AI产业商业模式

以下是构建个人 AI 知识库的详尽方案及相关工具应用案例： 方案： 1. 知识收集：学习如何有效地收集、整理和检索信息，例如分新闻、观点、访谈、论文翻译来进行提炼。 2. 知识管理：通过实际操作，体验工具在知识管理方面的应用。 3. 数据处理：使用工具对数据进行转换、提取和呈现，如从图像和图形中提取数据。 4. 内容总结：总结视频内容、翻译和改换风格等。 工具应用案例： 1. 知识收集与整理： 通义听悟整理录音笔记：https://tingwu.aliyun.com 用 React 实现选中即解释 本机跑大语言模型工具：https://ollama.com 选词翻译、解读、拓展：https://snapbox.app 与各种 AI 机器人聊天：https://opencat.app 、https://chathub.gg/ 、https://www.elmo.chat/ 定义提示语，根据不同类型提取有用信息：https://memo.ac/zh/ 2. 数据获取与处理： 下载视频：Mac 用 Downie，Windows 推荐 IDM 淘宝数码荔枝店购买 开源免费屏幕录制工具 OBS：https://obsproject.com/ 用 losslessCut 快速切块 3. 构建知识库： 将文本转换成向量（如使用 embeddings API），先把大文本拆分成若干小文本块（chunk），将小文本块转换成 embeddings 向量并在向量储存库中保存，当用户提问时，通过比对向量提取关联度最高的文本块与问题组合成新的 prompt 发送给 GPT API。 例如对于一篇包含多个文本块的文章，如“文本块 1：本文作者：越山。xxxx。”“文本块 2：公众号越山集的介绍：传播效率方法，分享 AI 应用，陪伴彼此在成长路上，共同前行。”等，当提问“此文作者是谁？”时，可通过比较 embeddings 向量找出关联度最高的文本块。 4. 工具入门： 提示词：现成好用的 Prompt： AI Agent：Agent 工具 小白的 Coze 之旅： AI Pic：现在主流的 AI 绘图工具网站：

以下是关于学习 AI 大模型的相关知识： 1. 概念 生成式 AI 生成的内容称为 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：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：学习的数据没有标签，算法自主发现规律，经典任务如聚类，例如让模型将一堆新闻文章根据主题或内容特征分成相似特征的组。 强化学习：从反馈中学习，以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（因有很多层所以叫深度）的方法，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，如谷歌的 BERT 模型可用于语义理解（不擅长文本生成），像上下文理解、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 Transformer 模型，它完全基于自注意力机制（SelfAttention）处理序列数据，不依赖于循环神经网络（RNN）或卷积神经网络（CNN）。

AI 在国企的应用场景广泛，以下为您列举一些常见的应用领域： 1. 医疗保健方面： 医学影像分析：辅助诊断疾病。 药物研发：加速研发过程，识别潜在药物候选物和设计新治疗方法。 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。 2. 金融服务方面： 风控和反欺诈：降低金融机构风险。 信用评估：帮助做出更好的贷款决策。 投资分析：辅助投资者做出明智决策。 客户服务：提供 24/7 服务，回答常见问题。 3. 零售和电子商务方面： 产品推荐：根据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。 4. 制造业方面： 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。 此外，在国企中，AI 还可以应用于工作流程自动化、提高运营效率、优化资源配置等方面。随着技术的不断发展，未来有望看到更多创新的应用场景和解决方案。

以下是为您推荐的一些可能有助于写值周小结的 AI 软件： 1. 可画软件：提供多种排版模板和 AI 功能，方便图片处理和尺寸调整，如将海报尺寸调为 1080 乘 1440。 2. Request 软件：具有锐化清晰度等 PS 中有的功能，可自定义尺寸、选择风格模型、创建风格，支持中文输入但部分提示词用谷歌翻译更准确，还具有文字输入、样机等功能。每天登录有 50 点积分，生成一次图像需 1 点积分，可创建系列图像。 3. 吉梦智能画板：具有消除、图层、一键抠图等功能，抠图效果较好。 此外，还有一些辅助工具： 1. IAIFONT、自由等字体软件：可及时预览和切换字体，注意使用免费字体和避免版权问题。 2. 内容排版大师的 GPTs：只需在聊天框粘贴文字内容，然后点击发送即可。GPTs 链接：https://chat.openai.com/g/gt9dIHp4Ntneirongpaibandashi 。 3. 小作卡片 app：官网链接：https://kosaku.imxie.club/ 。操作步骤为：①打开软件点击「自制卡片」；②在「记录些什么...」中粘贴 AI 生成文本内容；③点击右下角的保存图标即可导出。

