我该如何系统学习ai

以下是为您提供的关于产品经理小白如何学习成为一名合格的 AI PM 的建议： 首先，了解一些重要的 AI 技术概念和框架： 1. 思维链：谷歌在 2022 年的论文中提到，思维链能显著提升大语言模型在复杂推理方面的能力，即便不用小样本提示，也可在问题后加一句“请你分步骤思考”。 2. RAG（检索增强生成）：外部知识库切分成段落后转成向量，存在向量数据库。用户提问并查找到向量数据库后，段落信息会和原本的问题一起传给 AI，可搭建企业知识库和个人知识库。 3. PAL（程序辅助语言模型）：2022 年一篇论文中提出，对于语言模型的计算问题，不让 AI 直接生成计算结果，而是借助如 Python 解释器等工具作为计算工具。 4. ReAct：2022 年《React:在语言模型中协同推理与行动》的论文提出了 ReAct 框架，即 reason 与 action 结合，让模型动态推理并采取行动与外界环境互动，比如用搜索引擎对关键字进行搜索，观察行动结果，可借助 LangChain 等框架简化构建流程。 个人总结：很多大佬都强调要关注或直接阅读技术论文，像产品经理转型为 AI 产品经理，需要懂技术脉络。但小白直接看技术论文有难度，虽可让 AI 辅助阅读，但仍需一定知识储备。林粒粒呀的相关视频是很好的科普入门，值得观看。 此外，还可以观看一些关于技术框架与未来想象的访谈视频，比如安克创新 CEO 阳萌的访谈，其观点可能会给您带来启发。

如果您想成为一名 AI 产品经理，可以从以下几个方面学起： 1. 掌握算法知识： 理解产品核心技术，了解基本的机器学习算法原理，有助于做出更合理的产品决策。 与技术团队有效沟通，掌握一定的算法知识，减少信息不对称带来的误解。 评估技术可行性，在产品规划阶段做出更准确的判断。 把握产品发展方向，了解算法前沿更好地规划产品未来。 提升产品竞争力，发现产品独特优势，提出创新特性。 提升数据分析能力，很多 AI 算法涉及数据处理和分析。 2. 学习相关案例：可以参考一些成功的 AI 产品经理的经验，比如 Kelton 作为 AIPM 一枚，深耕 NLP 方向 2 年，从 0 1 打造过两款 AIGC 产品，还完成过 LLM 评测体系的搭建。 3. 了解技术原理与框架： 如思维链，谷歌在 2022 年论文提到其能显著提升大语言模型在复杂推理的能力。 了解 RAG（检索增强生成），将外部知识库切分成段落后转成向量存于向量数据库。 学习 PAL（程序辅助语言模型）和 ReAct 框架等。 同时，建议您关注或直接阅读技术论文，虽然有难度，但完成一定知识储备后，可借助 AI 辅助阅读。也可以通过一些通俗易懂的科普内容入门，比如相关的科普视频。

以下是为您组织的学习 AI 的流程： 一、了解 AI 基本概念 建议阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的定义、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。 二、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。 三、选择感兴趣的模块深入学习 AI 领域广泛，涵盖图像、音乐、视频等方面。您可以根据自己的兴趣选择特定的模块进行深入学习，同时一定要掌握提示词的技巧，它上手容易且很有用。 四、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，在知识库中也有很多大家实践后的作品、文章分享，欢迎您实践后也进行分享。 五、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，并激发您对 AI 潜力的认识。 另外，费曼学习法也是一种有效的学习方式。它强调通过教授他人来深化个人理解和知识的掌握，基本步骤包括选择一个概念、教给他人、回顾和简化、组织和比较。其应用场景包括个人学习、教学和培训、知识分享等。 WaytoAGI（通往 AGI 之路）是一个致力于人工智能学习的中文知识库和社区平台，汇集了上千个人工智能网站和工具，提供最新的 AI 工具、AI 应用、AI 智能体和行业资讯，还有丰富的学习资源、实践活动，并倡导开放共享的知识体系。在没有任何推广的情况下，WaytoAGI 一年时间已有超过 100 万用户和超千万次的访问量，目前合作过众多公司和产品。

