我想学习AI，但是不知道如何入门，希望你可以帮我梳理出AI的各个应用方向，要求要有具体的实操方法和必坑指南，能应用于生活和工作中，适合新手学习

AI 绘画的出现并不会使自学绘画失去意义，原因如下： 1. 提升个人创造力和表达能力：自学绘画能够培养独特的创造力和个人风格，更自由地表达内心的想法和情感。 2. 深入理解艺术原理：掌握构图、色彩、线条等基本原理，为艺术创作打下坚实基础。 3. 锻炼手工技巧：如手绘的线条控制、笔触运用等，这些技巧在某些情况下是 AI 无法替代的。 AI 绘画方面： 1. 定义与发展：AI 绘画是利用人工智能技术，通过算法和模型让计算机生成具有一定艺术效果的图像。早期成果简单粗糙，随着技术进步，特别是深度学习算法的应用，如卷积神经网络等，能生成更复杂、逼真和富有创意的图像，涵盖各种风格和题材，并在与人类艺术家的互动和融合中不断创新。 2. 场景应用：在广告设计中可快速生成创意概念图，为策划提供灵感和初稿；在游戏开发中用于创建场景、角色形象等，提高开发效率；在影视制作中辅助生成特效场景、概念设计等；在建筑设计中帮助构想建筑外观和内部布局。 着色画方面： 1. 关键词简介：中文为着色画，英文为 Coloring page。它提供基础框架，由简单线条组成，勾勒物体或场景轮廓，留给创作者无限想象空间填充色彩和纹理，可手绘或数字格式。 2. 艺术效果：体现在色彩丰富性、情感表达、细节和纹理突出、创意发挥等方面。 3. AI 绘画的关键词结构思路：包括基础描述、风格指定、色彩要求、细节强调。 4. 进阶玩法：可用 MJ 的 Retexture 功能或即梦参考功能，通过写提示词或垫图功能给着色画上色。

要开发一个类似塔罗牌或欧卡牌的 AI 应用，以下是一些建议： 1. 数据收集与准备：收集大量与塔罗牌和欧卡牌相关的解释、象征意义、牌面图案等数据，为 AI 模型的训练提供丰富的素材。 2. 模型选择与训练：可以考虑使用自然语言处理模型，如 Transformer 架构的模型，对收集到的数据进行训练，以让 AI 学习理解和生成与卡牌相关的解释和预测。 3. 交互设计：设计一个直观且吸引人的用户界面，方便用户与 AI 进行交互，例如选择牌、提出问题等。 4. 个性化体验：根据用户的历史交互和偏好，为用户提供个性化的卡牌解读和建议。 5. 准确性与可靠性：不断优化模型，提高解读的准确性和可靠性，避免给出模糊或误导性的回答。 6. 伦理和法律考虑：确保应用的使用符合伦理和法律规范，不涉及欺骗或有害的内容。 7. 测试与优化：在推出应用前，进行充分的测试，收集用户反馈，不断优化应用的性能和用户体验。

目前比较成熟的图生图 AI 产品主要有： 1. Artguru AI Art Generator：在线平台，生成逼真图像，给设计师提供灵感，丰富创作过程。 2. Retrato：AI 工具，将图片转换为非凡肖像，拥有 500 多种风格选择，适合制作个性头像。 3. Stable Diffusion Reimagine：新型 AI 工具，通过稳定扩散算法生成精细、具有细节的全新视觉作品。 4. Barbie Selfie Generator：专为喜欢梦幻童话风格的人设计的 AI 工具，将上传的照片转换为芭比风格，效果超级好。 这些 AI 模型通过组合技术如扩散模型、大型视觉转换器等，可以根据文本或参考图像生成具有创意且质量不错的相似图像输出。但仍有一些局限，如偶尔会出现性能不稳定、生成内容不当等问题。 此外，原画师或美术会使用的图生图工具，比如用一个线稿或原画，在原画基础上加一些 Prompt 和参数，就可以形成一个效果图和二级的素材，这种情况会越来越多。像 Stable Diffusion 在这方面也有应用。

