deepseek学习资料

对 DeepSeek 进行提问时，以下是一些技巧： 1. 身份定位技巧：目的是让 AI 理解您的背景和专业水平。例如，差的表述是“帮我写一篇营销方案”，好的表述是“作为一名刚入职的电商运营，需要为天猫美妆店铺制定 618 活动方案”。 2. 场景描述技巧：提供具体的应用场景和限制条件。比如，差的表述是“写一篇新品发布文案”，好的表述是“为新上市的儿童智能手表写一篇朋友圈文案，目标用户是 25 35 岁的年轻父母，预算 3000 以内，需强调安全定位功能”。 3. 结构化输出技巧：指定具体的输出格式和内容结构。例如，差的表述是“分析最近的新能源汽车销量数据”，好的表述是“请用表格对比 2024 年 Q1 特斯拉、比亚迪的销量数据，包含以下维度：月度销量、同比增长、市场份额，并在表格下方总结三个关键发现”。 4. 分步骤提问技巧：将复杂问题拆解为可管理的小任务。比如，差的表述是“怎么做短视频运营？”，好的表述是“请分三步指导新手做美食短视频：前期准备：需要哪些设备和技能 拍摄阶段：关键场景和机位选择 后期制作：剪辑节奏和音乐配合建议”。 5. 反馈优化技巧：通过追问获得更精准的答案。例如，第一轮“帮我做一份产品分析报告”，追问 1：“内容太专业了，能用更通俗的语言解释吗？”追问 2：“可以增加一些具体的用户案例来支撑观点吗？” 6. 深度思考引导技巧：目的是获得更深入的分析和见解。

以下是关于 DeepSeek 从入门到精通的相关内容： 效果对比：用 Coze 做了小测试，可对比查看相关视频。 如何使用： 搜索 www.deepseek.com，点击“开始对话”。 将装有提示词的代码发给 Deepseek。 认真阅读开场白之后，正式开始对话。 设计思路： 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。 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。 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。 照猫画虎参考大模型的 temperature 设计了阈值系统，可能形式大于实质，之后根据反馈可能会修改。 用 XML 来进行更为规范的设定，而不是用 Lisp（对作者有难度）和 Markdown（运行下来似乎不是很稳定）。 完整提示词：v 1.3 特别鸣谢：李继刚的【思考的七把武器】在前期为作者提供了很多思考方向；Thinking Claude 是作者现在最喜欢使用的 Claude 提示词，也是设计 HiDeepSeek 的灵感来源；Claude 3.5 Sonnet 是最得力的助手。 此外，《》是清华大学新闻与传播学院新媒体研究中心出品的指南，详细阐述了 DeepSeek 的功能，包括智能对话、文本生成、代码生成、自然语言理解等，并探讨了如何使用 DeepSeek，包括推理模型与通用模型的区别、提示语设计策略以及如何从入门到精通。文章还介绍了提示语设计的核心技能、常见陷阱及应对方法，旨在帮助用户更好地掌握 AI 工具的使用，提升工作效率和创新能力。 DeepSeek R1 不同于先前的普通模型，它与 OpenAI 现在最先进的模型 o1、o3 一样，同属于基于强化学习 RL 的推理（Reasoning）模型。其标志性表现是在回答用户问题前，会先进行“自问自答”式的推理思考，凭此提升最终回答的质量。这种能力源于其背后独特的“教育方式”，在许多其他的 AI 模型还在接受“填鸭式教育”时，DeepSeek R1 已经率先进入了“自学成才”的新阶段。

