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

我想学习ai提示词，但是我看到最新的deepseek好像不用提示词也可以写出很好的文案，那我还需要学习提示词吗

Answer

学习 AI 提示词是有必要的。提示词是给大语言模型的输入文本，用于指定模型应执行的任务和生成的输出，能“提示”模型做什么。设计高质量提示词需根据目标任务和模型能力精心设计，良好的提示词可让模型正确理解需求并给出符合预期的结果。

了解大模型的特性以及具备清晰表述自己需求和任务的能力，才能用好这个工具。

不过也有人持反对观点，认为像打字和写作一样，方法论不是关键，不断尝试和大模型交互就是最佳方法。但在与大模型交互时，用 Markdown 格式清晰表达问题有助于模型更好地理解用户意图，其具有结构清晰、格式化强调、适用性广等优点。

像 DeepSeek 这样的推理型大模型，更懂人话，不需要用户提供详细的步骤指令或特定的提示词模板，用自然语言描述真实场景和具体需求即可。还可以通过一些方式让 DeepSeek 的回答更符合需求，如让其“说人话”、激发深度思考、进行文风转换等。

总之，尽管有些模型可能不太依赖提示词，但学习提示词仍有助于您更好地与各类模型进行交互，并更有效地获得满意的结果。

Content generated by AI large model, please carefully verify (powered by aily)

References

小七姐：提示词思考总结

提示词（Prompt）是给大语言模型（以下简称模型）的输入文本，用于指定模型应该执行什么样的任务并生成什么样的输出。提示词发挥了“提示”模型应该做什么的作用。设计高质量的提示词需要根据目标任务和模型能力进行精心设计，良好的提示词可以让模型正确理解人类需求并给出符合预期的结果。我们来看一些示例，以便更准确的理解提示词的实际使用：[heading3]直接提问型：[heading3]策略建议型：[heading3]翻译型[heading3]算数型[heading3]概念解释型：[heading2]二、为什么提示词需要学习？[content]首先了解大模型的特性，了解它能做到什么，不擅长做什么，完全无法做什么。随后要求写好brief的能力，也就是清晰表述自己的需求和任务的能力。两者兼具，才能用好这个工具。

如何调教 AI，提示词，就应该和打字一样简单！

“AI时代我们都翻身农奴当老板，拥有数字员工后的我们，了解这些员工的秉性，成为新时代的超级个体。”[heading1]01[heading1]—[heading1]是否需要提示词工程，是否需要学提示词？[content]我是持反对观点的，像打字和写作一样。方法论不是关键，不断尝试和大模型交互，便是最佳方法。[heading1]02[heading1]—[heading1]和大模型交互需要遵循规则吗？[content]不需要。网上流传最广的提示词方法论，是“你需要给大模型一个角色”。这确实是一个好的策略，因为小学老师，大学老师这样的角色，预设很多背景信息。这是一个非常讨巧的方式。但我并不认为这是一条必须要遵循的原则，甚至所有的规则都不是必须遵守的。你可以在提示词里面设定规则，也可以聊着聊着临时更改规则，和大模型交互时完全不需要考虑规则。要考虑的就是是否达成了你的目的，如果没达成，那就锲而不舍的开一个新窗口，再尝试一下。如果还是不行，换个模型。[heading1]03[heading1]—[heading1]用Markdown格式清晰表达问题[content]Markdown通过其易读性、格式化的灵活性和信息的清晰结构，使得与大模型的交流更加高效和精确。有助于模型更好地理解用户的意图。1.结构清晰：Markdown通过简单的标记语法提供了丰富的格式化选项，如列表、标题、加粗、斜体、链接等。这使得信息呈现出清晰的结构，有助于模型更好地理解问题的重点和结构。2.格式化强调：Markdown允许用户通过格式化来强调问题中的关键部分，如使用加粗来突出重点或使用列表来组织多个问题或信息点。强调有助于模型识别和优先考虑文本的关键部分，从而提高回答的相关性和准确性。3.适用性广：由于Markdown在技术和非技术领域的广泛应用，使用这种格式交流可以确保信息的有效传达。普适性强。[heading1]04

详解：DeepSeek深度推理+联网搜索 目前断档第一

先了解下优势和特点[heading3]DeepSeek的特点与优势[content]推理型大模型：DeepSeek的核心是推理型大模型，与指令型大模型不同，它不需要用户提供详细的步骤指令，而是通过理解用户的真实需求和场景来提供答案。更懂人话：DeepSeek能够理解用户用“人话”表达的需求，而不需要用户学习和使用特定的提示词模板。深度思考：DeepSeek在回答问题时能够进行深度思考，而不是简单地罗列信息。文风转换器：DeepSeek可以模仿不同作家的文风进行写作，适用于多种文体和场景。[heading3]使用DeepSeek的正确方法[content]可以扔掉提示词模板：用自然语言描述，直接描述真实场景和具体需求，提示词模板的目的是清晰表达，如果使用也完全没问题。。让DeepSeek“说人话”：在提问时加上“说人话”“小学生能听懂”“菜市场大妈能听懂的话”等，可以让DeepSeek的回答更加通俗易懂。激发深度思考：让DeepSeek进行批判性思考、反面思考和复盘，以恢复其深度思考能力。文风转换：通过指定模仿的作家和文体，让DeepSeek生成符合特定风格的文本。