以下是快速掌握 AI 使用的方法： 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，可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。 对于小白快速掌握 Python 结合 AI 的方法： 1. 掌握最少必要知识，尽快开始并度过这个过程。 2. 参考：。 3. 结合 ChatGPT，不懂的都可以问，注意提示词。 另外，还有一份 20 分钟上手 Python + AI 的简明入门，旨在让大家更快掌握 Python 和 AI 的相互调用，并在接下来的 20 分钟内，循序渐进完成以下任务： 1. 完成一个简单程序。 2. 完成一个爬虫应用，抓取公众号文章。 3. 完成一个 AI 应用，为公众号文章生成概述。

以下是关于 AI 教育的相关内容： 人们对 AI 时代教育的期待： 长期以来的应试教育存在诸多弊端，如题海战术、考试制度等，导致学生创造性和创新性思维相对较差，且可能让学生对学习丧失兴趣。虽然教育资源比过去充裕，但学生学习能力未明显提升。对于三四五六线城市的学生，选择相对较少。 学校在 AI 教育方面的探索： 北京市新英才学校的师生已行动起来，跨学科项目老师带学生用 AIGC 做学校地图桌游，英语老师借助 AIGC 备课授课，生物和信息科技老师合作带学生训练 AI 模型识别植物。学校领导层重视，给予老师很大自由空间，目前处于探索初级阶段，但有一定经验成果。 中学生学习 AI 的建议： 1. 从编程语言入手学习，如 Python、JavaScript 等，掌握编程语法、数据结构、算法等基础知识。 2. 尝试使用 AI 工具和平台，如 ChatGPT、Midjourney 等，探索面向中学生的教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识，包括基本概念、发展历程、主要技术（机器学习、深度学习等），以及在各领域的应用案例。 4. 参与 AI 相关的实践项目，如参加学校或社区组织的编程竞赛、创意设计大赛等，尝试用 AI 技术解决实际问题。 5. 关注 AI 发展的前沿动态，关注权威媒体和学者，思考 AI 技术对未来社会的影响。

以下是关于 AI 提示词的相关内容： 在舞蹈音乐方面，有 108 个用于生成 AI 舞曲的提示词，例如“Punchy 4/4 beats,electro bass,catchy synths,pop vocals,bright pads,clubready mixes,energetic drops”。其中，Punchy 4/4 beats 指节奏感强的四四拍鼓点；Electro bass 指电子低音；Catchy synths 指易于记住的合成器旋律或音效；Pop vocals 指流行音乐风格的主唱；Bright pads 指明亮的和弦音效；Clubready mixes 指适合在夜店播放的混音；Energetic drops 指高潮部分。每个提示词精心制作，以有效地封装各种舞蹈音乐流派的具体特点和大气质量，同时确保适应不同的聆听环境。 对于 SD 新手入门的图文教程中的提示词部分，为您提供了以下相关资源： Majinai： 词图： Black Lily： Danbooru 标签超市： 魔咒百科词典： AI 词汇加速器： NovelAI 魔导书： 鳖哲法典： Danbooru tag： AIBooru：

RAG（Retrieval Augmented Generation，检索增强生成）是一种利用大模型能力搭建知识库的技术。其应用过程可抽象为以下 5 个步骤： 1. 文档加载：从多种不同来源加载文档，如 PDF 等非结构化数据、SQL 等结构化数据以及 Python、Java 等代码，LangChain 提供了 100 多种不同的文档加载器。 2. 文本分割：文本分割器把 Documents 切分为指定大小的块，称为“文档块”或“文档片”。 3. 存储：包括将切分好的文档块进行嵌入转换成向量的形式，以及将 Embedding 后的向量数据存储到向量数据库。 4. 检索：通过某种检索算法从向量数据库中找到与输入问题相似的嵌入片。 5. 输出：把问题以及检索出来的嵌入片一起提交给 LLM，LLM 会通过问题和检索出来的提示生成更合理的答案。 在本地部署 RAG 时，需要加载所需的库和模块，如 feedparse 用于解析 RSS 订阅源，ollama 用于在 python 程序中跑大模型。从订阅源获取内容，通过专门的文本拆分器将长文本拆分成较小的块，并附带相关元数据。为文档内容生成向量，可使用文本向量模型 bgem3。基于用户的问题，从向量数据库中检索相关段落，并根据设定的阈值进行过滤，最后让模型参考上下文信息回答用户的问题，从而实现 RAG。还可以创建网页 UI，并进行评测。 在问答测试中，对于同样的问题和上下文，基于不同模型如 Qwen7b、Gemma、Mistral、Mixtral 和 GPT4 分别进行了多次测试，得出了不同模型的表现结论。总结来说，本文展示了如何使用 Langchain 和 Ollama 技术栈在本地部署一个资讯问答机器人，同时结合 RSSHub 来处理和提供资讯。上下文数据质量和大模型的性能决定了 RAG 系统性能的上限，RAG 能提升答案质量和相关性，但不能完全消除大模型幻觉、信息滞后等问题。

