户占 30.5%，存在显著的性别差距。

人工智能的主要分支包括： 1. 自然语言处理（NLP）：涵盖自然语言理解（NLU）和自然语言生成（NLG），要求机器准确理解和生成人类语言，是人工智能领域中不可或缺的重要分支。 2. 机器学习：是实现人工智能的途径之一，近 30 多年已发展为多领域科际集成，涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。 3. 推理：利用训练好的模型，使用新数据推理出各种结论，也称为预测或推断。 4. 训练：通过大数据训练出复杂的神经网络模型，使其能够适应特定功能。 此外，“人工智能”的概念自 1956 年提出后，其所涵盖的理论范围及技术方法不断扩展，如今已应用于不同领域。

以下是为您系统性介绍 AI 的结构内容： 第一级：人工智能 第二级： 1. 基本概念 术语和基础概念 主要分支（机器学习、深度学习、自然语言处理等） 分支之间的联系 2. 学习之旅 入门课程推荐（李宏毅老师的课程等） 在线教育平台课程 3. 特定模块 图像 音乐 视频等 4. 提示词技巧 5. 实践尝试 实践巩固知识 作品分享 6. 体验产品 ChatGPT Kimi Chat 智谱 文心一言等 此外，为您推荐三本神经科学书籍： 1. 《认知神经学科：关于心智的生物学》（作者:Michael S.Gazzaniga;Richard B.Lvry;George R.Mangun） 2. 《神经科学原理》（作者：Eric R.Kandel;James H.Schwartz） 3. 《神经生物学:从神经元到脑》（作者：John G.Nicholls 等著） 还有《雪梅 May 的 AI 学习日记》中提到的学习经验，如第一阶段迈出第一步，看书听课进社区，包括系统性学习、初步探索、加入 AI 社区等。

目前比较成熟的国外图片生成或修改美化的 AI 产品主要有： 1. Artguru AI Art Generator：在线平台，能生成逼真图像，为设计师提供灵感，丰富创作过程。 2. Retrato：AI 工具，可将图片转换为非凡肖像，有 500 多种风格可选，适合制作个性头像。 3. Stable Diffusion Reimagine：新型 AI 工具，通过稳定扩散算法生成精细、具细节的全新视觉作品。 4. Barbie Selfie Generator：专为喜欢梦幻童话风格的人设计的 AI 工具，能将上传的照片转换为芭比风格，效果很好。 这些 AI 模型通过组合技术如扩散模型、大型视觉转换器等，可根据文本或参考图像生成有创意且质量不错的相似图像输出，但仍存在一些局限，如偶尔性能不稳定、生成内容不当等问题。

以下是在 GitHub 上一些好用的生成图片的人工智能工具： 1. Artguru AI Art Generator：在线平台，能生成逼真图像，为设计师提供灵感，丰富创作过程。 2. Retrato：AI 工具，可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。 3. Stable Diffusion Reimagine：新型 AI 工具，通过稳定扩散算法生成精细、具细节的全新视觉作品。 4. Barbie Selfie Generator：专为喜欢梦幻童话风格的人设计，能将上传的照片转换为芭比风格，效果很好。 此外，还有一些常见的文生图工具： 1. DALL·E：由 OpenAI 推出，能根据输入的文本描述生成逼真的图片。 2. StableDiffusion：开源的文生图工具，可生成高质量图片，支持多种模型和算法。 3. 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。 在 3D 建模方面，以下工具可通过图片生成 3D 模型： 1. 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。 2. Meshy：功能全面，支持文本生成 3D、图片生成 3D 以及 AI 材质生成。 3. 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。 4. 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。 5. VoxCraft：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。 但需要注意的是，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。在 WaytoAGI 网站（https://www.waytoagi.com/category/104 ），可以查看更多文生图工具。