Others are asking
我需要优化提示词助手
以下是关于优化提示词助手的相关内容： 在使用 Claude2 时，您可以让它对先前给出的答案进行“自我评估”。例如，如果您认为模型可能犯了错误，让它检查自己的工作，在任务中增加额外的审慎步骤，将回应分类为好或坏，或者让它说出更喜欢两个初始回应中的哪一个及原因。您还可以通过“提示链”自动执行类似的“额外审慎”步骤，并在要求它在文本中查找内容时，最好“给它一个出口”，以防止其胡编乱造。 Midjourney 机器人通过将提示分解为更小的单位（称为标记）来分析您的提示，这些标记可以是短语、单词甚至音节。带有不必要的单词、冗长的描述、诗意短语或对机器人的直接寻址的长提示可能会导致在图像中添加意想不到的元素，使用/shorten 命令可以帮助您发现提示中最重要的单词以及可以省略的单词。 XiaoHu.AI 日报中提到，通过链式思维等技术可自动改进提示词，提升 AI 模型回答的质量，具有示例增强、标准化、提示重写、预填充内容等功能特点，能显著提高模型的易读性和准确性。测试显示多标签分类准确率提升 30%，摘要任务可完全遵循字数要求。若提示缺少示例，Claude 还会自动生成合成示例，简化提示构建过程。
2025-03-05
生成图片提示词
以下是关于生成图片提示词的相关内容： 1. 藏师傅教您用 AI 三步制作任意公司的周边图片： 第一步：将生成的提示词填入{图像描述}位置，将您想生成的周边填入{周边描述}部分。例如：“The pair of images highlights a logo and its realworld use for a hitech farming equipment;this logo is applied as a black and white tattoo on lower back of an inmate”。参考此内容和风格特点创作提示词，然后根据{周边描述}设计配套描述，表达“展示同样的内容（可以是角色、标志等）”的意思。 第二步：将第二步的提示词和 Logo 图片放到 Comfyui 工作流，Lora 需要用到 InContext LoRA 中的 visualidentitydesign 从 https://huggingface.co/alivilab/InContextLoRA/tree/main 下载，工作流下载：https://github.com/op7418/Comfyuiworkflow/blob/main/FLUX/Logo%20%E5%91%A8%E8%BE%B9%E7%94%9F%E6%88%90.json 。 第三步： 。 2. “城市狂想”直接上手操作的教程中图片提示词生成： 提供了猫叔之前写的一段提示词的 prompt，例如： 远景，三分法构图，俯视视角，数字绘画，云雾缭绕的山谷，群山连绵起伏，山谷间云雾缭绕，阳光透过云层洒在山间，形成光与影的对比，模拟观众的视线逐渐接近这片土地，新印象派风格特征，使用数字画笔和渐变工具ar 16:9v 6.1 。 远景，中心对称构图，俯视视角，摄影风格，云雾中的山谷，山峦在云雾中若隐若现，山谷中隐约可见的河流蜿蜒流淌，云雾的流动感和山的静态形成对比，现实主义风格特征，使用长焦镜头和景深控制技术ar 3:2v 6.1 。 远景，对角线构图，俯视视角，水墨画风格，云雾缭绕的山谷，山峦线条流畅，云雾以墨色深浅表现，山谷中的云雾仿佛在流动，给人以动态的视觉感受，中国山水画风格特征，使用毛笔和水墨渲染技术ar 2:3v 6.1 。 为大家直接生成了 1 组共 12 段提示词，可直接在悠船和 MJ 中使用，其他平台工具请复制后删除包含以后的部分。 以悠船为例，进入悠船页面，点击开始想象按钮，粘贴提示词，回车等待几十秒生成 4 张图片，可选择喜欢的图片进行变化、高清、重塑、扩图等操作。变化会生成 4 张新图片，高清分为选择直接和选择强烈，重塑分为细微和强烈两种方式。
2025-03-05
你页面中的“AI提示词”是什么意思
AI 提示词是用于指挥 AI 生成您所需要内容的指令。它具有以下特点和作用： 角色设定：告诉大语言模型它在特定场景中所扮演的角色以及应专注的技能，使其能按照您的想法成为满足需求的“员工”。 描绘画面：用于描述您想要生成的画面，比如人物主体、风格、场景特点、环境光照、画面构图、画质等。 输入语言：支持中英文输入，不同的模型可能对输入语言的形式有不同要求。 优化方式：可以通过启用提示词优化来更生动地描述画面内容，还可以调整负面提示词以帮助 AI 理解不想生成的内容，利用“加权重”功能让 AI 明白重点内容，以及使用辅助功能如翻译、删除所有提示词、会员加速等。 语法规则：用英文半角符号逗号来分隔提示词，改变提示词权重有多种写法，还可以进行提示词的步数控制。
2025-03-05