软件工程师可以从以下几个方面在 AI 上获得帮助： 1. 辅助编程的 AI 工具： GitHub Copilot：由 GitHub 联合 OpenAI 和微软 Azure 团队推出，支持多种语言和 IDE，能快速提供代码建议。 通义灵码：阿里巴巴团队推出，提供多种编程相关能力。 CodeWhisperer：亚马逊 AWS 团队推出，由机器学习技术驱动，提供实时代码建议。 CodeGeeX：智谱 AI 推出的开源免费工具，基于大模型可快速生成代码。 Cody：Sourcegraph 推出，借助强大的代码语义索引和分析能力为开发者服务。 CodeFuse：蚂蚁集团支付宝团队提供的免费 AI 代码助手。 Codeium：由 AI 驱动，提供代码建议、重构提示和代码解释等帮助。 更多工具可查看：https://www.waytoagi.com/category/65 。每个工具功能和适用场景不同，可根据需求选择。 2. 生成性 AI 作为助手：模型在大量代码库上训练，在编码时给出建议，但要注意生成代码的正确性，在提高生产力的同时限制生成量以检查正确性。例如 GitHub Copilot 帮助提高了开发人员的生产力，估计增长在 2 倍或更少的范围内。 Sam Altman 的三点观察表明： 1. AI 模型的智能大致等于用于训练和运行它的资源的对数，预测这一规律的缩放定律在多个数量级上都准确。 2. 使用给定水平的人工智能的成本每 12 个月下降约 10 倍，较低价格导致使用量大幅增加。 3. 社会经济上线性提升智力的价值具有超指数性质，这一结果导致看不到指数式投资在不久将来会停止的理由。 未来可能会推出人工智能代理，如软件工程师代理人，虽然存在一些不足，但仍可能产生重大影响。生成性 AI 作为程序员助手是最早应用之一，成果出色，但相对于图像生成，生产力提升相对较小，且要注意代码正确性。

以下是利用 AI 学好英语以应对国外出差和商务谈判的一些建议： 1. 进行自然语言对话：让 AI 模拟真实的交流场景，与您进行英语对话，帮助您提高口语表达和听力理解能力。 2. 提供深入全面的解释：要求 AI 对您提出的问题和知识点提供深入的见解和全面的理解，可能的话还可以为您寻找并提供相关的网络图片来增强解释效果。 3. 构建复杂的句子：让 AI 巧妙地运用复杂的句子结构来模拟真实的人类对话，丰富语言的多样性和复杂性。 4. 创意和多样的语言运用：避免语言的重复，使用多样的短语和词汇，并适当加入幽默、讽刺等元素，展现个性化。 5. 基于事实和引用：让 AI 在回答中包含事实和著名的引语，增加回答的可信度。 6. 详细和个性化的回应：AI 的回答应包含具体而细致的内容，并根据您之前的交流历史进行个性化定制。 7. 模仿人类的不完美：偶尔让 AI 模仿人类的小拼写错误、语法错误和轻微的逻辑不一致。 8. 富有表现力和个性化的交流：让 AI 在交流中注入情感，使用随意的语言和各种语气词，展示其推理过程。 9. 多样的结构和语言格式：让 AI 采用多种句子结构和表达方式，使语言更丰富自然。 10. 分享个人故事和独特观点：让 AI 补充个人经历和独特的观点，使交流更丰富和个性化。

