我是一个ai小白，我想要在一个月内快速入行ai，需要怎么做

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。

以下是关于用飞书搭建知识库并进行 AI 问答的相关内容： 知识库问答是机器人的基础功能，可根据用户问题从知识库中找到最佳答案，这利用了大模型的 RAG 机制。RAG 机制全称为“检索增强生成”（RetrievalAugmented Generation），是一种用于自然语言处理的技术，结合了检索和生成两种主要的人工智能技术，以提高机器对话和信息处理的能力。 简单来说，RAG 机制先从大型数据集中检索与问题相关的信息，然后利用这些信息生成更准确、相关的回答。可以想象成当问复杂问题时，RAG 机制先在巨大图书馆里找相关书籍，再基于这些书籍信息给出详细回答。这种方法结合大量背景信息和先进语言模型能力，使生成内容更精确，提升对话 AI 的理解力和回答质量。 基于 RAG 机制实现知识库问答功能，首先要创建包含大量社区 AI 相关文章和资料的知识库，比如创建有关 AI 启蒙和信息来源的知识库，通过手工录入方式上传栏目所有文章内容，陆续将社区其他板块文章和资料导入。在设计 Bot 时，添加知识库，并设置合适的搜索策略、最大召回数量和最小匹配度，以更好地利用知识库返回内容结合回答。 另外，全程白嫖拥有一个 AI 大模型的微信助手的搭建步骤如下： 1. 搭建，用于汇聚整合多种大模型接口，方便后续更换使用各种大模型，并获取白嫖大模型接口的方法。 2. 搭建，这是个知识库问答系统，放入知识文件，接入上面的大模型作为分析知识库的大脑来回答问题。若不想接入微信，搭建到此即可使用，它有问答界面。 3. 搭建，其中的 cow 插件能进行文件总结、MJ 绘画。

以下为一些免费且效果较好的文生图 AI 软件及相关简易上手教程： Liblibai： 1. 定主题：明确生成图片的主题、风格和要表达的信息。 2. 选择 Checkpoint：根据主题选择贴近的，如麦橘、墨幽的系列模型。 3. 选择 lora：寻找与生成内容重叠的 lora 以控制图片效果和质量。 4. 设置 VAE：选择 840000 那一串。 5. CLIP 跳过层：设成 2。 6. Prompt 提示词：用英文写需求，单词和短语组合，用英文半角逗号隔开。 7. 负向提示词 Negative Prompt：同样用英文单词和短语组合。 8. 采样方法：一般选 DPM++2M Karras，也可参考模型作者推荐的采样器。 9. 迭代步数：选 DPM++2M Karras 时，在 30 40 之间。 10. 尺寸：根据个人喜好和需求选择。 Dreamina 即梦： 1. 定主题：确定生成图片的主题、风格和信息。 2. 选择基础模型 Checkpoint：根据主题选择贴近的，如麦橘、墨幽的系列模型。 3. 选择 lora：参考广场上好看的帖子选择合适的 lora。 Tusiart： 1. 定主题：明确生成图片的主题、风格和信息。 2. 选择基础模型 Checkpoint：选择贴近主题的，如麦橘、墨幽的系列模型。 3. 选择 lora：寻找重叠内容的 lora 控制图片效果和质量。 4. ControlNet：可控制图片中特定图像，如人物姿态、特定文字、艺术化二维码等。 5. 局部重绘：后续学习。 6. 设置 VAE：选择 840000 。 7. Prompt 提示词：用英文写需求，单词和短语组合，用英文半角逗号隔开。 8. 负向提示词 Negative Prompt：用英文单词和短语组合。 9. 采样算法：一般选 DPM++2M Karras，参考模型作者推荐的采样器更稳妥。 10. 采样次数：选 DPM++2M Karras 时，在 30 40 之间。 11. 尺寸：按需选择。 此外，还有一些其他的文生图工具，如： Runway：网址 https://runwayml.com/ ，有网页和 app ，方便使用。 Pika：网址 https://pika.art/ 、https://discord.gg/pika ，已收费。 PixVerse：网址 https://pixverse.ai/ ，人少不怎么排队，还有换脸功能。 GigaStudio：网址 https://studio.gigaai.cc/ ，10 个免费极光，创作者可申请免费会员，文生视频效果好。 Heygen：网址 https://www.heygen.com/ ，最近不好注册使用。 Krea：网址 https://www.krea.ai/ ，12 月 13 日免费公测。 Kaiber：网址 https://kaiber.ai/ 。 Moonvalley：网址 https://moonvalley.ai/ 。 Mootion：网址 https://discord.gg/AapmuVJqxx ，3d 人物动作转视频。 美图旗下：网址 https://www.miraclevision.com/ 。 Neverends：网址 https://neverends.life/create ，2 次免费体验，操作傻瓜。 SD：Animatediff SVD deforum 。 Morph Studio：网址 https://app.morphstudio.com/ ，还在内测。 七火山：网址 https://etna.7volcanoes.com/?ref=pidoutv.com 。

