WPS 表格公式AI

以下是 AI 在营销方面的应用： 1. 营销 AI 产品： Synthesia：允许用户创建由 AI 生成的高质量视频，包括数字人视频，提供多种定价计划，可用于制作营销视频、产品演示等。 HeyGen：基于云的 AI 视频制作平台，用户可从 100 多个 AI 头像库中选择，并通过输入文本生成数字人视频，适合制作营销视频和虚拟主持人等。 Jasper AI：人工智能写作助手，可用于生成营销文案、博客内容、电子邮件等，提供多种语气和风格选择，写作质量较高。 Copy.ai：AI 营销文案生成工具，可快速生成广告文案、社交媒体帖子、电子邮件等营销内容，有免费和付费两种计划。 Writesonic：AI 写作助手，专注于营销内容创作，如博客文章、产品描述、视频脚本等，提供多种语气和行业定制选项。 更多的营销产品可以查看 WaytoAGI 网站：https://www.waytoagi.com/sites?tag=8 。 2. 生成式人工智能在营销中的改变： DALLE 2 和其他图像生成工具已用于广告，如亨氏使用番茄酱瓶的图像论证“这就是人工智能眼中‘番茄酱’的样子”，雀巢使用维米尔画作的人工智能增强版销售酸奶品牌，Stitch Fix 服装公司使用 DALLE 2 根据客户偏好创建服装可视化，美泰使用该技术生成用于玩具设计和营销的图像。 3. 2025 年数字营销趋势中的 AI 驱动营销： AI 将继续成为未来数字营销的基石，但使用需要具备战略性和明确目的，以确保品牌真实性，应追求提升用户体验。 预计到 2025 年，全球 AI 在数字营销领域的市场规模将达到 1260 亿美元。采用 AI 技术的公司在广告点击率上提高了 35%，广告成本减少了 20%，显示出 AI 在提升效率和成本优化方面的作用。 以上内容由 AI 大模型生成，请仔细甄别。

AI 教育的应用主要包括以下几个方面： 1. 个性化学习平台：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。例如 Knewton 平台，通过对数百万学生的行为模式分析，精准预测学习难点并提前给出解决方案，大幅提升学习效率。 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，能够分析和理解学生写作内容，给出准确评分和反馈，减轻教师批改负担，提高评估效率和一致性。 3. 智能辅助教学工具：如 AI 教师能够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，加深知识掌握。 4. 虚拟现实（VR）和增强现实（AR）：学生可通过 VR 头盔进入虚拟化学实验室进行安全实验操作，并立即得到 AI 系统反馈。例如 Labster 的虚拟实验室平台，提供高科技实验室场景，让学生尝试复杂实验流程。 此外，AI 在教育领域的应用还体现在为每个学生提供定制化学习体验、帮助教师生活更轻松和课程更有效、用于自学学习等方面。但使用时需注意对关键数据根据其他来源仔细检查，以防人工智能产生幻觉。

