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

知识库中已有的ai工具按能力分类列举

Answer

以下是知识库中已有的 AI 工具按能力分类列举：

工具入门篇

  • 数据工具：
    • 多维表格小白之旅
      • 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
  • 编程工具：
    • Cursor 的小白试用反馈
      • 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
  • 音乐工具：
    • Suno 的小白探索笔记
      • 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

100 个 AI 应用

  • 81 - 100：
    • AI 菜谱口味调整工具
      • 已有产品：下厨房口味调整功能
      • 一句话介绍：根据用户反馈调整菜谱口味。
    • AI 语言学习纠错平台
      • 已有产品：英语流利说纠错功能
      • 一句话介绍：帮助语言学习者纠正错误。
    • AI 电影剧情分析系统
      • 已有产品：豆瓣电影剧情分析工具
      • 一句话介绍：分析电影剧情，提供深度解读。
    • AI 办公文件分类系统
      • 已有产品：腾讯文档分类功能
      • 一句话介绍：自动分类办公文件，方便管理。
    • AI 美容护肤方案定制平台
      • 已有产品：美丽修行定制方案功能
      • 一句话介绍：根据用户肤质定制护肤方案。
  • 21 - 40：
    • AI 菜谱生成平台
      • 已有产品：豆果美食 APP
      • 一句话介绍：根据用户口味和现有食材生成个性化菜谱。
    • AI 语言学习助手
      • 已有产品：沪江开心词场
      • 一句话介绍：辅助用户学习语言，提供个性化学习方案。
    • AI 电影推荐系统
      • 已有产品：爱奇艺智能推荐
      • 一句话介绍：根据用户喜好推荐电影，发现优质影片。
    • AI 办公自动化工具
      • 已有产品：WPS Office
      • 一句话介绍：提高办公效率，实现自动化办公流程。
Content generated by AI large model, please carefully verify (powered by aily)

References

元子：WayToAGI 知识库究竟咋用？

|分类|标题|文章链接|视频链接|适用人群|简要说明||-|-|-|-|-|-||工具入门篇<br>（AI Tools）|数据工具-多维表格小白之旅|[元子：小白的多维表格+AI 0基础尝试](https://waytoagi.feishu.cn/wiki/FAeowdS6MiK5Fcke1oNcJ18lnve)|[【智能体搭建共学课】Coze发布到多维表格，简直太逆天了！！特邀讲师：元子_哔哩哔哩_bilibili](https://www.bilibili.com/video/BV1uGi9YwEyC/?vd_source=290a2836f7818edc2c18c6eb525d4abe&spm_id_from=333.788.videopod.sections)|Excel重度使用者、手动数据处理使用者、文件工作者|用表格+AI进行信息整理、提效、打标签，满足80%数据处理需求||工具入门篇<br>（AI Code）|编程工具-Cursor的小白试用反馈|[元子：小白的30min Cursor AI编程上手步骤](https://waytoagi.feishu.cn/wiki/VSXLwdLERijGaukAnagcB9h9nqd)|暂无|0编程经验、觉得编程离我们很遥远的小白|通过AI工具对编程祛魅，降低技术壁垒||工具入门篇<br>（AI Music）|音乐工具-Suno的小白探索笔记|[元子：小白的Suno探寻笔记](https://waytoagi.feishu.cn/wiki/X9gSwxjA2ijeLnkOY8ucdVk6nxb)|暂无|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|AI赋能音乐创作，无需乐理知识即可参与音乐制作|