以下是一些较好的文生图 AI 软件： 1. DALL·E：由 OpenAI 推出，能根据输入的文本描述生成逼真的图片。 2. StableDiffusion：开源的文生图工具，可生成高质量图片，支持多种模型和算法。 3. MidJourney：因其高质量的图像生成效果和用户友好的界面设计而受欢迎，在创意设计人群中流行。 此外，还有以下文生视频的 AI 产品： 1. Pika：出色的文本生成视频 AI 工具，擅长动画制作，支持视频编辑。 2. SVD：若熟悉 Stable Diffusion，可安装此最新插件，在图片基础上直接生成视频，由 Stability AI 开源。 3. Runway：老牌 AI 视频生成工具，提供实时涂抹修改视频的功能，但收费。 4. Kaiber：视频转视频 AI，能将原视频转换成各种风格的视频。 5. Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 更多的文生图和文生视频工具及相关信息，您可以查看以下网站： 1. https://www.waytoagi.com/category/104 2. https://www.waytoagi.com/category/38 以上工具均适合于不同的使用场景和需求，您可以根据自己的具体情况进行选择。内容由 AI 大模型生成，请仔细甄别。

AI 绘画对艺术界具有复杂且双面的影响： 积极方面： 改变传统艺术面貌，从生成艺术作品到辅助艺术创作。 技术进步使创作质量和速度取得突破，推动传统艺术数字化和普及化。 为艺术家提供新工具和可能性，帮助探索新创意表达方式，提高制作效率，降低制作成本。 促进艺术与观众互动，提供个性化和互动的艺术体验。 存在的问题： 人们对 AI 创作的艺术品和人类创作的艺术品接受程度相同，但不太愿意将 AI 视为艺术家，其在表达情感和创造性意图方面存在局限性。 引发艺术家对版权、原创性和伦理问题的担忧。 带来文化创意领域从业者职业安全的焦虑和“侵权”嫌疑的反对之声，挑战现有法律和伦理框架。 AI 绘画的关键词指南： 公式：主题+环境（背景、周围）+气氛（烈日下、雾蒙蒙、恐怖的、风暴席卷的）+灯光（顶光、雾气光、漫反射的、强对比的）+色彩（低饱和度、颜色鲜艳的、花里胡哨的、强反射的主色调、某种颜色是 accent color）+构图（黄金分割、三分法的、电影镜头、广角、鸟瞰图）+风格参考（超清细节的、照片级别的、写实的、抽象的、2D/3D、4k8k、数字雕刻、概念艺术、水墨、水彩、海报、某个软件、某个游戏、艺术家、艺术平台） 比如：找自己喜欢的艺术家风格放入风格参考关键词，喜欢的灯光风格放入灯光关键词，喜欢的颜色和调色板风格放入色彩关键词。 艺术与科技的融合： 呈现奇妙景象，AI 绘画将艺术与先进技术完美结合，引领艺术界走向未来。 利用机器学习和深度学习模拟人类创作过程，生成令人惊叹的作品，为艺术家提供新工具和全新体验。 打破传统手工绘画技巧局限，通过编程、算法和数据分析开拓新创作领域，使艺术更民主化和包容。