以下是关于使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节的实操： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 8. 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 需要注意的是，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。 根据视频脚本生成短视频的 AI 工具有多种，例如： 1. ：ChatGPT 可以生成视频小说脚本，而剪映则可以根据这些脚本自动分析出视频中需要的场景、角色、镜头等要素，并生成对应的素材和文本框架。这种方法可以快速实现从文字到画面的转化，节省大量时间和精力。 2. ：在线 AI 视频生成工具，支持将多模态输入（如图像、文本、音频）转化为视频。 3. ：这是一个 AI 视频生成器，允许用户轻松创建和编辑高质量视频，无需视频编辑或设计经验。用户可以提供文本描述，Pictory 将帮助生成相应的视频内容。 4. ：提供了 AI 图像生成器和 AI 脚本生成器，帮助用户从图像制作视频，并规划从开场到结尾的内容。 5. ：这是一个 AI 视频创作工具，它能够将文本转化为风格化的视频内容，适用于多种应用场景。 6. ：专注于人工智能视频领域，提供文生视频、图生视频、视频转漫等服务，用户可以根据文本脚本生成视频。 这些工具各有特点，适用于不同的应用场景和需求，能够帮助内容创作者、教育工作者、企业和个人快速生成吸引人的视频内容。 在游戏《神谕》中，ChatGPT 生成对话内容和剧情的能力表现如下： 对于故事线，ChatGPT 可以通过 System Prompt 介绍游戏的故事背景和小机器人的人设。结合游戏中发生的关键事件，通过文字传递给 ChatGPT，生成游戏中关键的故事情节介绍，最后以小机器人自述的形式呈现出来。具体实现过程中有几种选择： 1. 离线生成：将 ChatGPT 作为离线工具使用，生成一次性剧情文案，并保存到游戏中。缺点是文案一旦确定就固定下来了，略显单调。 2. 实时生成：每次都让 ChatGPT 自由发挥，在关键的节点，将历史上下文信息发送给 ChatGPT 来生成实时文案，优势是每次发挥都在既定主题基础上有所差异，有一定随机性。但是实际的缺点是，每次生成的延迟较大，会让游戏为了等待剧情文案，而产生明显的停顿感。 因此选择：每局对局开始前，会为游戏的关键节点一次性生成所有文案。这样，每次游戏都可以产生不同的文案，且游戏过程中就不会因为剧情体验到明显的停顿感。剧情的故事格式，由预定义的 json 来表达，每次 ChatGPT 只需要替换填充内容即可。 对于实时对话，与剧情类似，不过最大的难点是如何让小机器人区分出来，您是希望跟它聊天，还是在让它执行某些指令，甚至能否边聊天边执行指令。背后最大的挑战是 ChatGPT 要支持生成类似“多模态”的返回信息。这里的“多模态”是指在您对话的内容中，可以同时返回“对话”和“代码”，而且以某种限定的格式返回，从而方便程序解析出来。类似的 prompt 描述为：按照上述的 prompt，大概率 ChatGPT 能输出符合要求的内容格式。