以下是为您提供的在短时间内系统化学习 AI 的建议： 一、了解 AI 基本概念 首先，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。同时，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。 二、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。这些课程将引导您了解生成式 AI 等基础知识，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。 三、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。我建议您一定要掌握提示词的技巧，它上手容易且很有用。 四、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。 五、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，您可以获得对 AI 在实际应用中表现的第一手体验，并激发您对 AI 潜力的认识。 如果希望继续精进，对于 AI，可以尝试了解以下内容作为基础： 1. AI 背景知识 （1）基础理论：了解人工智能、机器学习、深度学习的定义及其之间的关系。 （2）历史发展：简要回顾 AI 的发展历程和重要里程碑。 2. 数学基础 （1）统计学基础：熟悉均值、中位数、方差等统计概念。 （2）线性代数：了解向量、矩阵等线性代数基本概念。 （3）概率论：基础的概率论知识，如条件概率、贝叶斯定理。 3. 算法和模型 （1）监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 （2）无监督学习：熟悉聚类、降维等算法。 （3）强化学习：简介强化学习的基本概念。 4. 评估和调优 （1）性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。 （2）模型调优：学习如何使用网格搜索等技术优化模型参数。 5. 神经网络基础 （1）网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 （2）激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。 此外，以证件照为例，Code AI 应用开发教学中，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。但 AI CODING 虽强，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。在创建 AI 应用时，要学习操作界面、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。

学习 AI 是一个长期的过程，需要耐心和持续的努力。对于新手来说，可以参考以下建议： 1. 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。 2. 如果您想从零开始，可以参考 GPT1 到 Deepseek R1 所有公开论文 The 2025 AI Engineer Reading List 。其中我们挑选了 50 篇论文/模型/博客，涉及人工智能工程的 10 个领域：LLMs、基准、提示、RAG、代理、CodeGen、视觉、语音、扩散、微调。 3. 对于微调（Finetuning）方面，假设您已经按照上述说明准备了训练数据。使用 OpenAI CLI 开始微调工作，从 BASE_MODEL 开始选择基本模型的名称（ada、babbage、curie 或 davinci），您可以使用后缀参数自定义微调模型的名称。每个微调工作都从一个默认为 curie 的基本模型开始，模型的选择会影响模型的性能和运行微调模型的成本。开始微调作业后，可能需要一些时间才能完成，具体取决于模型和数据集的大小。

如果您觉得 WayToAGI 知识丰富但不知从何学起，可以参考以下建议： 1. 从某一个板块开始，比如 Agent 板块。链接： 。使用方法是从下往上看，一个一个点进去，里面都有视频。共学视频都是手把手从注册开始的教学，不会就多看几遍，基本能保障一个工具能调通、一个 Agent 能搭好。但要注意，内容确实有点多，可以先选择自己听过的工具开始，以免太累。 2. 在看了一些视频之后，如果您想了解理论还是应用，可以找到导航，想看哪里点哪里。链接： 。但要注意，智能千帆、阿里云百炼有视频，其余没有。而且内容较多，您需要考虑聚焦，先挑一个，开始手把手一起做起来，看看能不能持续用起来，只要开始用起来，这事儿就成啦！如果快捷菜单找不到，可以参考相关说明。 WayToAGI 不仅是一个知识库，还是连接学习者、实践者和创新者的社区。这里以“无弯路，全速前进”为目标，助力每一个怀揣 AI 梦想的人疾速前行。每一份尝试都值得赞美，每一份付出都应得到鼓励，其成长得益于大家的支持。 此外，WayToAGI 还有整活区。如果您想造艘船，不要只忙于分配工作，而是要激起对大海的向往。在 WayToAGI 有很多垂直板块，这里不是系统性学习的地方，而是一起做有趣事的游乐场。我们大部分时候用 AI 做有用的事，但有用不是必须的，很多创新始于有趣的想法。在整活区，您不用证明想法“有什么用”，可以尽情发挥对 AI 天马行空的想象，把 AI 玩出新花样。

