ai结合物联网

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。

以下是为您规划的系统学习 AI 的方案： 第一阶段：迈出第一步，打好基础 1. 学习指南 系统性学习：避免碎片化输入，系统地阅读相关书籍、听取优质课程，了解 AI 的底层原理和发展历程。 2. 初步探索 避免弯路：不要仅依赖刷短视频学习，对于 B 站等平台上的内容要有选择性，注重质量高的系统性内容。 3. 加入 AI 社区 例如“通往 AGI 之路”开源知识库，参考新手指引入门。 第二阶段：深入学习 1. 了解 AI 基本概念 阅读「」，熟悉术语和基础概念，包括主要分支及相互联系。 浏览入门文章，了解历史、应用和发展趋势。 2. 开始学习之旅 参考「」，学习生成式 AI 等基础知识，推荐李宏毅老师的课程。 利用在线教育平台（如 Coursera、edX、Udacity）按自己节奏学习，并争取获得证书。 第三阶段：选择感兴趣的模块深入 1. 领域选择 AI 领域广泛，如图像、音乐、视频等，根据兴趣选择特定模块深入学习。 掌握提示词技巧，因其上手容易且实用。 第四阶段：实践和尝试 1. 巩固知识 理论学习后通过实践巩固，尝试使用各种产品创作作品。 分享实践成果。 第五阶段：体验 AI 产品 1. 互动学习 尝试使用如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解工作原理和交互方式，获取实际应用体验，激发对 AI 潜力的认识。

以下是一个关于 Python + AI 在实际工作中的应用案例： 在自动驾驶车辆领域，对于 AI 系统的可解释性需求程度高度取决于具体情境，包括应用的安全关键程度。例如，设计自动驾驶车辆的技术专家需要理解系统的决策能力以进行测试、评估和改进；普通用户可能仅需了解决策过程以安全使用车辆；若车辆发生故障并导致有害结果，监管机构可能需要有关系统如何运作的信息以分配责任。尽管 AI 可解释性仍是技术挑战和活跃的研究领域，但监管机构已在开展相关工作以解决此问题。如 2021 年，ICO 和艾伦图灵研究所共同发布了关于用 AI 解释决策的指导，为组织提供了实用建议，以帮助向受其影响的个人解释由 AI 交付或协助的流程、服务和决策。

如果您想利用 AI 做自媒体来销售产品，可以从以下几个方面开始学习： AI 绘画方面： 1. 个体成为自媒体博主。 2. 个体商户应用。 3. 实体印刷（如 T 恤、杯子实物等）。 4. AI 摄影。 5. 设计接单。 6. AI 定制萌娃头像。 7. 电商商品。 8. 自媒体素材。 9. AI 服装预售。 10. AI 视频接单。 11. 培训老师。 在阿里巴巴营销方面： 1. 市场分析：利用 AI 分析工具研究市场趋势、消费者行为和竞争对手情况，快速识别关键信息。 2. 关键词优化：利用 AI 分析和推荐高流量、高转化的关键词，优化产品标题和描述。 3. 产品页面设计：借助 AI 设计工具生成吸引人的产品页面布局。 4. 内容生成：使用 AI 文案工具撰写有说服力的产品描述和营销文案。 5. 图像识别和优化：依靠 AI 图像识别技术选择或生成高质量的产品图片。 6. 价格策略：通过 AI 分析不同价格点对销量的影响，制定有竞争力的价格策略。 7. 客户反馈分析：利用 AI 分析客户评价和反馈，优化产品和服务。 8. 个性化推荐：借助 AI 根据用户购买历史和偏好提供个性化产品推荐。 9. 聊天机器人：使用 AI 驱动的聊天机器人提供 24/7 客户服务。 10. 营销活动分析：依靠 AI 分析不同营销活动的效果。 11. 库存管理：利用 AI 预测需求，优化库存管理。 12. 支付和交易优化：通过 AI 分析不同支付方式对交易成功率的影响，优化支付流程。 13. 社交媒体营销：借助 AI 在社交媒体上找到目标客户群体，进行精准营销。 14. 直播和视频营销：利用 AI 分析观众行为，优化直播和视频内容。 AI 写作方面： 1. 项目启动：确定目标客户群体，选择合适的 AI 写作工具。 2. 准备阶段：学习并实践 AI 写作技术，构建团队。 3. 商业模式构建：确定服务内容，制定质量控制标准。 4. 运营与推广：在电商平台开设店铺，建立写作培训社群，通过社交媒体和线下活动进行品牌和社群建设，与其他团队合作。 5. 项目优化与发展：持续关注 AI 技术进展，根据市场需求拓展新服务和产品，收集客户反馈并改进服务。

对于小白学习 AI，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，可根据自身兴趣选择特定模块深入学习。 掌握提示词的技巧，其上手容易且有用。 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。 知识库中有很多实践后的作品、文章分享，欢迎实践后进行分享。 5. 体验 AI 产品： 与现有的 AI 产品（如 ChatGPT、Kimi Chat、智谱、文心一言等）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。 6. 持续学习和跟进： AI 是快速发展的领域，新的研究成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 此外，还可以参考《雪梅 May 的 AI 学习日记》，其适合纯 AI 小白，作者的学习模式是输入→模仿→自发创造，学习资源免费开源。但需注意学习内容可能因 AI 发展而变化，应在 waytoAGI 社区发现自己感兴趣的领域，学习最新内容。同时，学习状态和时间安排因人而异，不必有压力，能学多少算多少。