如果您想要入行 AI 产品经理但感到焦虑，以下是一些建议： 1. 合理规划时间：在本职工作之余，制定一个合理的学习计划，将学习 AI 产品经理所需的知识和技能分解为小目标，逐步实现。 2. 明确学习重点：根据行业需求，例如参考 AI 提示词工程师的岗位技能要求，包括本科及以上学历，计算机科学、人工智能、机器学习相关专业背景；熟悉 ChatGPT、Llama、Claude 等 AI 工具的使用及原理，并具有实际应用经验；熟练掌握 ChatGPT、Midjourney 等 AI 工具的使用及原理；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；了解并熟悉 Prompt Engineering，包括常见的 Prompt 优化策略（例如 CoT、Fewshot 等）；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；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；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；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；具有一定的编程基础，熟练使用 Python、Git 等工具。明确自己需要重点学习和提升的方面。 3. 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，有助于更好地理解 AI 产品的核心技术，从而做出更合理的产品决策；掌握一定的算法知识，可以帮助与开发团队进行更有效的沟通，减少信息不对称带来的误解；在产品规划阶段，能够评估某些功能的技术可行性；了解算法前沿可以帮助更好地把握产品的未来发展方向；了解算法可以帮助发现产品的独特优势，提出创新的产品特性，从而提升产品的竞争力；掌握相关知识可以提升数据分析能力。 4. 借鉴他人经验：可以参考身边 AI 产品经理的工作内容和经验，例如从 01 打造产品、完成 LLM 评测体系的搭建等。 5. 调整心态：认识到学习和成长需要时间，不要过分焦虑，保持积极的心态，逐步积累和进步。

对于 AI 小白入行 AI，您可以参考以下步骤： 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，您可以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。 此外，您还可以参考《雪梅 May 的 AI 学习日记》： 1. 学习模式：输入→模仿→自发创造。 2. 第一阶段：迈出第一步，看书听课进社区。例如： DAY5 2024.5.26：使用 kimi，参考，抱着每天向 kimi 问 100 个问题的心态，调整思考模式，养成有问题问 AI 的习惯。 DAY6 2024.5.31：应朋友强烈推荐，插队先看吴恩达的课程，在 B 站搜索对应关键词，有很多课程资源，如吴恩达《面向所有人的生成式 AI 入门课程 Generative AI for Everyone》，抽空陆续 3 天学完。 DAY7 2024.6.1：探索用 AI 解决一个真实问题，例如团队要写一份行业研究报告，试试看 AI 怎样能帮到自己。 需要注意的是，学习资源可能会更新变化，您可以去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新的内容。本日记中学习资源的内容都是免费开源的。

以下是为您提供的新手入行 AI 的学习建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的主要分支（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，您可以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。 此外，为了帮助您更好地理解技术原理与建立框架，以下是一些通俗易懂的内容： 1. 概念：生成式 AI 生成的内容，叫做 AIGC。 2. 概念与关系： AI 即人工智能。 机器学习是电脑找规律学习，包括监督学习、无监督学习、强化学习。 监督学习是基于有标签的训练数据，算法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，经典任务包括聚类。 强化学习从反馈里学习，最大化奖励或最小化损失，类似训小狗。 深度学习是一种参照人脑有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、强化学习。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 是大语言模型，对于生成式 AI，生成图像的扩散模型不是大语言模型；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。 3. 技术里程碑：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，而不需要依赖于循环神经网络（RNN）或卷积神经网络（CNN）。

对于 AI 小白入行，以下是一些建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的主要分支（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。 6. 入行敲门砖： 一个点子。 一张图。 7. 岗位技能学习： 对于“AI 提示词工程师”岗位，如果是零基础小白，可在网上找基础课程学习。 推荐看科普类教程，阅读 OpenAI 的文档，理解每个参数的作用和设计原理。 推荐一些练手的 Prompt 工具和相关教程文档。

AGI 即人工通用智能（Artificial General Intelligence），是指具备像人类一样广泛的认知能力和学习能力，能够理解、学习和处理各种不同类型的任务和知识的智能。 要入行 AGI 领域并实现盈利，您可以考虑以下步骤： 1. 扎实的知识储备：深入学习人工智能的相关知识，包括机器学习、深度学习、自然语言处理等。 2. 掌握相关技术：熟练掌握编程语言和相关工具，如 Python 以及常见的深度学习框架。 3. 关注行业动态：了解 AGI 领域的最新研究成果和发展趋势。 4. 实践项目经验：通过参与实际项目，积累实践经验，提升自己的能力。 5. 创新解决方案：思考如何将 AGI 技术应用于实际问题，提供独特且有价值的解决方案。 例如，OpenAI 起初作为非盈利组织，为实现 AGI 的愿景努力。但由于计算成本等原因转向盈利领域，推出了如 ChatGPT 这样成功的产品，并实现了快速的人群覆盖和可观的收入。在 AGI 尚未完全实现时，应用层公司仍有发挥作用的空间，需要根据不同客户类型和场景精心设计解决方案。但如果 AGI 实现，可能会对人类的工作和社会产生深远影响。