以下是一些学习 Coze 工作流的实操课程资源： 扣子案例合集社区内容分享： 【Agent 共学第二期】艾木分享|这也许是你一生中第一个 Bot：https://www.bilibili.com/video/BV1XT421i7jH/ 一步一步带你手搓一个 Coze Bot——Dr.Know（极简版 Perplexity）：https://www.bilibili.com/video/av1005221752 扣子工作流实战案例教程，手把手教你搭建一个图书管理工作流：https://mp.weixin.qq.com/s/Fh3Vm3EDSzoYVxf91GcMMA 使用扣子 Coze 创建 AI 绘画工作流：https://mp.weixin.qq.com/s/d_6yST8JXKf1Tr6JgBPFg 奶奶也学得会的 AI 工作流，省时省力下班早！：https://mp.weixin.qq.com/s/bXC8DHzs5_OgPh3FtKhJZA 中文 GPTS 使用秘籍，字节扣子 Coze 工作流使用全教程：https://zhuanlan.zhihu.com/p/682108709 Workflow 实践|使用 coze 复现一个 AIGC 信息检索 Bot：https://mp.weixin.qq.com/s/PFgjRq7XcTcqog1gLyFqA AI 自动获取 B 站视频摘要信息：https://mp.weixin.qq.com/s/x8lwvlomhFNLZl__qYuDww 如何用 Coze 制作一个信息检索 Bot（含 Workflow 的基础用法）：https://mp.weixin.qq.com/s/Ory8iVXXjjN3zSTcupPm6Q 蓝衣剑客：四万字长文带你通学扣子，其中在三、Coze 简介的 3.4 工作流部分提到，在典型应用场景中，入门级场景可能仅添加一个节点来构建简单工作流，例如使用获取新闻插件构建获取新闻列表的工作流、使用大模型节点接收并处理用户问题等。更进阶的场景则通过多个节点组合构建逻辑较复杂的工作流，例如在搜索并获取指定信息详情的场景中，先通过插件能力进行关键词搜索、然后通过代码节点过滤指定信息、最后通过插件能力获取信息详情；或者在通过条件判断识别用户意图的场景中，通过大模型节点处理用户消息，并将消息分类后通过条件节点分别处理不同类型的消息。这些详细配置教程提供了实际操作指南以帮助理解和应用各种功能。 「AI 学习三步法：实践」用 Coze 免费打造自己的微信 AI 机器人，其中搭建步骤详解的设计你的 AI 机器人部分，对工作流设计有详细说明： 开始节点和结束节点，coze 会自动生成。 开始节点配置：输入变量名写“Question”，描述写“用户输入的问题”，变量类型选“String”。 知识库配置：将【开始节点】和【知识库左侧节点】连接起来，这样知识库就可以调用开始节点的内容了；知识库输入：引用，开始节点的变量“Question”；将【知识库右侧节点】与【结束节点】的左侧连起来。 结束节点配置：结束节点用于输出 AI 机器人的最终结果，回答格式设置为：您的问题：{{question}} 问题的答案：{{answer}} 所以在输出变量那里，定义 2 个参数：question 引用“开始节点的 Question”，answer 引用“知识库节点的输出 output”，回答模式选择：使用设定的内容直接回答。 试运行测试：点击右上角“试运行”后，输入想问 AI 机器人的问题，比如：AIGC 课件，点击右下角“运行”，然后就可以看到工作流每一步的详细输入和输出。