以下是关于用 DeepSeek 建立个人知识库的相关知识： RAG（Retrieval Augmented Generation，检索增强生成）是利用大模型的能力搭建知识库的关键技术。在进行本地知识库搭建实操前，需先了解 RAG。大模型训练数据有截止日期，当需要依靠不在训练集中的数据时，可通过 RAG 实现。RAG 应用包括 5 个过程： 1. 文档加载：从多种来源加载文档，如 PDF 等非结构化数据、SQL 等结构化数据以及代码等。 2. 文本分割：把文档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嵌入转换成向量形式，并将向量数据存储到向量数据库。 4. 检索：通过检索算法找到与输入问题相似的嵌入片。 5. 输出：把问题及检索出来的嵌入片一起提交给 LLM，生成更合理的答案。 此外，搭建基于 GPT API 的定制化知识库，涉及给 GPT 输入定制化知识。由于 GPT3.5 一次交互支持的 Token 有限，OpenAI 提供了 embedding API 解决方案。embeddings 是浮点数字的向量，向量之间的距离衡量关联性，小距离表示高关联度。将文本转换成向量能节省空间，可理解为索引。比如有大文本，可拆分成小文本块并转换成 embeddings 向量，保存在向量储存库作为问答知识库。当用户提问时，问题先转换成向量，与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。例如，对于一篇万字长文拆分成多个文本块，提问“此文作者是谁？”，可通过比较 embeddings 向量得出关联度高的文本块。

以下是一些关于 DeepSeek 的提示词相关信息： 1. 效果对比：用 Coze 做了小测试，可对比查看。访问 www.deepseek.com 点击“开始对话”，将装有提示词的代码发给 DeepSeek，认真阅读开场白后正式开始对话。 2. 设计思路：将 Agent 封装成 Prompt 并储存在文件，实现同时使用联网和深度思考功能，优化输出质量，设计阈值系统，用 XML 进行规范设定。 3. 完整提示词：v 1.3 ，特别鸣谢李继刚和 Thinking Claude 等。 4. 使用案例： 借助 AI 分析好文章，如找出喜欢的文章投喂给 deepseek R1，从写作和读者角度分析，询问文章缺点和提升空间，对作者进行侧写等。 让 AI 对自己写的文章点评，给出详细优缺点分析和指导建议。 根据文章内容对作者心理侧写。 5. 集合·DeepSeek 提示词方法论：可查看相关文章，如南瓜博士的相关内容，以及 DeepSeek 官方提示词等。最新文章观点学术报告及业界评论可参考特定链接。R1 模型也有一些使用建议。

DeepSeek 具有以下优秀特点： 1. 在语气上能够还原特定角色的语气，如帝王的语气，相比其他模型输出更准确恰当，兼顾了古典文字和可读性。 2. 对历史细节非常熟悉，这可能与支持“深度探索”和“联网搜索”同时开启有关，能准确还原历史称谓。 3. 输出极其具体且充满惊人细节，行文的隐喻拿捏到位，高级感十足。 此外，DeepSeek R1 属于基于强化学习 RL 的推理模型，在回答用户问题前会先进行“自问自答”式的推理思考，提升回答质量，这种能力源于其独特的“教育方式”，在其他模型还在接受“填鸭式教育”时，它已进入“自学成才”新阶段。 至于我是否比 DeepSeek 聪明，这很难直接比较，因为我们在不同的方面和场景中可能各有优势。

