个人如何通过AI获取收入

以下是一些 AI 应用的好方向： 1. 医疗药品零售领域： 药品推荐系统：利用机器学习算法分析用户数据，为用户推荐合适的非处方药品和保健品，提升销售转化率。 药品库存管理：通过分析历史销售数据等因素，预测药品需求量，优化库存管理策略，降低成本。 药品识别与查询：借助计算机视觉技术，用户可通过手机拍摄药品图像，AI 系统自动识别并提供相关信息查询服务。 客户服务智能助手：基于自然语言处理技术，AI 虚拟助手回答顾客关于购药、用药、保健等常见问题，减轻人工客服工作压力。 药店运营分析：AI 分析药店销售、顾客流量、库存等大数据，发现潜在运营问题和优化空间，为决策提供参考。 药品质量监控：通过机器视觉等技术，AI 自动检测药品包装、标签、颜色等是否合格，及时发现问题。 药品防伪追溯：利用区块链等技术，AI 实现全流程药品溯源，确保药品供应链的安全性和真实可信度。 2. 改善大模型产品的使用体验，使其面对细分领域需求时变得更好用。 3. 助力用户工作流，对已有场景进行优化。 4. 细分场景独立实用工具。 5. AI 社区。 6. Chatbot。 7. 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：为患者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。 8. 金融服务： 风控和反欺诈：降低金融机构风险。 信用评估：帮助金融机构做出贷款决策。 投资分析：辅助投资者做出投资决策。 客户服务：提供 24/7 服务，回答常见问题。 9. 零售和电子商务： 产品推荐：分析客户数据，推荐可能感兴趣的产品。 搜索和个性化：改善搜索结果，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：回答客户问题并解决问题。 10. 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，提高产品质量。 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。 11. 交通运输：（具体应用未详细列举）

以下是利用这个网站学习 AI 的方法： 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，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，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。 这个网站的功能包括： 1. 和 AI 知识库对话：您可以在这里问任何关于 AI 的问题。 2. AI 网站：集合了精选的 AI 网站，按需求找到适合您的工具。 3. AI 提示词：集合了精选的提示词，可以复制到 AI 对话网站来使用。 4. 知识库精选：将每天知识库的精华内容呈现给大家。 使用 AI 进行英语学习和数学学习的方法： 英语学习： 1. 利用智能辅助工具（如 Grammarly）进行英语写作和语法纠错，改进英语表达和写作能力。 2. 使用语音识别应用（如 Call Annie）进行口语练习和发音纠正，获得实时反馈和建议。 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的学习内容及练习。 4. 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. 使用自适应学习系统（如 Khan Academy），获得个性化的数学学习路径和练习题。 2. 利用智能题库和作业辅助工具（如 Photomath），获取数学问题的解答和解题步骤。 3. 使用虚拟教学助手（如 Socratic），获得数学问题的解答、教学视频和答疑服务。 4. 参与交互式学习平台（如 Wolfram Alpha）的数学学习课程和实践项目，进行数学建模和问题求解。

