如何用AI快速掌握一个领域

以下是用 AI 搭建个人知识库的方法： 首先，要搭建基于 GPT API 的定制化知识库，需要给 GPT 输入（投喂）定制化的知识。但 GPT3.5（即当前免费版的 ChatGPT）一次交互（输入和输出）只支持最高 4096 个 Token，约等于 3000 个单词或 2300 个汉字，容量对于绝大多数领域知识往往不够。为解决此问题，OpenAI 提供了 embedding API 解决方案。 embeddings 是一个浮点数字的向量（列表），两个向量之间的距离衡量它们的关联性，小距离表示高关联度，大距离表示低关联度。比如，向量是数学中表示大小和方向的一个量，通常用一串数字表示，在计算机科学和数据科学中，向量通常用列表（list）来表示。向量之间的距离是一种度量两个向量相似性的方法，最常见的是欧几里得距离。在 OpenAI 词嵌入中，靠近向量的词语在语义上相似。 具体操作时，可将大文本拆分成若干个小文本块（也叫 chunk)，通过 embeddings API 将小文本块转换成 embeddings 向量，并在一个地方（向量储存库）中保存这些 embeddings 向量和文本块，作为问答的知识库。当用户提出一个问题时，该问题先通过 embeddings API 转换成问题向量，然后将这问题向量与向量储存库的所有文本块向量比对，查找距离最小的几个向量，把这几个向量对应的文本块提取出来，与原有问题组合成为新的 prompt，发送给 GPT API。 例如，有一篇万字长文，拆分成多个 Chrunks 包含不同内容。如果提问是“此文作者是谁？”，可以直观地看出与问题关联度最高的文本块，通过比较 embeddings 向量也能得到结论。最后发送给 GPT API 的问题会类似于“此文作者是谁？从以下信息中获取答案：本文作者：越山。xxxx。《反脆弱》作者塔勒布xxxx。” 此外，还有案例展示了如何在 AI 时代把碎片化信息内化为自己的知识/智慧。比如在读书时看到有触动的文本，将其整理归纳，标记重点，打赏标签，放入笔记系统，准备展开深度思考和实践。基于笔记中提到的 AI 对人的赋能模式，展开深度实践，生成自己的观点和决策，并打造成体系化的内容产品，实现价值。通过一个碎片化知识在左侧知识库中的“点、线、面、体”式的流转，从一个书摘变成一个体系化内容或课程，把“别人说的话”变成“自己的智慧”。

给 AI 投喂小说可以参考以下步骤： 1. 首先使用 code interpreter，将小说原文喂给它并写入到 dataframe 里，全部喂完后保存成 excel 文件备用。 2. 让 GPT 读取该文件并给出反馈。AI 会从情节合理与连贯性角度给出意见。 3. 进行细节修改，反复尝试后可能会发现某些结构化 prompt 效果更好，修改的成品有部分可直接采纳。每改一段，AI 会把修改后的内容写入内存并读取新的一段。 4. 一轮修改完成后，可让 AI 再修订一轮。若重复次数过多，可先合并段落。这一轮修改可能更强调字词和标点。 5. 还可以把相关写作课程的内容贴给 AI 让其总结，并依照总结的方法修订小说。 需要注意的是，在修改过程中，对于 GPT 改得不好的地方进行简单纠正。同时，由于 GPT 不稳定，为避免白忙活，应随时保存备份。

以下是 AI 提高办公效率的一些方式： 1. 在日常活动中，如交通监测系统能使通勤更顺畅，银行账户欺诈检测等方面，AI 能自动处理部分工作，提高效率。 2. 在游戏行业，从前期制作到后期迭代，大模型不仅能降低成本，还能打造创新玩法，提供更好的游戏体验。例如网易的《逆水寒》，将 AIGC 应用于美术开发、NPC 与玩家的交互，还内嵌了“AI 作词机”。 3. 在人力资源管理领域，AI 应用于招聘、员工绩效评估、培训与发展等环节，显著提高工作效率。 4. 在全行业中，基础办公如 PPT、Excel、会议报告、策划会、文案包装、图文海报、客服机器人等，从单个任务到角色再到角色间协同，都能显著提高工作效率。 5. 在信息检索和处理方面，如 You.com 等多种领先的 AI 产品，能帮助我们更高效地获取信息，提升工作效率和决策质量。