100个AI应用

|序号|主题|使用技术|已有产品|市场规模|一句话介绍|项目功能||-|-|-|-|-|-|-||81|AI菜谱口味调整工具|自然语言处理、数据分析|下厨房口味调整功能|数亿美元|根据用户反馈调整菜谱口味。|下厨房的口味调整功能可根据用户对菜谱的评价，利用AI分析后给出口味调整建议，如增加甜度、减少辣味等。||82|AI语言学习纠错平台|自然语言处理、机器学习|英语流利说纠错功能|数十亿美元|帮助语言学习者纠正错误。|英语流利说通过AI技术识别用户在语言学习中的发音、语法等错误，并提供纠正建议和练习。||83|AI电影剧情分析系统|数据分析、自然语言处理|豆瓣电影剧情分析工具|数亿美元|分析电影剧情，提供深度解读。|豆瓣电影的剧情分析工具利用AI对电影剧情进行分析，为用户提供剧情解析、主题探讨等内容。||84|AI办公文件分类系统|数据分析、机器学习|腾讯文档分类功能|数亿美元|自动分类办公文件，方便管理。|腾讯文档利用AI对用户上传的文件进行分类，如合同、报告、方案等，提高文件管理效率。||85|AI美容护肤方案定制平台|图像识别、数据分析|美丽修行定制方案功能|数亿美元|根据用户肤质定制护肤方案。|美丽修行根据用户上传的照片和肤质信息，利用AI定制个性化的护肤方案，包括产品推荐和使用顺序。|

100个AI应用

|序号|已有产品|主题|使用技术|市场规模|一句话介绍|项目功能||-|-|-|-|-|-|-||21|豆果美食APP|AI菜谱生成平台|自然语言处理、数据分析|数亿美元|根据用户口味和现有食材生成个性化菜谱。|豆果美食APP可以根据用户输入的食材和口味偏好，利用AI技术生成多种菜谱，例如用户有鸡肉、土豆等食材，APP会推荐土豆烧鸡等菜谱，方便用户烹饪。||22|沪江开心词场|AI语言学习助手|自然语言处理、机器学习|数十亿美元|辅助用户学习语言，提供个性化学习方案。|沪江开心词场通过AI分析用户的学习进度和薄弱环节，为用户推荐合适的单词和学习内容。比如用户在学习英语时，APP会根据其错题情况推荐针对性的复习内容。||23|爱奇艺智能推荐|AI电影推荐系统|数据分析、机器学习|数亿美元|根据用户喜好推荐电影，发现优质影片。|爱奇艺利用AI算法分析用户的观看历史、评分等数据，为用户推荐符合其口味的电影。例如如果用户经常观看科幻电影，系统会推荐更多优质的科幻片。||24|WPS Office|AI办公自动化工具|自然语言处理、机器学习|数十亿美元|提高办公效率，实现自动化办公流程。|WPS Office中的一些功能，如智能排版、语法检查等，利用AI技术帮助用户快速完成文档处理工作，提高办公效率。|

