将传统公司的HR部门进行AI赋能，有哪些机会点和可执行步骤

以下是关于 AI 大模型常用参数的相关内容： 1. 架构方面： Encoderonly：适用于自然语言理解任务，如分类和情感分析，代表模型是 BERT。 Encoderdecoder：结合 Transformer 架构的 encoder 和 decoder 来理解和生成内容，用例包括翻译和摘要，代表是谷歌的 T5。 Decoderonly：更擅长自然语言生成任务，众多 AI 助手采用此结构，如 ChatGPT。 2. 规模方面： 预训练数据量大，往往来自互联网上的论文、代码、公开网页等，一般用 TB 级别数据进行预训练。 参数众多，如 Open 在 2020 年发布的 GPT3 就已达到 170B 的参数。参数指的是神经网络的输入权重和输出阈值的总和。假定一个神经元有 9 个输入权重和 1 个输出阈值，就有 10 个参数。当有 100 亿个这样的神经元时，就形成千亿级参数的大模型。 3. 模型部署方面： 在 LLM 中，Token 是输入的基本单元。由于大模型参数多，如 GPT2 有 1.5B 参数，每个参数用 float32 表示需 6GB 内存，更先进的模型如 LLAMA 有 65B 参数则需 260G 内存（还不考虑词汇表）。因此实际部署时会进行模型压缩。 在训练 LLM 中，CPU 与内存之间的传输速度往往是系统瓶颈，核心数反而不是大问题，减小内存使用是首要优化点。使用内存占用更小的数据类型是直接方式，如 16 位浮点数可将内存使用减倍。目前有几种相互竞争的 16 位标准，英伟达在其最新一代硬件中引入了对 bfloat16 的支持。

以下是一些常见的 AI 排版应用： 1. Grammarly：不仅是语法和拼写检查工具，还提供排版功能，可改进文档整体风格和流畅性。 2. QuillBot：AI 驱动的写作和排版工具，能改进文本清晰度和流畅性，保持原意。 3. Latex：常用于学术论文排版的软件，使用标记语言描述文档格式，有许多 AI 辅助的编辑器和插件简化排版过程。 4. PandaDoc：文档自动化平台，使用 AI 帮助创建、格式化和自动化文档生成，适合商业和技术文档。 5. Wordtune：AI 写作助手，重新表述和改进文本，使其更清晰专业，保持原始意图。 6. Overleaf：在线 Latex 编辑器，提供丰富模板和协作工具，适合学术写作和排版。 选择合适的 AI 排版工具取决于您的具体需求，如文档类型、出版标准和个人偏好。对于学术论文，Latex 和 Overleaf 是受欢迎的选择，对于一般文章和商业文档，Grammarly 和 PandaDoc 等工具可能更适用。 此外，在配图方面，AI 能够给出配图的建议。您可以让 AI 分析文章内容，给出配图建议和关键词，然后利用这些信息在免费图库中快速找到合适的无版权图片，这样不仅提高了配图效率，还能避免版权风险。

OpenAI 的 Deep Research 存在以下一些缺陷： 1. 具有滞后性，在某些信息上无法做到及时更新。 2. 存在信息混乱的问题，无法完全替代人类的深度思考。

对于新手学习 AI，以下是一份详细的学习路径指南： 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，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自己的作品。 在知识库中有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，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，还可以通过以下方式辅助学习： 了解 AI 相关名词解释，如 AGI、AIGC、agent、prompt 等，建议通过与 AI 对话或李继刚老师的课程来理解。 参考经典必读文章，如介绍 GPT 运作原理、Transformer 模型、扩散模型等的文章，以及软件 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。 查看历史脉络类资料，如整理的 open AI 的发展时间线和万字长文回顾等。

以下是关于将 AI 把 logo 合成到图片里的相关内容： 试运行抠图操作，将抠图结果合到海报上，包括进入画板、添加画板、调整元素等操作。 为锅的海报添加背景及调整图片显示，处理品牌 LOGO 相关操作，如抠图、添加、调整位置和大小。 用 LLM 生成图像提示词，将提示词和 Logo 图片放到 Comfyui 工作流。 整个流程分为获取 Logo 图片的描述、生成图片提示词、将图片和提示词输入 Comfyui 工作生成。