通义灵码是基于通义大模型的 AI 研发辅助工具，具有以下特点和能力： 提供代码智能生成、研发智能问答、多文件代码修改、自主执行等能力，为开发者带来智能化研发体验，引领 AI 原生研发新范式。 具备多文件代码修改和工具使用的能力，可与开发者协同完成编码任务，如需求实现、问题解决、单元测试用例生成、批量代码修改等。 核心能力包括：从片段级到多文件级的 AI 编码，能完成涉及工程内多文件级的编码任务；新增多种上下文感知、意图理解、反思迭代、工具使用等能力，可与开发者协同完成更复杂的编码任务；自动完成工程内多个文件的代码修改的 Diff 生成，并提供多文件的变更审查视图，高效完成 AI 生成代码的确认；构建人机协同工作流，通过多轮对话逐步完成编码任务，产生多个快照版本，可任意切换、回退。 “AI 实训营”第二期：大咖带你快速上手通义灵码 AI 程序员 讲师：梦飞，WaytoAGI Agent 核心创作者，词元映射 CEO。 课表： 01/22 20:00（直播回放：https://b23.tv/iQcVksx ） 0 基础入门篇：写代码像聊天一样简单 可以进入钉钉群获取更多文档：https://alidocs.dingtalk.com/i/nodes/yQod3RxJKGvvkP3rfj5Lgoy7Jkb4Mw9r?utm_scene=person_space AI 编程的能力与边界 通义灵码上手指南 一句话 AI 编程小游戏展示 01/23 20:00（直播回放：https://waytoagi.feishu.cn/minutes/obcnazg6vi2c7y25xn3898tw?from=ai_minutes ） AI 编程实战篇：人人都能“福从天降” 0 基础带练“福从天降”小游戏 自然语言生成更多小游戏 如何在 Github 部署并生成在线链接 本期共学直播地址： 会议时间：20:00 21:30 会议 ID：932 264 694 会议链接：vc.feishu.cn/j/932264694 加入通义灵码钉钉共学群（钉钉群号：78080029971），大咖在线答疑！春节专题，现场发红包！2 天课程，带你从小白到进阶，从学习到实践，全面了解 AI 应用开发！和百万开发者一起共学、共享、共实践！

以下是一些常见的绘图 AI 工具： 1. Lucidchart：这是一个流行的在线绘图工具，支持多种图表的创建，包括逻辑视图、功能视图和部署视图等。具有拖放界面，易于使用，支持团队协作和实时编辑，还有丰富的模板库和自动布局功能。官网：https://www.lucidchart.com/ 2. Visual Paradigm：全面的 UML 工具，提供创建各种架构视图的功能，包括逻辑视图（类图、组件图）、功能视图（用例图）和部署视图（部署图）。 3. ArchiMate：开源的建模语言，专门用于企业架构，支持逻辑视图的创建，可与 Archi 工具一起使用，该工具提供图形化界面创建 ArchiMate 模型。 4. Enterprise Architect：强大的建模、设计和生成代码的工具，支持创建多种架构视图，包括逻辑、功能和部署视图。 5. Microsoft Visio：广泛使用的图表和矢量图形应用程序，提供丰富的模板用于创建逻辑视图、功能视图和部署视图等。集成 Office 365，方便与其他 Office 应用程序协同工作。官网：https://www.microsoft.com/enus/microsoft365/visio/flowchartsoftware 6. draw.io（现在称为 diagrams.net）：免费的在线图表软件，允许用户创建各种类型的图表，包括软件架构图，支持本地和云存储（如 Google Drive、Dropbox），多种图形和模板，易于创建和分享图表，可与多种第三方工具集成。官网：https://www.diagrams.net/ 7. PlantUML：文本到 UML 的转换工具，通过编写描述性文本来自动生成序列图、用例图、类图等，从而帮助创建逻辑视图。 8. Gliffy：基于云的绘图工具，提供创建各种架构图的功能，包括逻辑视图和部署视图。 9. Archi：免费的开源工具，用于创建 ArchiMate 和 TOGAF 模型，支持逻辑视图的创建。 10. Rational Rose：IBM 的 UML 工具，支持创建多种视图，包括逻辑视图和部署视图。 此外，还有一些可以辅助或自动生成 CAD 图的 AI 工具： 1. CADtools 12：Adobe Illustrator 插件，为 AI 添加 92 个绘图和编辑工具，包括图形绘制、编辑、标注、尺寸标注、转换、创建和实用工具。 2. Autodesk Fusion 360：集成了 AI 功能的云端 3D CAD/CAM 软件，能创建复杂的几何形状和优化设计。 3. nTopology：基于 AI 的设计软件，帮助用户创建复杂的 CAD 模型，包括拓扑优化、几何复杂度和轻量化设计等。 4. ParaMatters CogniCAD：基于 AI 的 CAD 软件，可根据用户输入的设计目标和约束条件自动生成 3D 模型，适用于拓扑优化、结构设计和材料分布等领域。 对于绘制示意图，以下工具也值得推荐： 1. Lucidchart：集成了 AI 功能，可以自动化绘制流程图、思维导图、网络拓扑图等多种示意图。 2. Microsoft Visio：专业的图表绘制工具，适用于复杂的流程图、组织结构图和网络图，其 AI 功能可以帮助自动化布局和优化图表设计。 3. draw.io（现在称为 diagrams.net）：免费且开源的在线图表绘制工具，适用于各种类型的示意图绘制。