以下是关于如何搭建定制知识库的相关内容： 要搭建基于 GPT API 的定制化知识库，需要给 GPT 输入定制化的知识。但 GPT3.5（即当前免费版的 ChatGPT）一次交互支持的 Token 数量有限，约 4096 个，相当于 3000 个单词或 2300 个汉字，容量对于多数领域知识不够。为处理大量领域知识，OpenAI 提供了 embedding API 解决方案，可参考 OpenAI embedding documents。 embeddings 是浮点数字的向量（列表），两个向量之间的距离衡量它们的关联性，小距离表示高关联度，大距离表示低关联度。向量是用一串数字表示大小和方向的量，在计算机科学和数据科学中通常用列表表示。向量之间的距离是度量相似性的方法，常见的如欧几里得距离。在 OpenAI 词嵌入中，靠近的向量词语在语义上相似。 LlamaIndex 是更高一层 LangChain 的抽象，之前叫 GPT Index。之前的文章中的例子使用了 LlamaIndex 包，它简化了 LangChain 对文本分割和查询的接口，并提供了更丰富的 Data Connector。LlamaIndex 只针对 GPT Model 做 Index，而 LangChain 可对接多个 LLMs，可扩展性更强。参考 https://gptindex.readthedocs.io/en/latest/ 在基于大模型+知识库的 Code Review 实践中，对于自定义知识库飞书文档（自定义），没有格式要求，能看懂正确代码即可。可直接使用 LangChain 提供的文档加载类，对有权限的飞书文档进行获取，使用 CharacterTextSplitter/RecursiveCharacterTextSplitter 将文本分割成固定长度的块（chunks），方法有两个主要参数：chunk_size 控制每个块的长度，如设置为 1024，则每个块包含 1024 个字符；chunk_overlap 控制相邻两个块之间的重叠长度，如设置为 128，则每个块会与相邻块重叠 128 个字符。 因为大模型有足够多的数据，想让大模型按要求执行就需要用到“Prompt 提示词”。 最近各家大厂接连放大招，AI 技术和应用突飞猛进，GPT4 接口已支持最大 32K 输入，AI 的开发和使用门槛会越来越低。垂直领域知识库的搭建和优化可能更多是业务问题，而非技术问题。

搭建私人知识库可以参考以下方法： 1. 基于 GPT 搭建： 给 GPT 输入（投喂）定制化的知识，但 GPT3.5（即当前免费版的 ChatGPT）一次交互（输入和输出）只支持最高 4096 个 Token，约等于 3000 个单词或 2300 个汉字，容量对于绝大多数领域知识不够。 OpenAI 提供了 embedding API 解决方案，embeddings 是一个浮点数字的向量（列表），两个向量之间的距离衡量它们的关联性，小距离表示高关联度，大距离表示低关联度。 将大文本拆分成若干个小文本块（chunk），通过 embeddings API 将小文本块转换成 embeddings 向量，在一个地方（向量储存库）中保存这些 embeddings 向量和文本块，当用户提出问题时，将问题先通过 embeddings API 转换成问题向量，然后与向量储存库的所有文本块向量比对，查找距离最小的几个向量，把这几个向量对应的文本块提取出来，与原有问题组合成为新的 prompt（问题/提示词），发送给 GPT API。 2. 本地部署大模型搭建： 利用大模型的能力搭建知识库本身就是一个 RAG 技术的应用，在进行本地知识库的搭建实操之前，需要先对 RAG 有大概的了解。 RAG 的应用包括文档加载（从多种不同来源加载文档，LangChain 提供了 100 多种不同的文档加载器）、文本分割（把 Documents 切分为指定大小的块）、存储（将切分好的文档块进行嵌入转换成向量的形式，并将 Embedding 后的向量数据存储到向量数据库）、检索（通过某种检索算法找到与输入问题相似的嵌入片）、Output（把问题以及检索出来的嵌入片一起提交给 LLM，LLM 会通过问题和检索出来的提示一起来生成更加合理的答案）。 文本加载器就是将用户提供的文本加载到内存中，便于进行后续的处理。

以下是为您整理的从数据产品经理转行 AI 产品经理的相关知识和建议： 一、AIPM 技能树 1. 理解产品核心技术 了解基本的机器学习算法原理，有助于做出更合理的产品决策。 2. 与技术团队有效沟通 掌握一定的算法知识，减少信息不对称带来的误解。 3. 评估技术可行性 在产品规划阶段，能更准确地判断某些功能的技术可行性。 4. 把握产品发展方向 了解算法前沿，更好地把握产品的未来发展方向。 5. 提升产品竞争力 发现产品的独特优势，提出创新的产品特性。 6. 数据分析能力 掌握相关知识，提升数据分析能力。 二、AI 提示词工程师岗位技能要求 1. 学历和专业背景 本科及以上学历，计算机科学、人工智能、机器学习相关专业背景。 2. 熟悉 AI 工具 熟悉 ChatGPT、Llama、Claude 等 AI 工具的使用及原理，并具有实际应用经验。 熟练掌握 ChatGPT、Midjourney 等 AI 工具的使用及原理。 3. 项目经验 负责制定和执行 AI 项目，如 Prompt 设计平台化方法和模板化方法。 4. 技术理解 了解并熟悉 Prompt Engineering，包括常见的 Prompt 优化策略（例如 CoT、Fewshot 等）。 5. 数据分析与决策 对数据驱动的决策有深入的理解，能够基于数据分析做出决策。 6. 创新思维 具有创新思维，能够基于业务需求提出并实践 AI first 的解决方案。 7. 技术关注 对 AI 技术与算法领域抱有强烈的好奇心，并能付诸实践。 对 AIGC 领域有深入的理解与实际工作经验，保持对 AI 技术前沿的关注。 8. 编程能力 具备一定的编程和算法研究能力，能应用新的 AI 技术和算法于对话模型生成。 具有一定的编程基础，熟练使用 Python、Git 等工具。 三、AI 市场与 AI 产品经理分析 当前有两个场景： 1. 企业（包括传统企业和互联网企业）如何实现 AI 转型或用好 AI。 2. 产品经理如何转型 AI 产品经理。 希望以上内容对您有所帮助。