以下是一些常用于制作 AI 广告的工具： 1. 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。 2. HeyGen：基于云的 AI 视频制作平台，用户可从众多 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。 3. 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。 4. 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。 5. Writesonic：专注于营销内容创作的 AI 写作助手，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 。总的来说，这些 AI 工具能够帮助营销人员高效创作各种营销内容，提高工作效率。用户可根据实际需求选择合适的工具。 此外，分众传媒携手阿里通义大模型，开拓了品牌广告 AI 营销新模式，具有以下价值： 1. 品牌营销 AI 化：赋能品牌客户利用 AI 大模型技术，进行品牌定位分析并制定品牌营销策略，在存量博弈的市场快速找到差异化优势，高效利用线下流量建立品牌势能。 2. 降低营销门槛：降低中小广告主的投放门槛，通过一键生成广告语，一键 AI 设计等 AI 应用，帮助广告主快速高效制作广告创意素材。 3. 业务价值回报：众智 AI 大模型将为分众拓宽客户边界，提高服务能力，通过对供给侧的生产效率变革提高传媒行业新质生产力。 同时还有相关的应用，如： 1. AI 小智助手：通过“AIchat”对话交互方式，进行品牌洞察分析和营销策略制定的应用。基于通义千亿大模型进行准确的语义理解和意图分类，并根据用户的具体提问场景调用“众智 AI 大模型”回答问题并多轮交互。 2. AI 广告语：基于分众高质量广告语数据和广告语方法论，模拟营销专家的创作思路搭建的 Agent 生成应用。 如果您想制作商业级的 AI 视频广告，在脚本和分镜创作方面，需要注意以下几点： 1. 写脚本：确定广告的总时长，内容包括开场白、汽车的基本介绍、展示车辆和服务的亮点、客户证言或推荐以及最后的呼吁行动。同时要选择合适的背景音乐，编写吸引人的台词，准备所需的道具，设计不同的镜头景别，规划镜头的运动方式。 2. 对于奔驰 GLE300L 广告脚本，如果需要，可使用 Claude 生成，并根据不满意的地方要求其进行修改。

以下是一些可以帮助您编程、生成代码、debug 的 AI 工具： 1. GitHub Copilot：由全球最大的程序员社区和代码托管平台 GitHub 联合 OpenAI 和微软 Azure 团队推出的 AI 编程助手。它支持和兼容多种语言和 IDE，可为程序员快速提供代码建议，帮助开发者更快、更少地编写代码。 2. 通义灵码：阿里巴巴团队推出的一款基于通义大模型的智能编程辅助工具，提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码注释生成、代码解释、研发智能问答、异常报错排查等能力。 3. CodeWhisperer：亚马逊 AWS 团队推出的 AI 编程软件，该代码生成器由机器学习技术驱动，可为开发人员实时提供代码建议。 4. CodeGeeX：智谱 AI 推出的开源的免费 AI 编程助手，该工具基于 130 亿参数的预训练大模型，可以快速生成代码，帮助开发者提升开发效率。 5. Cody：代码搜索平台 Sourcegraph 推出的一款 AI 代码编写助手，该工具借助 Sourcegraph 强大的代码语义索引和分析能力，可以了解开发者的整个代码库，不止是代码片段。 6. CodeFuse：蚂蚁集团支付宝团队为国内开发者提供智能研发服务的免费 AI 代码助手，该产品是基于蚂蚁集团自研的基础大模型进行微调的代码大模型。 7. Codeium：一个由 AI 驱动的编程助手工具，旨在通过提供代码建议、重构提示和代码解释来帮助软件开发人员，以提高编程效率和准确性。 更多辅助编程 AI 产品，还可以查看这里：https://www.waytoagi.com/category/65 以上工具都可以帮助您提高编程效率，但是每个工具的功能和适用场景可能会有所不同，您可以根据自己的需求来选择最适合您的工具。 对于更有经验的程序员来说，他们的关注点可能不仅限于代码的正确性，还包括整体代码质量。如的 Jeremy Howard 所解释的，关于 OpenAI Codex 模型的最新版本，“它编写冗长的代码，因为它生成的是平均水平的代码。对我来说，将平均水平的代码转化为我喜欢且知道是正确的代码，比从头开始编写它（至少在我熟悉的语言中）要慢得多。” 因此，虽然显然生成性编程是开发人员生产力的一个重要步骤，但目前还不清楚这种改进是否显著地不同于我们以前所看到的。生成式 AI 使程序员更优秀，但他们仍然必须编程。 简而言之，在可以低成本反复评估、并且算法难以显式设计的领域，软件 2.0 都将日益流行起来。当我们考虑整个开发生态以及如何适配这种新的编程范式时，会发现很多令人兴奋的机会。长远来看，这种编程范式拥有光明的未来，因为越来越明显：当我们某天要开发通用人工智能（AGI）时，一定是使用软件 2.0。