以下是关于 DeepSeek R1 的培训教程相关内容： DeepSeek R1 引入了纯强化学习（RL），不依赖大量人类标注数据，而是通过自我探索和试错来学习。在“冷启动”阶段，仅通过少量（数千条）人工精选的思维链数据进行初步引导，建立起符合人类阅读习惯的推理表达范式。随后主要依靠强化学习，在奖励系统的反馈下（只对结果准确率与回答格式进行奖励），自主探索推理策略，不断提升回答的准确性，实现自我进化。 准确率奖励用于评估 AI 提供的最终答案是否正确，格式奖励强制结构化输出，让模型把思考过程置于<think></think>标签之间，以便人类观察模型的推理过程。 更有趣的是，DeepSeek 还有一个更加聪明的 R1zero 实验版本，这个版本甚至没有进行任何的初始引导，而是采用了完全从零开始的强化学习。实验表明，无需任何人类的监督训练，R1zero 自然而然地学会了用更多的思考步骤来解决推理任务，还学会了在推理过程中反思先前的推理步骤，探索解决问题的替代方法。但因为没有微调，R1zero 的输出内容可读性差、语言混合，且风险不可控。所以我们见到的是经过符合人类阅读偏好的冷启动与微调过的 R1 版本，确保 AI 生成内容的稳定、安全、道德、无害。 附：DeepSeek R1 完整训练过程，因文章定位与行文节奏设计，上文仅对影响 R1 涌现关键智能的前两个训练步骤进行了讲解。更加完善的训练说明，可直接阅读官方论文：DeepSeekAI《DeepSeekR1:Incentivizing Reasoning Capability in LLMs via Reinforcement Learning》https://arxiv.org/html/2501.12948 参考文献： 1. 碎瓜波斯兔子《Deepseek R1 可能找到了超越人类的办法》https://mp.weixin.qq.com/s/YgRgDw8ndSHJwcPNMqWZNQ 2. 大聪明赛博禅心《DeepSeek R1 是怎么训练的？》https://mp.weixin.qq.com/s/Wuz0H9jmZYV1jM1YtwTlA 3. 老刘说 NLP《可视化角度具象化理解 DeepSeekR1 类推理大模型的习得进程》https://mp.weixin.qq.com/s/ytKTGTgU2T7jSNrBghX1cA 4. Tianzhe Chu et al.《SFT 记忆，RL 泛化：基础模型训练后的比较研究》https://arxiv.org/html/2501.17161 5. Metaso 长思考对话《RL 和 SFT 在后训练中的区别》https://metaso.cn/s/WGdOwPC

以下是关于 DeepSeek 的使用资料： 相关文章： 南瓜博士的《当你惊呼 DeepSeek 成精时，请警惕前方的陷阱》，链接：https://mp.weixin.qq.com/s/ppt89GozeYo7hR99pEFrkA 南瓜博士的《让 DeepSeek 成为全家人的脑洞外挂》，链接：https://mp.weixin.qq.com/s/BBh8GTrdhb8Qyqgz8SufwQ 奥的《让 DeepSeek 进行脱口秀创作，幽默程度虽然大幅提升，但仍有进步空间》，链接：https://mp.weixin.qq.com/s/3nZERD5H5wPCGCT1_A46Sw DeepSeek 最新文章观点学术报告及业界评论：https://waytoagi.feishu.cn/wiki/D9McwUWtQiFh9sksz4ccmn4Dneg 社区动态： 华尔街分析师对 DeepSeek 的反应：DeepSeek 以小成本实现媲美领先 AI 产品的性能，并在全球主要市场 App Store 登顶。高盛认为 DeepSeek 或改变科技格局，降低 AI 行业的进入门槛。详情：https://www.xiaohu.ai/c/xiaohuai/deepseek DeepSeek 的实际使用体验：中文场景表现优秀，日常写作和表达习惯贴近人类，但专业论文总结略弱。数学能力不错，编程能力逊于 GPT。采用 GRPO 算法替代传统 PPO，提升语言评价灵活性与训练速度。更多信息：https://x.com/imxiaohu/status/1883843200756170873 ，GRPO 详情：https://www.xiaohu.ai/c/ai/grpodeepseekr18c6cff0cdeb84937a4197066af987e43 工具使用： 网址：https://www.deepseek.com/zh ，新手推荐，国内能访问，网页登录方便，目前完全免费。使用时点击开始对话，左边选择代码助手。 在生成 2048 游戏上，DeepSeek 和晓颖 AI 助手更为简便准确。