传统软件行业融合 AI 的商业模式具有多种可能性和变革方向： 1. “AI 原生”模式：基于 AI 的能力再造商业模式，而非套用现有流程。 2. To AI 的商业模式：包括模型市场、合成数据、模型工程平台、模型安全等方面。 3. 基于国产芯片的软硬件联合优化，固件生态存在明确机会。 4. 端上智能有望成为全天候硬件 24x7 收集数据，具有较大想象空间。 5. 对于 SaaS 生态的影响： 认知架构带来巨大工程挑战，将模型基础能力转化为成熟可靠的端到端解决方案可能比想象中复杂。 可能引发业务模式全面变革，如从工程、产品和设计部门的瀑布式开发转变为敏捷开发和 A/B 测试，市场策略从自上而下的企业销售转向自下而上的产品驱动增长，商业模式从高价格销售转向基于使用的定价模式。 知名投资机构 Nfx 分析指出，AI 正在强制逆转 SaaS 从“软件即服务”转变为“服务即软件”，软件既能组织任务也能执行任务，传统劳动力市场最终将和软件融合成为新市场。降低企业在知识工作者上的支出，提高在软件市场的支出。企业组织中提供 AI 劳动力的产品有“AI 同事（雇佣）”等形式。

以下是关于 AI 商业模式的相关内容： 1. To AI 的商业模式可能更确定的方面包括：模型市场、合成数据、模型工程平台、模型安全。 2. 基于国产芯片的软硬件联合优化 固件生态是明确的机会。 3. 端上智能目前最大的想象空间是成为全天候硬件 24x7 收集数据。 Character.ai 覆盖了模型的研发、数据、应用等整个价值链，其商业模式注重在整个价值链上积累数据，并利用数据来不断优化用户体验，这种模式能够为公司带来持续的竞争优势和壁垒，从而在市场上获得更大的份额。 目前 AI 行业发展存在一些阻碍，如产品体验的颠覆性和完成度不足、技术门槛相对较低，以及商业模式尚未明确。例如，AI 修图新应用与移动互联网时代的“美图秀秀”相比，缺乏颠覆性创新。妙鸭这款产品在 2024 年凭借独特的产品功能和用户体验，收获了大量用户的关注和使用，其“先试用后付费”的策略和 9.9 元的定价具有吸引力，且背靠互联网大厂具备资源优势，但市场空间和后续发展潜力仍需观察。 相较 AI 类应用，传统移动互联网时代 APP 的商业模式是通过免费吸引用户，再通过广告等方式实现间接收入，但在当前阶段，这种模式或许不再适用于 AI 应用，To C 创业公司在产品发布早期阶段需做好向用户收费的准备。未来可能会出现全新的商业模式和创新打法。 此外，“AI 原生”是基于 AI 的能力来再造商业模式，而非用 AI 套用现有流程。

以下是为您生成的基于人工智能的智能家居安防系统建设方案： 项目介绍： 智能家居安防系统是利用人工智能技术，对家居环境进行实时监控和安全防护的系统。它融合了智能硬件、智能软件、智能网联和服务平台等技术，旨在提升家居安防的效率和可靠性。 商业模式： 可以采用设备销售与服务订阅相结合的模式。销售智能安防设备获取收入，同时提供定期的维护和升级服务，用户按需订阅。 竞品分析： 目前市场上的竞品主要包括传统安防企业的智能化产品和新兴科技公司的创新方案。传统企业可能在硬件制造和渠道方面有优势，新兴公司则在技术创新和用户体验上有所突破。 行业分析： 智能家居安防市场正处于快速发展阶段。随着人们对生活品质和安全的重视，需求不断增长。同时，技术的进步也为行业发展提供了有力支持。 经营规划： 1. 产品研发：不断优化智能安防设备的性能和功能。 2. 市场推广：通过线上线下多种渠道进行宣传和推广。 3. 客户服务：建立完善的售后服务体系，提高用户满意度。 风险评估： 1. 技术风险：如技术更新换代快，需要持续投入研发。 2. 市场风险：竞争激烈，市场份额可能受到挤压。 3. 法律风险：需符合相关法律法规和标准。 融资规划： 根据项目的发展阶段和资金需求，制定合理的融资计划。可以考虑天使投资、风险投资、银行贷款等多种融资渠道。 需要注意的是，以上方案仅为初步框架，具体内容还需要进一步深入调研和细化。

