小白学习AI的知识体系

个人微信接入 AI 存在一定风险和合规问题。微信端的这种接入属于非常规使用，可能会有封号危险，不建议使用主力微信号接入。 在操作过程中，需要注意以下几点： 1. 接入大模型 API 实现时需要单独付费。 2. 对大模型生成的内容要注意甄别，确保所有操作均符合相关法律法规的要求。 3. 禁止将此操作用于任何非法目的。 4. 处理敏感或个人隐私数据时注意脱敏，以防任何可能的滥用或泄露。 此外，关于将 AI 接入微信的实现步骤，可参考以下内容： 1. 注册 AI 模型： 进入智普 AI：https://open.bigmodel.cn/ 。 点击开始使用，注册登录。 按照要求进行认证，点击控制台，查看 API key，添加新的 API key 并复制保存。 2. 注册云服务器： 新用户点击去注册腾讯云： 。 微信扫码注册，首次注册选择第一个。 选择地域和镜像（宝塔 8.1.0），点击立即试用。 进入腾讯云服务台，登录（可微信扫码登录）。 复制 sudo/etc/init.d/bt default 并粘贴回车，保存输出内容。 返回服务器控制台，在防火墙菜单栏添加规则，手动输入相关内容并确定。

以下是关于 AI 写作的相关内容： 一、如何用 AI 写出比人更好的文字 作者陈财猫从自身经历出发，分享了以下观点： 1. AI+内容创作是现阶段最好的赛道：基于对大模型发展现状的观察和对“开车”“写作”两类任务的对比，认为该赛道有完美的产品模型匹配和产品市场匹配，且天花板高。 2. AI 写作的实践成果：业务包含营销和小说、短剧创作，开发了智能营销矩阵平台，参与喜马拉雅短故事和短剧写作课程，捣鼓出小财鼠程序版 agent。 3. 定义好文字：好文字能引起人的生理共鸣与情绪，AI 因预训练数据量大能学会引发共鸣，从而写出好文字。 4. 用 AI 写出好文字的方法：选好模型，评估模型的文风和语言能力、是否有过度道德说教与正面描述趋势、in context learning 能力和遵循复杂指令的能力；克服平庸，平衡“控制”与“松绑”；显式归纳想要的文本特征，通过 prompt 中的描述与词语映射到预训练数据中的特定类型文本，往 prompt 里塞例子。 5. 对 AI 创作的看法：AI 创作的内容有灵魂，只要读者有灵魂，文本就有灵魂；有人讨厌 AI 是因其未改变多数人生活，或自身是受害者。作者期望 AI 能力进一步提升，改变每个人的生活。 二、AI 写作变现指南 1. 项目启动： 确定目标客户群体，如大学生、职场人士、自媒体从业者等。 选择合适的 AI 写作工具，以满足不同客户的需求。 2. 准备阶段： 学习并实践 AI 写作技术，通过书籍、在线课程等资源提升写作技能。 构建团队，培养和扩充团队成员，以提高运营效率。 3. 商业模式构建： 确定服务内容，如提供论文、报告、文案等直接写作服务。 制定质量控制标准，确保写作内容满足客户要求。 4. 运营与推广： 在淘宝等电商平台上开设店铺，展示并销售写作服务。 建立写作培训社群，分享写作技巧和 AI 应用经验，提升品牌影响力。 通过社交媒体和线下活动进行品牌和社群建设。 与绘画团队、其他写作工作室等合作，共同开发新项目。 5. 项目优化与发展： 持续关注 AI 技术进展，提升服务质量和效率。 根据市场需求，拓展新的服务和产品。 收集客户反馈，不断优化和改进服务。 三、内容仿写 AI 工具 以下是几款中文的内容仿写 AI 工具： 1. 秘塔写作猫：https://xiezuocat.com/ 写作猫是 AI 写作伴侣，帮你推敲用语、斟酌文法、改写文风，还能实时同步翻译。支持全文改写，一键修改，实时纠错的同时一并给出修改建议，智能分析文章的各类属性，用人工智能为你的文章正负情感、情绪强度和易读性打分。 2. 笔灵 AI 写作：https://ibiling.cn/ 笔灵 AI 写作是得力的智能写作助手，心得体会、公文写作、演讲稿、小说、论文十八般武艺样样精通，算是一本适合打工人和学生党的武林秘籍啦！支持一键改写/续写/扩写，智能锤炼打磨文字，使之更加符合你的需求，让创作更上一层楼。 3. 腾讯 Effidit 写作：https://effidit.qq.com/ 智能创作助手 Effidit（Efficient and Intelligent Editing）是由腾讯 AI Lab 开发的一个创作助手，探索用 AI 技术提升写作者的写作效率和创作体验。 更多 AI 写作类工具可以查看这里：https://www.waytoagi.com/sites/category/2 （内容由 AI 大模型生成，请仔细甄别。）