Others are asking
有用来做网络游戏研发和运营的全套AI工具吗？
目前游戏领域还没有涵盖整个制作过程（包括代码、资产生成、纹理、音频等）的全套生成式人工智能工具，也没有能与流行的游戏引擎（如虚幻和 Unity）紧密结合使用、专为适应典型的游戏生产流程而设计的一体化平台。但有一些相关的工具和平台在不同方面发挥作用，例如： 生成可以互动的角色方面：有很多初创公司在研究，如 Charisma.ai、Convai.com、Inworld.ai 等平台，它们可以为具有情感和自主权的完全渲染的 3D 角色提供动力，并提供工具让创作者给角色设定目标。 语音生成方面：Coqui Studio（https://coqui.ai）、Bark（https://github.com/sunoai/bark）、Replica Studios（https://replicastudios.com）等。 语音识别方面：OpenAI Whisper（https://huggingface.co/openai/whisperbase）、Facebook Wav2Vec2（https://huggingface.co/facebook/wav2vec2largexlsr53）。 对话模型方面：ChatGPT（https://chat.openai.com）、HuggingChat（https://huggingface.co/chat）。 故事讲述模型方面：MPT7BStoryWriter65k+（https://huggingface.co/mosaicml/mpt7bstorywriter）、Claude 100k（https://www.anthropic.com/index/100kcontextwindows）、GTP4 32k（https://platform.openai.com/docs/models/overview）。 游戏设计方面：Ludo.ai（https://ludo.ai）。 搜索引擎方面：Haddock（https://www.haddock.ai）。 AI NPC 方面：Inworld（https://inworld.ai）。
2025-01-23
Ai智能体
AI 智能体在以下方面有重要应用和发展： 1. 在品牌卖点提炼中： 可搭建智能体作为引导型助手，帮助提炼品牌卖点。 但在搭建前需明确 AI 的能力边界，如 AI 对公司的主要产品、产品解决的用户需求、产品独特之处、获得的认可、依赖的核心渠道、核心购买人群、曾使用的营销手段、在新渠道的期望结果等了解程度接近于 0。 AI 真正的能力在于通过分析数据和信息进行逻辑推理、快速处理和分析数据并提取有价值信息和模式、拥有大量训练数据可输出更全面相关信息、理解用户提供内容并按正确结构梳理有效输出。 引导型助手更适合成为灵感提问助手，在寻找卖点思考路径停滞时提供更多思考维度。 2. 企业自动化方面： 生成式 AI 应用有三个核心用例与强大的产品市场契合度：搜索、合成和生成。 领先的应用程序构建商正在建立解决方案，处理之前只能由大量人力解决的工作流程。 借助多步逻辑、外部内存以及访问第三方工具和 API 等新型构建块，下一波智能体正在拓展 AI 能力边界，实现端到端流程自动化。 未来的完全自主智能体可能拥有所有四个构建块，但当前的 LLM 应用程序和智能体还未达到。 如流行的 RAG 架构不是智能体式的，一些设计支持工具使用，但应用程序的步骤仍由代码预先确定。 当将 LLM 置于应用程序的控制流中让其动态决定行动、使用工具等时，智能体出现。 确定了三种不同主要用例和应用程序进程控制自由度的智能体类型：决策智能体、轨道智能体、通用人工智能体。
2025-01-23
初学者如何使用AI学习AI知识
对于初学者学习 AI 知识，建议如下： 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），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自己的作品。 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。 通过与这些 AI 产品的对话，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。 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自己的成就。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。
2025-01-23
即梦AI里做儿童绘本制作、故事绘本里，怎么做到人物一致，风格一致，场景风格一致。