在论文写作领域，AI 技术的应用发展迅速，能在多个方面提供辅助。以下是一些常用的 AI 工具和平台： 1. 文献管理和搜索： Zotero：结合 AI 技术，可自动提取文献信息，助于管理和整理参考文献。 Semantic Scholar：AI 驱动的学术搜索引擎，提供文献推荐和引用分析。 2. 内容生成和辅助写作： Grammarly：通过 AI 提供文本校对、语法修正和写作风格建议，提升语言质量。 Quillbot：基于 AI 的重写和摘要工具，可精简和优化论文内容。 3. 研究和数据分析： Google Colab：提供云的 Jupyter 笔记本环境，支持 AI 和机器学习研究，便于数据分析和可视化。 Knitro：用于数学建模和优化，助力复杂数据分析和模型构建。 4. 论文结构和格式： LaTeX：结合自动化和模板，高效处理论文格式和数学公式。 Overleaf：在线 LaTeX 编辑器，有丰富模板库和协作功能，简化编写过程。 5. 研究伦理和抄袭检测： Turnitin：广泛使用的抄袭检测工具，确保论文原创性。 Crossref Similarity Check：通过与已发表作品比较，检测潜在抄袭问题。 需要注意的是，这些工具只是辅助，使用时要结合自身写作风格和需求，选择最合适的，且内容由 AI 大模型生成，请仔细甄别。但目前没有哪个 AI 能保证提供的数据绝对真实，仍需您对数据进行仔细核实和评估。

对于互联网公司的 IT 人员，利用 AI 优化或升级工作可以从以下几个方面入手： 1. 明确自身工作目标和想法：AI 是工具，能将能力放大，帮助更好更快地实现想法。重要的是思考自己真正想为这个世界做些什么，并着手尝试通过 AI 来实现。 2. 借鉴他人的 AI 工作流： 起床时，让 AI 为自己排 TODO 优先级，做私董会的脑暴。 工作中有阳光会撒娇/卖萌的傲娇 AI 小助理加油。 重点事项如内容创作，可拆成 bot 团队组，包括选题、标题、框架、扩写等，并让两个 AIbot 互相改。 优化 bot，如内容选题 bot、短视频脚本 bot、数据分析 bot 等，并将相关知识库和 Prompt 资产放入飞书的知识库和多维表单中维护。 准备备选的生产力 AI 工具库。 未来可将整个公司业务搬入飞书，外接 MJ、ChatBot 分身等。 3. 关注 AI 发展趋势：目前 AI 在一些具体任务上已超过多数人类，但在涉及推理和自主学习任务方面还有差距，通用人工智能的定义存在争议，其发展带来了技术、伦理、安全和哲学等方面的思考。 需要注意的是，AI 终究会发展到每个人触手可及的程度，对于大部分人来说，并不需要特别关注 AI 技术本身，而应专注于自身的工作需求和目标。

用 AI 做数据分析的好办法包括以下几个方面： 1. 提供大模型可访问的数据源或上传数据表格，并通过提示词明确需要分析的维度和结果输出格式。观察生成结果，迭代优化提示词，最终导出满意结果。 2. 将数据清洗、提取、模型选择、训练和结果解释等环节分开处理，针对每个环节优化 AI 性能，便于发现和修正问题。 3. 针对复杂问题，采用逐步深化和细化的方式提问。先提出宽泛问题，再根据回答进一步细化。 4. 给 AI 提供参考和学习内容，包括高质量的操作指南、行业最佳实践、案例研究等，并编写详细流程和知识。 5. 在 Prompt 中使用专业领域术语引导，如法律术语，使 AI 更精准地提供信息。 6. 对于分析结果，要进行交叉验证，结合自身专业知识筛选和判断，确保信息准确。 在实际操作中，例如在 SQL 分析中，用户描述分析内容，后台连接数据库，让 AI 输出并校验 SELECT 类型的 SQL 语句，执行后将数据传给 GPT 分析，最后返回前端页面渲染图表和结论。个性化分析中，用户上传文件并描述辅助，前端解析后传给 GPT 处理，后续步骤与前者一致。