以下是一些关于 AI 短视频制作的免费教程资源： B 站 up 主 Nally 的课程，免费且每节 15 分钟。 二十四节气相关教程和关键词已开源，可直接复制使用。 以下是一些 AI 视频制作相关的工具和教程： 视频模型：Sora （https://waytoagi.feishu.cn/wiki/S5zGwt5JHiezbgk5YGic0408nBc） 工具教程：Hedra （https://waytoagi.feishu.cn/wiki/PvBwwvN36iFob7kqZktcCzZFnxd） 应用教程：视频转绘 （https://waytoagi.feishu.cn/wiki/ZjKpwSd5hiy6ZhkiBVHcOBb6n9r） 应用教程：视频拆解 （https://waytoagi.feishu.cn/wiki/WeKMwHRTmiVpYjkVdYpcFjqun6b） 应用教程：图片精修 （https://waytoagi.feishu.cn/wiki/CfJLwknV1i8nyRkPaArcslWrnle） 以下是几个视频 AIGC 工具： Opusclip：利用长视频剪成短视频 Raskai：短视频素材直接翻译至多语种 invideoAI：输入想法>自动生成脚本和分镜描述>生成视频>人工二编>合成长视频 descript：屏幕/播客录制>PPT 方式做视频 veed.io：自动翻译自动字幕 clipchamp：微软的 AI 版剪映 typeframes：类似 invideoAI，内容呈现文本主体比重更多 google vids 在制作视频方面，以下是一些推荐： 最佳动画工具：用于在视频中为人脸制作动画的 DiD （https://www.did.com/）。用于从文本创建视频的 Runway v2 （https://app.runwayml.com/） 最佳语音克隆：ElevenLabs （https://beta.elevenlabs.io/speechsynthesis） 需要注意的是，深度伪造是一个巨大的问题，这些系统需要合乎道德地使用。

以下是一些关于 AI 短视频制作的免费教程资源： B 站 up 主 Nally 的课程，免费且每节 15 分钟。 二十四节气相关教程和关键词已开源，可直接复制使用。 以下是一些 AI 视频制作相关的工具和教程： 视频模型：Sora （https://waytoagi.feishu.cn/wiki/S5zGwt5JHiezbgk5YGic0408nBc） 工具教程：Hedra （https://waytoagi.feishu.cn/wiki/PvBwwvN36iFob7kqZktcCzZFnxd） 应用教程：视频转绘 （https://waytoagi.feishu.cn/wiki/ZjKpwSd5hiy6ZhkiBVHcOBb6n9r） 应用教程：视频拆解 （https://waytoagi.feishu.cn/wiki/WeKMwHRTmiVpYjkVdYpcFjqun6b） 应用教程：图片精修 （https://waytoagi.feishu.cn/wiki/CfJLwknV1i8nyRkPaArcslWrnle） 以下是几个视频 AIGC 工具： Opusclip：利用长视频剪成短视频 Raskai：短视频素材直接翻译至多语种 invideoAI：输入想法>自动生成脚本和分镜描述>生成视频>人工二编>合成长视频 descript：屏幕/播客录制>PPT 方式做视频 veed.io：自动翻译自动字幕 clipchamp：微软的 AI 版剪映 typeframes：类似 invideoAI，内容呈现文本主体比重更多 google vids 在制作视频方面，以下是一些推荐： 最佳动画工具：用于在视频中为人脸制作动画的 DiD （https://www.did.com/）。用于从文本创建视频的 Runway v2 （https://app.runwayml.com/） 最佳语音克隆：ElevenLabs （https://beta.elevenlabs.io/speechsynthesis） 需要注意的是，深度伪造是一个巨大的问题，这些系统需要合乎道德地使用。

以下是一些符合您需求的 AI 相关笔记软件： 1. Notion AI：https://www.notion.so/help/guides/category/ai?ref=indigox.me 随着大语言模型的流行，其在智能化方面表现出色。 2. Mem.ai：https://mem.ai/?ref=indigox.me 一款 AI 驱动的笔记工具。 3. Pile：https://udara.io/pile/ 开源且界面美观，助力日记撰写和记录，集成 OpenAI API，具有 AI 搜索和问题解答功能，保证安全隐私。项目源码：https://github.com/UdaraJay/Pile