要在即梦 AI 中制作儿童绘本并做到人物、风格和场景风格一致，可以按照以下步骤进行： 1. 描述故事场景：利用 ChatGPT 或者自行构思一段适合画绘本的故事，将其分为多个场景，用一句包含环境、人物、动作的话描述每个场景。例如，故事名《Lily 的奇妙之旅》，场景 1 为“探险开始，Lily 来到一个阳光明媚的森林，跳过清澈的小溪，愉快玩耍。在路上结识了一只友善的棕熊，她们成为了旅伴”。 2. 生成场景图片：为每个场景生成图片时，使用固定的 prompt 风格词，如“super high details,HDsmooth,by Jon Burgerman,s 400niji 5style expressivear 3:4”。为了使熊和人物有更好的互动感，生成场景时也包括人物主角。如场景 2 的 prompt 为“Walking in a mysterious cave with glittering gems,little girl Lily wearing a yellow floral skirt,her friend brown bear,dim,dreamlike,super high details,HDsmooth,by Jon Burgerman,s 400niji 5style expressivear 3:4”。如果需要，可使用 mj 的 region vary 工具将小女孩完全框选，在提示词中完全删除 Lily 的描述词，重新生成得到场景图像。 3. 绘制绘本主角：确定人物形象，如“a little girl wearing a yellow floral skirt+人物动作+风格词”，在 mj 中生成直到得到一张满意的人物图像，且一套绘本中风格词语不要改变。 4. 保持一致性描述：在写 prompt 时，应从多个角度描述需求，包括人种、画风、宠物品种等，以稳定内容符合预期。例如，如果想生成一个关于“狗”的视频，提供不同狗的品种、外貌、行为等信息，确保物种和画风的一致性。
2025-01-23
你有哪些AI工具
以下是一些常见的 AI 工具： 对于建筑设计师审核规划平面图，有以下工具： HDAidMaster：云端工具，在建筑、室内和景观设计领域表现出色，搭载自主训练的建筑大模型 ArchiMaster。 Maket.ai：面向住宅行业，可根据输入自动生成户型图。 ARCHITEChTURES：AI 驱动的三维建筑设计软件，能引入标准和规范约束设计结果。 Fast AI 人工智能审图平台：形成全自动智能审图流程，实现建筑全寿命周期内信息的集成与管理。 绘制逻辑视图、功能视图、部署视图的工具包括： Lucidchart：流行的在线绘图工具，支持多种图表创建。 Visual Paradigm：全面的 UML 工具，提供多种架构视图创建功能。 ArchiMate：开源建模语言，与 Archi 工具配合使用可创建逻辑视图。 Enterprise Architect：强大的建模、设计和生成代码工具，支持多种架构视图创建。 Microsoft Visio：广泛使用的图表和矢量图形应用程序，提供丰富模板。 draw.io（diagrams.net）：免费的在线图表软件。 PlantUML：文本到 UML 转换工具，可通过描述文本生成相关视图。 Gliffy：基于云的绘图工具，支持创建多种架构图。 Archi：免费开源工具，支持逻辑视图创建。 Rational Rose：IBM 的 UML 工具，支持多种视图创建。 与 Excel 相关的 AI 工具和插件有： Excel Labs：Excel 插件，新增生成式 AI 功能，基于 OpenAI 技术。 Microsoft 365 Copilot：整合办公软件，通过聊天形式完成任务。 Formula Bot：提供数据分析聊天机器人和公式生成器功能。 Numerous AI：支持 Excel 和 Google Sheets，可生成文本、执行情感分析等任务。
2025-01-23
AI从业者相关资质证书
以下是一些与 AI 从业者相关的资质证书和学习资源： 学习资源： 云端问道：https://developer.aliyun.com/topic/techworkshop?spm=a2c6h.29649919.J_3425856640.1.45d87102rfvft7 云起实践平台：https://developer.aliyun.com/adc/?spm=a2c6h.28938832.0.0.5ca5448a0xO1Q9 人工智能认证证书： （免费） 视觉开放平台：https://vision.aliyun.com/ 此外，以下是一些关于 AI 从业者的相关信息： 【已结束】AI 创客松中参与同学的自我介绍和分类，包括擅长领域、想法方向和优势等。 AI 切磋大会第七期·线下狂欢 Show 中提到适合做 AI 摊主的人群特点，如技术背景丰富、产品开发与管理经验、多元化应用场景等，以及 AI 爱好者与学习者、AI 内容创作与营销能力方面的相关情况。
2025-01-23
如何构建企业AI知识库