以下是关于如何通过与 AI 的对话获取高质量信息以及相关书籍和文章推荐的内容： 在与 AI 对话获取高质量信息方面： 作为普通用户，语言在大模型中不是关键，核心是向量空间中的游走脉络，输出时的语言翻译是次要的，且训练语料的中英文差异在于 embedding 环节。 通过合适的模型、prompt 和 test 入口表达，用大模型公式调试出好效果以替代垂类模型，但微调垂类模型可能使大模型泛化能力下降，需分场景看待。 写提示词未挖掘出大模型的天花板，还有提升空间。 相关书籍和文章推荐： 从数学、作家、代码、原理角度写大模型的四本书。 介绍 GPT 运作原理、Transformer 模型、扩散模型等的文章。 关于 AI 知识库及学习路径的介绍中提到的经典必读文章，如软件 2.0 时代相关内容。 初学者入门推荐看 open AI 的官方 Cookbook，小琪姐做了中文精读翻译，也可查看 cloud 的相关内容。 获取信息的渠道： 可以关注赛博蝉星公众号、国外优质博主的 blog 或 Twitter 等，订阅获取最新信息并投稿。 可通过“通往 AGI 之路”知识库获取相关内容，该知识库涵盖了 AI 多方面知识及社区共创项目，如人工智能简史、AI 会话简史等，还有 10 篇精选文章助于理解 AI。 您还可以通过参加社区共创项目，如 AIPU、CONFIUI 生态大会，每月的切磋大会等活动，以及新活动 AIPO，与他人交流获取更多信息。同时，鼓励整理学习笔记并分享交流，以促进对知识的吸收和理解。

李继刚的提示词使用方法如下： 从最佳实践中的收录内容开始学习，其结构化提示词能让模型给出更优质、完整的答案。 操作时可点开并复制相关提示词，将复制内容丢进大语言模型对话，会有不同效果。 近期提示词有升级，李继刚老师将提示词玩到新高度，cloud 等大语言模型可直接显示编译结果内容。 输入特定提示词可生成卡片，小创业项目可利用并改变提示词形成独到见解或小应用。 李继刚老师会在 13 号讲创作思路。 从工程视角看，一个提示词就能用于写游戏，如现在的 AI 编程（如 CURSOR）能做出开源小游戏，可拿来使用、交流并研究内容、优化改造。

以下是一些常见 AI 的优势： Notion AI（免费可用）：可在笔记和文档中直接接入 AI 能力，能让工作更迅速，写作更出色，思考更伟大。 Guidde AI（免费可用）：作为生成式 AI 平台，使团队能够以 11 倍的速度传递专业知识，与客户或员工共享。 Arc Max：能在任何网页寻求 AI 辅助，具备智能标签页、下载重命名、集成 ChatGPT 等功能，可优化浏览体验，是一个节省时间的 AI 功能套件。 Trickle（免费可用）：可以帮助总结和整理截图，提取洞察以便于搜索和查询，将视觉混乱的图片转化为智能档案，允许用户截取任何内容，并在以后轻松地检索和使用其内容。 此外，像 GPT4 功能全面，还具备代码解释器等特色功能；Claude 在写作和深度洞察方面备受好评；Gemini 则擅长提供清晰的解释。Claude 3 的上下文窗口超过 150,000 字，而 GPT4 的上下文窗口能够处理 8,000 至 32,000 字的内容。 在科学领域，AI 也展现出诸多优势，例如： 计算机视觉模型可用于拼凑出 5500 万光年外的首个黑洞图像。 英国的一家 AI 公司训练的神经网络能预测蛋白质结构，解决了长期困扰科学家的难题，并推进了结构生物学领域的发展。 深度学习 AI 有望改善乳腺癌筛查，提高检测效率。 AI 机器人能提高农业生产效率。