以下是为您规划的快速掌握 AI 工具使用的学习路径： 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。 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，学习生成式 AI 等基础知识，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，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。 通过与这些 AI 产品的对话，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，还有以下几点建议： 1. 多看教程，多实践：通过学习教程和反复实践，可以快速掌握 AI 工具的使用方法。 2. 积极参与社群交流：加入相关社群，向有经验的朋友请教，可以获得很多宝贵的经验和建议。 3. 保持好奇心和探索精神：AI 技术发展迅速，不断学习和探索新技术，可以让您在这个领域中保持竞争力。 希望以上学习路径和建议对您有所帮助！

以下是一些适合您入门学习的 AI 课程： 1. 工具入门篇（AI Tools）： 数据工具多维表格小白之旅：适合 Excel 重度使用者、手动数据处理使用者、文件工作者。通过表格+AI 进行信息整理、提效、打标签，满足 80%数据处理需求。 文章链接： 视频链接： 2. 工具入门篇（AI Code）： 编程工具Cursor 的小白试用反馈：适合 0 编程经验、觉得编程离我们很遥远的小白。通过 AI 工具对编程祛魅，降低技术壁垒。 文章链接： 3. 工具入门篇（AI Music）： 音乐工具Suno 的小白探索笔记：适合 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。AI 赋能音乐创作，无需乐理知识即可参与音乐制作。 文章链接： 此外，还有以下相关内容供您参考： 1. 关于 AI 视频制作的交流与答疑： 视频流表格制作：在知识库的 AI 视频专栏中有相关教程和模板。 Copy UI 社区：微推有专门研究 Copy UI 的社区，相关内容有趣但本次未展开讲。 SD 类图片作用：国内大厂很卷，一般需求吉梦等产品可完成，特殊精细要求才用 SD，不了解可在微推加 AI 会话中找。 图片视角转移：使用 P 模型，上传图片并告知镜头移动方向和相关内容。 PNG 与背景融合：Recraft 产品目前不太擅长 PNG 与背景的特别好的融合，可通过合并方式处理。 保证文字不崩：使用吉梦的 2.1 模型效果较好。 新手 AI 视频制作：纯小白参与项目时，项目组会做好部分准备工作，上手难度不高，专注出图和出视频，用好相关技术。 关于利用 AI 工具创作北京宣传片相关问题的探讨。 AI 工具使用思路：对于如何利用 AI 工具创作，建议直接上手尝试，通过试错和与 AI 交流获取反馈，遇到具体问题再向社区请教。 素材处理方法：若有故宫相关照片素材，可采用导入参考图生图、让实拍素材动起来等方式，还可通过抠图、融图等操作将素材与虚拟背景融合。 创作需先构思：创作时不能仅考虑如何连接已有素材，而应先构思剧本和想要表达的内容，再合理运用素材。 2. 入门工具推荐： Kimi 智能助手：Chatgpt 的国产平替，实际上手体验最好，推荐新手用 Kimi 入门学习和体验 AI。不用科学🕸️、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，也是目前对长文理解做的最好的 Ai 产品。能一次搜索几十个数据来源，无广告，能定向指定搜索源。 PC 端： 移动端 Android/ios： 您还可以通过「飞书」这款工具，浏览其社区的精选课程、先进客户实践。下载飞书：

要提升 AIGC 智能体技能，需要掌握以下知识： 1. 对 AI 及提示词工程有清晰的理解。 2. 掌握 Python 语言，以便能搓更多智能体。 3. 了解向量数据库，如 Milvus 等。 4. 熟悉 Web 框架，如 FastAPI 框架，掌握流传输、负载限流等相关技术，实现与前端或业务后端的接口对接。 5. 学会提出具体且有详细背景信息的问题，以从 ChatGPT 等模型获得更精准的答案。 6. 不断积累行业领域知识，达到能较好操纵 AI 完成复杂任务的程度。