利用 AI 生成测试用例，提示词如何编写
以下是关于利用 AI 生成测试用例时编写提示词的一些方法和要点： 1. 明确任务：清晰地定义生成测试用例的任务，例如明确测试的对象、范围和目标。 2. 提供上下文：若任务需要特定知识背景，在提示词中提供充足信息。 3. 语言清晰：使用简单、明确的语言，避免模糊或有歧义的词汇。 4. 给出具体要求：如对测试用例的格式、覆盖范围等有特定要求，应在提示词中指明。 5. 使用示例：提供期望的测试用例示例，帮助 AI 理解需求。 6. 保持简洁：提示词简洁明了，避免过多复杂信息导致 AI 困惑。 7. 运用关键词和标签：有助于 AI 更好理解任务主题和类型。 8. 测试和调整：生成结果后仔细检查，根据情况多次迭代调整提示词，直至满意。 例如，在生成符合要求的单词卡内容并填入 Excel 文件的测试用例时，首先给出基本示例作为核心依托，然后根据不同生成内容限定规则，包括对自然语言描述附加更多限制，以确保按要求输出 Excel 文档。在批量产出时，注意上传压缩文件并完成套版等操作。 另外，在 GPTs 实战中制作迷宫卡片时，也涉及到分步实现需求，如 GPT 生成主题相关绘图提示词、Dalle3 根据生成图片绘制底图、Python 随机绘制迷宫等步骤，其中都需要精心编写提示词，并根据效果进行调整和优化。
2025-03-05
sd的提示词
以下是关于 SD 提示词的相关知识： 1. 一般的提示词示例：如“,drawing,paintbrush”，其中括号和“:1.2”等用于增加权重，权重越高在画面中体现越充分，提示词的先后顺序也会影响权重。 2. 反向提示词：例如“NSFw,”。 3. 新手入门提示词：根据想画的内容写提示词，多个提示词之间使用英文半角符号“,”。一般概念性、大范围、风格化的关键词写在前面，叙述画面内容的其次，最后是描述细节的。提示词顺序很重要，越靠后的权重越低。关键词最好具有特异性，措辞越具体越好。可以使用括号人工修改提示词的权重，如“字符”。 4. 具体案例：如大模型“ghostmix_v20Bakedvae”的正向提示词“1girl,solo,long hair,looking at viewer,jewelry,earrings,indoors,bangs,dress,blush,plant,multicolored hair,upper body,shelf,pink eyes,window,potted plant,flower,closed mouth,from side,wavy hair,bare shoulders,sleeveless,pink hair,kitchen,breasts,blue dress,white hair,<lora:Colorful portraits_20230715165729000018:1>”，负向提示词“EasyNegative,badhandsv5neg,Subtitles,word”。
2025-03-05
提示词生成图片
以下是关于提示词生成图片的相关内容： ComfyUI Flux 与 runway 制作绘画视频： 生成图片：提示词告诉 flux 去生成一张技术草图，CAD。短提示词可在给定提示词中提取。 绘制的视频：在 runway 里面，使用提示词，从空白页面开始逐行创建，并把生成的图片作为尾帧。 草图上色：使用 flux 的 controlNet，depth 固定，Union 版本不建议权重调太高，结束时间也需注意。 生成上色后的视频：提供相关视频链接。 how2draw Flux lora：分享好玩的 flux lora 用来展示绘画过程，触发词为 how2draw。 “城市狂想”直接上手操作的教程： 图片制作：直接点击回车等待几十秒生成图片，一次性生成 4 张，可选择喜欢的图片进入进行变化、高清、重塑、扩图等操作。变化会生成新的 4 张图片，高清有不同效果，重塑分细微和强烈两种方式。 景淮：镜子画布小游戏： 图片生成：使用简笔画方式画一张机器人的图片，画风可爱，左右对称结构，线条少且简单。测试用例为一只小猫。 图片处理： “橡皮擦”难度：使用 python 按步骤处理图片，以中轴线为基础裁剪，图片左边保持不变，右边增加相同大小空白图片并展示结果。 “田字格”辅助线模式：使用 python 处理图片，步骤包括裁剪、增加空白图片、加入水平和竖直方向各 11 条等距虚线辅助线并展示结果。 “描红”辅助线模式：仅提供提示词。
2025-03-05
清华大学deepseek讲解视频