以下是一些关于扣子实操的教程资源： 全网最全的 Coze 入门教程：https://www.bilibili.com/video/BV1YM4m167zP/ 扣子实战教程，全网最细节讲解：https://www.bzfree.com/doc/coze%E5%BC%95%E8%A8%80 Bot 创作者如何在 Coze 上赚钱：https://mp.weixin.qq.com/s/WOZPuVgNHF129b4qsSjlQ 新手总结 Coze bot 创建步骤：先锁定“最简”任务，提前准备测试问题：https://zhuanlan.zhihu.com/p/687931917 视频：【共学快闪】AI AgentCoze 搭建 5 月 8 日大圣分享 Coze 全流程搭建：https://www.bilibili.com/video/BV1bs421N7tR 视频：【共学快闪】AI AgentCoze 搭建 5 月 7 日赛博禅心大聪明分享：https://www.bilibili.com/video/BV1V1421z7At/ 面向业务开发的 Coze 使用指南：https://mp.weixin.qq.com/s/ZY8zwaGdR6dq1OL_XQ2iTQ 扣子（https://mp.weixin.qq.com/s/glT5Qc4a3vpRLxVAPdDDbA）（https://mp.weixin.qq.com/s/glT5Qc4a3vpRLxVAPdDDbA）初体验|拥有一个属于自己的聊天机器人：https://mp.weixin.qq.com/s/glT5Qc4a3vpRLxVAPdDDbA 在扣子中手搓插件和调用已有的 API 制作插件方面： Body：用于传递请求的主体部分，可以是 JSON、XML 或其他类型的数据。在 GET 方法中，通常不使用 Body 来传递参数，因为 GET 方法的 URL 中已经包含了所有必要的参数。 Path：用于定义请求的路径部分，通常以“/”开头，后面跟着一系列的段落。在 GET 方法中，Path 可以用来传递参数，但通常会将其编码为 URL 的一部分，而不是单独传递。 Query：用于定义请求的查询部分，通常以“?”开头，后面跟着一系列的键值对。在 GET 方法中，Query 是最常用的参数传递方式，它允许用户通过 URL 中的键值对来传递参数。 Header：用于定义 HTTP 请求的头信息部分，包括各种头部字段。在 GET 方法中，Header 通常不会用来传递参数，而是用于定义请求的头部信息。 配置输出参数：如果一切都填对了没有问题，可以直接点击自动解析，会自动调用一次 API 给出对应的输出参数。例如填入汉字“张”，点击自动解析。解析成功后会显示解析成功，输出参数填好后点击保存并继续。参数描述可根据需求填写。 调试与校验：测试工具是否能正常运行，运行后查看输出结果。Request 为输入的传参，Response 为返回值，点击 Response 就可以看到解析后的参数。

以下为您推荐适合非技术人员学习的提示词工程手册： 1. 小七姐：Prompt 喂饭级系列教程 小白学习指南（二） 强调对框架的理解和运用，介绍了多种提示词框架，如情境，并提供了学习的三步走：懂原理、找需求、用框架。 2. 19. RAG 提示工程系列（一） 虽然网络上提示工程资料众多，但 RAG 任务中提示工程的资料相对较少。此系列将带领大家了解 RAG 架构的概念、组成、痛点及提示词工程在其中的应用，并指导实操案例，帮助编写调试符合企业生产级标准的提示词。 3. VIRTUAL Claude 官方文档提示词工程最佳实践@未来力场编译版（中英对照） 指出提示词工程是一门实证科学，需要不断测试和迭代，包括开发测试用例、构建初版提示词、进行用例测试、优化提示词和分享完善后的提示词，同时不要忘记测试边缘情况。

好的，以下是根据你的需求为你生成的文章： RAG 实操案例 RAG（Retrieval Augmented Generation）是一种结合了检索和生成的技术，它可以让大模型在生成文本时利用额外的数据源，从而提高生成的质量和准确性。以下是一些 RAG 实操案例： 1. 餐饮生活助手 餐饮生活助手是一个基于结构化数据 RAG 的方法的应用，它的目的是根据用户的需求，从一个大规模的餐饮数据集中检索出最合适的餐厅，并提供相关的信息和服务。 为了实现餐饮生活助手 RAG 的 Langchain 代码实战，需要完成以下几个步骤： 定义餐饮数据源：将餐饮数据集转化为 Langchain 可以识别和操作的数据源，例如数据库、文件、API 等，并注册到 Langchain 中，并提供统一的接口和方法，让 LLM 的代理可以方便地访问和查询数据源。 定义 LLM 的代理：根据用户的问题，提取出核心的信息和条件，并形成标准的查询语句，然后用这个查询语句去检索餐饮数据源，得到相关的数据记录，再根据这些数据记录，生成最合适的答案，输出给用户。 运行 LLM 的代理：将 LLM 的代理部署到不同的平台和渠道，例如 Web、微信、Telegram 等，并提供统一的接口和方法，让用户可以方便地与 LLM 的代理进行交互。 2. 大模型 RAG 问答行业最佳案例及微调、推理双阶段实现模式 基于模块化（Modular）RAG 自定义 RAG Flow，该案例展示了如何使用 RAG 技术来实现问答系统。具体而言，该系统使用了一个预训练的语言模型（如 GPT3）和一个知识图谱来进行问答。 在微调阶段，系统会根据用户的问题和知识图谱中的信息，对语言模型进行微调，以使其更好地适应特定的领域和任务。在推理阶段，系统会使用微调后的语言模型和知识图谱来生成回答。在这个过程中，系统会根据用户的问题和知识图谱中的信息，生成一个查询，然后使用语言模型来生成回答。 总的来说，该案例展示了如何使用 RAG 技术来实现问答系统，以及如何通过微调和推理来提高问答的准确性和效率。 3. 通过增强 PDF 结构识别，革新检索增强生成技术（RAG） 该案例主要讨论文档解析和文本切分质量是否会影响 RAG 系统的效果。具体而言，该案例探讨了两种类型的方法，即基于规则（Rulebased）的方法和基于深度学习（Deep learningbased）的方法，并通过实际案例对它们的效果进行实证评估。 基于规则的方法主要依赖于人工编写的规则和模式来提取文本块和生成嵌入向量。这种方法的优点是简单、快速，但是对于复杂的文档结构和多变的文本内容可能会表现不佳。 基于深度学习的方法则利用了深度学习模型（如卷积神经网络（CNN）和循环神经网络（RNN））来自动学习文本块的特征和嵌入向量。这种方法的优点是可以更好地处理复杂的文档结构和多变的文本内容，但是需要大量的训练数据和计算资源。 通过对实际案例的评估，该案例发现基于深度学习的方法在文档解析和文本切分质量方面表现更好，但是需要更多的计算资源和训练数据。因此，在选择方法时，需要根据具体的应用场景和需求来进行权衡。 以上是一些 RAG 实操案例，希望对你有所帮助。