以下是一些好用的制作 PPT 的 AI 工具： 1. Gamma：在线 PPT 制作网站，可通过输入文本和想法提示快速生成幻灯片，支持嵌入多媒体格式，如 GIF 和视频，网址：https://gamma.app/ 2. 美图 AI PPT：由美图秀秀团队推出，通过输入简单文本描述生成专业 PPT 设计，包含丰富模板库和设计元素，适用于多种场合，网址：https://www.xdesign.com/ppt/ 3. Mindshow：AI 驱动的 PPT 辅助工具，提供智能设计功能，如自动布局、图像选择和文本优化等，网址：https://www.mindshow.fun/ 4. 讯飞智文：科大讯飞推出的 AI 辅助文档编辑工具，利用语音识别和自然语言处理技术，提供智能文本生成、语音输入、文档格式化等功能，网址：https://zhiwen.xfyun.cn/ 此外，还有以下相关的 PPT 生成工具（网站）： 1. https://zhiwen.xfyun.cn/ 讯飞智文 2. http://Mindshow.fun Markdown 导入 3. http://kimi.ai 选 PPT 助手，暂时免费效果好 4. http://Tome.app ，AI 配图效果好 5. http://Chatppt.com ，自动化程度高 6. https://wenku.baidu.com ，付费效果好 AI 辅助 PPT 的原理和作用包括： 1. 减轻排版工作的压力。 2. 生成打底的内容，减轻人写内容的工作。例如文章生成 PPT 时，让 AI 帮忙摘要内容，生成大纲列表；主题生成 PPT 时，让 AI 根据主题扩充成大纲列表，乃至具体内容。在特定场景下，如学生快速为小组展示配 PPT 时，可能不用修改直接使用。 网站把 AI 输出的文本丢给 LLM，让其根据内容在已有的 UI 组件中选择更适合的组件，按时间线为每页 PPT 的文字选出整个 PPT 中每一页的 UI 组件。有的网站，如 tome、gamma，配图也是由 GenAI 根据页面内容生成的。呈现 AI 生成的 PPT 结果后，用户不满意可以自行选择模版。 WPS AI 也能对 PPT 大纲进行优化和二次修改。

以下是系统学习 AI 的方法： 对于中学生： 1. 从编程语言入手学习：可以选择 Python、JavaScript 等编程语言，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：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。 对于新手： 1. 了解 AI 基本概念：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，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，找到一系列为初学者设计的课程。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。特别推荐李宏毅老师的课程。 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。 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。 在医疗保健领域，鉴于人工智能依赖的神经网络基础，专家 AI 可能通过元学习（或学会学习）比我们预期的更快地获得知识，并带着我们人类一同进步。AI 的性质让我们可以做一些我们无法对人做的事情，即将他们一部分一部分地拆解，并研究每一个小部分。通过构建系统以深入探索专家 AI 的内部工作机制，我们将创造一个学习的飞轮。最终，专家 AI 可能超越领域专家的角色，成为下一代专家——无论是人类还是 AI——的教师。

去除 AI 味儿可以从以下方面考虑： 1. 文风方面：避免使用如“首先、其次、再者、引人入胜”等套话，减少概括性描述，增加侧面描写，使叙述更自然灵活，避免结构死板和过度道德正确。 2. 道德说教方面：避免过度的正面描述和道德说教，创作更贴近真实生活、符合人类情感和需求的内容，避免让读者感到厌烦和脱离实际。 3. 模型选择方面：不同模型的文风有所不同，例如 Claude 和 Google 的 gemini 模型相对没有明显的 AI 味，而 OpenAI 的 GPT 模型在不断改进。 4. 音频处理方面：对于音频中存在的 AI 味儿，如睿声生成的配音语速慢等问题，可以使用剪映的音频变速功能加速配音来消除。

新手入门学习 AI 可以参考以下步骤： 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，能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。 知识库提供了很多实践后的作品、文章分享，欢迎实践后分享。 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进行互动，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。 如果是入门强化学习： 1. 如果没有概率论和线性代数基础，且差不多都忘完了，可以去看一下相关课程学习一下，大约周末一天时间能搞定；如果不关注公式，这一步可先忽略。 2. 对机器学习没有基础的话，可以先看吴恩达的课程，有大致理解后，再看李宏毅的课程作为补充。如果单纯想入门学习强化学习，只需要看李宏毅课程前几节讲完神经网络那里就差不多了，这个视频课程估计要看 25 小时左右。 3. 学完之后可以跟着《动手学深度学习 https://hrl.boyuai.com/》一起动手学习学到的概念，写写代码，入门的话看前五章就好，本篇文章的很多资料也整理自这本书，大约 10 小时左右。 4. 接下来可以看看 B 站王树森的深度学习的课程，先看前几节学习强化学习的基础知识点，大约 5 小时左右。 5. 到这个阶段可能还是懵的，需要上手做点项目，可以看《动手学强化学习》这本书，已开源 https://hrl.boyuai.com/，只看到 DQN 的部分，大约十几小时。