以下是优化自己的 prompt 以提升 AI 结果输出稳定性的方法： 1. 明确具体的描述：使用更具体、细节的词语和短语来表达需求，避免过于笼统。 2. 添加视觉参考：在 prompt 中插入相关图片参考，提高 AI 理解意图和细节要求的能力。 3. 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，以生成期望的语境和情绪。 4. 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、最准确表达需求的描述方式。 5. 增加约束条件：在 prompt 中添加限制性条件，如分辨率、比例等，避免意外输出。 6. 分步骤构建 prompt：将复杂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。 7. 参考优秀案例：研究 AI 社区流行的、有效的 prompt 范例，借鉴写作技巧和模式。 8. 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。 此外，如果提示词效果不符合预期，可以和 AI 再进行几轮对话来调整输出结果。最终通过询问 AI“怎么样修改现有的 Prompt，可以让你稳定输出当前的预期”来进行 prompt 的迭代。得到 prompt 后，可以新开一个 AI 对话，把 prompt 输入到对话中，开始验证其可用性和稳定性。例如输入 MECE 法则进行测试。

以下是一些国内的图片转漫画的 AI 工具： 1. 星流一站式 AI 设计工具： 可以使用图像控制功能，如空间关系、线稿、人物长相、姿势等，精准控制生成图像的内容和风格。 入门模式下有多种参考功能，包括原图、景深、线稿轮廓、姿势、Lineart 线稿、Scribble 线稿、光影、Segmant 构图分割等。 2. Anifusion： 是一款基于人工智能的在线工具，用户输入文本描述，AI 就能将其转化为完整的漫画页面或动漫图像。 具有 AI 文本生成漫画、直观的布局工具、强大的画布编辑器、多种 AI 模型支持、商业使用权等功能。 适用于独立漫画创作、快速原型设计、教育内容创作、营销材料制作、粉丝艺术和同人志创作等场景。 优点是非艺术家也可轻松创作漫画，基于浏览器无需额外安装软件，具有快速迭代和原型设计能力，且拥有创作的全部商业权利。 更多相关工具您可以查看： 内容由 AI 大模型生成，请仔细甄别。

WPS AI 可以辅助一些财务工作。生成式 AI 能够帮助金融服务团队改进内部流程，简化财务团队的日常工作。具体表现为： 1. 预测方面：帮助编写 Excel、SQL 和 BI 工具中的公式和查询，实现分析自动化，发现模式，从更广泛、更复杂的数据集中为预测建议输入，并建议如何适应模型以支持公司决策。 2. 报告方面：自动创建文本、图表、图形等内容，并根据不同示例调整报告，无需手动整合数据和分析到外部和内部报告中。 3. 会计和税务方面：综合、总结并就税法和潜在扣除项提出可能的答案。 4. 采购和应付账款方面：帮助自动生成和调整合同、采购订单和发票以及提醒。

以下是关于 WPS AI 的使用教程： 首先，在与 GPT4 交流制作 PPT 大纲的过程中，通过自然交流体验，经过多次迭代完成大纲。之后使用 WPS AI 对大纲进行优化，其内容会丰富不少，且大纲还能二次修改。接着，利用 WPS AI 制作 PPT，不到 2 分钟即可完成，然后可直接向 WPS AI 提出修改主题配色和字体等要求，30 秒左右就能完成修改。目前 WPS AI 功能强大且免费，建议抓紧使用，不过需注意可能未来会收费。

