新手教程

对于新手编写提示词，以下是一些要点和方法： 1. 基本语法：根据自己想画的内容写出提示词，多个提示词之间使用英文半角符号。 2. 词语顺序：一般而言，概念性的、大范围的、风格化的关键词写在前面，叙述画面内容的关键词其次，最后是描述细节的关键词。大致顺序为。 3. 权重调整：可以使用括号人工修改提示词的权重，如：字符。 4. 关键词选择：关键词最好具有特异性，措辞越不抽象越好，尽可能避免留下解释空间的措辞。 5. 描述逻辑：通常的描述逻辑包括人物及主体特征（服饰、发型发色、五官、表情、动作），场景特征（室内室外、大场景、小细节），环境光照（白天黑夜、特定时段、光、天空），画幅视角（距离、人物比例、观察视角、镜头类型），画质（高画质、高分辨率），画风（插画、二次元、写实）。 6. 辅助工具和方法： 利用功能型辅助网站，如 http://www.atoolbox.net/ ，它可以通过选项卡的方式快速地填写关键词信息；https://ai.dawnmark.cn/ ，其每种参数都有缩略图可以参考，方便更加直观地选择提示词。 去 C 站（https://civitai.com/）里面抄作业，每一张图都有详细的参数，可点击下面的复制数据按钮，然后直接粘贴到正向提示词栏里。 对于星流一站式 AI 设计工具： 输入语言方面，星流通用大模型与基础模型 F.1、基础模型 XL 使用自然语言（一个长头发的金发女孩），基础模型 1.5 使用单个词组（女孩、金发、长头发），支持中英文输入。 写好提示词的方法包括使用预设词组、保证提示词内容准确（包含人物主体、风格、场景特点、环境光照、画面构图、画质）、调整负面提示词、利用“加权重”功能让 AI 明白重点内容，还可使用辅助功能，如翻译功能、删除所有提示词、会员加速等。

以下是为新手个人推荐的一些 AI 应用培训课程： 1. 微软的 AI 初学者课程： 作者/来源：微软 推荐阅读《Introduction and History of AI》从这里起步 链接： 发布日期：2023/02/10 必看星标：👍🏻 2. AI for every one（吴恩达教程）： 作者/来源：吴恩达 前 ChatGPT 时代的 AI 综述 链接： 发布日期：2023/03/15 必看星标：👍🏻 3. 大语言模型原理介绍视频（李宏毅）： 作者/来源：李宏毅 可以说在众多中文深度学习教程中，李宏毅老师讲的应该是最好的，最通俗易懂 链接： 发布日期：2023/05/01 4. 谷歌生成式 AI 课程： 作者/来源：谷歌 注：前 4 节课为入门课 目录： 5. ChatGPT 入门： 作者/来源：OpenAI 注册、登录、简单使用方法等 目录： 新手学习 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，这些文章通常会介绍 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，你将找到一系列为初学者设计的课程。这些课程将引导你了解生成式 AI 等基础知识，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，你可以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），你可以根据自己的兴趣选择特定的模块进行深入学习。 建议一定要掌握提示词的技巧，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你的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎你实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 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，你可以获得对 AI 在实际应用中表现的第一手体验，并激发你对 AI 潜力的认识。 此外，还有“90 分钟从 0 开始打造你的第一个 Coze 应用:证件照 2025 年 1 月 18 日副本”，其中包括： 1. Code AI 应用背景：智能体开发从最初的 chatbot 只有对话框，到有了更多交互方式，因用户需求扣子推出了 AI 应用，其低代码或零代码的工作流等场景做得较好。 2. AI CODING 现状：AI CODING 虽强，但目前适用于小场景和产品的第一个版本，复杂应用可能导致需求理解错误从而使产品出错。 3. 证件照应用案例：以证件照为例，说明以前实现成本高，现在有客户端需求并做了相关智能体和交互。 4. AI 应用学习过程：创建 AI 应用，学习操作界面、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。