构建企业 AI 知识库可以参考以下步骤： 1. 结合企业私有数据与 RAG 模型的私有化部署。如有特殊需求，还可以进行模型的 Finetuning（微调），以优化性能。基础模型负责提供推理提示，RAG 用于整合新知识，实现快速迭代和定制化信息检索。 2. 确定功能范围，包括编写【prompt】提示词，设定 Bot 的身份和目标。 3. 创建【知识库】： 整理“关键字”与“AI 相关资料链接”的对应关系，并将信息存储起来。 选择创建知识库路径，如个人空间知识库创建知识库。 支持的知识库文档类型包括本地文档、在线数据、飞书文档、Notion 等，可根据需求选择，如本次使用【本地文档】。 按照操作指引上传文档、分段设置、确认数据处理。 小技巧：知识库的好用程度与内容切分粒度有关，可以在内容中加上特殊分割符，如“”，便于自动切分数据。分段标识符号选择“自定义”，内容填“”。如果内容有误需要编辑，可以点击具体内容，鼠标右键会看到“编辑”和“删除”按钮进行相应操作。 在构建过程中，KnowHow 很重要，同时工作流不必复杂，能实现目的即可，所以在设计 Bot 前“确定目的”和“确定功能范围”很关键。
2025-01-23
本地怎么构建知识库
以下是关于本地构建知识库的详细步骤和相关知识： 一、硬件配置要求 运行大模型需要较高的机器配置，个人玩家可能负担不起。 生成文字大模型： 最低配置：8G RAM + 4G VRAM 建议配置：16G RAM + 8G VRAM 理想配置：32G RAM + 24G VRAM（如果要跑 GPT3.5 差不多性能的大模型） 生成图片大模型（比如跑 SD）： 最低配置：16G RAM + 4G VRAM 建议配置：32G RAM + 12G VRAM 生成音频大模型： 最低配置：8G VRAM 建议配置：24G VRAM 二、RAG 技术 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 是指检索增强生成（Retrieval Augmented Generation），当需要依靠不包含在大模型训练集中的数据时，通过以下 5 个过程实现： 1. 文档加载（Document Loading）：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，包括 PDF 在内的非结构化的数据、SQL 在内的结构化的数据，以及 Python、Java 之类的代码等。 2. 文本分割（Splitting）：文本分割器把 Documents 切分为指定大小的块。 3. 存储：涉及将切分好的文档块进行嵌入（Embedding）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。 4. 检索：通过某种检索算法找到与输入问题相似的嵌入片。 5. Output（输出）：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。 三、本地知识库搭建步骤 如果想要对知识库进行更加灵活的掌控，需要一个额外的软件：AnythingLLM。 1. 安装 AnythingLLM 安装地址：https://useanything.com/download 安装完成后，会进入到其配置页面，主要分为三步： 第一步：选择大模型 第二步：选择文本嵌入模型 第三步：选择向量数据库 2. 构建本地知识库 AnythingLLM 中有一个 Workspace 的概念，可以创建自己独有的 Workspace 跟其他的项目数据进行隔离。 首先创建一个工作空间。 上传文档并且在工作空间中进行文本嵌入。 选择对话模式。AnythingLLM 提供了两种对话模式： Chat 模式：大模型会根据自己的训练数据和上传的文档数据综合给出答案。 Query 模式：大模型仅仅会依靠文档中的数据给出答案。 测试对话：当上述配置完成之后，就可以跟大模型进行对话了。 四、写在最后 “看十遍不如实操一遍，实操十遍不如分享一遍”。如果对 AI Agent 技术感兴趣，可以联系作者或者加作者的免费知识星球（备注 AGI 知识库）。
2025-01-22
如何搭建定制知识库
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。
2025-01-22
如何搭建私人知识库
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。
2025-01-22
我是一名数据产品经理，想转行ai产品经理，该从哪里入手。你的知识库里有哪些可以帮到我。最好把他们列举出来，具体一些最好有步骤
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。
2025-01-21
适合小白的AI知识库
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
2025-01-20
那请帮我列举Ai下有哪几个子领域（他们必须是并列关系），机器学习下又有哪几个子领域
以下是 AI 的子领域： 1. 机器学习 2. 计算机视觉 3. 自然语言处理 4. 语音识别 5. 智能机器人 机器学习的子领域包括： 1. 监督学习，常用算法如线性回归、决策树、支持向量机（SVM）。 2. 无监督学习，如聚类、降维等算法。 3. 强化学习
2025-01-21
那请帮我列举Ai下有哪几个子领域，机器学习下又有哪几个子领域