很抱歉，知识库中没有关于腾讯文档的 AI 和 WPS 的 AI 直接对比区别的相关内容。但为您提供以下各自的特点供您参考： 腾讯文档的 AI ： 拥有自动分类办公文件的功能，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。 WPS 的 AI ： 是办公自动化工具，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。 具有文档翻译功能，可以利用 AI 技术快速翻译办公文档，如 Word、Excel、PPT 等，方便用户进行跨国业务交流。

WPS 有 AI 工具，例如 WPS AI。在使用 WPS AI 输入大纲和要点时，虽然目前它不提供手动导入，但可以变相实现：手动导入大纲和要点。然而，由于 WPS AI 存在以下两个限制，我们只能用简化后的大纲来输入。一是 WPS AI 只支持输入主题，不支持导入大纲；二是 WPS AI 在输入主题的地方有长度限制，输入内容较多的大纲时，偶尔会被重新简化，所以干脆简化后再输入。

目前 WPS 中可能尚未有直接集成的与 Excel 相关的 AIGC 工具。但随着技术的发展，未来可能会有所增加。您可以持续关注 WPS 的官方更新动态，以获取最新的相关信息。

WPS 的 AI 功能主要体现在以下几个方面： 1. 优化 PPT 大纲：能够使 PPT 大纲的内容更加丰富和详细。 2. 快速生成 PPT：在较短时间内完成 PPT 的制作。 3. 便捷修改：可以通过与 WPS AI 交流，快速修改主题配色、字体等。 4. 添加动画：输入相应指令，为整份 PPT 添加动画效果。 金山软件于 2023 年 5 月 16 日宣布将把大模型（LLM）能力嵌入 WPS 的四大组件：表格、文字、演示、PDF，支持桌面电脑和移动设备。 但使用 WPS AI 输入大纲和要点时存在一些限制，比如只支持输入主题，不支持导入大纲，在输入主题的地方有长度限制，输入内容较多的大纲时偶尔会被重新简化。

Dify 调用飞书智能表格的方法如下： 1. 部署完成后，可以通过以下方式使用飞书·稍后读助手： 得益于飞书 app 的多平台支持，在电脑、手机端通过飞书机器人与稍后读助手进行对话。 直接在 Coze 商店中与 bot 进行对话。 如果还选择了部署到微信服务号、订阅号，也可以通过这些渠道调用 bot。 2. 设置稍后读存储地址： 首次使用，按以下步骤操作： 访问。 点击「更多创建副本」，然后复制新表格的分享链接。 将新链接发送到智能体对话中。 另外，还可以发送“查询存储位置”、“修改存储位置”，来更换飞书多维表格链接，调整稍后读存储位置。 3. 收藏待阅读的页面链接： 在对话中输入需要收藏的页面链接。如果是第一次使用，会要求授权共享数据。授权通过后，再次输入需要收藏的页面链接，即可完成收藏。 目前部分页面链接可能会小概率保存失败，暂未定位原因。 4. 智能推荐想看的内容： 在对话中发送“我想看 xx”、“xx 内容”，即可按个人兴趣推荐阅读计划。 此外，关于 Dify 在微信上的调用，可参考以下信息： GitHub: https://github.com/zhayujie/chatgptonwechat Gitee: https://gitee.com/zhayujie/chatgptonwechat 这里先暂时不过多介绍 Dify，它跟 AutoGPT、MetaGPT、FastGPT 等都是可以自己构建 Agent、工作流的 LLM 应用开发平台。AM 就是搭建在 Dify 上面的。 说回 LlamaEdge，可以自建一个 API 扩展来实现调用上面的 FLUX.1 API Server（套娃）。 API 扩展说明，可以查看：https://docs.dify.ai/zhhans/guides/extension/apibasedextension，但貌似 0.8.3 的版本不再使用了（dify 里面有不少功能更新缺陷或版本冲突，所以使用时需要自行修改或提交 PR）。 也可以引入项目，在 bot/dify/新建一个 dify_image.py 的程序，将画图程序的调用过程写到 dify bot 中，如用 query“画”开头接提示来触发调用。dify_image.py 后续会更新到代码仓库中。 图片服务器，很简单，分别写一个 Flask app 程序和一个 html： app.py template/index.html 以上代码都可以由 Phind、Copilot、Cursor、Zed + ollama + 一个代码大模型代劳，但架构感觉整复杂了不够优雅，后面整理好打包一个解决方案再提交一个 repo。