新手学习 AI 可以从以下几个方面入手： 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，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，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，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作品。 在知识库提供了很多大家实践后的作品、文章分享。 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。 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。 根据电脑的硬件情况和自身财力选择合适的开始方式： 1. 本地部署： 如果电脑是 M 芯片的 Mac 电脑（Intel 芯片出图速度非常慢，因此不建议）或者 2060Ti 及以上显卡的 Windows 电脑，可以选择本地部署。强烈建议在配有 N 卡的 Windows 电脑上进行。 2. 在线平台： 对于电脑不符合要求的小伙伴可以直接使用在线工具，在线工具分为在线出图和云电脑两种，前者功能可能会受限、后者需要自己手动部署，大家根据实际情况选择即可。 不建议一上来就配主机，因为大概率会变成游戏机或者吃灰（土豪请随意）。玩几个月后还对 AI 有兴趣的话再考虑配个主机。主机硬盘要大，显卡预算之内买最好，其他的随意。 课程简述： 1. 先验经验： 需要熟练使用文生图、图生图；需要有一定的逻辑思考能力以及推理能力；适合炼丹新人、小白。 2. 课程安排： 课程大约 70 80%是理论和方法论的内容，大部分练习会在课外跟大家沟通、练习。只有少部分必要内容会在课上演示。 必学、必看内容是基础课，主要是为了解决环境问题和软件安装不上的问题；建炉是针对不同炼丹方式提供了不同的炼丹工具的安装教程；正式的内容部分分为了数据集预处理、模型训练以及模型调试及优化三个部分。

对于新手小白从 0 开始搭建 AI Agent，以下是一些建议： 1. 规划阶段： 制定任务的关键方法，总结任务目标与执行形式。 将任务分解为可管理的子任务，确立逻辑顺序和依赖关系。 设计每个子任务的执行方法。 2. 实施阶段： 在 Coze 上搭建工作流框架，设定每个节点的逻辑关系。 详细配置子任务节点，并验证每个子任务的可用性。 3. 完善阶段： 整体试运行 Agent，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。 此外，还需要了解一些关于 AI Agent 的基本概念： AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。 AI Agent 包括 Chain（通常一个 AI Agent 可能由多个 Chain 组成，一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量，大部分的 Chain 是大语言模型完成的 LLM Chain）、Router（可以使用一些判定，甚至可以用 LLM 来判定，然后让 Agent 走向不同的 Chain）、Tool（Agent 上可以进行的一次工具调用，例如对互联网的一次搜索，对数据库的一次检索）。 常见的 AI Agent 有 Responser Agent（主 agent，用于回复用户）、Background Agent（背景 agent，用于推进角色当前状态）、Daily Agent（每日 agent，用于生成剧本，配套的图片，以及每日朋友圈）。这些 Agent 每隔一段时间运行一次（默认 3 分钟），会分析期间的历史对话，变更人物关系、反感度等，抽简对话内容，提取人物和用户的信息成为“增长的记忆体”，按照时间推进人物剧本，有概率主动聊天（与亲密度正相关，跳过夜间时间）。

对于新手小白想用 AI 制作小程序、个人网站和 APP，目前有以下相关信息： 「Agent 共学」提供了一系列针对 0 基础小白的课程，包括用 AI 打造个人网站等，具体日程安排为：月日 20:00 开始，由大雨授课。 白九龄在 0 基础的情况下用 cursor 做微信小程序的经历，过程中遇到了诸多问题，如添加背景元素、自适应调整、意图分析页面的信息展示和排版、生成海报时的限制等，还面临大模型理解困难、token 费用和变现等问题。 需要注意的是，虽然有相关的探索和尝试，但使用 AI 制作这些项目仍存在一定的难度和限制。

搭建 AI 智能体的步骤如下： 1. 创建 Bot。 2. 填写 Bot 介绍。 3. 切换模型为“通义千问”（测试下来，通义对提示词理解、执行效果最好）。 4. 把配置好的工作流添加到 Bot 中。 5. 新增变量{{app_token}}。 6. 添加外层 bot 提示词（可以按照需求和实际效果进行优化调整）。 AI 智能体就像员工或智能助手，能根据设定的工作流自动调用不同的 AI 工具完成全流程任务。例如要写一篇文章，可以设计一个“写作助手”的 AI 智能体，在文本框输入文章的主题、风格和要求，它会自动完成文章大纲处理、初稿撰写、修改润色和排版等工作，无需人类干预，大大提高效率。

很抱歉，目前知识库中没有关于“Python 机器学习基础教程”的具体内容。但我可以为您提供一个大致的指导方向。 首先，学习 Python 机器学习需要掌握 Python 编程语言的基础知识，包括数据类型、控制结构、函数等。 其次，了解常见的机器学习概念和算法，如线性回归、逻辑回归、决策树、聚类等。 然后，学习使用相关的 Python 库，如 Scikitlearn，它提供了丰富的机器学习工具和函数。 您可以通过在线课程、书籍、官方文档等多种资源来深入学习 Python 机器学习。