AI SFT 即监督微调（Supervised Finetuning）。它是一种在人工智能领域中的技术。例如在自然语言处理中，通过使用有监督的数据对预训练的模型进行微调，以使其更好地适应特定的任务和领域。在一些研究和应用中，如会话式医疗诊断人工智能应用 AMIE 中，SFT 被用于弥补真实世界数据样本的充分性、全面性、深刻性和洞察性。同时，在 Transformer 等模型的发展和应用中，SFT 也发挥着重要作用。

以下是关于 AI 生成 PPT 的相关内容： 卓 sir 的经验： 流程：先让 GPT4 生成 PPT 大纲，导入 WPS 启用 WPS AI 一键生成 PPT，再让 chatPPT 添加动画，最后手动修改细节。 难点：让 GPT4 写出符合要求的大纲最花时间，因题目抽象难以理解，后借助 GPT4 明确主题为结合具体电商网站研究 5 种不同电商模式。 雪梅 May 的体验： 体验了 gamma、AIPPT、islide AI 等生成 PPT 的产品，认为 gamma 最好用，只要提供内容框架，生成的 PPT/网页审美水平最高。 熊猫 Jay 的思路和指南： 主要思路：以爱设计为例，基于 Markdown 语法的内容生成 PPT，其他工具操作方式大同小异。 优化：可按照公司要求自行优化字体、图片等元素，对下载后的 PPT 删改内容。

以下是获取视频反向提示词的一些方法： 1. 在 Stable Diffusion 中，Embedding 相当于提示词打包功能，可将大量固定不变且文本量较大的负向提示词汇总到一个文件里。常见的负向起手式能排除一些低质量、坏手、姿态错误等情况。若不想使提示词复杂，可使用打包好的负向提示词 Embedding，达到一词顶一百词的效果。例如 EasyNegative，官方推荐其搭配二次元模型使用。 2. 对于某些视频生成工具，如云端 Comfyui 出图结合 AI 视频软件的方法： 打开相关工作流链接，如 https://www.esheep.com/app/5977 ，注册或登录。 步骤 1：红色框选择生成图片的大模型，绿色框添加提示词，蓝色框填写反向提示词。 步骤 2：红色框设置大小确保是 16:9 的比例，绿色框修改参数，不理解时可保持默认。 步骤 3：红色框上传深度图。 步骤 4：点击立即生成，在生成历史中下载图片。

AI 写作具有以下优势和应用场景： 优势：能够快速生成内容，提高写作效率；可以提供新的思路和创意。 应用场景：广泛应用于新闻通讯、营销文案、小说创作等领域。 利用 AI 辅助新闻通讯稿写作的方法包括： 头脑风暴：在写作前让 AI 提供选题建议或内容方向。 查找资料：借助 AI 快速汇总相关主题信息，节省查阅资料时间。 优化表达：写完初稿后，让 AI 检查语法、改善表达。 拓展思路：写作卡壳时，询问 AI 以开拓新的思路。 需要注意的是，写作不仅是产出内容，更是思考的过程，不应过度依赖 AI 写作，而应注重提升自身写作技巧和思考深度。同时，大语言模型在写作中很有用，如用于集思广益、头脑风暴等，但也存在编造故事产生错误信息的问题，需要鉴别信息准确性。另外，选好模型、克服平庸、显式归纳文本特征等方法有助于用 AI 写出好文字。