目前我无法直接为您提供将 Excel 表格快速生成甘特图的服务。但您可以使用一些专业的软件，如 Microsoft Project、Excel 本身（通过特定的功能和插件）、Trello 等，它们都具备将相关数据转化为甘特图的功能。您可以根据自己的需求和使用习惯选择合适的工具，并按照其操作指南进行操作。

以下是关于 Dify 引用飞书智能表格打造专属 AI 智能体的相关内容： 首先是逐步搭建 AI 智能体： 1. 设计 AI 智能体架构：构思整个架构，规定稍后读阅读清单的元数据。新建飞书多维表格，根据管理需要定义元数据字段，如“内容”（超链接格式，显示页面标题，可点击跳转具体页面）、“摘要”（总结内容主题、关键信息、阅读价值，并指出适合的读者群体）、“作者”、“平台”、“状态”（阅读状态，收藏的默认态为“仅记录”）、“发布日期”、“收集时间”。为方便跟做，可直接复制准备好的模板： 2. 搭建整理入库工作流：这是支撑整个 AI 稍后读服务的前置流程。首先新建工作流「url2table」，根据弹窗要求自定义工作流信息。工作流全局流程设置如下： 开始节点：输入 url，由于希望收到用户输入的待收藏 url 就开始流程，所以不需要额外配置。 变量节点：引入 bot 变量中保存的飞书多维表格地址，将飞书多维表格链接存储在 bot 的变量中，在工作流运行时进行引用。 插件节点：获取页面内容，把开始节点的{{BOT_USER_INPUT}}引入到参数{{url}}中，随便设置{{timeout}}为 60000。

以下是一些可以将 word 文本转 excel 表格的大模型相关方法： 1. Markdown 格式输出 Markdown 编辑器 Excel：将大模型的输出结果复制到 Markdown 编辑器（如 Typora），然后再直接复制到 Excel，就可以得到直接可用的数据文档。 2. Markdown 格式输出 Excel 数据分组：把大模型的输出直接复制到 Excel，一般使用 Excel 的数据分列功能，用“|”作为分隔符号处理数据。 3. Markdown 格式输出 Excel 数据分组：要求大模型把输出转换成 CSV 格式，然后把结果复制到 txt 文档，另存为成 csv 文件（注意：txt 另存为时，文件后缀名更改为.csv，编码选择 ANSI）。

目前有以下几种关于 Excel 的 AI 应用可以辅助填写表格： 1. Excel Labs：这是一个 Excel 插件，基于 OpenAI 技术新增了生成式 AI 功能，允许用户在 Excel 中直接利用 AI 进行数据分析和决策支持。 2. Microsoft 365 Copilot：微软推出的 AI 工具，整合了 Word、Excel、PowerPoint、Outlook、Teams 等办公软件。用户通过聊天形式告知需求，Copilot 会自动完成如数据分析或格式创建等任务。 3. Formula Bot：提供了数据分析聊天机器人和公式生成器两大功能，用户可通过自然语言交互式地进行数据分析和生成 Excel 公式。 4. Numerous AI：支持 Excel 和 Google Sheets 的 AI 插件，除公式生成外，还能根据提示生成相关文本内容、执行情感分析、语言翻译等任务。 这些工具通过 AI 技术提升了 Excel 的数据处理能力，使用户能更高效地进行数据分析和决策。随着技术不断发展，未来可能会有更多 AI 功能集成到 Excel 中，进一步提高工作效率和数据处理的智能化水平。请注意，内容由 AI 大模型生成，请仔细甄别。