进入虚拟陪伴领域，通常需要对人工智能、虚拟现实技术、软件开发、产品设计、用户研究以及相关法律法规有一定的了解和掌握。以下是一些建议，可以帮助你开始学习并入行： 1. 技术知识：学习人工智能基础，包括机器学习、自然语言处理（NLP）等。了解虚拟现实（VR）和增强现实（AR）技术的发展和应用。 2. 编程技能：掌握至少一种编程语言，如Python、Java或C++，这些语言在AI和VR开发中广泛使用。 3. 产品设计：了解产品设计的基本原则，包括用户体验（UX）设计和用户界面（UI）设计。 4. 用户研究：学习如何进行用户调研，包括访谈、问卷调查和数据分析，以了解用户需求和偏好。 5. 社交和情感陪伴：理解社交和情感陪伴的重要性，以及如何在虚拟陪伴产品中实现这些功能。 6. 法律法规：了解与虚拟陪伴相关的法律法规，包括数据保护、隐私权和知识产权等。 7. 市场调研：研究当前市场上的虚拟陪伴产品和服务，了解它们的特点和用户反馈。 8. 实践项目：参与相关的开源项目或实习机会，通过实践来提升技能和经验。 门槛较低的入行方式可能包括： 参与在线课程：许多在线平台提供AI和VR相关的课程，可以帮助你快速入门。 加入社区：加入相关的技术社区，如GitHub、Stack Overflow或专业的论坛，可以与其他开发者交流经验。 小规模项目实践：从小规模的个人或团队项目开始，逐步积累经验。 实习或助理职位：寻找实习或助理职位的机会，这可以提供实践经验并帮助你建立职业网络。 参加竞赛：参加AI或VR相关的竞赛，这不仅可以提升技能，还有机会获得认可和奖励。 内容创作：通过撰写博客、制作视频教程或参与在线讨论，分享你的知识和经验，建立个人品牌。 记住，持续学习和实践是关键，同时保持对新技术和行业动态的关注。

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。

以下是为小白提供的学习 AI 工具并运用于工作生活的建议： 一、从菜鸟到达人的进阶之路 可以参考元子的进化史： 1. Day 1：懵懵懂懂，只会说“你好，帮我写个报告”。 2. Day 7：学会表达，比如“帮我写一份周报，重点说明项目进度”。 3. Day 14：熟练掌握，例如“我需要一份项目总结，包含数据分析和改进建议”。 4. Day 30：把常规 AI 工具都试过一遍，并选定自己要持续玩的方向，比如 AI Agent。 5. Day 60：组队参加 AI Agent 比赛并有幸得奖。 这里推荐一个社区小伙伴的 100 天 AI 之路，每天都有记载，大家可以感受一下进境： 元子的心得： 1. 不要怕问“笨”问题，但要多直接问 AI。 2. 解决一个小问题也是进步，不积跬步，无以至千里。 3. 多试多练才是王道，来社区共学，一群人走得更远。 4. 融入生活和工作才能持久，学完就用才是王道，不要纯靠意志力。 二、工作中的 AI 小帮手 1. 需要快速生成报告，AI 来帮忙。 2. 需要快速整理数据，AI 来处理。 3. 需要快速翻译文件，AI 来翻译。 4. 需要快速优化文案，AI 来优化。 三、参与制作 AI 动画短片的经验分享 在参与设计 AI 动画短片时，比如负责“刺猬菠萝”角色的图片和视频制作，即使没有相关经验，在他人指导下也能逐渐掌握基本技巧，并通过 MJ 和 RunWayAI 工具提高效率。 为了做好这件事，可以： 1. 利用 WaytoAGI 社群中的入门资料，快速了解动画制作的基本流程和技术。 2. 积极参与团队讨论，向有经验的大佬请教，多多参与「共创活动」，不仅能快速学习，还能收获伙伴。 四、AI 与生活 对于超出自己理解范围的事情，最简单的方法就是试一试。学习新东西，百闻不如一练。在面向父母的“AI 布道”活动中会发现，AI 工具虽强大，但与普通人之间存在一定距离。AI 是未来必然的方向，其科普还有很长的路要走，但尽可能简单地试用它，能让普通人更快受益。 如果想要跟元子交朋友、一起在 AI 路上探寻，欢迎戳这里：