以下是关于您自学更多 AI 工具以发展副业的学习与实践建议： 1. 基础理解：了解大型语言模型的工作原理和局限性，例如它们在数学计算方面主要基于语言理解和生成，而非专门的数学计算设计，可能会在处理简单数学问题时出错。 2. 学习路径： 规划：明确学习目标和步骤。 记忆：记住关键知识和操作方法。 3. 实践操作： 掌握 GPT 的使用：了解 GPT 如 GPT4 的功能和特点，包括其工具选择和行动（Action）机制。 尝试工具：如 Webpilot，它能让 GPT 支持更实时的联网功能，获取网络资源。具体操作是在新建的 GPT 里勾掉 Web Browsing，然后点击添加 Actions（Add actions），再点击 import from URL 并填入相关网址。 4. 就业与应用： 了解人工智能领域的高薪工作，如数据科学家、机器学习工程师等，学习相关技能以增加就业机会。 关注 AI 技术在金融、医疗、制造业等行业的应用，掌握相关技能以拓展副业发展的可能性。 但需要注意的是，学习 AI 有可能赚钱，但不保证每个人都能成功，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。

目前尚未有专门用于撰写仿制药申报资料的 AI 工具。但在 AI 领域不断发展的情况下，未来可能会出现相关的应用。

很抱歉，目前本网站没有关于 AI 量化炒股的学习资料。

以下是为您整理的关于 AI 提示词的学习资料： 《拘灵遣将|不会写 Prompt（提示词）的道士不是好律师——关于律师如何写好提示词用好 AI 这件事》：指出要从古人总结的智慧中学习写提示词，接受 AI 存在的“不稳定性”，提示词应是相对完善的“谈话方案”，成果在对话中产生，不能期待完美的提示词和答案。 《从零开始：AI 视频制作小白的成长之路📹》：提到提示词有很多坑，如有人花钱学习但仍上手困难。提示词的框架为主体（什么东西）+动作（干啥了）+场景+镜头（怎么拍），并举例说明。 《雪梅 May 的 AI 学习日记》：2023 年 ChatGPT 出现后，提示词成为基本功，沉淀了一些经典框架。作者学习了一段时间 Agent 后，打算看吴恩达的体系课程，推荐吴恩达的 prompt 课程，并分享了相关学习链接。作者还通过练习用 prompt 写白皮书，实际体验中 AI 能帮助完成约 20%的工作。