以下是一些可以帮助您构建技术中心知识库的 AI 工具及相关步骤： Dify 1. 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，并对数据进行清洗、分段等预处理，确保数据质量。 2. 创建数据集：在 Dify 中创建新的数据集，上传准备好的文档，并为数据集编写清晰的描述，说明其包含的内容和特点。 3. 配置索引方式：Dify 提供了高质量模式、经济模式和 Q&A 分段模式三种索引方式，您可根据实际需求选择，如追求更高准确度可选高质量模式。 4. 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，配置数据集的使用方式，如是否允许跨数据集搜索等。 5. 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，增加新内容以保持时效性。 其他相关场景和应用 1. 提示词帮您规划 PARA 分类模式：PARA 代表项目（Projects）、领域（Areas）、资源（Resources）和档案（Archives）。AI 可通过分析您的工作模式和内容类型，自动生成提示词，帮助您将信息和知识分类到 PARA 的相应部分，简化分类过程，更快组织和检索信息。 2. 提示词帮您设计笔记标签系统：AI 能通过分析您的笔记内容和使用习惯，推荐合适的标签和标签结构，提高笔记管理和检索效率。 3. 知识助手 Bot 帮您渐进式积累领域知识：例如基于 dify.ai 将数百个思维模型整合成一个知识库，根据不同的对话和条件判断为用户选择适用的思维模型分析工具，封装成一个智能分析的 Bot，能根据您的学习进度和兴趣点，定期推送相关文章、论文和资源，持续扩展知识边界并确保知识及时更新。

对于想学习 AI 的小白，以下是一些推荐和需要注意的方面，以及技术学习路线： 一、基础知识 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. 数学基础 学习线性代数、概率论、优化理论等。 3. 编程基础 掌握 Python、C++等编程语言。 二、学习路径 1. 偏向技术研究方向 机器学习基础：监督学习、无监督学习、强化学习等。 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 自然语言处理：语言模型、文本分类、机器翻译等。 计算机视觉：图像分类、目标检测、语义分割等。 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 科研实践：论文阅读、模型实现、实验设计等。 2. 偏向应用方向 机器学习基础：监督学习、无监督学习等。 深度学习框架：TensorFlow、PyTorch 等。 应用领域：自然语言处理、计算机视觉、推荐系统等。 数据处理：数据采集、清洗、特征工程等。 模型部署：模型优化、模型服务等。 行业实践：项目实战、案例分析等。 三、深入学习和实践 1. 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。 2. 实践和尝试 理论学习之后，通过实践巩固知识，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。 3. 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。 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。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

对于小白学习人工智能，建议从以下几个方面入手： 1. 了解 AI 基本概念：首先，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。同时，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，您将找到一系列为初学者设计的课程，特别推荐李宏毅老师的课程。您还可以通过在线教育平台（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。同时，建议掌握提示词的技巧，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。在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 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。 另外，您可以参考《雪梅 May 的 AI 学习日记》，其中提到适合纯 AI 小白的学习模式是输入→模仿→自发创造。同时要记住，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。

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。 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。 在知识库中有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（如 ChatGPT、Kimi Chat、智谱、文心一言等）进行互动，了解其工作原理和交互方式。 如果您是零基础小白： 1. 网上找基础课程学习。 2. 看一些科普类教程。 3. 阅读 OpenAI 的文档，理解每个参数的作用和设计原理。 4. 推荐使用的练手 Prompt 工具： 拥有一个大模型帐号，如 ChatGPT4 或国产平替：。 5. 阅读相关文档：