以下是为新手学习 AI 提供的教程： 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，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。

以下是一份基于李宏毅教授的《生成式 AI 导论 2024》的 AI 学习方案： 一、课程介绍 这是台湾大学李宏毅教授的生成式 AI 课程，主要涵盖生成式 AI 的基本概念、发展历程、技术架构和应用场景等内容。课程共 12 讲，每讲约 2 小时。 二、学习目标 通过学习本课程，您将掌握生成式 AI 的基本概念和常见技术，能够使用相关框架搭建简单的生成式模型，并了解生成式 AI 的发展现状和未来趋势。 三、学习内容 1. 什么是生成式 AI 生成式 AI 的定义和分类 生成式 AI 与判别式 AI 的区别 生成式 AI 的应用领域 2. 生成式模型 生成式模型的基本结构和训练方法 生成式模型的评估指标 常见的生成式模型及其优缺点 3. 生成式对话 生成式对话的基本概念和应用场景 生成式对话系统的架构和关键技术 基于生成式模型的对话生成方法 4. 预训练语言模型 预训练语言模型的发展历程和关键技术 预训练语言模型的优缺点 预训练语言模型在生成式 AI 中的应用 5. 生成式 AI 的挑战与展望 生成式 AI 面临的挑战和解决方法 生成式 AI 的未来发展趋势和研究方向 四、学习资源 1. 教材：《生成式 AI 导论 2024》，李宏毅 2. 参考书籍：《深度学习》，伊恩·古德费洛等 3. 在线课程：李宏毅的生成式 AI 课程 4. 开源项目：OpenAI GPT3、字节跳动的云雀等 五、学习方法 1. 认真学习教材和参考书籍，理解基本概念和原理。 2. 观看在线课程，跟随李宏毅教授的讲解深入学习。 3. 参与开源项目，实践所学知识，提高实际操作能力。 4. 结合课程中的案例和实践项目，加深对知识的理解和应用。 课程地址：https://www.youtube.com/watch?v=AVIKFXLCPY8 课程目录： 1. 第 0 講：課程說明（2024 年 2 月 24 日） 2. 第 1 講：生成式 AI 是什麼？（2024 年 2 月 24 日） 3. 第 2 講：今日的生成式人工智慧厲害在哪裡？從「工具」變為「工具人」（2024 年 3 月 3 日） 4. 第 3 講：訓練不了人工智慧？你可以訓練你自己—神奇咒語與提供更多資訊（2024 年 3 月 3 日） 5. 第 4 講：訓練不了人工智慧？你可以訓練你自己—拆解問題與使用工具（2024 年 3 月 10 日） 6. 待更新…… 第 0 讲：课程说明 1. 知道： 有能力自己开发 何时需要自己开发 何时可以用现成的人工智能 2. 目标： 了解生成式 AI 背后的原理和更多可能性，作为您成为魔术师的开始 体验用生成式 AI 打造应用 体验训练自己的生成式 AI 模型 负面体验 花时间：大模型是以周为单位来训练 结果不可以控制：养花养小动物 3. 影响模型能力的指标很多，但是常规会看参数的量级来评估，量级指数级增长，FOMO，这就是的立场来源 2019 年 GPT2.0 15b 参数 2024 年 GPT3.5 70b 参数