对于 AI 初学者，以下是一些可以学习的课程： 1. 特定的机器学习云框架： 例如。 相关课程如《》。 2. 对话式人工智能和聊天机器人： 单独课程《了解更多详情。 3. 深度学习背后的深层数学（Deep Mathematics）： 推荐 Ian Goodfellow、Yoshua Bengio 和 Aaron Courville 合著的《深度学习》（Deep Learning）一书，该书可在 https://www.deeplearningbook.org/ 上获取。 4. 人工智能的商业应用案例： 如《》（和欧洲工商管理学院 INSEAD 共同开发）。 5. 经典机器学习： 可参考《》。 6. 使用 Azure 认知服务（Azure Cognitive Services）来创建实用的人工智能应用： 如《》等。 此外，还可以： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，了解其主要分支及联系。 浏览入门文章，了解 AI 的历史、应用和发展趋势。 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）按自己节奏学习，有机会获得证书。 3. 选择感兴趣的模块深入学习： 根据自身兴趣选择特定模块，如图像、音乐、视频等。 掌握提示词技巧。 4. 实践和尝试： 实践巩固知识，尝试使用各种产品创作作品。 在知识库分享实践成果。 5. 体验 AI 产品： 与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解其工作原理和交互方式。

以下是为零基础学习 AI 提供的建议： 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。 知识库提供了很多实践后的作品、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。 此外，还有一个案例供您参考：二师兄来自上海，是典型的 80 后，房地产行业从业二十年，计算机零基础。2024 年 2 月，他在七彩虹的售后群中，因老哥分享用 AI 绘画的心得，要了 SD 秋叶安装包，下载了教学视频，迈出了 AI 学习的第一步。之后他不断学习和实践，如在 3 月啃完 SD 的所有教程并开始炼丹，4 月与小伙伴探讨 AI 变现途径，5 月加入 Prompt battle 社群，开始 Midjourney 的学习。

以下是一些比较好的 AI 知识库学习网站及相关学习建议： 通往 AGI 之路知识库： 提供了全面系统的 AI 学习路径，帮助您了解从 AI 常见名词到 AI 应用等各方面知识。 包含关于 AI 知识库使用及 AIPO 活动的介绍、AIPO 线下活动及 AI 相关探讨、way to AGI 社区活动与知识库介绍等内容。 信息来源有赛博蝉星公众号、国外优质博主的 blog 或 Twitter 等，推荐大家订阅获取最新信息并投稿。 有社区共创项目，如 AIPU、CONFIUI 生态大会，每月有切磋大会等活动，还发起了新活动 AIPO。 学习路径方面，有李弘毅老师的生成式 AI 导论等高质量学习内容，可系统化学习或通过社区共创活动反推学习，鼓励整理学习笔记并分享交流。 有经典必读文章，如介绍 GPT 运作原理、Transformer 模型、扩散模型等的文章，还包括软件 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。 有历史脉络类资料，整理了 open AI 的发展时间线和万字长文回顾等。 网站：ytoAGI.com 相关渠道：公众号“通往 AGI 之路”、 在线教育平台：如 Coursera、edX、Udacity 等，上面有一系列为初学者设计的课程，您可以按照自己的节奏学习，并有机会获得证书。 对于新手学习 AI，建议： 了解 AI 基本概念：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，了解 AI 的历史、当前的应用和未来的发展趋势。 开始 AI 学习之旅：在「」中，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。 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。 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。 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。