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，如图像、音乐、视频等，可根据自身兴趣选择特定模块深入学习。 掌握提示词的技巧，因其上手容易且有用。 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。 知识库中有很多实践后的作品、文章分享，欢迎实践后进行分享。 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。 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 AI 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，作者的学习模式是输入→模仿→自发创造，学习资源免费开源。但需注意，其中的学习内容可能因 AI 节奏快而不适用最新情况，可在 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新内容。同时，学习状态和时间安排因人而异，能学多少算多少。

对于一个想学习 AI 的小白，以下是为您提供的学习路线： 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，您将找到一系列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。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 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。

对于计算机小白学习 AI，以下是一个较为系统的学习流程： 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，可根据自身兴趣选择特定模块深入学习。 掌握提示词的技巧，因其上手容易且实用。 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自己的作品。 在知识库中查看大家实践后的作品、文章分享，并分享自己实践后的成果。 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。 此外，还可以参考以下案例： 二师兄在 2024 年 2 月接触到 AI 绘画，通过学习 SD 秋叶安装包和相关教程，进行炼丹实践。 雪梅 May 采用输入→模仿→自发创造的学习模式，在半年多的时间里保持较好的学习状态，学习 AI 相关知识。

以下是为您规划的图书内容和重点参考资料： 一、图书内容规划 1. 引言 介绍 AI 时代的背景和企业面临的挑战与机遇。 阐述 DeepSeek 在塑造企业竞争力方面的重要性。 2. DeepSeek 的技术创新 详细介绍 DeepSeek 最新模型 V3 与 R1 的架构创新，如混合专家（MoE）架构、多头潜注意力（MLA）等。 解释其如何提升计算效率和推理能力，打破算力壁垒。 3. 多领域的应用案例 字节跳动的新技术 OmniHuman 在视频生成方面的突破。 Coinbase 全面推动 AI 应用的实践，如在欺诈预防和客户支持等领域的应用。 4. 对企业管理的影响 探讨善于沟通上下文、明晰 AI 能力边界、合理授权并监督等管理经验如何提升 AI 协作效率。 5. 行业趋势与挑战 分析 AI 基础大模型参数量的变化趋势。 讨论初级程序员面临的职业挑战以及编程领域的颠覆性变化。 6. 未来展望 预测 DeepSeek 及相关技术在未来的发展方向和可能的创新。 二、重点参考资料 1. 《》 2. 《》 3. 《》 4. 《》 5. 《》 6. 《[零基础掌握 Deepseek》》 7. 日报 8. 日报

以下是本地部署 Deep Seek 后搭建个人知识库的详细步骤： 1. 在 RAGFlow 中配置 Deep Seek 模型 返回 RAGFlow ，打开右上角设置，进入模型提供商界面。 配置本地部署的 Deep Seek 模型，选择 Ollama ，并根据运行的模型配置相关信息。 设置基础 URL 。 点击确定。 2. 导入嵌入模型 导入一个用于文本向量化的嵌入模型。 3. 设置系统模型设置 4. 创建知识库 返回知识库，进入数据集，导入文件或设置文件夹当作知识库。 5. 文件解析 对导入的文件进行解析，解析速度取决于本机 GPU 性能（显卡性能），越好的显卡解析越快。 6. 检索测试 解析完成后，进行检索测试。 7. 进入聊天界面 测试没问题后，可进入聊天界面，助理设置可自行进行。 此外，如果想要对知识库进行更灵活的掌控，可以使用 AnythingLLM 软件，步骤如下： 1. 安装 AnythingLLM ，安装地址：https://useanything.com/download 。 2. 安装完成后进入配置页面，主要分为三步： 选择大模型。 选择文本嵌入模型。 选择向量数据库。 3. 构建本地知识库 在 AnythingLLM 中创建独有的 Workspace 与其他项目数据隔离。 上传文档并在工作空间中进行文本嵌入。 选择对话模式，包括 Chat 模式（大模型根据训练数据和上传的文档数据综合给出答案）和 Query 模式（大模型仅依靠文档中的数据给出答案）。 4. 测试对话 完成上述配置后，即可与大模型进行对话。 在进行本地知识库搭建实操之前，还需要对 RAG 有大概的了解： RAG 是一种检索增强生成技术，应用过程包括文档加载、文本分割、存储（包括将文档块嵌入转换成向量形式并存储到向量数据库）、检索、输出（把问题以及检索出来的嵌入片一起提交给 LLM 生成答案）。文本加载器用于将用户提供的文本加载到内存中以便后续处理。