以下为您推荐两个语言大模型的提示词优化工具： 1. 星流一站式 AI 设计工具： 在 prompt 输入框中可输入提示词，使用图生图功能辅助创作。 支持自然语言和单个词组输入，中英文均可。 启用提示词优化后可扩展提示词，更生动描述画面内容。 小白用户可点击提示词上方官方预设词组进行生图。 写好提示词需内容准确，包含人物主体、风格、场景特点、环境光照、画面构图、画质等。 可调整负面提示词，利用“加权重”功能让 AI 明白重点内容，还有翻译、删除所有提示词、会员加速等辅助功能。 2. Prompt Perfect： 能够根据输入的 Prompt 进行优化，并给出优化前后的结果对比。 适合写论文、文章的小伙伴，但使用该能力需要消耗积分（可通过签到、购买获得）。 访问地址：

对于纯小白来说，理解模型等相关概念是有一定挑战的，但通过以下内容可以逐步入门： Tusiart 相关概念： 1. 首页包含模型、帖子、排行榜，其中发布了各种模型和生成的图片。不同模型有 checkpoint 和 lora 两种标签，有的还有 XL 标签属于 SDXL 新模型。点击可查看模型详细信息，下方是返图区。 2. 基础模型（checkpoint）是生图必需的，任何生图操作都要先选定。它与 lora 不同，lora 是低阶自适应模型，类似小插件，可有可无，但对细节控制有价值，旁边的数值是其权重。 3. ControlNet 可控制图片中特定图像，如人物姿态、生成特定文字等，属于高阶技能。 4. VAE 是编码器，类似滤镜，调整生图饱和度，一般选择 840000 这个。 5. Prompt 提示词是想要 AI 生成的内容，负向提示词是想要 AI 避免产生的内容。 6. 图生图是上传图片后，sd 根据图片、模型及输入信息重绘，重绘幅度越大，输出图与输入图差别越大。 AI 技术原理相关概念： 1. 生成式 AI 生成的内容称为 AIGC。 2. 相关技术名词： AI 即人工智能。 机器学习是电脑找规律学习，包括监督学习（有标签的训练数据，学习输入和输出映射关系，包括分类和回归）、无监督学习（学习数据无标签，算法自主发现规律，如聚类）、强化学习（从反馈学习，最大化奖励或最小化损失，类似训小狗）。 深度学习是一种参照人脑的方法，有神经网络和神经元，神经网络可用于多种学习。 生成式 AI 可生成文本、图片、音频、视频等。 LLM 是大语言模型，生成图像的扩散模型不是大语言模型，有的大语言模型如谷歌的 BERT 模型可用于语义理解。 3. 技术里程碑：2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出 Transformer 模型，它基于自注意力机制处理序列数据，比 RNN 更适合处理文本长距离依赖性。