以下是一些好用的 Excel 表格 AI 工具： 1. Excel Labs：这是一个 Excel 插件，新增了基于 OpenAI 技术的生成式 AI 功能，可在 Excel 中直接利用 AI 进行数据分析和决策支持。 2. Microsoft 365 Copilot：微软推出的 AI 工具，整合了包括 Excel 在内的多种办公软件，用户通过聊天形式告知需求，Copilot 会自动完成任务，如数据分析或格式创建。 3. Formula Bot：提供数据分析聊天机器人和公式生成器两大功能，用户能通过自然语言交互式地进行数据分析和生成 Excel 公式。 4. Numerous AI：支持 Excel 和 Google Sheets 的 AI 插件，除公式生成外，还能根据提示生成相关文本内容、执行情感分析、语言翻译等任务。 此外，还有以下在表格相关方面表现出色的 AI 产品： 1. Highcharts：6 月访问量 235 万，相对 5 月变化 0.389。 2. Fillout.com：6 月访问量 186 万，相对 5 月变化 0.147。 3. Coefficient：6 月访问量 46 万，相对 5 月变化 0.251。 4. Numerous.ai：6 月访问量 41 万，相对 5 月变化 0.087。 5. SheetGod：6 月访问量 31 万，相对 5 月变化 0.033。 6. GPTExcel：6 月访问量 25 万，相对 5 月变化 0.364。 7. 酷表 ChatExcel：6 月访问量 18 万，相对 5 月变化 0.159。 8. GPT Workspace：6 月访问量 17 万，相对 5 月变化 0.213。 9. OpenAI in Spreadsheet：6 月访问量 12 万，相对 5 月变化 0.314。 10. Ajelix AI Excel Tools：6 月访问量 10 万，相对 5 月变化 0.145。 需要注意的是，随着技术的不断发展，未来可能会有更多 AI 功能被集成到 Excel 中，进一步提高工作效率和数据处理的智能化水平。同时，内容由 AI 大模型生成，请仔细甄别。

以下是关于提示词的万能公式相关知识： 1. 提示词语法： 权重值最好不要超过 1.5。 可以通过 Prompt Editing 使得 AI 在不同的步数生成不一样的内容，例如在某阶段后，绘制的主体由男人变成女人。 语法示例： alandscape，在第 16 步之后，提示词将被替换。 fantasy landscape with a，在不同步数提示词会发生变化。 提示词还可以轮转，比如在第一步时，提示词为“cow in a field”；在第二步时，提示词为“horse in a field.”；在第三步时，提示词为“cow in a field”，以此类推。 2. 提示词结构： 当提示词有清晰的结构时，提示效果最有效。 简单公式： 复杂公式： 例如：无结构提示词“小男孩喝咖啡”，有结构的提示词“摄影机平移（镜头移动），一个小男孩坐在公园的长椅上（主体描述），手里拿着一杯热气腾腾的咖啡（主体动作）。他穿着一件蓝色的衬衫，看起来很愉快（主体细节描述），背景是绿树成荫的公园，阳光透过树叶洒在男孩身上（所处环境描述）”。 3. 提示词编写要点： 根据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。 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。 每个词语本身自带的权重可能有所不同，模型训练集中较多出现的关键词影响较大，较少出现的关键词可能输入多个相关词汇影响也有限。 提示词的顺序很重要，越靠后的权重越低。 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。 可以使用括号人工修改提示词的权重，如：字符。