如果您对 AI 工具的英文不熟悉，想要快速掌握并寻找可替代的中文 AI 工具，以下是一些建议和推荐： 提升英语能力以更好地掌握 AI 工具： 多进行英语阅读，包括 AI 相关的文章和文档。 参加英语培训课程或学习在线教程。 中文 AI 工具推荐： 秘塔写作猫（https://xiezuocat.com/）：是 AI 写作伴侣，能推敲用语、斟酌文法、改写文风，还能实时同步翻译。支持全文改写，一键修改，实时纠错并给出修改建议，智能分析文章属性并打分。 笔灵 AI 写作（https://ibiling.cn/）：是智能写作助手，能应对多种写作需求，支持一键改写/续写/扩写，智能锤炼打磨文字。 腾讯 Effidit 写作（https://effidit.qq.com/）：由腾讯 AI Lab 开发的创作助手，能提升写作效率和创作体验。 此外，使用 AI 学习一门外语可以通过以下方法和工具： 方法： 利用语言学习应用，根据个性化体验和进度调整练习内容。 借助 AI 对话助手模拟对话练习，提高交流能力。 工具： 语言学习应用： Duolingo：使用 AI 个性化学习体验，提供词汇、语法、听力和口语练习。下载应用，选择语言，按课程指引学习。 Babbel：结合 AI 技术提供个性化课程和练习，注重实际交流技能。注册账户，选择课程，按学习计划学习。 Rosetta Stone：使用动态沉浸法，通过 AI 分析进度提供练习和反馈。注册并选择语言，使用多种练习模式学习。 AI 对话助手： ChatGPT：可模拟对话练习，询问语法、词汇等问题，模拟交流场景。在聊天界面选择目标语言进行对话。 Google Assistant：支持多种语言，可进行日常对话和词汇学习。设置目标语言，通过语音或文本输入互动。 另外，Trae Win+Mac 版已全量上线，标配 Claude3.5sonnet 模型免费不限量，编辑器所有功能原生支持中文，是一款对中文用户友好的 AI 编程工具。

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。

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。

借助 DeepSeek 快速读完一本书可以参考以下方法： 1. 让 DeepSeek 扮演一本书的作者辅助阅读：例如在读项飚的《跨越边界的社区》时，可让 DeepSeek 解释作者的写作意图和思路。 2. 利用提示词提升 DeepSeek 的能力： 进行效果对比，如用 Coze 做小测试。 按照以下步骤使用： 搜索 www.deepseek.com，点击“开始对话”。 将装有提示词的代码发给 DeepSeek。 认真阅读开场白后正式开始对话。 其设计思路包括将 Agent 封装成 Prompt 并储存在文件，通过提示词文件让 DeepSeek 实现同时使用联网和深度思考功能，优化输出质量等。 3. 用 DeepSeek 翻译一本原版书： 运行逻辑：以 PDF 格式文件为样本，以标点符号和换行符为依据获得完整句子和段落。 前期准备： 安装依赖，如 Python 及一些相关依赖。 准备 API，可参考相关教程获取字节火山 DeepSeek 系列 API。 注意事项：原版书可能涉及敏感内容，国内大模型有过滤机制，部分内容 DeepSeek 处理不了，可转移去其他模型。

以下是快速学习 AI 进行数据分析的方法： 1. 了解数据分析流程： 逻辑流程图包括 SQL 分析和个性化分析。 SQL 分析：用户描述分析内容，后台连接数据库，让 AI 输出并校验 SQL 语句，执行后将数据传给 GPT 分析，最后返回分析结论和建议并在前端展示。 个性化分析：用户上传文件并描述，前端解析后传给 GPT 分析，后续步骤与 SQL 分析一致。 2. 掌握提示词技巧： 提供大模型可访问的数据源或上传数据表格。 用清晰的提示词说明分析维度和结果输出格式。 观察生成结果，迭代优化提示词，满意后导出结果。 3. 分环节处理： 将数据清洗、提取、模型选择、训练和结果解释等环节分开处理，便于优化性能和发现问题。 4. 逐步深化和细化提问： 先提出宽泛问题，再根据回答进一步细化。 5. 提供学习内容： 为 AI 系统提供大量数据、示例、高质量参考材料和详细流程、知识（knowhow）。 6. 利用专业术语引导： 在 Prompt 中使用专业领域术语引导 AI 回答方向。 7. 进行验证与反馈： 大模型语料有滞后性，使用 AI 回答后要交叉验证，结合自身专业知识筛选判断，确保符合法律伦理等要求。