目前关于 2024 年中国人工智能+产业规模的相关信息如下： 国家统计局数据显示，2022 年全国研究与试验发展（R&D）经费投入总量首次超过 3 万亿元，达到 30782.9 亿元，比上年增加 2826.6 亿元，增长 10.1%，表明国家对科技创新和算力设施的重视和持续投入。我国算力设施产业链规模巨大，已达到万亿元级别。2022 年我国算力核心产业规模达到 1.8 万亿元，预计到 2023 年，中国算力产业规模将超过 3 万亿元。 在企业数量方面，截至 2024 年 3 月，全国算力存量企业共有 75,343 家。其中，广东省、北京市和江苏省的企业数量位居前三，分别有 10,315 家、7,167 家和 6,728 家。此外，人工智能企业数量也超过 4400 家。 德勤的报告指出，中国 AI 产业快速发展，得益于政策支持、经济增长和技术创新。成长型 AI 企业作为产业创新的重要力量，数量占比高达九成，活跃于各行业领域。预计到 2025 年，中国人工智能核心产业规模将突破 5000 亿元。 在影视行业，若假设 2027 年 AI 影视市场可以获得国内总市场份额的 10%，则国内 AI 影视总市场规模预计将达约 380 亿元以上；若假设 2030 年可以获得 25%以上市场份额，则国内 AI 影视总市场规模将达千亿级别。 营销行业或成生成式 AI 最早实现商业化落地的行业之一，未来，AI 技术还将持续推动营销行业的深刻变革。

以下是 2 月 13 日的 AI 产业资讯： 在巴黎 AI 峰会上，斯坦福教授李飞飞强调当前是“真正的第一个 AI 时代”。她追溯五亿年生命演化，探讨现代 AI 的三大支柱：感知算法突破、认知科学启示和计算能力提升。李飞飞提到，“数据是让神经网络真正活起来的关键”，呼吁以人为本的 AI，维护尊严、增强能力、促进社区发展，构建健康的 AI 生态系统。另附《全球 AI 竞争白热化：巴黎峰会上，欧盟宣布 2000 亿欧元追赶，美国：全球技术规则听我的》。 推理模型代表了一种新范式，专注于解决复杂、多步骤的问题。与传统模型不同，推理模型通过思考输入意图，逐步提供答案，擅长解谜和高级数学等挑战性任务。然而，其成本高昂且容易出错，适用场景有限。DeepSeek 推出的多种变体（如 R1Zero 和 R1Distill）展示了不同的训练策略和性能表现。 来自社区伙伴 Hua 的投稿，手把手指导您在微软 Azure AI Foundry 平台上完成 DeepSeek R1（671B）模型的完整部署流程，包含环境准备、资源管理、模型测试及 API 调用说明。 Anthropic 正式发布 Anthropic AI Economic Index，聚焦 AI 对经济的长期影响。该指数直观展现 AI 如何融入现代经济的各类实际任务，并从职业（occupation）和具体工作任务（task）两个维度，量化 AI 对劳动力市场的影响。 DeepSeekR1 的火爆现象背后，企业可以获得显著提升。其强化学习和联网搜索能力，改变了信息获取方式，从“检索—阅读—摘要”转变为“提问—获得答案”，大幅提升工作效率。同时，DeepSeek 的开源策略打破了技术垄断，让国内大模型能力迅速提升。 中美 AI 创业者的闭门讨论聚焦于 DeepSeekR1 的技术创新与行业趋势。DeepSeek 以其混合专家模型和强化学习优化推理能力，显著降低了成本，推动 AI 应用的普及。与传统模型不同，DeepSeek 将用户体验置于核心，未来的 AI 产品不再局限于语言交互，而是向更广泛的垂直应用扩展。 雪佬精心撰写了一份超详细的 AI 配音工具教程，历时 10 小时，专为新手设计，涵盖剪映、DubbingX、海螺 AI 三大主流配音工具的全流程实操指南。文章不仅讲解了音频导入、AI 音色克隆、文本朗读、语速调整、情绪选择、背景音优化等核心功能，还分享了进阶骚操作，如克隆自己的声音并更换成影视角色音色，让 AI 配音更具个性化和专业感。此外，文章还介绍了多语种 AI 朗读、自动歌词生成、音效匹配、语音克隆等功能，让 AI 配音真正做到“零门槛、全自动”。