以下是为新手学习 AI 提供的入门知识： 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。 对于不会代码的新手，还可以尝试了解以下作为基础： 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。

以下是适合小白的 AI 知识库内容： 通识篇： 现有常见 AI 工具小白扫盲： 文章链接： 视频链接：（1 小时 32 分开始） 适用人群：对 AI 都没太多概念的纯纯小白 简要说明：给与 AI 之间有道墙、还在墙外的人简单介绍当前各种 AI 工具、0 成本最快速感受当下 AI 工具的力量 AI 常见名词、缩写解释： 文章链接： 适用人群：对 AI 都没太多概念的纯纯小白 简要说明：给看不懂“黑话”和诸多缩写的小白，请善用这张表+多问 AI 对话工具（如豆包 or Kimi)结合食用 工具入门篇： （Prompt）现成好用的 Prompt： 文章链接： 适用人群：完全没有 AI 使用经验，只下载过 kimi、豆包、chatgpt 一类对话软件的小白 简要说明：想直接拿好用的提示词拿来用用的小伙伴，可以从这里开始，有很多可以直接复制、粘贴的优秀 prompt 案例，它们都有完整的结构。 （AI Agent）Agent 工具 小白的 Coze 之旅： 文章链接： 视频链接：Coze 之旅 1.0： 适用人群：完全没有编程基础，但对 AI 已有一点概念的小白 简要说明：为纯粹小白补的分享 AI AGENT 搭建平台，为什么是它、怎么 30 分钟就能开始用它 （AI Pic）现在主流的 AI 绘图工具网站： 文章链接： 适用人群：完全没接触过 AI 出图、只是听说过的小伙伴 简要说明：为纯粹的小白提供一个工具列表和扫盲 （AI Tools）数据工具 多维表格小白之旅： 文章链接： 视频链接： 适用人群：Excel 重度使用者、手动数据处理使用者、文件工作者 简要说明：用表格 + AI 进行信息整理、提效、打标签，满足 80%数据处理需求 （AI Code）编程工具 Cursor 的小白试用反馈： 文章链接： 适用人群：0 编程经验、觉得编程离我们很遥远的小白 简要说明：通过 AI 工具对编程祛魅，降低技术壁垒 （AI Music）音乐工具 Suno 的小白探索笔记： 文章链接： 适用人群：0 乐理知识、觉得作词作曲和我们毫不相关成本巨大的小白 简要说明：AI 赋能音乐创作，无需乐理知识即可参与音乐制作