如果产品经理想进入 AI 行业成为 AI 产品经理并快速应付面试拿到 offer，可以从以下几个方面准备： 1. 了解 AI 市场： 鱼龙混杂，求职者要做好信息甄别。即使面试通过拿到 offer，除了看 boss 直聘的招聘评价，一定要提前收集其他信息，如在脉脉上搜一下这家公司靠不靠谱。 一些公司实际上没搞懂用 AI 能为自己企业带来什么价值，只是处于焦虑或跟风心态要做 AI，这部分企业可以聊，但要求求职者要有咨询和商业化的思维，能帮公司厘清业务增长机会。 不同公司对 AI 产品经理的定位不同，所以招聘市场上对 AI 产品经理的岗位职责和任职要求也不同，慢慢会统一标准，这也是产品经理转型的机会。 有行业沉淀和认知的产品经理转型会更有机会，类似之前的“互联网+”，目前应用层的机会在“AI+行业”，只懂 AI 或只懂行业是不够的。还有就是业务创新，找到细分的场景痛点并完成 PMF 验证，海外有很多优秀案例。 2. 掌握岗位技能： 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 AI 技术与算法领域抱有强烈的好奇心，并能付诸实践。 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。 需要注意的是，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。

对于您这种 0 基础代码小白在开发 APP 过程中遇到收费中断的情况，以下是一些建议： 1. 重新评估您的需求和能力：像案例中的白九龄一样，思考您的想法是否过于复杂，是否可以先从简单的插件开发入手，降低开发难度。 2. 学习基础知识：包括代码环境安装、终端操作等，通过基础实践教程资料来弥补知识短板。 3. 借鉴他人成功经验：仔细研究别人的项目，按照成功的案例原封不动地去实现，从中领悟开发的要点。 4. 清晰描述需求：在开发前与工具充分沟通，明确需求和实现步骤，避免盲目开发。 5. 寻找免费替代工具：既然当前使用的工具收费中断，您可以寻找其他类似的免费工具来继续您的开发工作。 6. 做好项目记录：让工具帮忙写一个 README 文档，记录项目进展、下一步计划以及如何开启和关闭项目，方便后续跟进。

AI 渲染在游戏领域的应用包括以下方面： 1. 游戏场景创建：可用于生成逼真的游戏场景，如地形、建筑、风景等，提高开发效率。 2. 角色形象设计：帮助设计独特且丰富的角色外观。 3. 纹理贴图：为游戏中的物体和角色提供更精细的纹理。 4. 降低成本：例如美术方面，AI 管线和 AI 绘画可降低近 50%的成本。 5. 辅助策划：AIGC 工具能帮助策划先形成粗糙的美术想法，节省与美术同事沟通的时间成本。 6. 程序方面：AI 可分析他人代码，迅速同步关键信息，处理未遵守统一标准的代码，提升系统鲁棒性，降低开发成本。

在汉语言文学师范领域，利用 AI 技术进行市场调研和分析是有可能发现具有商业价值的问题和创业方向的。 首先，通过对教育市场的大数据分析，AI 可以帮助了解汉语言文学师范专业的就业趋势和需求变化，例如特定地区对该专业教师的需求增长情况，或者新兴教育模式对该专业人才培养的新要求。 其次，利用自然语言处理技术，分析学生和家长对汉语言文学师范教育的反馈和期望，从而发现潜在的教育服务需求，比如个性化的辅导课程、线上教学平台的优化等。 再者，借助 AI 预测模型，可以评估汉语言文学师范相关教材和教育资源的市场需求，为开发创新的教育产品提供依据。 总之，结合 AI 技术，在汉语言文学师范领域进行深入的市场调研和分析，有机会挖掘出具有商业潜力的问题和创业方向。