以下是为您找到的与清华大学和 DeepSeek 相关的信息： 清华大学计算机科学与技术系助理教授章明星从大模型当前的发展阶段出发，分享了关于模型架构演进、大模型 Scaling Law 的发展趋势及相应趋势对系统层面影响的看法，并探讨了未来的发展方向。 《DeepSeek 的秘方是硅谷味儿的》提到 DeepSeek 是一家位于杭州的人工智能创业公司，其大语言模型 DeepSeekV3 在全球引发广泛关注。该模型以 550 万美元和 2000 块低配版英伟达 H800 GPU 训练，超越了多个顶级模型，获得硅谷研究者的高度评价。DeepSeek 的成功被视为中国式创新的典范，但其独特之处在于其更像一个研究机构，注重技术创新而非商业化运作，吸引了大量年轻的顶尖研究人才。 但未找到清华大学 deepseek 讲解视频的直接相关内容。
2025-03-05
清华大学deepseek讲解
以下是关于 DeepSeek 的相关信息： 清华大学计算机科学与技术系助理教授章明星从大模型当前的发展阶段出发，分享了关于模型架构演进、大模型 Scaling Law 的发展趋势及相应趋势对系统层面影响的看法，并探讨了未来的发展方向。 DeepSeek 是一家位于杭州的人工智能创业公司，其大语言模型 DeepSeekV3 在全球引发广泛关注。该模型以 550 万美元和 2000 块低配版英伟达 H800 GPU 训练，超越了多个顶级模型，获得硅谷研究者的高度评价。DeepSeek 更像一个研究机构，注重技术创新而非商业化运作，吸引了大量年轻的顶尖研究人才。 关于 DeepSeek 有众多媒体报道和网络文章，如中国新闻网的《突然爆火！中国“神秘力量”震动美国科技圈》、海峡都市报的《“华裔天才”亚历山大·王：DeepSeek 的 AI 大模型发布可能会“改变一切”》、每日经济热点新闻的《突然火爆全网！Deepseek 被“挤”到宕机！创始人 17 岁考入浙大，36 岁管理千亿私募！公司多岗位招新，实习生日薪最高上千元》等。 以上信息涵盖了 DeepSeek 在技术、评价、媒体报道等方面的情况。
2025-03-05
deepseek相关的文档
以下是与 DeepSeek 相关的文档和信息： 在 2025 年 2 月 6 日的“【今晚 8 点】聊聊你怎么使用 DeepSeek！”中，提到了以下内容： DP 模型的功能：能进行自然语言理解与分析、编程、绘图，如 SVG、MA Max 图表、react 图表等。 使用优势：可以用更少的词让模型做更多事，思维发散，能给出创意思路和高级内容。 存在问题：思维链长不易控制，可能输出看不懂或胡编乱造的内容，增加纠错成本。 审核方法：可以用其他大模型来解读 DP 模型给出的内容。 使用建议：使用时要有自己的思维雏形，多看思考过程，避免被模型冲刷原有认知。 使用场景：包括阅读、育儿、写作、随意交流等方面。 案例展示：通过与孩子共读时制作可视化互动游戏，以及左脚踩右脚式的模型交互来展示 DP 模型的应用。 音系学研究：对音系学感兴趣，通过对比不同模型的回答来深入理解，如 bug 和 DIFF SIG，探讨语言概念在音系学下的心理印象等。 大模型取队名：与大模型进行多轮对话来取队名，通过不断约束和披露喜好，最终得到满意的队名及相关内容。 此外，2 月 6 日的宝玉日报中提到： Dario Amodei 认为 DeepSeek 进入前沿 AI 竞赛，但美国应保持领先优势。 强调“没有民族主义敌意”，依旧欢迎华裔科学家加入 Anthropic。 批评 DeepSeek 安全性差，称其“测试过的模型里最糟糕”。相关文稿：
2025-03-05
Deepseek具体如何应用
DeepSeek 的应用方式如下： 1. 访问 www.deepseek.com ，点击“开始对话”。 2. 将装有提示词的代码发给 DeepSeek 。 3. 认真阅读开场白之后，正式开始对话。 DeepSeek 的设计思路包括： 1. 将 Agent 封装成 Prompt ，将 Prompt 储存在文件，保证最低成本的人人可用的同时，减轻自己的调试负担。 2. 通过提示词文件，让 DeepSeek 实现同时使用联网功能和深度思考功能。 3. 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性。 4. 照猫画虎参考大模型的 temperature 设计了阈值系统，但是可能形式大于实质，之后根据反馈可能会修改。 5. 用 XML 来进行更为规范的设定，而不是用 Lisp（对开发者来说有难度）和 Markdown（运行下来似乎不是很稳定）。 关于 DeepSeek 的相关反馈： 1. 华尔街分析师对 DeepSeek 的反应：DeepSeek 展示出媲美领先 AI 产品性能的模型，但成本仅为其一小部分，在全球主要市场的 App Store 登顶。Jefferies 警告其技术可能打破资本开支狂热，Citi 对其技术突破提出质疑。高盛预测其可能改变科技巨头与初创公司的竞争格局，降低 AI 行业进入门槛。 2. DeepSeek 的实际使用体验：在文字能力上表现突出，尤其在中文场景中高度符合日常、写作习惯，但在专业论文总结方面稍弱。数学能力经过优化，表现不错；编程能力略逊于 GPT ，据用户反馈。GRPO 算法替代传统 PPO ，降低价值函数估计难度，提高语言评价场景的灵活性与训练速度。