以下是本地部署 ollama + deep seek 后有效搭建机械领域知识库或微调为机械领域的步骤： 1. 下载 Ollama 程序：官方网址为 https://ollama.com/ 。默认下载到 C 盘，若想修改安装目录到 D 盘，后续会有相关说明。下载完成后，右下角会出现 Ollama 的图标，打开命令行输入相应命令回车。根据自身独立显卡性能选择模型，如英伟达 2060Super 可选择 Deepseekr1:14b 的模型。若下载速度慢，可按 Ctrl+C 强制退出重新下载。下载完毕后，再下载一个嵌入模型，Ollama 的 bge 模型官方网址：https://ollama.com/library/bgem3 ，输入相应命令，下载好后直接退出终端。 2. 配置模型：返回 RAGFlow 中，打开右上角设置，进入模型提供商进行配置。选择 Ollama，并配置相关信息，基础 URL 按要求设置，设置完成后点击确定。 3. 导入嵌入模型：导入一个嵌入模型用于文本向量化。 4. 设置系统模型：完成相关设置。 5. 创建知识库：返回知识库，进入数据集，可导入文件或设置文件夹当作知识库，自行设置。导入完毕后，对文件进行解析，解析速度取决于本机 GPU 性能，越好的显卡解析越快。解析完成后，进行检索测试，测试没问题即可进入聊天界面，助理设置可自行设置。

以下是在 Kimi 创建个人知识库的相关信息： 使用 GPT 打造个人知识库： 由于 GPT3.5 一次交互支持的 Token 有限，OpenAI 提供了 embedding API 解决方案。 将文本拆分成小文本块（chunk），通过 embeddings API 转换成 embeddings 向量并保存。 当用户提问时，将问题也转换成向量，与向量储存库中的向量比对，提取关联度高的文本块与问题组合成新的 prompt 发送给 GPT API。 理解 embeddings： embeddings 是浮点数字的向量，两个向量之间的距离衡量关联性，小距离表示高关联度。 向量是用一串数字表示的量，在计算机科学中常用列表表示。 常见的向量距离计算方式是欧几里得距离。 使用 Coze 创建个人知识库： 来到个人空间，找到知识库导航栏，点击创建知识库。 知识库是共享资源，多个 Bot 可以引用同一个知识库。 选择知识库的格式（目前支持文档、表格、图片）并填写信息。 可选择本地文档或问答对表格，还能进行自定义的文档切割。 数据处理完成后，一个问答对会被切割成一个文档片。 关于使用知识库，可参考教程：

软件行业质量体系工程师可以利用 AI 实现以下转变和拓展工作： 1. 需求分析师可转变为 AI 洞察翻译官，未来能利用 AI 分析海量数据以揭示隐藏的用户需求，技能需向数据分析、用户心理学和商业洞察力转型。 2. 系统架构师可转变为创新架构策略师，未来设计能适应快速变化和 AI 集成的灵活架构，技能要向前沿技术跟踪、跨学科知识整合和创新思维转型。 3. 开发工程师可转变为 AI 协作编程专家，未来与 AI 结对编程，专注于创新性和复杂逻辑的实现，技能要向 AI 工具应用、算法优化和创造性问题解决转型。 4. 测试工程师可转变为质量战略专家，未来设计高级测试策略，处理 AI 无法覆盖的边缘情况，技能要向测试策略设计、用户体验评估和风险管理转型。 5. 运维工程师可转变为系统优化专家，未来专注于系统整体优化和异常情况处理，技能要向性能调优、安全加固和智能监控系统设计转型。 6. 项目经理可转变为价值流优化专家，未来专注于价值交付和团队协作效率的提升，技能要向精益管理、跨职能团队协调和持续改进转型。 此外，AI 在生成测试用例方面具有显著优势，能自动化和智能化生成高覆盖率的测试用例，减少人工编写测试用例的时间和成本。AI 在医疗保健、金融服务、零售和电子商务、制造业、交通运输等行业也有广泛应用，例如医学影像分析、药物研发、风控和反欺诈、产品推荐、预测性维护等方面。