要让 AI 识别对话并生成结构化数据存储到软件系统里，可以参考以下方法： 1. 基于结构化数据来 RAG：如果原始数据本身就是结构化、标签化的，不必将这部分数据做向量化。结构化数据的特点是特征和属性明确，可用有限标签集描述，能用标准查询语言检索。以餐饮生活助手为例，流程包括用户提问、LLM 提取核心信息并形成标准查询、查询结构化数据、LLM 整合回复。 2. 利用 Coze 平台设计 AI 机器人：创建好 Bot 后，从“个人空间”入口找到机器人，进行“编排”设计。Coze 平台常用的概念和功能包括提示词（设定 Bot 身份和目标）、插件（通过 API 连接集成服务）、工作流（设计多步骤任务）、触发器（创建定时任务）、记忆库（保留对话细节，支持外部知识库）、变量（保存用户个人信息）、数据库（存储和管理结构化数据）、长期记忆（总结聊天对话内容）。设计 Bot 时要先确定目的，比如“AI 前线”Bot 的目的是作为 AI 学习助手，帮助职场专业人士提升在人工智能领域的知识和技能，并提供高效站内信息检索服务。 注：Coze 官方使用指南见链接：https://www.coze.cn/docs/guides/welcome ，遇到疑问也可查阅该指南。

以下是一些 AI 提示词系统课程： 1. 藏经阁个人专栏中的课程： LangGPT 社区年度分享：AI 交流的艺术 系统论述文章：构建高性能 Prompt 之路—结构化 Prompt Prompt 进阶—提示链（Prompt Chain）和多提示词协同 LangGPT—让人人都能编写高质量 Prompt 提示工程培训：入门到精通系列课程 2. 《雪梅 May 的 AI 学习日记》中的课程： 2024 年 7 月 19 日至 21 日的 DAY33 至 DAY35 吴恩达的 prompt 课程 目录：吴恩达讲 Prompt ChatGPT 提示工程中文翻译版（仅用于学习分享） 3. 从零开始：AI 视频制作小白的成长之路中的相关内容，但主要是关于提示词应用的案例和经验，而非具体的课程。

大模型使用应用系统数据可以通过检索增强生成（Retrieval Augmented Generation，RAG）技术来实现。 RAG 是一种结合检索和生成的技术，能够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。其基本流程为：首先，当用户给出输入，如问题或话题，RAG 会从数据源（如网页、文档或数据库记录）中检索出相关的文本片段，这些片段称为上下文。然后，RAG 将用户输入和检索到的上下文拼接成完整输入传递给大模型（如 GPT），输入通常包含提示，指导模型生成期望的输出，如答案或摘要。最后，RAG 从大模型的输出中提取或格式化所需信息返回给用户。 从大模型的整体架构来看，其分为以下几层： 1. 基础层：为大模型提供硬件支撑和数据支持，例如 A100、数据服务器等。 2. 数据层：包括静态的知识库和动态的三方数据集。这里的数据层指的是企业根据自身特性维护的垂域数据。 3. 模型层：包含 LLm（大语言模型，如 GPT，一般使用 transformer 算法实现）或多模态模型（如文生图、图生图等模型，训练所用数据为图文或声音等多模态数据集）。 4. 平台层：如大模型的评测体系或 langchain 平台等，是模型与应用之间的组成部分。 5. 表现层：即应用层，是用户实际看到的地方。

AI 的能力主要包含以下方面： 1. 在品牌卖点提炼中： 逻辑推理：通过分析数据和信息，为寻找品牌卖点提供思路。 数据分析：快速处理和分析相关数据，提取有价值的信息和模式。 内容理解和输出：理解用户提供的内容，按照正确结构梳理并输出有效的内容。 但需要注意的是，AI 对公司的具体情况了解程度接近于 0，更适合作为引导型助手，在思考路径停滞时提供更多思考维度。 2. 在网页浏览模拟中： 像 GPT4VAct 这样的多模态 AI 助手能够模拟人类通过鼠标和键盘进行网页浏览的行为。 它可以通过视觉理解技术识别网页元素，目的是自动完成一些人工操作任务，提高工作效率。 3. 在通用人工智能（AGI）的发展等级中： 聊天机器人：具备基本对话能力，依赖预设脚本和关键词匹配，用于简单服务和查询响应。 推理者：具备人类推理水平，能解决复杂问题，如 ChatGPT。 智能体：不仅能推理，还能执行全自动化业务，但目前仍需人类参与。 创新者：能够协助人类完成新发明，如预测蛋白质结构等。 组织：最高级别，能自动执行组织的全部业务流程。