2025-03-05
如何将deepseek部署到小爱音箱
以下是将 deepseek 部署到小爱音箱的步骤： 1. 本地部署教学（vscode） 第七步：安装依赖并运行 在下方终端窗口，单击终端，输入 cd migpt。 安装依赖，输入 pnpm install。安装完成后，界面会有所显示。 如果安装过程报错，出现特定情况，请在命令栏输入：npm cache cleanforce 清除缓存后重新运行 pnpm install。 构建项目，输入 pnpm build。出现特定界面即安装完成。 如果出现报错，找到 migpt 中 package.json 文件，将第 28 行 build 进行修改，注意不要删除引号，修改完成后保存。保存后运行 pnpm build，即可正常安装完成。 运行项目，输入 pnpm run dev。 运行成功时，进入特定页面，每次对话都会在终端中显示。 每次需要打开服务时，按照特定方式进入终端，先输入 cd migpt，再运行 pnpm run dev 即可打开服务。如果出现错误，可能是网络问题，请重新运行 pnpm run dev。 2. 注意事项：每次对话时，记得给大模型思考的时间，说话太快可能会出问题。
2025-03-05
华为云部署Deepseek
以下是关于 DeepSeek 在不同云计算厂商部署的相关信息： 华为昇腾社区：全版本。部署 DeepSeekR1 模型，用 BF16 权重进行推理至少需要 4 台 Atlas 800I A2（864G）服务器，用 W8A8 量化权重进行推理则至少需要 2 台 Atlas 800I A2。服务器调用 Docker 下载部署权重资源，非 API 调用模式。 阿里云（人工智能平台 PAI）：全版本。以 R1 为例，所需计算资源价格 316.25/小时。模型部署成在线服务，在人工智能平台 PAI 下的模型部署下的模型在线服务 EAS。 阿里云（阿里云百炼）：全版本。免费额度：10000000/10000000。通过 API 调用。 此外，DeepSeek 相关的月度榜单信息： A10+1：DeepSeekR1 上线华为云和腾讯云。 如需了解更完整的榜单信息，欢迎访问 。
2025-03-05
AIGC大模型是什么？
AIGC 大模型是一个较为复杂的概念，下面为您详细解释： 首先，生成式 AI 生成的内容称为 AIGC。 相关技术名词包括： 1. AI 即人工智能。 2. 机器学习是指电脑通过找规律进行学习，包括监督学习、无监督学习和强化学习。 监督学习使用有标签的训练数据，目标是学习输入和输出之间的映射关系，包括分类和回归。 无监督学习的数据没有标签，算法自主发现规律，经典任务如聚类，例如让模型将一堆新闻文章根据主题或内容特征分成相似的组。 强化学习从反馈中学习，以最大化奖励或最小化损失，类似训练小狗。 3. 深度学习是一种参照人脑神经网络和神经元的方法（因有很多层所以叫深度），神经网络可用于监督学习、无监督学习和强化学习。 4. 生成式 AI 能够生成文本、图片、音频、视频等内容形式。 5. LLM 是大语言模型。对于生成式 AI，生成图像的扩散模型不属于大语言模型；对于大语言模型，生成只是其中一个处理任务，比如谷歌的 BERT 模型，可用于语义理解（不擅长文本生成），如上下文理解、情感分析、文本分类。 技术里程碑方面，2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它完全基于自注意力机制（SelfAttention）来处理序列数据，而不依赖于循环神经网络（RNN）或卷积神经网络（CNN）。
2025-03-05
学习ai对普通人的生活有什么意义
学习 AI 对普通人的生活具有多方面的重要意义： 1. 提供更高效的个人助理服务：人工智能模型将很快能作为自主的个人助理，代表您执行特定任务，如帮助协调医疗护理。 2. 促进教育方式的变革：人工智能工具在教育领域有创新的应用空间，如通过交流互动辅助学习，但需要正确引导使用，避免过度依赖。 3. 助力艺术创作：在艺术领域，人们可以与计算机合作作画，发挥自身的创造力。 4. 提高工作效率：普通人可以通过合适的软件和学习内容，运用 AI 来提升工作效率。 5. 带来科技便利与幸福：AI 是未来的必然方向，简单试用能让普通人更快受益，使生活因科技而更加便利和幸福。 然而，在推广 AI 的过程中也面临一些挑战，如需要降低计算成本以使其更加普及，避免其成为有限资源导致战争或成为富人的工具。同时，要正确引导使用，避免其带来负面影响。
2025-03-05
AI系统