以下是为您整合的相关内容： Ollama 框架： 1. 支持多种大型语言模型，如通义千问、Llama 2、Mistral 和 Gemma 等，适用于不同应用场景。 2. 易于使用，适用于 macOS、Windows 和 Linux 系统，支持 cpu 和 gpu，用户能轻松在本地环境启动和运行大模型。 3. 提供模型库，用户可从中下载不同模型，这些模型有不同参数和大小以满足不同需求和硬件条件，可通过 https://ollama.com/library 查找。 4. 支持用户自定义模型，例如修改模型的温度参数来调整创造性和连贯性，或者设置特定的系统消息。 5. 提供 REST API 用于运行和管理模型，以及与其他应用程序的集成选项。 6. 社区贡献丰富，包括多种集成插件和界面，如 Web 和桌面应用、Telegram 机器人、Obsidian 插件等。 7. 安装：访问 https://ollama.com/download/ 进行下载安装。安装完后，确保 ollama 后台服务已启动（在 mac 上启动 ollama 应用程序，在 linux 上通过 ollama serve 启动），可通过 ollama list 确认。 基于 COW 框架的 ChatBot 实现步骤： 1. COW 是基于大模型搭建的 Chat 机器人框架，将多模型塞进自己的微信里实现方案。 2. 基于张梦飞同学的教程： 。 3. 实现内容： 打造属于自己的 ChatBot（文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等）。 常用开源插件的安装应用。 4. 正式开始前需知： ChatBot 相较于在各大模型网页端使用区别：本实现思路需要接入大模型 API 的方式实现（API 单独付费）。 风险与注意事项： 微信端因非常规使用，有封号危险，不建议主力微信号接入。 只探讨操作步骤，请依法合规使用。 大模型生成的内容注意甄别，确保所有操作均符合相关法律法规要求。 禁止用于任何非法目的。 处理敏感或个人隐私数据时注意脱敏，以防滥用或泄露。 5. 多平台接入：微信、企业微信、公众号、飞书、钉钉等。 6. 多模型选择：GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等。 7. 多消息类型支持：能处理文本、语音和图片，以及基于自有知识库进行定制的企业智能客服功能。 8. 多部署方法：本地运行、服务器运行、Docker 的方式。

以下是一些利用 AI 获取短视频流量的方法： 1. 前期筹备： 选择几个固定的话题在全网短视频造势，内容可从春晚的筹备倒计时、提前剧透、节目制作背后的花絮、AI 热点新闻、“我要上春晚”、春节回不了家等温情内容等方向切入选题。 提前准备企业微信号，后续建微信群裂变。先把直播时间和宣传海报确定下来，提前一周做直播预约和裂变动作，视频号直播预约量越大，对应的公域流量也会多匹配一些。 以群里 240 个种子用户作为初始流量入口，通过转发裂变撬动更大的流量。准备一个直播预约海报（可同时放几个平台的预约二维码），一篇公众号软文提前预约蓄水。直播时通过福袋、转发等再撬动一波裂变。 提前测试直播和 AI 视频，轮播形式有很大不确定性，抖音视频号直播都会打击纯无人直播，所以要提前几天测试直播流程和形式，如果能真人和 AI 结合会更容易过审。 2. 案例参考： 可参考一些爆火短视频示例，如用 AIGC 制作的爆款短视频，包括 Runway Gen1 相关视频、郑钦文澳网比赛 AI 处理视频等。 还可参考如“Robot Learning Moonwalk Dance Mocap Test _ NOT Real _ Incredible Wonder Studio Ai shorts”等相关视频。

以下是为您生成的 Python 代码示例，用于实现将样本的扰动分为 0、0.001、0.003、0.005 四类的分类器： ```python import numpy as np 第一步：导入需要的库 import numpy as np 第二步：加载数据 data = np.load 第三步：获取数据样本的扰动值 perturbation_values = data 假设扰动值在第二列 第四步：判断扰动值的大小并计数 count_0 = 0 count_0_001 = 0 count_0_003 = 0 count_0_005 = 0 for value in perturbation_values: if value == 0: count_0 += 1 elif value == 0.001: count_0_001 += 1 elif value == 0.003: count_0_003 += 1 elif value == 0.005: count_0_005 += 1 第五步：计算正确率 total_samples = len accuracy_0 = count_0 / total_samples accuracy_0_001 = count_0_001 / total_samples accuracy_0_003 = count_0_003 / total_samples accuracy_0_005 = count_0_005 / total_samples print print print print ```

野菩萨的 AIGC 资深课由工信部下属单位【人民邮电出版社】开设，是市面上值得推荐的 AI 课程之一，也是全网技术更新最快的课程。课程内容涵盖 AI 绘画、视听语言和 ChatGPT 等多个体系的知识，无论您是 AI 初学者还是进阶者，都能满足学习需求。您可以扫码添加菩萨老师助理，了解更多信息。