AI 在金融领域有以下应用与场景： 1. 风控和反欺诈：用于识别和阻止欺诈行为，降低金融机构风险。 2. 信用评估：评估借款人的信用风险，辅助金融机构做出贷款决策。 3. 投资分析：分析市场数据，帮助投资者做出更明智的投资选择。 4. 客户服务：提供 24/7 的服务，回答常见问题。 金融服务业接纳生成式 AI 可能带来重大变革。与传统 AI/ML 侧重于基于现有数据进行预测或分类不同，生成式 AI 能创造全新内容，结合对大量非结构化数据的训练和无限计算能力，有望成为金融服务市场数十年来最大的变革。 在金融投资领域，Coze bot 可发挥重要作用。金融分析师和投资者能通过它自动接收最新市场动态、股市新闻和财务报告，从多个金融资讯平台抓取数据并生成分析报告，推送到常用交流平台，实现实时跟踪市场动向、捕捉投资机会、自动生成财务报告和方便团队协作等效果。

目前关于 AI 在档案领域的部署，知识库中暂时没有相关内容。但一般来说，AI 在档案领域的部署可能包括利用自然语言处理技术对档案内容进行智能检索和分类，通过机器学习算法对档案的重要性和价值进行评估，以及运用图像识别技术对档案中的图片、图表等进行数字化处理等方面。

以下是关于数据分析领域的 AI 产品的相关信息： ChatGPT 在数据分析中的应用： 个性化分析示例：包括单维度数据、多维度数据（折线图、柱状图）等。有时 AI 会误将数据项作为维度分析，可通过输入提示告诉它用哪个字段作为维度，或描述其他数据信息使分析更准确。 总结和展望：ChatGPT 在数据分析领域有广泛应用前景，能提高效率、降低技能门槛、支持决策。但案例分析结果可能简单，实际业务中需处理大量数据，要指定允许查询或解析的字段，对结果数据进行校验，还可定制分析模板增加多样性。需结合实际需求和场景审慎评估其适用性。随着技术进步，将为数据分析带来更多创新和突破。 Rockset： 公司名片：成立于 2016 年，由前 Facebook 工程师创立，专注于提供实时搜索和分析数据库服务，能将数据转化为“可操作智能”。 产品特点：实时分析，支持快速数据查询和分析，提供低延迟的数据处理能力；无服务器架构，简化运维，降低企业 IT 成本；自动索引，支持对半结构化数据的高效查询。 使用场景：适用于金融、科技和互联网等需要实时数据分析的企业，帮助企业做出快速业务决策，优化运营效率。 技术优势：实时分析和多维索引，擅长处理和分析大规模半结构化数据，能自动构建多维索引；向量搜索，增强快速访问和分析大量信息的能力；低延迟操作，提供低延迟的搜索、过滤、聚合和连接操作。 融资与收购：刚被 OpenAI 收购。 AIPM 技能树： 随着 AI 技术发展和应用场景拓展，市场对能将 AI 技术转化为实际产品和服务的人才需求增加，AI PM 作为更专业化角色逐渐形成。 AI 产品涉及复杂算法和大数据处理，同时要考虑用户体验和商业模式，要求 PM 具备跨学科知识背景，能在技术和业务间有效沟通和决策。 掌握算法知识的必要性：理解产品核心技术，与技术团队有效沟通，评估技术可行性，把握产品发展方向，提升产品竞争力，提升数据分析能力。

在室内软装设计领域，AI 有以下实际运用方式： 1. 工具辅助： Maket.ai：主要面向住宅行业，在户型设计和室内软装设计方面有探索。设计师输入房间面积需求和土地约束，软件能自动生成户型图并提供详细设计结果。 2. 创意生成： 利用 AI 图像生成工具，输入相关关键词，生成多种室内软装创意设计方案，获取新颖独特的灵感。 3. 模拟可视化： 借助 AR/VR 等技术，将 AI 生成的设计方案在实际环境中模拟和可视化，更好地评估和验证设计。 4. 分析优化： 使用 AI 工具对室内软装设计方案进行采光、动线、材料等方面的分析和优化，以符合使用者需求和体验。 5. 自动化设计： 利用 AI 自动生成符合设计规范的室内软装平面图等，提高设计效率，缩短设计周期。 6. 协作模式： 人工设计师与 AI 工具形成互补，在创意、分析、优化等环节充分发挥各自优势。 同时，还有字节旗下的 Coze AI 的图像工作流可用于快速出家装设计效果图，并根据客户咨询信息收集用户联系方式形成销售线索，体验地址为：https://www.coze.cn/store/bot/7374039392832405554?panel=1&bid=6cq1cccs00017 。但需注意，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。