以下是关于《促进创新的人工智能监管方法》的相关内容： 在附件 A：实施部分，对于对个人有法律或类似重大影响的情况，监管机构需要考虑要求人工智能系统运营商向受影响方提供适当决策理由的适用性。人工智能系统应遵守特定监管领域内与个人脆弱性相关的监管要求。监管机构需依据现有权力和职责，考虑人工智能系统的使用如何改变个人的脆弱性。同时，应考虑可用的解决人工智能公平、偏差缓解和伦理考虑的技术标准（如 ISO/IEC TR 24027:2021、ISO/IEC 12791、ISO/IEC TR 24368:2022），以明确监管指导并支持风险处理措施的实施。 在责任和治理方面，预计监管机构需要确定谁对现有法规和原则的合规负责。在实施的初始阶段，监管机构可能会就如何证明责任提供指导。从中长期来看，政府可能会就责任如何适用于生态系统内的特定参与者发布额外指导，并提供关于治理机制的指导，包括潜在的适当风险管理和治理流程（包括报告职责）范围内的活动。 此外，文中还提供了一些人工智能系统的说明性示例，如客户服务聊天机器人中的自然语言处理，其具有适应性和自主性，能根据大量数据集训练来识别普通人类语言中的统计模式，随着系统从每次新体验中学习，个性化程度可能会提高，但其可能会无意中包含不准确或误导性信息。自动化医疗分诊系统能根据医疗数据集、患者记录和实时健康数据分析预测患者病情并生成信息，但也存在潜在风险。 当人工智能系统的可解释性不足时，供应商和用户可能会无意中违反法律、侵犯权利、造成伤害并危及人工智能系统的安全。人工智能系统应根据其上下文显示适当的可解释性水平。 在公平原则方面，人工智能系统不应损害个人或组织的合法权利，不应不公平地歧视个人或造成不公平的市场结果。参与人工智能生命周期各个阶段的行为者应考虑适合系统使用、结果和相关法律应用的公平定义。监管机构可能需要制定并公布相关描述和说明。
2025-03-05
我想知道AI在财务领域的应用
AI 在财务领域有以下应用： 1. 更动态的预测和报告： 帮助编写 Excel、SQL 和 BI 工具中的公式和查询，实现分析自动化。 从更广泛、更复杂的数据集中发现模式，为预测建议输入，并适应模型为公司决策提供依据。 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。 2. 会计和税务： 综合、总结税法，并就潜在扣除项提出可能答案。 3. 采购和应付账款： 自动生成和调整合同、采购订单和发票以及提醒。 4. 税务工作： 利用引刀 AP 创建网页实现智能解答税务问题。 结合飞书避免信息泄露和实现自动回复。 5. RPA 应用： 控制桌面软件，实现办公流程自动化，如开票、网银流水下载等。 替代电脑办公中的重复有逻辑工作，为企业降本增效。
2025-03-05
如何用ai剪视频与音乐卡点
以下是关于用 AI 剪视频与音乐卡点的相关内容： 1. Suno 专属音乐生成功能：视频会根据画面匹配生成音乐，且能实现音乐和视频卡点。您可以生成随手拍的内容进行尝试。 2. 前 Sora 时代的 AI 短片制作： 声音调试：使用 11labs 时通过标点符号改变语音效果，国内可使用出门问问的魔音工坊，其有情绪调节控件。 剪辑工具：13 分钟的短片可用剪映，因其有人性化设计和简单音效库、小特效；510 分钟或更长篇幅、追求更好效果可能需用 PR/FCP/达芬奇等传统剪辑软件。 剪辑流程：视频粗剪 视频定剪 音效/音乐 特效 包装（如字幕）。注意不要先铺满音乐再剪，以免放弃听觉制作空间。 3. AI 短片配音： 音乐素材：包括之前收藏的满意音乐素材、音效素材和抖音收藏的音乐。 AI 音乐：可选择人声歌曲或纯音乐，描述想要的音乐风格，若为人声歌曲还可自己写歌词或让 AI 写，通过智能歌词按钮输入提示让 AI 写作。 音乐库：剪映提供各种风格音乐，选择合适的添加到音轨。 音效库：通过搜索框输入关键词，试听合适的音效并添加到音轨。
2025-03-05
AI除了政务还可以应用在哪些方面
AI 的应用领域非常广泛，除政务外，还包括以下方面： 1. 医疗保健：辅助疾病诊断、医疗影像分析、药物研发等。 2. 金融服务：风险评估、欺诈检测、投资决策等。 3. 教育领域：个性化学习、智能辅导、教学资源推荐等。 4. 制造业：质量检测、生产流程优化、设备维护预测等。 5. 交通运输：自动驾驶、交通流量预测、物流优化等。 6. 市场营销：客户细分、精准营销、市场趋势预测等。 7. 娱乐产业：游戏开发、内容创作、虚拟角色等。 8. 农业：作物监测、病虫害预测、农业资源管理等。
2025-03-05
小白应该从哪里开始学习AI