以下是为您提供的 AI 产品经理学习资料： 一、AI 市场与 AI 产品经理分析 （一）入门级 能通过 WaytoAGI 等开源网站或一些课程了解 AI 的概念，使用 AI 产品并尝试动手实践应用搭建。对应的画像可能是喜欢听小宇宙 APP 的播客或浏览 AI 相关的文章。 （二）研究级 有两个路径，一个是技术研究路径，一个是商业化研究路径。对应传统互联网偏功能实现的产品经理和偏商业运营的产品经理，最好是同一个人。这个阶段对应的画像可能是对某一领域有认知，可以根据需求场景选择解决方案，或利用 Hugging face 等工具手搓出一些 AI 应用来验证想法。 （三）落地应用 这一阶段的画像就是有一些成功落地应用的案例，如产生商业化价值。对应传统互联网 PM 也有三个层级： 1. 负责功能模块与执行细节。 2. 负责整体系统与产品架构。 3. 熟悉行业竞争格局与商业运营策略。 总结来说，对 AI 产品经理要求懂得技术框架，不一定要了解技术细节，而是对技术边界有认知，最好能知道一些优化手段和新技术的发展。AI 是工具和手段，产品经理要关注的还是场景、痛点、价值。 二、学习笔记：AI for everyone 吴恩达 （一）在企业中建构人工智能 1. 案例研究：智能扬声器 探测到触发词或唤醒词。 语音识别。 意图识别。 执行相关程序。 智能音箱面临需要对每一个用户提出的需求进行单独的程序编写导致花费大量资金教育客户的困境。 2. 案例研究：自动驾驶汽车 汽车检测，使用监督学习，识别前方车辆不仅需要前置摄像头，还包括后置与两侧的摄像头或者传感器，如雷达与激光雷达。 行人检测，使用相似的传感器与技术。 运动规划，规划行车路径，输出驾驶路径，速度。如匀速行驶在道路上或避开道路边停靠的车辆。 （二）人工智能团队的角色示例 1. 软件工程师，如智能音箱中的软件编程工作，团队中 50%以上的占比。 2. 机械学习工程师，创建 AB 的映射，或创建其他机械学习算法。搜集汽车图片，位置的数据，训练神经网络或深度学习算法，不断迭代，确保准确的输出。 3. 机械学习研究员，负责开发机械学习的前沿技术。可能需要发表论文，或专注于研究。 4. 应用机械学习科学家，负责学术文献或研究文献中研究前沿技术，并想办法找到技术解决面临的问题。 5. 数据科学家，检测数据并分析数据背后的意义，向团队成员与负责人展示数据分析得出的结论。 6. 数据工程师，整理数据，确保数据是安全，易被保存，读取。因为人工智能需要处理的数据极大，自动驾驶汽车每分钟都会制造好几个 GB 的数据。 7. AI 产品经理，帮助决定用 AI 做什么，什么是可行且有价值的。 三、刘海：「AI 提示词工程师」の见解和经验分享 （一）入门第一步：AI 提示词工程师 岗位技能要求： 1. 本科及以上学历，计算机科学、人工智能、机器学习相关专业背景。 2. 熟悉 ChatGPT、Llama、Claude 等 AI 工具的使用及原理，并具有实际应用经验。 3. 熟练掌握 ChatGPT、Midjourney 等 AI 工具的使用及原理。 4. 负责制定和执行 AI 项目，如 Prompt 设计平台化方法和模板化方法。 5. 了解并熟悉 Prompt Engineering，包括常见的 Prompt 优化策略（例如 CoT、Fewshot 等）。 6. 对数据驱动的决策有深入的理解，能够基于数据分析做出决策。 7. 具有创新思维，能够基于业务需求提出并实践 AI first 的解决方案。 8. 对 AI 技术与算法领域抱有强烈的好奇心，并能付诸实践。 9. 对 AIGC 领域有深入的理解与实际工作经验，保持对 AI 技术前沿的关注。 10. 具备一定的编程和算法研究能力，能应用新的 AI 技术和算法于对话模型生成。 11. 具有一定的编程基础，熟练使用 Python、Git 等工具。 观察上面的岗位需求，其实公司并不是需要一个 prompt 工程师，而是一个 AI 互联网产品经理。产品经理的工作内容（仅作参考）：

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，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。 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，为后续的 AI 学习打下基础。 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。

以下是为您推荐的学习 AI 的书籍： 神经科学相关： 《认知神经学科：关于心智的生物学》（作者：Michael S. Gazzaniga;Richard B. Lvry;George R. Mangun）：世界权威的认知神经科学教材，系统涵盖认知神经科学的多个方面。 《神经科学原理》（作者：Eric R. Kandel;James H. Schwartz）：让您系统了解神经元的细胞和分子生物学等内容。 《神经生物学:从神经元到脑》（作者：John G. Nicholls 等著）：神经生物学领域的世界级名著，涵盖神经科学的多方面内容。 Python 与 AI 相关： Python 方面： 《Python 学习手册》：名声在外。 《Python 编程》：对新手友好。 AI 方面： 《人类简史》：“认知革命”的相关章节有帮助。 《深度学习实战》：梳理了 ChatGPT 爆发前的 AI 信息与实践。

以下是为新手入门提供的学习路径： 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，进行实践巩固知识，尝试使用各种产品做出作品。 在知识库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，了解它们的工作原理和交互方式。 此外，对于 WayToAGI 知识库的使用： 1. 如果觉得视频太多很晕，可以从 Agent 板块开始，比如链接： ，从下往上看，一个一个点进去，都有视频。共学都有视频，都是手把手从注册开始的教学，不会就多看几遍，基本保障一个工具能调通、一个 Agent 能搭好。如果觉得内容多，可以先挑听过的工具开始。 2. 看了一些视频之后，如果想看理论或应用，可以找到导航，想看哪里点哪里。比如链接： 。 3. 还可以从常见工具开始体验，比如： 工具入门篇（AI Tools）：数据工具多维表格小白之旅，文章链接： ，适用人群为 Excel 重度使用者、手动数据处理使用者、文件工作者，可满足 80%数据处理需求。 工具入门篇（AI Code）：编程工具Cursor 的小白试用反馈，文章链接： ，适用人群为 0 编程经验、觉得编程离我们很遥远的小白，可降低技术壁垒。 工具入门篇（AI Music）：音乐工具Suno 的小白探索笔记，文章链接： ，适用人群为 0 乐理知识、觉得作词作曲和我们毫不相关成本巨大的小白，可参与音乐制作。