以下是新手学习 AI 的方法和建议： 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，了解其工作原理和交互方式。 对于中学生学习 AI，建议如下： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始，学习编程语法、数据结构、算法等基础知识。 2. 尝试使用 AI 工具和平台： 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识： 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目： 参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态： 关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 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。

提示词工程是人工智能领域，特别是在自然语言处理和大型语言模型的背景下的一个相对较新的概念。 它涉及设计和优化输入提示，以引导 AI 模型生成特定类型的输出或执行特定的任务。其关键点包括精确性、创造性、迭代以及对上下文的理解。 提示词通常指直接输入到 AI 模型中的问题、请求或指示，是提示工程的一部分。而提示工程是一个更广泛的概念，不仅包括创建提示词，还涉及理解模型的行为、优化提示以获得更好的性能，以及创造性地探索模型的潜在应用。 例如，通过简单的提示词可以获得大量结果，但结果质量与提供的信息数量和完善度有关。一个提示词可以包含指令、问题、上下文、输入或示例等元素，以更好地指导模型获得更好的结果。像在 OpenAI 的相关模型中，可以使用不同角色来构建 prompt。从示例中可以看出，语言模型能基于给出的上下文内容完成续写，通过改进提示词能获得更好的结果。 对于普通人来说，学习提示词工程具有以下意义： 1. 能够更好地与 AI 模型进行交互，获得更符合需求的结果。 2. 有助于提升在文本概括、数学推理、代码生成等各种高级任务中的效率和质量。 3. 加深对大型语言模型能力和局限性的理解，从而更有效地利用相关技术。 提示工程指南是由 DAIR.AI 发起的项目，旨在帮助研发和行业内相关人员了解提示工程，传播 AI 技术和研究成果。研究人员可利用提示工程提升大语言模型处理复杂任务场景的能力，开发人员可通过其设计、研发强大的工程技术，实现和大语言模型或其他生态工具的高效接轨。提示工程包含了与大语言模型交互和研发的各种技能和技术，在实现和大语言模型交互、对接，以及理解其能力方面都起着重要作用，还能用于提高模型的安全性，借助专业领域知识和外部工具来增强模型能力。

以下是为代码小白制定的学习 AI Agent 的高效流程： 1. 基础了解 度过第一阶段，了解 AI 的基本原理和发展阶段。 2. 选择方向 鉴于您是代码小白，建议从不需要代码基础的 Coze 工作流学起。它适用所有人，只要能发现智能体的需求，就可以用工作流来实现。 3. 学习资源 可以参考《雪梅 May 的 AI 学习日记》，了解在业务运营领域如何通过 Coze 接触大量应用场景和进行 prompt 练习。 阅读安仔的文章，学习如何使用极简未来平台、腾讯云轻量应用服务器、宝塔面板和 Docker 搭建一个 AI 微信聊天机器人，了解相关技术组件的选用、配置步骤、费用和运维问题。 查看元子的分享，如“小白的 Coze 之旅”，深入了解 Coze 平台。 4. 加入社群 可以加入免费的 AI Agent 共学群，基于 WaytoAGI 社区等高质量信息源，分享时下 AI Agent 相关的玩法、经验和前沿资讯。通过微信号 Andywuwu07 或扫描二维码加微信，备注 AI 共学即可加入。 希望以上流程对您有所帮助，祝您学习顺利！

以下是学习使用 AI 做视频的步骤和相关工具推荐： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 8. 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 需要注意的是，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。 相关工具推荐： 动画工具：用于在视频中为人脸制作动画的 DiD，用于从文本创建视频的 Runway v2。 语音克隆：ElevenLabs