对于小白学习 AI，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。 此外，《雪梅 May 的 AI 学习日记》也可供参考： 1. 适合纯 AI 小白，可先看左边的目录。 2. 学习模式是输入→模仿→自发创造。 3. 学习内容可去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新的内容。 4. 学习时间不是每天依次进行，有空的时候学习。 5. 保持良好的学习状态，能学多少算多少。 6. 学习资源的内容都是免费开源的。 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。
2025-03-05
你是一个小白学习制作一个ai动画
作为小白参与制作 AI 动画短片，您可以参考以下步骤和心得： 一、前期准备 1. 特别感谢共创活动组织者「AJ、娜娜、猫叔、三思、王贝等」，以及 5 组组长「阿强」的指导和帮助。 2. 了解 SOP（标准操作程序）和工作流的重要性，它们是确保项目顺利进行的关键。 二、具体流程 1. 项目规划：确定短片主题和目标观众，制定详细的制作计划。 2. 剧本创作：编写故事脚本，设计角色和场景以及创意。分享剧本创作资料如下： https://waytoagi.feishu.cn/wiki/G11fwW8bmiVLe6kYLgYc2iGin6e 捏剧本 Bot（捏剧本离谱村专用 https://www.coze.cn/store/bot/7367669913697239052?panel=1&bid=6cs144r404016 3. 分镜头脚本：根据脚本制作分镜头脚本，确定每个镜头的画面和动作。 4. 资源准备：准备动画制作所需的素材，包括背景、角色和音效。 5. 画面图片制作：利用 AI 出图工具，比如通过 ChatGPT、MJ、SD 等工具快速生成高质量的图片。 6. 视频制作：利用 AI 工具制作动画，通过 RUNWAY、Luma、Dreamina 等平台快速生成高质量的动画。 7. 后期剪辑：添加音效、配音和字幕，进行最终的剪辑和合成。 8. 发布和推广：将完成的动画短片发布到各大平台，并进行推广和宣传。 三、个人经验分享 1. 负责的内容：在项目中负责“刺猬菠萝”角色的图片和视频制作，在他人指导下逐渐掌握基本技巧，并快速入门了 MJ 和 RunWayAI 工具来提高效率。 2. 学习实践：为了顺利完成任务，花时间学习和实践。首先，WaytoAGI 社群中有很多入门资料，可以快速了解动画制作的基本流程和技术。其次，积极参与团队讨论，向有经验的大佬们请教。 3. 快速入门 MJ 和 RunWay 心得：MJ 和 RunWay 是两个非常强大的 AI 工具，分别用于角色图片生成和动画制作。通过反复实践和摸索，逐渐掌握使用方法。 MidJourney 角色一致性： 角色一致性：使用cref 后接角色图片的 URL，可以在创作中保持角色形象的一致性。可以使用cw 来调整参考的强度，范围从 100 到 0。默认设置是 100，会使用面部、头发和衣服；强度为 0 时，只专注于面部，适合更换服装或发型等。 风格一致性：使用sref 后接风格参考图像的 URL，MidJourney 会生成与这些参考图风格一致的图像。可以添加多个风格参考链接，并通过::后跟权重数字来设置不同风格的相对重要性，例如：urlA::2 urlB::3。通过sw 设置样式的总权重，100 为默认值，0 为关闭值，1000 为最大值。可以结合使用垫图和 sref，垫图主要影响画面的构图和元素，而 sref 主要影响画风。 RunWay 的笔刷控制 5 月份参与制作的 AI 动画短片《奥运前夜》6.1 在广州电视台播放，作为设计小白感到非常自豪。
2025-03-05
怎么用你来学习
以下是关于如何用 AI 学习的相关内容： 新手如何学习 AI： 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。同时浏览入门文章，了解 AI 的历史、当前应用和未来发展趋势。 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。还可以通过在线教育平台（如 Coursera、edX、Udacity）按自己节奏学习，并争取获得证书。 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，可根据兴趣选择特定模块深入学习，同时掌握提示词技巧。 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和文章分享。 5. 体验 AI 产品：与现有的 AI 产品（如 ChatGPT、Kimi Chat、智谱、文心一言等）互动，了解其工作原理和交互方式。 如何用 AI 进行英语学习和数学学习： 英语学习： 1. 智能辅助工具：利用 AI 写作助手（如 Grammarly）进行写作和语法纠错，改进英语表达和写作能力。 2. 