以下是 2024 年美国融资金额超过 1 亿美元的部分 AI 产业链上市公司（截止 2024.10.15）： |项目名称|融资时间|融资金额（亿美元）|轮次|估值（亿美元）|主营|产业链标签|话题标签|投资方|其他信息| ||||||||||| |Augment|20240424|2.27|B|10|AI 编码辅助|应用|编程|Lightspeed Venture Partners, Index Ventures, Sutter Hill Ventures| |Cognition|20240424|1.75||20|端到端软件 Agents|应用|编程|Founders Fund, Ramp 联合创始人 Eric Glyman, Stripe 联合创始人 Patrick 和 John Collison, DoorDash 联合创始人 Tony Xu| |Xaira Therapeutics|20240423|10|A||AI 药物研发|应用|医学|Foresite Capital, ARCH Venture Partners| |Cyera|20240409|3|C|14|AI 数据安全平台|应用|数据|Coatue, Sequoia, Redpoint, Accel| |Celestial AI|20240327|1.75|C||用于 AI 存储和计算的光互连技术平台|基础设施|芯片、硬件和云平台|Thomas Tull 美国创新技术基金, M Ventures, 淡马锡, Tyche Partners| |FundGuard|20240325|1|C|4|AI 投资会计系统|应用|金融|Key1Capital, Hamilton Lane, Blumberg Capital, Team8| |Codeium|20240829|1.5|C|12|AI 编码平台|应用|编程|General Catalyst, Kleiner Perkins, Greenoaks| |Groq|20240805|6.4|D|30|AI 芯片|基础设施|芯片|贝莱德, Type One Ventures, Verdure Capital Management, Neuberger Berman| |DevRev|202408|1|A|11|AI 支持代理|应用|企业服务|Khosla Ventures, Mayfield, Param Hansa Values| |Abnormal Security|202408|2.5||50|电子邮件安全|应用|数据|Wellington Management, Menlo Ventures, Greylock, Insight Partners| |Harvey|20240723|1|C|15|法律科技|应用|法律|Google Ventures, OpenAI, Kleiner Perkins, Sequoia| |Skild AI|20240709|3|A|15|机器人技术|应用|机器人|Lightspeed Venture Partners, Coatue, Bezos Expeditions, Sequoia, Menlo Ventures, General Catalyst| |Hebbia|20240708|1.3||7|生成式 AI 搜索|应用|企业服务|Andreessen Horowitz, Peter Thiel, Index Ventures, Google Ventures| |Zephyr AI|20240313|1.11|A||AI 药物发现和精准医疗|应用|医学|Revolution Growth, 礼来公司基金会, EPIQ Capital Group, Jeff Skoll| |Together AI|20240313|1.06|A|12|AI 基础设施和开源生成|模型|硬件和云平台|Salesforce Ventures, NEA, Kleiner Perkins, Lux Capital| |Glean|20240227|2.03|D|22|AI 驱动企业搜索|应用|企业服务|Lightspeed Venture Partners, Kleiner Perkins, Sequoia, Databricks Ventures| |Figure|20240224|6.75|B|27|AI 机器人|应用|机器人|Nvidia, OpenAI, 微软| |Abridge|20240223|1.5|C|8.5|AI 医疗对话转录|应用|医学|Redpoint, Lightspeed Venture Partners, USV, IVP, Spark Capital| |Recogni|20240220|1.02|C||AI 接口解决方案|基础设施|芯片|GreatPoint Ventures, Celesta Capital, Pledge Ventures, Mayfield, DNS Capital| 信息来源：Techcrunch