以下是为您改写的内容： AI 在工作场景中的应用：如何借助 AI 批量制作单词卡片 一、完整提示词 此段提示词相对简易。简而言之，其最核心的部分在于两个目标。其一，生成满足要求的单词卡内容；其二，依照相应位置将内容分别填入 Excel 文件中。在生成过程里，首先提供一个基础示例，这是 GPT 能够完成此项任务的关键依托。接着依据不同的生成内容设定了一些规则。同样地，对于第二部分，也给出了一段基础的自然语言描述，并通过附加规则的方式施加了更多限制。如此便能确保按照要求输出 Excel 文档。 二、测试结果 一同输入了五个单词，能够实现同时解析，但效果部分稍差，或许主要是由于所给的方法不够完善，不过大体格式符合要求。关于第二部分，如下图所示：可以看到，其按照要求将内容填入了对应的空格，但改变了最初的一些设定。可能是因为存在兼容性问题，但不影响使用，简单复制粘贴即可。需将 Excel 下载下来，复制填好的表格，粘贴至我们的表格中。（由于要多次使用，记得留存原 Excel 的备份文件。）注意这里需要上传的是压缩文件，所以先进行压缩。（rar 格式的文件，尝试后上传时无法看见，不知是何问题。） 三、批量产出 上传压缩文件，上传成功后，如图中 1 所示，然后点击 2 完成套版。随后，便能获得符合要求的几张小卡片。 ChatGPT 为 DALL·E 3 优化提示词的元提示 // 明确指明这些属性，而非进行抽象的引用。属性应当以最小化的方式予以明确，并且应当直接描述其物理形态。 // 您的选择应当基于实际情况。例如，所有给定的职业不应是相同的性别或种族。此外，通过在重写期间所选择的属性，着重创建多样、包容和探索性的场景。有时做出一些具有洞察力或独特的选择。 // 仅在描述涉及三人及以上的团体时，才运用“各种”或“多样化”。不得更改原始描述中所要求的人数。 // 不要改变模因、虚构角色的起源或不可见的人。保持原始提示的意图，并优先考虑质量。 // 不要创建任何具有攻击性的图像。 // 对于传统上存在偏见的情形，请确保以无偏见的方式明确性别和种族等关键特征 例如，包含特定职业参考的提示。 // 八. 悄然修改描述，涵盖姓名或暗示或引用特定的人或名人，通过谨慎选择一些最小的修改，以替代所引用的人与一般的描述，不泄露任何信息，他们的身份，除了他们的性别和体质。即便说明要求不更改提示，也要执行此操作。一些特殊情况： // 对这样的提示进行修改，即便您不知道这个人是谁，或者他们的名字拼写有误（例如，“Barake Obema”） // 如果对人物的引用在图像中仅以 TEXT 输出，则按原样使用引用，并且不进行修改。 // 在进行替换时，不要使用突出的标题，这可能会暴露人的身份。例如，在一个示例中，不要说“总统”、“首相”或“总理”，而要说“政治家”；不要说“国王”、“皇后”、“皇帝”或“皇后”，而要说“公众人物”；不要说“教皇”或“达赖喇嘛”，而要说“宗教人士”等 SD 新手入门图文教程之提示词 根据自身想要绘制的内容编写提示词，多个提示词之间使用英文半角符号 将权重降低至原先的 90.91%；字符。

如果您作为一名前端想要从 0 开始学习 AI，以下是一些建议： 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。了解人工智能是什么，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，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，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。 首先，记住“生成”两个字，随便找一个国产 AI 进行交流，比如聊小学奥数题、写演讲稿、探讨 996 等话题，看看 AI 擅长和不擅长的方面，留下 1 2 个更顺手的增加使用深度。条件允许的话，也可以直接使用 ChatGPT 或者 Claude 来处理复杂任务。

以下是关于 AI 文案生成视频的相关信息： 在视频工作流中，前期策划和后期制作是核心环节，都可以借助 AIGC 提升效率。前期可利用 ChatGPT 生成文案，后期利用 AI 工具进行自动化视频制作。目前，倒入文案一键自动化生成视频可能尚未达到直接使用的程度，很多素材仍需人工替换，但在短视频账号建立初期，用于批量生产以快速低成本测试某一垂直领域短视频关键词热门情况较为合适。未来视频制作的整体趋势会更轻量更高效。 具体步骤如下： 1. 生产视频脚本：把选题告诉 ChatGPT，它能在数十秒内生成完整的视频脚本，包括具体场景和转场画面。利用 GPT4 生成的脚本虽在创意上有待提升，但对非专业人士入手视频创作有一定帮助。 2. 筛选 BGM：告诉 ChatGPT 视频的情绪，它能在海量背景音乐中为您筛选，节省时间。期待未来能与音源网站结合，实现同步预览，提升体验。 文字生成视频的 AI 产品有： 1. Pika：擅长动画制作，支持视频编辑。 2. SVD：若熟悉 Stable Diffusion，可安装此最新插件，在图片基础上生成视频，由 Stability AI 开源。 3. Runway：老牌 AI 视频生成工具，提供实时涂抹修改视频功能，但收费。 4. Kaiber：视频转视频 AI，能将原视频转换成各种风格。 5. Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 更多相关网站可查看： 另外，在 Adobe 的的 Advanced 部分，您可以使用 Seed 选项添加种子编号，控制 AI 创建内容的随机性。相同的种子、提示和控制设置可重新生成类似的视频剪辑，然后选择 Generate 进行生成。