以下是为您提供的智能体相关教程： 一、新年心语智能体 作者：大圣 （一）写在前面 作者是通往 AGI 之路共建作者，专注于 AI Agent 板块，曾因制作的新年心语智能体获三等奖，此教程采用视频+文字方式。 （二）智能体访问 由于智能体使用代码节点访问外部 API，因此无法提供体验。 （三）功能介绍 1. 新年伊始，春节即将来临，此智能体可帮写祝福语、做对联、预测新年运势、生成图片、陪聊天等。 功能 1：写蛇年对联，输入藏头诗：大圣。 功能 2：写新年祝福，输入：写祝福语：祝 WayToAGI 新的一年越来越好。 二、名字写春联智能体 作者：韦恩 总结：以上是名字写春联智能体的教程，是一个最佳实践，希望对大家有帮助。作者提供 AI 智能体定制、AI 工作流定制、AI 课程合作定制等服务，同时承接传统软件开发项目。产品展台：https://link3.cc/readgo666，公众号求关注。 三、90 分钟从 0 开始打造你的第一个 Coze 应用: 证件照 （一）智能纪要 1. Code AI 应用背景：智能体开发从最初的 chatbot 只有对话框，到有更多交互方式，因用户需求扣子推出了 AI 应用，其低代码或零代码的工作流等场景做得较好。 2. AI CODING 现状：AI CODING 虽强，但目前适用于小场景和产品的第一个版本，复杂应用可能导致需求理解错误从而使产品出错。 3. 证件照应用案例：以证件照为例，说明以前实现成本高，现在有客户端需求并做了相关智能体和交互。 4. AI 应用学习过程：创建 AI 应用，学习操作界面、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。

以下是一些与吴恩达大模型相关的教程和资源： 面向开发者的 LLM 入门课程： 地址： 简介：一个中文版的大模型入门教程，围绕吴恩达老师的大模型系列课程展开，包括吴恩达《ChatGPT Prompt Engineering for Developers》课程中文版等。 提示工程指南： 地址： 简介：基于对大语言模型的兴趣编写的全新提示工程指南，介绍了相关论文研究等。 LangChain🦜️🔗中文网，跟着 LangChain 一起学 LLM/GPT 开发： 地址： 简介：由两位 LLM 创业者维护的 Langchain 中文文档。 LLM 九层妖塔： 地址： 简介：包含 ChatGLM 等实战与经验。 目录：吴恩达讲 Prompt https://github.com/zard1152/deepLearningAI/wiki Coze 复刻：吴恩达开源的 AI 翻译项目 复刻步骤：包括配置反思优化的提示词、结合反思优化建议再次翻译、选择输出方式等。 大语言模型分为基础 LLM 和指令微调 LLM 两类。基础 LLM 经过训练可根据文本预测下一个词，指令微调 LLM 经过训练能遵循指令，为让系统更有帮助并遵循指令，通常会使用人类反馈强化学习（RLHF）技术优化。提示的关键原则包括尽可能保证下达的指令“清晰、没有歧义”，给大模型思考的时间以及足够的时间去完成任务。

以下是关于 Cursor 的使用教程： 1. 中文教程网站： 网站：，提供中文教程，帮助您更好地掌握 Cursor 的使用方法，适合想深入了解和学习的用户。 2. 张梦飞的 0 编程基础入门极简使用指南： 下载 Cursor： 注册账号，可用邮箱（如 google、github、163、qq 邮箱）直接登录，接受二维码登录。 安装中文包插件。 在设置中 Rule for AI 配置。 按 ctrl/cmd+i 输入需求，例如：帮我做一个贪吃蛇游戏，在网页中玩。 3. 其他相关工具和步骤： 对于做 2048 游戏，可使用任意 AI 工具获得代码，专业代码模型表现更优。 使用 Cursor 不用下载上一步中的 Pycharm，网址：，通过对话获得代码，指令更详细效果更好。 Deepseek（新手推荐）：网址：，方便国内访问，网页登录便捷，目前完全免费。 通义灵码：在 Pytharm 中，“文件”“设置”“插件”红色框位置搜索“通义灵码”安装（目前免费）。 JetBrains 自身的助手插件：在 Pytharm 中，“文件”“设置”“插件”红色框位置搜索“Jetbrains AI assistant”安装（收费，目前有 7 天免费试用）。 还有 Marscode 及 Tencent cloud AI code Assistant 等。 无影的晓颖 AI 助手在云栖大会上有过使用，内置在云电脑里，使用较流畅。