以下是使用 AI 工具创建个人工作知识库的方法： 1. 使用 AnythingLLM 软件： 安装地址：https://useanything.com/download 。 安装完成后进入配置页面，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。 在 AnythingLLM 中创建自己独有的 Workspace 与其他项目数据隔离。 首先创建一个工作空间，上传文档并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）和 Query 模式（大模型仅仅会依靠文档中的数据给出答案）。 完成配置后即可与大模型进行对话。 2. 基于 Coze 免费打造： 确定功能范围，编写 prompt 提示词，设定 Bot 的身份和目标。 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。创建知识库路径：个人空间 知识库 创建知识库。知识库文档类型支持本地文档、在线数据、飞书文档、Notion 等，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：在内容中加上一些特殊分割符，比如“”，以便于自动切分数据。分段标识符号要选择“自定义”，内容填“”。 创建工作流，告诉 AI 机器人应该按什么流程处理信息。创建工作流路径：个人空间 工作流 创建工作流。工作流设计好后，先点击右上角“试运行”，测试工作流无误后，就可以点击发布。如果任务和逻辑复杂，可以结合左边“节点”工具来实现。 私人知识库中的内容一般有两种：日常从互联网收集的优质信息和个人日常的思考以及分享。如果想基于这套知识库打造个人专属的 ChatGPT，常见的有两种技术方案：训练专有大模型和利用 RAG（检索增强生成）技术。训练专有大模型效果虽好，但存在高成本、更新难度大等缺陷，并非当下主流方案。

以下是建立个人领域个人知识库的方法： 1. 使用 embeddings： 将文本转换成向量（一串数字），可理解为索引，能节省空间。 把大文本拆分成若干小文本块（chunk），通过 embeddings API 将其转换成 embeddings 向量，与文本块语义相关。 在向量储存库保存 embeddings 向量和文本块，作为问答的知识库。 当用户提问时，将问题转换成向量，与向量储存库的向量比对，提取关联度高的文本块，与问题组合成新的 prompt 发送给 GPT API。 例如，对于“此文作者是谁？”的问题，可提取关联度高的文本块，如“本文作者：越山。xxxx。”“《反脆弱》作者塔勒布xxxx。” 2. 理解 embeddings： embeddings 是浮点数字的向量（列表），向量之间的距离衡量关联性，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，在计算机科学中常用列表表示。 常见的计算向量距离的方法是欧几里得距离。 在 OpenAI 词嵌入中，靠近的向量词语在语义上相似。 3. GPT 模型索引库 LlamaIndex： LlamaIndex 是更高一层 LangChain 的抽象，之前叫 GPT Index。 它简化了 LangChain 对文本分割和查询的接口，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。 需要注意的是，GPT3.5 一次交互支持的 Token 有限，OpenAI 提供了 embedding API 解决方案。随着技术发展，AI 的开发和使用门槛会降低，垂直领域知识库的搭建和优化更多是业务问题。

以下是关于一个人如何开发 AI 应用的指导： 首先，进行规划 POC 和开发路径。设计 POC 的小项目，比如“我是技术小白。我想要开发的项目功能如下。这里有哪些技术点？能否为我一一列举。请尽可能细化，帮我选择合适的技术方案，并为我设计 POC 项目。每个 POC 都应该是一个独立的项目，我好先通过完成 POC 来学会相关技术。”POC 即实验性小项目，其优点是足够小，AI 能直接生成。通过研究小项目、搞明白特定技术点的工作方式，便于后续在大项目中添加功能。这一步中，AI 可能会选取不合适的技术栈、拆分粒度不够细、开发路径设计不合理、没有循序渐进。如有可能，请老师傅把关。 接下来就是真正的实践。按照项目规划，学习一个 POC，并将其应用到大项目中；再学一个 POC，再运用。当遇到错误时，复制错误信息、相关代码，扔给 AI 让其找错误并修复。若使用可以识图的 claude 或 GPT4o，截图+错误信息+代码三件套会很好用。但可能会遇到一些问题，如开发 chrome 插件时，即便强调要用 manifest v3 的版本，AI 仍可能给出 v2 的代码及错误修复方案。此时，更有效的方式是找文档（可让 GPT 提供文档链接，或问 perplexity），或去 stackoverflow 上找答案（注意回答和评论的日期），然后把文档或找到的答案提供给 AI，让其基于这些信息修复，此时它给的指引会更正确且详细。当然，这一步如有老师傅支援更好。 另外，以证件照为例的 90 分钟从 0 开始打造第一个 Coze 应用的教学中，提到了 Code AI 应用的背景、现状以及学习过程，包括创建 AI 应用，学习操作界面、业务逻辑和用户界面，重点熟悉桌面网页版的用户界面等。