要创建一个应用于教学各个环节的智能体，您可以参考以下步骤和考虑以下方面： 1. 提前收集教育领域的需求，例如让云谷老师协助收集需求和案例，社群小伙伴帮助实现。这些需求可以包括办公提效的具体场景、家校沟通、个性化教育、心理疏导、备课体系、作业批改、出题建议、辅助出题、建立孩子的成长体系记录、孩子成长的游戏（如寻宝游戏）、朗读（模拟老师泛读，学生背诵，AI 评判）、文生图和文生视频在备课时的针对性、学科本身的教育辅助、分析学生行为并给出策略（基于教育心理学）、教师模拟培训、公开课备课辅助、指导新老师处理学生矛盾和家长问题以提高沟通能力等。 2. 明确最终交付物的形态和背后的思考，使需求描述更清晰。 3. 注册智谱 Tokens 智谱 AI 开放平台（https://bigmodel.cn/），获取资源包。新注册用户可获得 2000 万 Tokens，也可通过充值/购买多种模型的低价福利资源包，或者共学营报名赠送资源包。 4. 先去【财务台】左侧的【资源包管理】查看自己的资源包，本次项目可能会使用到 GLM4、GLM4VPlus、CogVideoX、CogView3Plus 等模型。 5. 进入智能体中心 我的智能体，开始创建智能体。为了照顾初学者，可以手把手进行编辑，完成一个简单智能体的搭建。 此外，在创建过程中，还可以考虑以下相关的产品和服务： 1. 具身智能的企业产品。 2. 3D 眼镜、AI 绘本、AI 图书等。 3. 学习机、飞书的多维表格、蚂蚁的智能体、Coze 的智能体等。 4. Zeabur 等云平台、0 编码平台。 5. 大模型如通义、智谱、kimi、deepseek 等。 6. 编程辅助、文生图工具（如可灵、即梦等）。 需要注意的是，创建这样的智能体需要综合考虑多方面的因素，并不断优化和改进，以满足教学的实际需求。

以下是为人工智能伦理建设提出的一些建议： 在内容方面： 1. 关注算法的可解释性，使人工智能的决策过程能够被理解和解释。 2. 研究方法以评估、表征和减少数据集中及人工智能系统中的偏差。 3. 确保人工智能系统的安全性和鲁棒性，包括进行保证、验证、校验、安全和控制等方面的工作。 4. 重视隐私和安全，包括用于训练和推理人工智能系统的数据集，以及相关的软件和硬件。 5. 研究人工智能系统在科学发现和社会挑战方面的应用。 6. 考虑人工智能系统对社会、伦理、安全、教育、劳动力和安全等方面的影响，特别是对社会中不同群体，尤其是历史上被边缘化的群体的社会影响。 7. 进行定性和定量的未来能力、应用和影响的预测。 在体系方面： 1. 开展教育项目，支持在 K12、社区学院、本科、研究生、博士后、成人学习和再培训等阶段培养与人工智能系统相关的多样化劳动力。 2. 提高对人工智能系统的伦理、社会、安全和安全影响的认识。 3. 促进对人工智能原理和方法的广泛理解，以培养能够使用人工智能产品并适应其带来的社会和经济变化的劳动力和公众。 4. 针对不同的行业应用，如智能制造、智能家居、智慧城市、科学智算等，制定相应的标准，规范技术要求和应用场景。 5. 制定安全标准，规范人工智能全生命周期的安全要求，包括基础安全、数据、算法和模型安全、网络技术和系统安全、安全管理和服务、安全测试评估、安全标注、内容标识、产品和应用安全等。 6. 制定治理标准，规范人工智能的技术研发和运营服务等要求，包括人工智能的鲁棒性、可靠性、可追溯性的技术要求与评测方法，以及全生命周期的伦理治理要求，如伦理风险评估、公平性、可解释性等伦理治理技术要求与评测方法，还有伦理审查等标准。