以下是关于学习 AI 的相关内容： 一、AI 工具的操作 要了解并掌握至少一种 AI 工具的基本操作，如智能代码、流程管理、智能报表、数据分析、图像识别、文字生成等。 二、AI 工具在本职工作的应用 思考并提出 AI 工具如何帮助更高效地完成本职工作，包括但不限于提高工作效率、优化工作流程、节约成本、提升交付质量等。 三、AI 工具在非本职工作的潜力推演 探索 AI 工具在非本职工作领域，如公司管理、团队领导、跨部门合作、团队发展以及市场研究等方面的作用，思考如何有效利用这些工具以及它们可能带来的改变。 四、学习路径 1. 对于不会代码的学习者： 20 分钟上手 Python+AI，在 AI 的帮助下可以完成很多基础的编程工作。若想深入，需体系化了解编程及 AI，至少熟悉 Python 基础，包括基本语法（如变量命名、缩进等）、数据类型（如字符串、整数、浮点数、列表、元组、字典等）、控制流（如条件语句、循环语句）、函数（定义和调用函数、参数和返回值、作用域和命名空间）、模块和包（导入模块、使用包）、面向对象编程（类和对象、属性和方法、继承和多态）、异常处理（理解异常、异常处理）、文件操作（文件读写、文件与路径操作）。 2. 新手学习 AI： 了解 AI 基本概念，建议阅读「」部分，熟悉术语和基础概念，浏览入门文章。 开始 AI 学习之旅，在「」中找到为初学者设计的课程，推荐李宏毅老师的课程，也可通过在线教育平台（如 Coursera、edX、Udacity）按自己节奏学习并获证书。 选择感兴趣的模块深入学习，掌握提示词技巧。 实践和尝试，理论学习后通过实践巩固知识，在知识库分享实践作品和文章。 体验 AI 产品，如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人，了解其工作原理和交互方式。 五、工具推荐 1. Kimi 智能助手：ChatGPT 的国产平替，上手体验好，适合新手入门学习和体验 AI。不用科学网、不用付费、支持实时联网，是国内最早支持 20 万字无损上下文的 AI，对长文理解做得好，能一次搜索几十个数据来源，无广告，能定向指定搜索源（如小红书、学术搜索）。 PC 端： 移动端（Android/ios）： 2. 飞书：汇集各类 AI 优质知识库、AI 工具使用实践的效率工具，助力人人成为效率高手。

您提供的内容与“什么是 AI Agent 以及程序员学习相关内容能否获得额外收入”的问题无关。AI Agent 是指具有自主决策和行动能力的智能体，能够在特定环境中感知、学习、推理和执行任务。作为程序员，如果您想学习与 AI Agent 相关的知识，建议您掌握以下方面： 1. 机器学习和深度学习的基础知识，包括常见的算法和模型。 2. 自然语言处理技术，以便能够理解和处理与智能体交互的语言信息。 3. 强化学习，这对于训练智能体做出最优决策非常重要。 4. 编程技能，熟练掌握 Python 等编程语言。 至于能否获得额外收入，这取决于多种因素，如您所开发的 AI Agent 应用的市场需求、您的技术水平和创新能力等。如果您能够开发出具有实用价值和创新性的 AI Agent 应用，并找到合适的商业机会，是有可能获得额外收入的。

以下是系统学习 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，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。 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，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。 总之，无论是一般学习者还是中学生，都可以从编程基础、工具体验、知识学习、实践项目等多个方面入手，全面系统地学习 AI 知识和技能。