语音识别和发音练习：使用语音识别应用（如 Call Annie）进行口语练习和发音纠正，获取实时反馈和建议。 3. 自适应学习平台：使用自适应学习平台（如 Duolingo），利用 AI 技术量身定制学习计划，提供个性化学习内容和练习。 4. 智能导师和对话机器人：利用智能对话机器人（如 ChatGPT）进行英语会话练习和对话模拟，提高交流能力和语感。 数学学习： 1. 自适应学习系统：使用自适应学习系统（如 Khan Academy），结合 AI 技术提供个性化学习路径和练习题，精准推荐。 2. 智能题库和作业辅助：利用智能题库和作业辅助工具（如 Photomath），通过图像识别和数学推理技术提供数学问题解答和解题步骤。 3. 虚拟教学助手：使用虚拟教学助手（如 Socratic），利用 AI 技术解答数学问题、提供教学视频和答疑服务。 4. 交互式学习平台：参与交互式学习平台（如 Wolfram Alpha）的数学学习课程和实践项目，利用 AI 技术进行数学建模和问题求解。 通过结合 AI 技术和传统学习方法，能更高效、更个性化地进行英语和数学学习，并取得更好效果。但请注意内容由 AI 大模型生成，请仔细甄别。
2025-03-05
深度学习模型图
以下是为您提供的关于深度学习模型图的相关内容： 腾讯研究院的 AI 年度关键词报告： 基于全年研究积累的三十余万字 AI 进展数据库，精选 50 个年度关键词，覆盖大模型技术的八大领域，包括图像处理、视频生成、3D 生成、编程助手、Agent、端侧智能、具身智能和基础模型。通过“快思考”与“慢思考”两种维度进行分析，“快思考”采用人机协同方式完成印象卡片，“慢思考”深入分析技术发展的底层逻辑。 DiT 架构： 结合扩散模型和 Transformer 的架构，用于高质量图像生成的深度学习模型。其核心观察包括 Transformer 从文本扩展至其它、DiT 架构带来图像生成质的飞跃、Scaling Law 在图像领域开始生效。 深度学习模型原理的通俗解释： 将深度学习要处理的信息比作水流，处理数据的深度学习网络是由管道和阀门组成的庞大水管网络。网络入口和出口有许多管道开口，且有多层，每层有调节阀。根据不同任务，层数和调节阀数量可变化。如识别汉字，将图片数字组成的水流灌入网络，根据出口水流情况调节调节阀，直至符合预期要求，训练好的模型可识别新的图片。 AI 技术原理与框架的小白学习笔记： 1. 概念：生成式 AI 生成的内容叫 AIGC。 2. 相关技术名词及关系： AI 即人工智能。 机器学习包括监督学习、无监督学习、强化学习，监督学习有标签，无监督学习无标签，强化学习从反馈学习。 深度学习参照人脑有神经网络和神经元，神经网络可用于多种学习方式。 生成式 AI 可生成多种内容形式，LLM 是大语言模型。 3. 技术里程碑：2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，提出 Transformer 模型，基于自注意力机制处理序列数据，无需依赖 RNN 或 CNN。
2025-03-05
深度学习模型图
以下是为您提供的关于深度学习模型图的相关内容： 腾讯研究院的相关报告： 基于全年研究积累的三十余万字 AI 进展数据库，精选 50 个年度关键词，覆盖大模型技术的八大领域，包括图像处理、视频生成、3D 生成、编程助手、Agent、端侧智能、具身智能和基础模型。通过“快思考”与“慢思考”两种维度进行分析，“快思考”采用人机协同方式完成印象卡片，“慢思考”深入分析技术发展的底层逻辑。 DiT 架构： 结合扩散模型和 Transformer 的架构，用于高质量图像生成的深度学习模型。其核心观察包括 Transformer 从文本扩展至其它、DiT 架构带来图像生成质的飞跃、Scaling Law 在图像领域开始生效。 深度学习模型原理的通俗解释： 将深度学习要处理的信息比作水流，处理数据的深度学习网络是由管道和阀门组成的庞大水管网络。网络有多层，每层有调节阀，根据不同任务，层数和调节阀数量有不同组合。比如识别汉字，将图片的数字组成水流灌入网络，根据出口水流情况调节调节阀，直到符合预期要求，训练好的模型可识别新的图片。 AI 相关技术概念与关系： 1. 生成式 AI 生成的内容叫 AIGC。 2. 相关技术名词： AI 即人工智能。 机器学习包括监督学习、无监督学习、强化学习，监督学习有标签，无监督学习无标签，强化学习从反馈学习。 深度学习参照人脑有神经网络和神经元，神经网络可用于多种学习方式。 生成式 AI 可生成多种内容形式，LLM 是大语言模型，大语言模型的任务不止生成。 3. 技术里程碑：2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，提出 Transformer 模型，基于自注意力机制处理序列数据。
2025-03-05