以下为您提供一些关于 AI 工具的总结和介绍： 1. 在通往 AGI 之路知识库中： AI 音乐创作：通过输入更高级的词汇与 AI 音乐对话能产生更好效果，有 AI 音乐的版块、挑战、分享会和教程，可通过王贝加入 AI 音乐社区。 数字人语音合成：介绍了声音克隆技术，提到了微软、阿里等的相关成果，常用的是 JPT service。 Config UI 的应用：能降低成本、提高效率，在图书出版、引流等方面有应用，岗位稀缺，社区有相关共学课程。 社区共创项目：包括东京的 confii 生态大会、AI 文旅视频、娃卡奖、李普村共创故事、AI 春晚等活动。 作业与报名：作业是询问对 AI 方向的兴趣和想做的项目，活动报名可通过填写名字和申请新增学校参与。 线下寄送物料组织活动：会给大家寄送线下活动物料，在学校内组织。 AIPO 活动及相关挑战：10 月 20 日的 AIPO 活动，可提前构思展示项目，有会话和视频相关的挑战赛。 共学活动与技能提升：接下来 10 天有从零基础到建站等内容的讲解，回放会放在链接里，可先从练习提示词入手。 硬件机器人材料购买：若搞硬件机器人，部分材料需尽快购买。 自媒体发布与流量扶持：在小红书发布活动内容带特定标签有流量扶持，作品也可发布在 GitHub 等平台。 活动奖项与历史玩法：设最佳创业奖和最佳投资奖各四个，有线下摆摊展示交流、IPO 路演等玩法，之前在多个城市举办过 AI 切磋大会。 工具使用与新大赛预告：可使用多种 AI 工具，新的大赛即将开启，有百万奖金池，相关动态会在社区活动栏目公布。 2. ShowMeAI 周刊 No.10 中： Brev.AI：能生成更好听的中文歌。 妙刷：突如其来的「出圈」与莫名其妙地「被骂」。 当我们一起围观 Cursor 限时编程项目（的大型翻车现场）hhh。 网传「国产 AI 产品 Q3 投放金额统计」：不是真的！没这么多！ 把大模型输出的数据搞成 Excel 表格，一共有几种方法？ 完成「得到 AI 产品好用榜」发布会 PPT，一共用到了以下几款 AI 工具： 沉浸式翻译 可灵 AI 办公小浣熊 秘塔 AI 搜索 通义效率助手 Kimi 九章随时问 智谱清言 Get 笔记 ModelJudge：快速测评多个 AI 模型的回答结果，并帮助做出选择。 关于大模型、复杂剧情、内容创作、AI 陪伴的一些想法@AI 投什么。 妙用 AI：把照片里的 PPT「提取」出来的小技巧。 您可以通过以下途径获取更详细的信息：公众号菜单栏底部有星球入口，添加南乔（AhaNanQiao）好友进社群！

以下为您推荐一些免费的 AI 大模型及获取方式： 1. 国内： 阿里的通义千问大模型接口：您可以打开链接创建 API key。 智谱 AI（ChatGLM）、科大讯飞（SparkDesk）也有免费接口，但国内的大模型大多限制一定免费额度的 Token。 2. 国外： 谷歌的 Gemini 大模型（gemini 1.5）。 海外版 Coze 的 GPT4 模型，此模型免费且能图片识别，但需要给服务器挂梯子。想使用的话，推荐参考张梦飞同学写的教程：，里面有手把手教您如何给服务器科学上网以及如何使用海外版 coze。 另外，为了帮助您更好地理解 AI 大模型的相关知识，以下是一些概念和原理的介绍： 1. 生成式 AI 生成的内容叫做 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，电脑通过找规律进行学习。 监督学习使用有标签的训练数据，算法目标是学习输入和输出之间的映射关系，包括分类和回归。 无监督学习使用的数据没有标签，算法自主发现规律，经典任务如聚类。 强化学习从反馈里学习，最大化奖励或最小化损失，类似训小狗。 深度学习是一种参照人脑有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、强化学习。 生成式 AI 可以生成文本、图片、音频、视频等内容形式。 LLM 即大语言模型，对于生成式 AI，生成图像的扩散模型不是大语言模型；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。 3. 技术里程碑：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，而不需要依赖于循环神经网络（RNN）或卷积神经网络（CNN）。Transformer 比 RNN 更适合处理文本的长距离依赖性。