从 0 到 1 搭建知识库的方法如下： 【智能体】让 Coze 智能体机器人连上微信和微信群： 创建智能体： 知识库：本次创建知识库使用手动清洗数据，上节课程是自动清洗数据。自动清洗数据会出现目前数据不准的情况，本节视频就尝试使用手动清洗数据，提高数据的准确性。 在线知识库：点击创建知识库，创建一个画小二课程的 FAQ 知识库。知识库的飞书在线文档，其中每个问题和答案以分割，暂时不要问为什么。选择飞书文档、自定义的自定义，输入，然后就将飞书的文档内容以区分开来，这里可以点击编辑修改和删除。点击添加 Bot，添加好可以在调试区测试效果。 本地文档：本地 word 文件，注意如何拆分内容，提高训练数据准确度，将海报的内容训练的知识库里面。画小二这个课程 80 节课程，分为了 11 个章节，不能一股脑全部放进去训练。正确的方法是首先将 11 章的大的章节名称内容放进来，章节内详细内容格式依次类推细化下去。每个章节都按照这种固定的方式进行人工标注和处理，然后选择创建知识库自定义清洗数据。 发布应用：点击发布，确保在 Bot 商店中能够搜到。 使用 Dify 构建知识库： 准备数据：收集需要纳入知识库的文本数据，包括文档、表格等格式。对数据进行清洗、分段等预处理，确保数据质量。 创建数据集：在 Dify 中创建一个新的数据集，并将准备好的文档上传至该数据集。为数据集编写良好的描述，描述清楚数据集包含的内容和特点。 配置索引方式：Dify 提供了三种索引方式供选择：高质量模式、经济模式和 Q&A 分段模式。根据实际需求选择合适的索引方式，如需要更高准确度可选高质量模式。 集成至应用：将创建好的数据集集成到 Dify 的对话型应用中，作为应用的上下文知识库使用。在应用设置中，可以配置数据集的使用方式，如是否允许跨数据集搜索等。 持续优化：收集用户反馈，对知识库内容和索引方式进行持续优化和迭代。定期更新知识库，增加新的内容以保持知识库的时效性。 【知识库】FastGPT + OneAPI + COW 带有知识库的机器人： 创建知识库应用： 地址输入浏览器：http://这里替换为你宝塔左上角的那一串:3000/ 进入后，点击应用并创建，选择 qwen 模型。 创建知识库。点击知识库 选择 qwen Embedding 1 点击确认创建。 上传文件，等待处理，最后文本状态是“已就绪”。 回到刚刚创建的应用，关联上创建的知识库。 点击两个发布。之前第一个叫做保存。 点击新建，创建 key。创建后保存同时将 API 根地址最后加上/v1 并保存下来。 安装并接入 cow： 回到宝塔，打开【终端】。 依次粘贴并回车：cd/root 。 git clone https://github.com/zhayujie/chatgptonwechat ，注意一定要粘贴完整。 出现下方的样子，就是成功了。如果失败，或者没反应，刷新一下，重新再试一次。 继续一行一行，依次输入：cd chatgptonwechat/ ，pip install r requirements.txt 。 等待执行完成，继续粘贴：pip install r requirements optional.txt 。 上边的都执行完成后，到“文件”菜单中去执行，点击文件 找到 root，进入 root 文件夹，找到 chatgpt on wechat 文件夹，并进入。

以下是系统学习 AI 的方法： 1. 编程语言基础：从 Python、JavaScript 等编程语言开始学习，掌握编程语法、数据结构、算法等基础知识，为后续的 AI 学习奠定基础。 2. 尝试使用工具和平台：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、自然语言处理等）以及它们之间的联系。 阅读入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 4. 参与实践项目：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。 6. 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，掌握提示词技巧。 7. 开始学习之旅： 阅读「」部分，熟悉 AI 的术语和基础概念。 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。 8. 实践和尝试：理论学习后进行实践，巩固知识，尝试使用各种产品做出作品。在知识库分享实践后的成果。 9. 体验 AI 产品：与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解其工作原理和交互方式，获得对 AI 实际应用的第一手体验。 10. 加入学习社区：如，按照新手指引入门，避免走弯路。

以下是一些关于 ComfyUI 的学习资源和相关信息： 1. 学习资料： ComfyUI 官方文档：提供使用手册和安装指南，适合初学者和有经验的用户。网站：https://www.comfyuidoc.com/zh/ 优设网：有详细的 ComfyUI 入门教程，适合初学者。教程地址：https://www.uisdc.com/comfyui3 知乎：有用户分享 ComfyUI 的部署教程和使用说明，适合有一定基础的用户。教程地址：https://zhuanlan.zhihu.com/p/662041596 Bilibili：提供一系列从新手入门到精通的视频教程。教程地址：https://www.bilibili.com/video/BV14r4y1d7r8/ 2. 8 月 13 日 ComfyUI 共学内容： 包括学习交流与活动安排，讨论了学习需求、教程分享、部署问题、应用场景及活动规划。 工作流的分享与探讨，涉及不同场景应用、优势、弊端及学习方法，还有分享会和开源社区情况。 学习交流与报错问题解决，包括使用、工作流分享、报错问题及解决方案，以及课程设计安排。 讨论了 AI 绘图技术在工作中的应用与分享，包括项目实践、技术调研、培训及未来教学计划等。 介绍了课程规划，包括从零基础开始，逐步深入到环境部署、底层技术概念、提示词等内容，还介绍了 config 牛角尖大王系列。 提到具备搭建复杂工作流能力，会拆解分析网上热门工作流，报错问题可分为网络、模型、工作流搭建、环境等方面，安装新插件时可参考项目地址的 requirement 文档，规划了实战案例思路。 3. ComfyUI 自动生成抠图素材： 学习使用 ComfyUI 的原因：更接近 SD 的底层工作原理，自动化工作流，作为强大的可视化后端工具可实现 SD 之外的功能，可根据定制需求开发节点或模块。 作者制作工作流的动机是工作室经常需要抠图素材，传统途径要么花钱要么花时间且不能定制，近期在 github 上看到相关项目，基于此创建了工作流，可自动生成定制需求的抠图素材，几秒即可完成。随后将分享创建工作流的思路及详细步骤讲解。