DeepSeek 深度推理+联网搜索目前断档第一，具有以下特点和成就： 发布了大一统模型 JanusPro，将图像理解和生成统一在一个模型中。 统一 Transformer 架构，使用同一个模型就能完成图片理解和生成。 提供 1B 和 7B 两种规模，适配多元应用场景。 全面开源，支持商用，MIT 协议，部署使用便捷。 Benchmark 表现优异，能力更全面。 模型（7B）：https://huggingface.co/deepseekai/JanusPro7B 模型（1B）：https://huggingface.co/deepseekai/JanusPro1B 官方解释：JanusPro 是一种新型的自回归框架，通过将视觉编码解耦为独立路径解决先前方法局限性，利用单一统一 Transformer 架构处理，缓解视觉编码器角色冲突，增强框架灵活性，超越之前统一模型，匹配或超过特定任务模型性能，成为下一代统一多模态模型有力候选者。 下载地址：https://github.com/deepseekai/Janus 官方频道： 微信公众号：DeepSeek 小红书：@DeepSeek（deepseek_ai） X DeepSeek R1 的成就： App Store 排名：冲到美国区 App Store 第一名，超越 OpenAI 的 ChatGPT。 口碑与技术实力：依靠技术实力和口碑赢得用户认可，没有市场部和市场投放。 技术特点： 性能与成本：效果比肩顶尖闭源模型 o1，价格仅为 o1 的 27 分之一。 开源与创新：开源让行业认知整体拉齐，得到全世界尊重和喜爱。 创新模型 R1 Zero：跳过监督微调训练，发现模型思考能力可自我涌现。 影响： 行业影响：引发美国科技界恐慌，Meta 内部对 DeepSeek V3 出色表现感到震惊。 市场影响：低成本和高性能使英伟达市场地位受挑战，股价短期内大跌超 3%，市值蒸发超 300 亿美元（27 日盘前又跌 14%）。 未来展望： 开源模型的进步将超越闭源模型，顶级模型推理价格急速下降，技术更加普惠平权。 AI 编程将随着模型能力提高显著提升效率并降低门槛，AI 创作能力不断提升，催生更多 AI 创作的可消费内容形式。

以下是关于本地大模型联网搜索的相关内容： 部署本地大语言模型： 1. 下载并安装 Ollama：根据电脑系统，从 https://ollama.com/download 下载，双击打开点击“Install”，安装完成后将下方地址复制进浏览器确认：http://127.0.0.1:11434/ 。 2. 下载 qwen2:0.5b 模型： Windows 电脑：点击 win+R，输入 cmd 点击回车。 Mac 电脑：按下 Command（⌘）+Space 键打开 Spotlight 搜索，输入“Terminal”或“终端”选择应用程序。 复制相关命令行粘贴回车，等待自动下载完成。 模型获取与分辨： 1. 模型下载网站：大多数模型可在 Civitai（C 站）https://civitai.com/ 下载。 科学上网（自行解决）。 点击右上角筛选按钮选择模型类型。 看照片找到感兴趣的点进去下载。 还可点击左上角“Images”查看他人做好的图片，点进去获取信息。 2. 模型保存地址： 大模型：SD 根目录即下载 SD 时存放的文件夹。 Lora、VAE 等。 3. 分辨模型类型：可使用秋叶的模型解析工具 https://spell.novelai.dev/，将模型拖动到空白处获取信息。 DeepSeek 联网版： 1. 核心路径：通过工作流+DeepSeek R1 大模型实现联网版。 2. 拥有扣子专业版账号：普通账号自行升级或注册专业号。 3. 开通 DeepSeek R1 大模型：访问地址 https://console.volcengine.com/cozepro/overview?scenario=coze ，在火山方舟中找到开通管理，开通服务并添加在线推理模型。 4. 创建智能体：点击创建完成智能体创建。

DeepSeek 由初创公司开发出来而非国内互联网巨头，原因可能在于国内互联网巨头在创新模式和理念上存在一定局限。它们或许更倾向于追求短期商业利益，在资源分配和创新投入上相对保守。而初创公司往往更具冒险精神和创新活力，能够突破传统思维，专注于技术研发和创新，不受庞大体系和既有模式的束缚。就像 DeepSeek 这样，凭借独特的理念和专注的投入，实现了令人瞩目的成果。