以下是一些可以用于地方国民经济和社会发展规划、产业规划编制的 AI 工具： 在绘制逻辑视图、功能视图、部署视图方面： 1. Lucidchart：流行的在线绘图工具，支持多种图表创建，用户可通过拖放界面轻松创建架构图。 2. Visual Paradigm：全面的 UML 工具，提供创建各种架构视图的功能。 3. ArchiMate：开源建模语言，与 Archi 工具配合可创建逻辑视图。 4. Enterprise Architect：强大的建模、设计和生成代码工具，支持多种架构视图创建。 5. Microsoft Visio：广泛使用的图表和矢量图形应用程序，有丰富模板用于创建相关视图。 6. draw.io（现称为 diagrams.net）：免费在线图表软件，支持创建逻辑视图和部署视图等。 7. PlantUML：文本到 UML 转换工具，通过编写描述性文本自动生成相关视图。 8. Gliffy：基于云的绘图工具，提供创建各种架构图的功能。 9. Archi：免费开源工具，用于创建 ArchiMate 和 TOGAF 模型，支持逻辑视图创建。 10. Rational Rose：IBM 的 UML 工具，支持创建多种视图。 在审核规划平面图方面： 1. HDAidMaster：云端工具，在建筑、室内和景观设计领域表现出色，搭载自主训练的建筑大模型。 2. Maket.ai：面向住宅行业，在户型和室内软装设计方面有 AI 技术探索。 3. ARCHITEChTURES：AI 驱动的三维建筑设计软件，在住宅设计早期阶段可引入标准和规范。 4. Fast AI 人工智能审图平台：形成全自动智能审图流程，实现建筑全寿命周期内信息集成与管理。 但每个工具都有其特定应用场景和功能，建议根据具体需求选择合适的工具。

AI 产业链大致可分为上游的基础设施层（数据与算力）、中游的技术层（模型与算法）、下游的应用层（应用与分发）。 上游基础设施层布局投入确定性强，但涉及海量资金，入行资源门槛高，未来更多由“国家队”担当重任，普通人可考虑“合作生态”切入机会。 中游技术层处于技术爆炸期，迭代速度快，技术迭代风险高。基础通用大模型研发烧钱，竞争激烈，非巨无霸公司不建议考虑。 下游应用层是广阔蓝海，尽管从业者增加，涌现出一些产品，但成熟应用产品不多，“杀手级”应用稀少。普通个体和小团队强烈推荐重点布局，发展空间巨大。 2024 年美国融资金额超过 1 亿美元的 AI 公司（截止 2024.10.15）有： |项目名称|融资时间|融资金额（亿美元）|轮次|估值（亿美元）|主营|产业链标签|话题标签|投资方|其他信息| ||||||||||| |Zephyr AI|20240313|1.11|A||AI 药物发现和精准医疗|应用|医学|Revolution Growth,礼来公司基金会,EPIQ Capital Group,Jeff Skoll|| |Together AI|20240313|1.06|A|12|AI 基础设施和开源生成|模型|硬件和云平台|Salesforce Ventures,NEA,Kleiner Perkins,Lux Capital|| |Glean|20240227|2.03|D|22|AI 驱动企业搜索|应用|企业服务|Lightspeed Venture Partners,Kleiner Perkins,Sequoia,Databricks Ventures|| |Figure|20240224|6.75|B|27|AI 机器人|应用|机器人|Nvidia,OpenAI,微软|| |Abridge|20240223|1.5|C|8.5|AI 医疗对话转录|应用|医学|Redpoint,Lightspeed Venture Partners,USV,IVP,Spark Capital|| |Recogni|20240220|1.02|C||AI 接口解决方案|基础设施|芯片|GreatPoint Ventures,Celesta Capital,Pledge Ventures,Mayfield,DNS Capital|| 信息来源：Techcrunch

目前的 AI 插件产业实践中，以开发 AI Share Card 插件为例： 技术方案：将模板生成功能设计为固定的代码组件，让大模型专注于内容总结的功能。若用户需要其他模板，可通过增加更多模板选项或自定义模板代码功能实现。 对 AI 大模型的要求：处理纯文本总结任务，仅需 13B 或更小参数的模型，加上精调的提示词就能产生很好结果。 AI API 服务的选型要求： 较长的上下文窗口，因为内容总结类任务需要较大的上下文长度。 响应速度要快、并发支持要高，以在多人使用插件时保持良好性能表现。 免费或尽量低价，以减少模型 token 费用。例如选用的 GLM4flash（截至 202412，长达 128k 的上下文窗口，完全免费的调用价格，200 RPM 高并发支持）。 需要收费的 AI 插件因具体应用和服务提供商而异，常见的收费方式包括按使用量计费、订阅制等。但像上述提到的 GLM4flash 在特定时间内是免费的。