人工智能伦理建设的内容和体系包括以下方面： 在国际层面，例如美国国会的相关法案，提出要为联邦人工智能研究、开发和示范活动提供跨机构协调，制定自愿共识标准和指南，开展教育和培训活动等。 在国家层面，以中国为例，《国家人工智能产业综合标准化体系建设指南（征求意见稿）》中，行业应用标准方面，涵盖智能制造、智能家居、智慧城市、科学智算等重点领域，规范了各领域的技术要求和应用场景。安全/治理标准方面，包括全生命周期的安全要求，如基础安全、数据与模型安全等，以及治理要求，如伦理风险评估、公平性与可解释性等伦理治理技术要求与评测方法、伦理审查等标准。 在欧盟层面，规定人工智能应符合欧盟价值观、基本权利和自由，是以人为本的技术，最终目的是提高人类福祉。为确保公众利益的保护，应为高风险人工智能系统制定统一规则，且规则应与相关宪章和原则保持一致，并符合国际贸易承诺。同时指出人工智能能带来广泛效益，但也可能根据应用和发展水平产生风险和损害。

以下是关于如何通过 AI 构建自己在通识教育、英语口语、子女学习辅导方面知识体系的建议： 通识教育： 1. 把学习任务切割成小单元，利用 AI 构建专属智能体。 2. 定期根据结果反馈调整智能体。 3. 审视学习流程，更多地应用 AI 。 4. 培养并维持旺盛的好奇心和持续学习的习惯，广泛阅读，深入研究新领域，不断探索前沿知识。 英语口语： 1. 利用智能辅助工具，如 Grammarly 进行写作和语法纠错，改进表达和写作能力。 2. 借助语音识别应用，如 Call Annie 进行口语练习和发音纠正，获取实时反馈和建议。 3. 使用自适应学习平台，如 Duolingo 获得量身定制的学习计划和个性化内容练习。 4. 与智能对话机器人，如 ChatGPT 进行会话练习和对话模拟，提升交流能力和语感。 子女学习辅导： 1. 对于英语学习，可参考上述英语口语的学习方法。 2. 数学学习方面，使用自适应学习系统，如 Khan Academy 获得个性化学习路径和练习题；利用智能题库和作业辅助工具，如 Photomath 获取问题解答和解题步骤；借助虚拟教学助手，如 Socratic 解答问题、获取教学视频和答疑服务；参与交互式学习平台，如 Wolfram Alpha 的课程和实践项目进行数学建模和问题求解。 需要注意的是，在使用 AI 辅助学习的过程中，要结合传统学习方法，仔细甄别生成的内容，以取得更好的学习效果。

搭建多智能体系统需要考虑以下几个方面： 1. 多智能体的概念：多智能体是由多个自主、独立的智能体组成的系统。每个智能体能够感知环境、进行决策并执行任务，它们之间可以进行信息共享、任务协调以及协同行动，以实现整体目标。随着大型语言模型的出现，以其为核心构建的智能体系统受到广泛关注，为不同智能体分配角色和任务信息，并配备工具插件以完成复杂任务。 2. 常见框架：目前更常见的框架主要集中在单智能体场景，其核心在于语言模型与工具的协同配合，可能需要与用户进行多轮交互。同时，越来越多的框架开始关注多智能体场景，为不同智能体指定不同角色，通过协作完成复杂任务，与用户的交互可能相对减少。 3. 主要组成部分： 环境：所有智能体应处于同一个环境中，环境包含全局状态信息，智能体与环境存在信息交互与更新。 阶段：为完成复杂任务，现有多智能体框架通常采用 SOP 思想，将复杂任务分解为多个子任务。 控制器：可以是语言模型或预先定义好的规则，负责环境在不同智能体和阶段之间的切换。 记忆：在多智能体框架中，由于智能体数量增多，消息数量增多，每条消息可能需要记录发送方、接收方等字段。 4. 开源框架示例：如 OpenAI 官方开源的多智能体框架「Swarm」，其在多智能体通信方面表现出色，处理了交接的逻辑。例如构建客服多智能体，只需要准备普通接线客服和宽带客服等不同角色的智能体。