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。

AI 智能体对个人工作能力培养有以下启示： 1. 工作方法方面： 彻底让自己变成一个“懒人”。 能动嘴的不要动手，用嘴说出想做的事远比打字快。 能动手的尽量用 AI，用 AI 远比苦哈哈手敲快。 把手上的工作单元切割开，建设属于自己的智能体。 根据结果反馈不断调整自己的智能体。 定期审视自己的工作流程，看哪个部分可以更多地用上 AI。 2. 个人素质方面： 技术层面之外，个人能力的提升是核心，尤其是学习能力和创造能力。 学习能力是通过持续阅读和实践来吸收、消化和积累知识的能力，是构建个人知识体系的基础和个人成长的动力源泉。 为保持竞争力，要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，全方位、多角度学习和实践，以积累知识、提高适应能力和创新思维。 3. 技术应用方面： 迅速掌握生成式人工智能的基本概念和潜在影响，重点理解其如何革新工作方式和重塑行业格局。 深入了解市场上现有的人工智能产品和工具，并积极应用到实际工作中。 学习提示词技术，编写清晰、精确的指令，引导 AI 工具产生所需结果。 探索构建智能体，让其革新工作方式，多个虚拟伙伴和助手协同工作，提高工作效率和创新能力。 需要注意的是，AI 技术的出现能把大部分人的能力提升到及格线以上，人与人之间最大的差距在于认知差距。对创建 AI 智能体感兴趣的小伙伴，可前往 WaytoAGI 开源免费社区了解（里面有保姆级教程）。

AI 智能体对个人工作及职业规划具有多方面的启示： 在职业规划方面： 1. 职业趋势分析：基于最新市场数据和行业报告，协助分析自身专业或职业的前景，了解未来趋势。 2. 技能评估与提升：通过测评工具评估当前职业兴趣，提供针对性学习资源和课程建议，提升专业技能。 3. 职业匹配与推荐：根据兴趣、技能和职业目标，推荐适合的职业路径和职位，提供个性化建议。 4. 职业发展规划：结合个人情况和市场需求，制定详细的短、中、长期职业发展计划，帮助在 AI 时代找到职业定位。 在个人工作方面： 1. 掌握基本概念和潜在影响：对于生成式人工智能，应迅速了解其基本概念和潜在影响，无需深入技术细节，重点在于理解其对工作方式和行业格局的革新。 2. 应用现有产品和工具：深入了解市场上的人工智能产品和工具，并积极应用于实际工作，通过实践学习其优势和局限性。 3. 学习提示词技术：掌握提示词技术，编写清晰、精确的指令，引导 AI 工具产生所需结果，提升工作效率和产出质量。 4. 探索构建智能体：构建智能体，赋予其特定角色和任务，协同工作，提高工作效率和创新能力。 总之，AI 智能体为个人提供了提效的可能，如同拥有数字员工，在职业规划和工作中都能发挥重要作用。

普通人可以通过以下方式利用 AI 增加收入： 1. 学习 AI 技术，从事相关高薪工作，如成为数据科学家、机器学习工程师等。AI 技术在金融、医疗、制造业等众多行业都有应用，掌握相关技能能增加就业机会和职业发展可能性。 2. 关注技术发展带来的成本降低，例如人工智能降低商品和服务成本，如在供应链中通过机器人降低房屋建造成本等。 3. 若 AI 导致工作机会被部分企业和精英获取，政府可能通过税收平衡差异，全民基本收入（Universal basic income UBI）是一种解决方式。 但需要注意的是，学习了 AI 不一定能保证每个人都赚到钱，是否能赚钱还取决于个人的学习能力、实际应用能力、对市场和商业的理解等因素，需要持续学习和实践。