微调所需算力的计算较为复杂，会受到多种因素的影响。以下是一些相关的要点： 在一些教程中，如“大圣：全网最适合小白的 Llama3 部署和微调教程”，提到微调可能需要购买算力，预充值 50 元。 对于大型语言模型（LLM）的微调，由于模型规模大，更新每个权重可能需要很长时间的训练工作，还需考虑计算成本和服务麻烦。 调整用于微调的超参数通常可以产生产生更高质量输出的模型。例如，在某些情况中，可能需要配置以下内容： 模型：可选择“ada”、“babbage”、“curie”或“davinci”之一。 n_epochs：默认为 4，指训练模型的时期数。 batch_size：默认为训练集中示例数量的 0.2%，上限为 256。 learning_rate_multiplier：默认为 0.05、0.1 或 0.2，具体取决于 final batch_size。 compute_classification_metrics：默认为假，若为 True，在分类任务微调时在每个 epoch 结束时在验证集上计算特定分类指标。配置这些超参数可通过 OpenAI CLI 上的命令行标志传递。

微调所需算力的计算较为复杂，会受到多种因素的影响。以下为您提供一些相关信息： 在“大圣：全网最适合小白的 Llama3 部署和微调教程”中提到，微调可能需要预充值 50 元购买算力。 “9.生成式 AI Studio 简介”课程中指出，微调大型语言模型（LLM）时，由于模型规模大，更新每个权重可能需要很长时间的训练工作以及巨大的计算成本。 “微调（Finetuning）”部分提到，调整用于微调的超参数通常可以产生产生更高质量输出的模型。需要配置的超参数包括： model：要微调的基本模型的名称，可选择“ada”、“babbage”、“curie”或“davinci”之一。 n_epochs：默认为 4，指训练模型的时期数。 batch_size：默认为训练集中示例数量的 0.2%，上限为 256。 learning_rate_multiplier：默认为 0.05、0.1 或 0.2，具体取决于 final batch_size。 compute_classification_metrics：默认为假，若为 True，在分类任务微调时会在每个 epoch 结束时在验证集上计算特定指标。 需要注意的是，不同的模型和任务，其算力需求的计算方式可能会有所不同。

微调所需算力的计算涉及多个因素，目前没有一个固定的通用公式。但以下是一些相关的要点和参考： 在一些教程中，如“大圣：全网最适合小白的 Llama3 部署和微调教程”，提到微调可能需要预充值购买算力，费用约 50 元。 对于大型语言模型（LLM）的微调，由于模型规模大，更新每个权重可能需要很长时间的训练工作，计算成本较高。 在微调过程中，超参数的配置也会影响算力需求。例如，选择不同的基本模型（如“ada”、“babbage”、“curie”或“davinci”）、设置训练的时期数（n_epochs）、批量大小（batch_size）、学习率乘数（learning_rate_multiplier）等。批量大小通常为训练集中示例数量的 0.2%，上限为 256；学习率乘数默认为 0.05、0.1 或 0.2，具体取决于最终的批量大小。 需要注意的是，不同的模型和具体的微调任务，其算力需求会有所不同。

目前在股市选股公式编写方面，尚未有直接且成熟的 AI 应用。但在金融领域，AI 可以通过数据分析和机器学习算法来辅助选股。例如，利用历史股价数据、财务指标、市场趋势等信息进行建模和预测。不过，股市投资具有不确定性和风险，不能完全依赖 AI 进行选股决策。

在 Coze 中，变量是以 keyvalue 形式存储数据的，是 Bot 的数据记忆功能。大语言模型会根据用户输入内容进行语义匹配，为定义的变量赋值并保存值。您可以在提示词中为 Bot 声明某个变量的具体使用场景。 创建变量可在创建 Bot 的页面进行。对变量进行赋值时，首先可以在给大模型的提示词中做声明，例如：“与您的用户进行互动，并根据 user_language 变量，用他们偏好的语言在线搜索。除非另有设置，用户查询的语言应指导您的回答和搜索”。这段提示词相当于告诉了 LLM，user_language 这个变量该如何赋值以及使用。 变量创建并赋值后，如 user_language 变量，就可以在工作流中作为变量使用。这一块解释起来有些抽象，具体可以参考后面的例子，真正用一遍就懂了。 综上，在 Coze 中能给变量在赋值中嵌入其它变量并同时使用公式，但具体的实现方式和规则需要根据具体的提示词和使用场景来确定。