AI 包含以下几个子领域： 1. 机器学习：让计算机通过数据学习来提高性能。 2. 深度学习：模拟人脑工作方式，创建人工神经网络处理数据。 3. 自然语言处理：涉及对自然语言的认知、理解和生成。 机器学习包含以下几个子领域： 1. 监督学习：通过有标记的训练数据进行学习和预测。 2. 无监督学习：在无标记的数据中发现模式和结构。 3. 强化学习：通过与环境交互并根据奖励信号来学习最优策略。
2025-01-21
列举常用的剪辑软件、硬件设备、技术支持和3d动画软件
常用的剪辑软件有 Adobe Premiere Pro、Final Cut Pro、DaVinci Resolve 等。 常用的硬件设备包括高性能的计算机主机，具备强大处理能力的 CPU（如英特尔酷睿 i7 或 i9 系列）、大容量高速内存（16GB 及以上）、专业图形显卡（如 NVIDIA GeForce 系列）、大容量高速存储硬盘（如 SSD 固态硬盘），以及高分辨率和色彩准确的显示器。 常见的技术支持包括视频编码和解码技术（如 H.264、H.265 等）、特效插件（如 After Effects 插件）、色彩校正工具等。 常用的 3D 动画软件有 Maya、3ds Max、Blender 等。
2025-01-16
列举常用的剪辑软件、硬件设备以及技术支持，3d动画和ai视频生成
以下是关于剪辑软件、硬件设备、技术支持、3D 动画和 AI 视频生成的相关信息： AI 视频生成工具： Runway： 主要能力：文生视频（Text 2 Video）、Prompt+图像生成视频（Text+Image to Video）、无 Prompt 直接图片转视频（Image to Video）。 使用建议：Text to Video 时，优先使用右下角的“Free Preview”免费生成多组图片，然后从中选择一张进行视频生成以节约 credits。 近期更新：支持将 4s 的视频延长，每次延长需消耗 20 credits；9 月更新中，支持 110 级的 motion slider 调节，默认幅度为 5，同时支持水平、垂直、空间和旋转的运镜，并支持调节运动速度。 其他功能：提供 30 多项图片、视频处理能力，如 Inpainting 视频修复、Motion Tracking 视频主体跟随运动、Remove Any Background 删除视频元素/背景、3D Texture 生成 3D 纹理等。控制台上线了 Watch 模块，可查看官方精选的创意案例。推荐教程：ai 繪圖教學|Ai 动画:https://www.youtube.com/watch?v=Yj73NRmeSZM 由于您未明确提及剪辑软件、硬件设备和技术支持的具体需求，暂时无法为您详细列举。如果您能提供更具体的要求，我将为您提供更有针对性的信息。
2025-01-16
必须知道的最常用的名词解释比如GPU、AGI等等、列举出来按照重点排序
以下是按照重点排序的一些常用名词解释： 1. 算力：字面意思是计算能力，可简单理解为 GPU，即电脑里的显卡，购买云服务时，服务商也是购买显卡“租”给用户使用。一张显卡除了 GPU 外，显存也是重要参数。 2. GPU：图形处理器，又称显示核心、视觉处理器、显示芯片，是在个人电脑、工作站、游戏机和一些移动设备上做图像和图形相关运算工作的微处理器。 3. CPU：中央处理器，作为计算机系统的运算和控制核心，是信息处理、程序运行的最终执行单元。 4. 显存：也被叫做帧缓存，作用是存储显卡芯片处理过或者即将提取的渲染数据，如同计算机的内存，是用来存储要处理图形信息的部件。
2024-09-13
按你这个分类，机器学习和深度学习是并列的？
机器学习和深度学习不是并列的关系，而是包含关系。 机器学习是人工智能的一个子领域，其核心是让计算机通过对数据的学习来提高性能，不是直接编程告诉计算机如何完成任务，而是提供大量数据让机器找出隐藏模式或规律，进而预测新的、未知的数据。 深度学习是机器学习的一个子领域，它尝试模拟人脑的工作方式，创建人工神经网络来处理数据。这些神经网络包含多个处理层，深度学习模型能够学习和表示大量复杂的模式，在图像识别、语音识别和自然语言处理等任务中表现出色。 总之，深度学习是机器学习的一个分支，二者存在包含与被包含的关系。
2025-01-21
AI在教育上应用分类
AI 在教育上的应用主要包括以下几类： 1. 个性化学习：通过集成算法和大数据分析，实时跟踪学生学习进度，诊断学习难点，提供个性化学习建议和资源，如 Knewton 平台。 2. 自动评估：利用自然语言处理技术（NLP）自动批改学生的作文和开放性答案题，如 Pearson 的 Intelligent Essay Assessor，减轻教师批改负担，提高评估效率和一致性。 3. 智能辅助教学：推出智能辅助教学工具，如 AI 教师引导学生通过对话学习、解答疑问并提供即时反馈，Google 的 AI 教育工具 AutoML 用于创建定制学习内容，提高学习动机和知识掌握程度。 4. 虚拟现实（VR）和增强现实（AR）：学生可通过 VR 头盔进入虚拟实验室进行安全实验操作并获得 AI 系统反馈，如 Labster 的虚拟实验室平台。
2025-01-14
AI用途分类