以下是一些常见的 AI 变现方法： 1. 电商方面： 利用 AI 制作服装：如 AI 小绿裙，单价 239 卖了 1160 多份，几个月共卖 27 万。可使用 sd、mj 或 mewxai、幻火等工具制作，前者有难度但可控性强，后者适合新手。 用 AI 定制萌娃的头像：单价 19.9，卖了 2675 份。执行力强的一个月能有 2000 3000 的收入，还可将做不完的单子转给别人抽成。 2. 自媒体方面： 直播带货。 橱窗带货：抖音需要 1000 粉丝、托管橱窗。 商单：如化妆品公司产品设计、产品包装设计、海报设计、游戏背景设计、儿童绘本、AI 漫画、PFP 头像设计、AI 图片+视频、AIGC+地方文旅、数字人、汽车宣传片、喜马拉雅微短剧等。 介绍粉丝接项目。 广告：通过平台（抖音星图、B 站花火）或私单。 视频挂载：视频号挂载课程，成交后返佣。 参与平台活动奖励。 希望以上内容对您有所帮助。

对于 AI 新手在 WaytoAGI 入手学习 AI 并获得现金收入，以下是一些建议： 学习 AI 有可能赚钱，但不保证每个人都能成功。人工智能领域有很多高薪工作，如数据科学家、机器学习工程师等，掌握相关技术可在这些岗位获得不错收入，且 AI 技术在各行业应用广泛，掌握技能能增加就业和职业发展机会。 然而，能否赚钱取决于多种因素，包括个人学习能力、实际应用能力、对市场和商业的理解等。仅学会基础知识可能难以在竞争中脱颖而出，需要持续学习和实践。 对于新手，【野菩萨的 AIGC 资深课】是不错的选择。这门课程由工信部下属单位【人民邮电出版社】开设，是市面上值得推荐的课程之一，也是全网技术更新最快的课程。课程涵盖 AI 绘画、视听语言和 ChatGPT 等多个体系的知识，无论新手还是进阶者都适用。 总之，新手要在 AI 领域获得现金收入，不仅要选对课程深入学习，还要不断提升自身能力，结合市场需求进行实践。

普通人想深入学习 AI 并获得收入，以下是一些可行的方向： 1. 就业岗位：可以朝着数据科学家、机器学习工程师等岗位努力。掌握 AI 技术后，有机会在这些高薪岗位上工作，获取不错的收入。同时，AI 技术在金融、医疗、制造业等众多行业都有应用，具备相关技能能增加就业机会和职业发展可能。 2. 新行业领域：技术的发展会开辟新的行业，虽然一些充分发展的行业可能因自动化而减少人力需求，但新领域会需要更多人手。例如，计算的不可约性会使事物变得更复杂，从而产生需要人类参与的“前沿”领域。 3. 提升自身认知：保持乐观，提升自己的认知，选择处于趋势内的行业。不要在当下选择已经是趋势之外的行业。 4. 学习路径： 编程基础：掌握 Python、C++ 等编程语言。 机器学习基础：了解监督学习、无监督学习等。 深度学习框架：熟悉 TensorFlow、PyTorch 等。 应用领域：钻研自然语言处理、计算机视觉、推荐系统等。 数据处理：学会数据采集、清洗、特征工程等。 模型部署：掌握模型优化、模型服务等。 行业实践：通过项目实战、案例分析积累经验。 需要注意的是，是否能通过学习 AI 赚钱取决于很多因素，如个人的学习能力、实际应用能力、对市场和商业的理解等。仅仅学会一些基础知识可能还不足以在竞争激烈的市场中脱颖而出，需要持续学习和实践。而且，数学和编程基础在学习过程中必不可少，同时要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。