以下是 Flux 的 Lora 模型训练教程： 1. 模型准备： 下载所需模型，如 t5xxl_fp16.safetensors、clip_l.safetensors、ae.safetensors、flux1dev.safetensors。 注意： 不使用时模型存放位置随意，只要知晓路径，后续会引用。 训练建议使用 flux1dev.safetensors 版本的模型和 t5xxl_fp16.safetensors 版本的编码器。 2. 下载训练脚本： 夸克网盘链接：https://pan.quark.cn/s/ddf85bb2ac59 百度网盘链接：https://pan.baidu.com/s/1pBHPYpQxgTCcbsKYgBi_MQ?pwd=pfsq 提取码：pfsq 3. 训练步骤： 进入厚德云模型训练数据集：https://portal.houdeyun.cn/sd/dataset 步骤一·创建数据集： 在数据集一栏中，点击右上角创建数据集。 输入数据集名称。 可以提前将图片和标签打包成 zip 上传，zip 文件里图片名称与标签文件应当匹配，如图片名"1.png"，对应的达标文件就叫"1.txt"。也可以一张一张单独上传照片。 上传 zip 以后等待一段时间，确认创建数据集，返回到上一个页面，等待一段时间后上传成功，可点击详情检查，预览数据集的图片以及对应的标签。 步骤二·Lora 训练： 点击 Flux，基础模型会默认是 FLUX 1.0D 版本。 选择数据集，点击右侧箭头，会跳出所有上传过的数据集。 触发词可有可无，取决于数据集是否有触发词。 模型效果预览提示词则随机抽取一个数据集中的标签填入即可。 训练参数这里可以调节重复次数与训练轮数，厚德云会自动计算训练步数。如果不知道如何设置，可以默认 20 重复次数和 10 轮训练轮数。 可以按需求选择是否加速，点击开始训练，会显示所需要消耗的算力。 然后等待训练，会显示预览时间和进度条。训练完成的会显示出每一轮的预览图。鼠标悬浮到想要的轮次模型，中间会有个生图，点击会自动跳转到使用此 lora 生图的界面。点击下方的下载按钮则会自动下载到本地。 4. 低配置方案： 开源社区对低配置方案进行了优化，NF4 来自 controlnet 的作者，GGUF 则包含多个版本可以使用。 NF4 模型下载：https://huggingface.co/lllyasviel/flux1devbnbnf4/blob/main/flux1devbnbnf4.safetensors ，放置在 ComfyUI/models/checkpoint/中（不像其他 Flux 模型那样放置在 UNET 中），NF4 配套节点插件：git clone https://github.com/comfyanonymous/ComfyUI_bitsandbytes_NF4.git GGUF 模型下载：Flux GGUF 模型：https://huggingface.co/city96/FLUX.1devgguf/tree/main ，GGUF 配套节点插件：GGUF 节点包：https://github.com/city96/ComfyUIGGUF 。 值得一提的是在最新版本的 ComfyUI 中 GGUF 的节点插件可以在 Manager 管理器中搜到下载安装，NF4 的配套节点插件则搜不到。 注意使用精度优化的低配模型的话，工作流和原版是不一样的。此处没有专门列举。 自己改的话就是把上面官方的 fp8 的工作流，只需把底模的节点换成 NF4 的或者 GUFF 的即可。 相关生态发展很快，有 Lora、Controlnet、IPadpter 相关生态建设非常速度，以及字节最近发布的 Flux Hyper lora 是为了 8 步快速生图。

以下是 Dify 的使用教程： 1. 构建知识库： 准备数据：收集文本数据，包括文档、表格等格式，并进行清洗、分段等预处理以确保数据质量。 创建数据集：在 Dify 中创建新数据集，上传准备好的文档，并编写良好的描述。 配置索引方式：Dify 提供三种索引方式，如高质量模式、经济模式和 Q&A 分段模式，根据实际需求选择合适的方式。 集成至应用：将数据集集成到 Dify 的对话型应用中，在应用设置中配置数据集的使用方式。 持续优化：收集用户反馈，对知识库内容和索引方式进行优化和迭代，定期更新知识库。 2. 部署网站： 云服务版本：直接在官网 dify.ai 上注册账号使用。 部署社区版：开源，可商用，但不能作为多租户服务使用，对个人使用无限制。部署前提条件为 2 核 4G 云服务器一台。 3. 接入企业微信： 创建聊天助手应用：在 Dify 平台创建基础编排聊天助手应用，获取 API 密钥和 API 服务器地址。 下载 Dify on WeChat 项目：下载并安装依赖。 填写配置文件：在项目根目录创建 config.json 文件，填写 API 密钥和服务器地址。 把基础编排聊天助手接入微信：快速启动测试，扫码登录，进行对话测试，可选择源码部署或 Docker 部署。 把工作流编排聊天助手接入微信：创建知识库，导入知识库文件，创建工作流编排聊天助手应用，设置知识检索节点和 LLM 节点，发布更新并访问 API。 把 Agent 应用接入微信：创建 Agent 应用，设置对话模型和添加工具，生成 API 密钥，填写配置文件，启动程序并进行测试。更多内容请访问原文：https://docs.dify.ai/v/zhhans/learnmore/usecases/difyonwechat