LMStudio 能否支持联网搜索和本地知识库 RAG 以及如何实现的问题如下： 实现本地知识库 RAG 需加载所需的库和模块，如用于解析 RSS 订阅源的 feedparse，用于在 Python 程序中跑大模型的 ollama（使用前需确保 ollama 服务已开启并下载好模型）。 从订阅源获取内容，通过特定函数从指定的 RSS 订阅 URL 提取内容，若需接收多个 URL 稍作改动即可。然后用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，最终合并成列表返回用于后续处理或提取。 为文档内容生成向量，可使用文本向量模型 bgem3（从 hf 下载好模型假设放置在某个路径，通过函数利用 FAISS 创建高效的向量存储）。 实现 RAG 包括文档加载（从多种来源加载文档，LangChain 提供 100 多种文档加载器）、文本分割（把 Documents 切分为指定大小的块）、存储（将切分好的文档块嵌入转换成向量形式并存储到向量数据库）、检索（通过检索算法找到与输入问题相似的嵌入片）、Output（把问题及检索出的嵌入片提交给 LLM 生成答案）。 基于用户问题从向量数据库中检索相关段落，根据设定阈值过滤，让模型参考上下文信息回答，从而实现 RAG。 还可创建网页 UI 并进行评测，对于同样的问题和上下文，基于不同模型进行多次测试，其中 GPT4 表现最好，Mixtral 次之，Qwen7b 第三，Gemma 和 Mistral 表现一般。总结来说，本文展示了如何使用 Langchain 和 Ollama 技术栈在本地部署资讯问答机器人，结合 RSSHub 处理和提供资讯，上下文数据质量和大模型性能决定 RAG 系统性能上限，RAG 能提升答案质量和相关性，但不能完全消除大模型幻觉和信息滞后问题。

以下是近期的 AIGC 相关比赛活动： 【线上⬆️】，时间为 9 月 1 日 9 月 24 日。利用 AI 复原《山海经》中的经典神兽，赢取 35 万元现金和实体大奖，获奖作品将获得全网流量曝光，由中央美术学院等权威高校支持。 ，时间为 9 月 3 日 11 月 3 日。一等奖 2 名，奖杯、荣誉证书及 10000 元奖励；二等奖 2 名，奖杯、荣誉证书及 8000 元奖励；三等奖 6 名，奖杯、荣誉证书及 3000 元奖励。 【线上⬆️】 。 【线上⬆️】，时间为 8 月 22 日 9 月 22 日。全球 AI 视觉创意大赛（瓦卡奖 VACAT Vision Arts Created by AI Technology），致力于构建 AI 视觉创意界的“奥斯卡”平台，推动 AI 视觉技术的应用与创新。 ，截止时间为 10 月 31 日。作品提交：sipsac.cn，主题为“潮起东方创益未来”，板块包括美丽世界、文化中国、科技生活，类型有平面、音视频、数字创新，金奖 3 万、银奖 1 万、铜奖 5 千，另外有全场大奖 10 万。 ，截止时间为 2024 年 11 月 10 日。让创意点亮传统，传承经典，一等奖 10000 元，二等奖 5000 元，三等奖 1000 元。 ，作品提交时间为 10.11 11.30，专家评审时间为 12.1 12.9，成果发布时间为 12.10 。 ，时间为 1 月 24 日 2 月 28 日。需用魔搭平台【AIGC 专区】麦橘超然模型作底模训练 LORA 模型，描绘心中理想世界，风格不限。提交 LoRA 及 6 张以上高质量作品，单张图片分辨率不低于 1024x1024 像素，每组作品展现一个世界观场景；避免鲜血、骷髅等敏感元素。一等奖 1 名，奖金 5000 元 + 证书；二等奖 3 名，奖金 3000 元 + 证书；三等奖 10 名，奖金 1000 元 + 证书。魔搭社区 AIGC 代言人奖：作品发小红书带一丹一世界话题并@魔搭 ModelScope 社区官方，浏览量满 800，前 20 名可得 300 元天猫超市卡。

以下是关于 LLM studio 联网搜索的相关内容： Cursor 方面： Cursor 适用于多种编程场景，如问答。在问答场景中，LLM 支持联网功能后，如 Claude、ChatGPT、Perplexity 等平台可咨询技术问题，能自动提炼关键字、联网搜索并总结分析搜索结果返回简洁答案，但答案置信率不高，而 Cursor 的上下文符号引用能力（如@Codebase 符号索引整个仓库）弥补了这一点，其将整个仓库 Embedding 成向量数据库供 LLM 消费，具备极强的私域知识理解能力，还能高效地帮用户分析总结各类项目的底层原理。 LLM Agent 方面： 工作步骤包括接收指令（用户通过文本、语音等方式发出指令或提出问题）、数据处理与理解（利用内部大语言模型解析用户输入，提取关键信息）、生成响应与执行任务（根据用户需求生成回答或采取行动，如查询数据库、搜索网络等）、输出结果（通过文本或语音将生成的结果反馈给用户）。 AIGC Weekly34 方面： 提出将 LLM 与互联网上的高质量内容结合来修复信息生态系统的问题，如 Metaphor 希望恢复搜索的神奇感，发布了 Metaphor API 用于将 LLM 连接到互联网。 介绍了 StarCraft II 作为强化学习环境的相关论文，提出了 AlphaStar Unplugged 基准测试。 提到了名为 Glean 的 AI 搜索工具能帮助用户在工作场景中进行搜索和优化，还讨论了人工智能人格模拟相关内容，如语言模型如何模拟和改变人格等。