AI 的用途分类广泛，主要包括以下方面： 1. 医疗保健： 医学影像分析，辅助诊断疾病。 药物研发，加速研发过程。 个性化医疗，提供个性化治疗方案。 机器人辅助手术，提高手术精度和安全性。 2. 金融服务： 风控和反欺诈，降低金融机构风险。 信用评估，帮助做出贷款决策。 投资分析，辅助投资者决策。 客户服务，提供 24/7 服务并回答常见问题。 3. 零售和电子商务： 产品推荐，分析客户数据推荐感兴趣产品。 搜索和个性化，改善搜索结果和提供个性化购物体验。 动态定价，根据市场需求调整产品价格。 聊天机器人，回答客户问题和解决问题。 4. 制造业： 预测性维护，预测机器故障避免停机。 质量控制，检测产品缺陷提高质量。 供应链管理，优化供应链提高效率和降低成本。 机器人自动化，控制工业机器人提高生产效率。 5. 交通运输： 自动驾驶，提高交通安全性和效率。 交通管理，优化信号灯和交通流量缓解拥堵。 物流和配送，优化路线和配送计划降低运输成本。 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，提供个性化学习体验。 农业，分析农田数据提高农作物产量和质量。 娱乐，开发虚拟现实和增强现实体验。 能源，优化能源使用提高能源效率。 在汽车行业，AI 的应用案例包括： 1. 自动驾驶技术，自主导航和驾驶。 2. 车辆安全系统，预防事故。 3. 个性化用户体验，根据偏好和习惯调整车辆设置。 4. 预测性维护，预测潜在故障和维护需求。 5. 生产自动化，提高生产效率和质量控制。 6. 销售和市场分析，理解客户需求制定策略和优化定价。 7. 电动化和能源管理，优化电池使用和充电策略。 8. 共享出行服务，优化路线规划、调度车辆和定价策略。 9. 语音助手和车载娱乐，通过语音控制车辆功能和获取信息。 10. 车辆远程监控和诊断，实时了解车辆状况并提供支持。
2025-01-14
利用布鲁姆分类法，规划我的AI学习路径
以下是利用布鲁姆分类法为您规划的 AI 学习路径： 1. 记忆： 先从 AI 的历史、基本术语、重要人物、方法和原理等开始了解。 查看入门课程。 2. 分析： 大量阅读各类文章、视频以及行业报告，理解各知识之间的关系。 3. 应用： 深入了解 Prompt，选择适合自己的 AI 对话、绘画和语音产品，每天使用并用来解决实际问题或提升效率。 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。
2025-01-13
人工智能的分类
人工智能主要有以下分类和应用场景： 分类： 1. 按照智能水平： 弱人工智能（ANI）：只能做一件事，如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等。 通用人工智能（AGI）：能做任何人类可以做的事。 AGI 的五个发展等级： 聊天机器人（Chatbots）：具备基本对话能力，依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 推理者（Reasoners）：具备人类推理水平，能解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多产品执行任务后仍需人类参与。 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 应用场景： 1. 医疗保健： 医学影像分析：辅助诊断疾病。 药物研发：加速药物研发过程。 个性化医疗：提供个性化治疗方案。 机器人辅助手术：提高手术精度和安全性。 2. 金融服务： 风控和反欺诈：降低金融机构风险。 信用评估：帮助做出贷款决策。 投资分析：辅助做出投资决策。 客户服务：提供 24/7 服务并回答常见问题。 3. 零售和电子商务： 产品推荐：根据客户数据推荐感兴趣的产品。 搜索和个性化：改善搜索结果和提供个性化购物体验。 动态定价：根据市场需求调整产品价格。 聊天机器人：回答客户问题和解决问题。 4. 制造业： 预测性维护：预测机器故障避免停机。 质量控制：检测产品缺陷提高质量。 供应链管理：优化供应链提高效率和降低成本。 机器人自动化：提高生产效率。 5. 交通运输：（具体应用未详细说明）
2025-01-10
中外开源模型概览与分类
以下是关于中外开源模型的概览与分类： 国内方面： 国内模型在 Agent 核心基础能力上已较为接近或部分超过 GPT3.5 水平。 如 ChatGLM3Turbo 在任务分解、多文档问答和检索 API 能力上表现出色。 国内开源模型如 Baichuan213BChat 具备较强竞争力，在某些方面超过一些闭源模型。 国外方面： OpenAI 发布了开源模型，包括 PointE、Whisper、Jukebox 和 CLIP。可访问供研究人员的模型索引详细了解其研究论文中介绍的模型以及 InstructGPT 和 GPT3.5 等模型系列之间的差异。 智谱·AI 开源模型： 多模态模型方面，推出了具有视觉和语言双模态的模型，如 CogAgent18B、CogVLM17B、Visualglm6B 等。 详情可访问：【新基准】SuperCLUEAgent:首个 AI 智能体中文测评基准发布 www.CLUEbenchmarks.com/superclue_agent.html 。
2025-01-06