以下是关于系统学习并最终应用 AI 辅助工作的相关内容： 在医疗保健领域，鉴于人工智能依赖的神经网络基础，专家 AI 可能通过元学习更快地获得知识，并可能成为下一代专家的教师。我们可以通过构建系统深入探索其内部工作机制，创造学习的飞轮。 企业级 AI 应用开发知识点： 智能体应用（Assistant）：基于上下文对话，自主决策并调用工具完成复杂任务的对话式 AI 应用。可用于客户服务、个人助理、技术支持等场景。 工作流应用（Workflow）：将复杂任务拆解为若干子任务，以提高工作流程可控性的流程式 AI 应用。例如 AI 翻译。 智能体编排应用：支持多智能体协作的流程式 AI 应用，可编排多个智能体的执行逻辑。如综合调研报告、软件开发团队的组建。 教师使用 AI 的小技巧： 可控地引导学生，将部分课程、任务用 AI 辅助，同时限制部分课程的 AI 使用以培养独立思考和解决问题的能力。 人工智能用于集思广益和构建想法，但最终的工作必须由人类创作，对于想法发展和外语课程很有用。相关活动包括协作集思广益、创建结构化大纲、研究协助。 学生使用生成式人工智能来完善和编辑他们的作品，有利于语言改进和多模式内容。相关活动包括纠正语法/拼写、建议同义词、结构编辑、可视化编辑。 完全使用 AI，在整个任务中使用 AI，具体由学生或教师自行决定。适合那些生成式 AI 对学习结果非常关键的任务。相关活动包括共同创作、探索生成式 AI、实时反馈以及创建生成式 AI 产品。

以下是学习 AI 制作短视频的相关内容： 1. 制作步骤： 剧本创作：可以从原创（如自身或周围人的经历、做过的梦、想象的故事等）和改编（如经典 IP、名著、新闻、二创等）两个路径获取灵感。 分镜脚本创作 角色设计：需保持角色的一致性，并增加个性化特性。 分镜图片制作：生成一张合适的图片就直接开始进行对应动画镜头的生成。 动画制作：主要使用了 pixverse、pika、runway 三种视频生成工具。 配音和配乐 2. 注意事项： 编剧方面，虽然有剧作理论和模板，但不能死板套用，应多实践、总结经验，从简单的短片创作入手，可从自身或朋友经历改编，或对短篇故事进行改编，多与他人讨论故事。 不论使用镜头拍摄还是 AI 工具生成，都脱离不了影视制作的基础逻辑。 短片以短故事片为主，后续会讨论广告片等类型。 相关原文链接：

以下是关于学习辅导 AI 的相关内容： 使用 AI 辅助学习： 可以要求人工智能解释概念，能获得很好的结果。例如，有很好的自动导师提示，可在特定链接找到直接激活 ChatGPT 中导师的方式。但因人工智能可能产生幻觉，关键数据要依据其他来源仔细检查。 新手学习 AI 的方法： 了解 AI 基本概念：阅读「」熟悉术语和基础概念，包括人工智能的定义、主要分支及联系，浏览入门文章了解其历史、应用和发展趋势。 开始学习之旅：在「」中找到为初学者设计的课程，如李宏毅老师的课程，也可通过在线教育平台按自己节奏学习并获取证书。 选择感兴趣模块深入学习：AI 领域广泛，可根据兴趣选择特定模块，如图像、音乐、视频等，掌握提示词技巧，上手容易且有用。 实践和尝试：理论学习后实践是关键，尝试使用各种产品做出作品，知识库有很多实践后的作品和文章分享，欢迎分享自己的实践成果。 体验 AI 产品：与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解工作原理和交互方式，获得实际应用中的第一手体验，激发对 AI 潜力的认识。 鉴于人工智能依赖的神经网络基础，专家 AI 可能通过元学习更快获取知识并带动人类进步。其性质让我们能拆解研究，构建系统深入探索内部工作机制，创造学习飞轮，未来可能成为下一代专家的教师。

以下是新手学习 AI 的方法： 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，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、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。 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，为后续的 AI 学习打下基础。 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。 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。