用 AI 制作视频通常包括以下步骤： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 8. 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 以下是一些可以利用的工具及网址： 1. Stable Diffusion（SD）：一种 AI 图像生成模型，可以基于文本描述生成图像。网址：https://github.com/StabilityAI 2. Midjourney（MJ）：另一个 AI 图像生成工具，适用于创建小说中的场景和角色图像。网址：https://www.midjourney.com 3. Adobe Firefly：Adobe 的 AI 创意工具，可以生成图像和设计模板。网址：https://www.adobe.com/products/firefly.html 4. Pika AI：文本生成视频的 AI 工具，适合动画制作。网址：https://pika.art/waitlist 5. Clipfly：一站式 AI 视频生成和剪辑平台。网址：https://www.aihub.cn/tools/video/clipfly/ 6. VEED.IO：在线视频编辑工具，具有 AI 视频生成器功能。网址：https://www.veed.io/zhCN/tools/aivideo 7. 极虎漫剪：结合 Stable Diffusion 技术的小说推文视频创作提效工具。网址：https://tiger.easyartx.com/landing 8. 故事 AI 绘图：小说转视频的 AI 工具。网址：https://www.aihub.cn/tools/video/gushiai/ 实战中，比如制作一段推广内容的视频： 1. 准备内容：先准备一段视频中播放的内容文字，可以是产品介绍、课程讲解、游戏攻略等，也可以利用 AI 生成这段文字。 2. 制作视频：使用剪映 App 来对视频进行简单处理。电脑端打开剪映 App，点击“开始创作”。进入创作页面后，选择顶部工具栏中的“文本”，并点击默认文本右下角的“+”号，为视频添加一个文字内容的轨道。添加完成后，在界面的右侧将准备好的文字内容替换默认文本内容。这样视频内容就准备好了，这将为数字人提供语音播放的内容，以及生成与文字内容相对应的口型。 请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。

搭建一个用于帮助学生找工作的 AI Agent 工作流可以参考以下步骤： 1. 规划 总结任务目标与执行形式，明确帮助学生从找合适岗位到面试结果追踪及复盘的全过程。 将任务分解为可管理的子任务，例如找合适岗位、投递简历、与 HR 联系、面试前准备、提醒参加面试、面试结果追踪和复盘等，并确立它们的逻辑顺序和依赖关系。 设计每个子任务的执行方法，比如确定合适的岗位筛选标准、制定简历投递策略、规划与 HR 沟通的方式等。 2. 实施 在相应的平台（如 Coze 等）上搭建工作流框架，设定每个节点的逻辑关系。 详细配置子任务节点，例如设置岗位筛选的参数、简历模板和投递渠道、与 HR 联系的话术等，并验证每个子任务的可用性。 3. 完善 整体试运行工作流，识别功能和性能的卡点。 通过反复测试和迭代，优化工作流，直至达到预期效果，例如提高学生找到合适工作的成功率、提升面试表现等。 此外，在技术实现方面，例如实现无代码开发和工具调用，您可以参考以下操作： 打开 Comfyui 界面后，右键点击界面，即可找到 Comfyui LLM party 的目录，您既可以学习如何手动连接这些节点，从而实现一个最简单的工作流，也可以直接将相关工作流文件拖拽到 Comfyui 界面中一键复刻提示词工程实验。 从 ollama 的 github 仓库找到对应版本并下载，启动 ollama 后，在 cmd 中输入 ollama run gemma2 将自动下载 gemma2 模型到本地并启动。将 ollama 的默认 base URL=http://127.0.0.1:11434/v1/以及 api_key=ollama 填入 LLM 加载器节点即可调用 ollama 中的模型进行实验。如果 ollama 连接不上，很可能是代理服务器的问题，请将您的 127.0.0.1:11434 添加到不使用代理服务器的列表中。

目前在 HR 领域，AI 的应用在国内外都有一定的发展。 在国外，AI 被用于人才招聘，通过分析大量的简历和求职者数据，快速筛选出符合要求的候选人；还用于员工培训，根据员工的技能水平和学习需求，定制个性化的培训计划；在绩效管理方面，利用数据分析来评估员工的工作表现，提供更客观准确的评估结果。 在国内，AI 同样在人才招聘中发挥作用，例如利用智能聊天机器人与求职者进行初步沟通，提高招聘效率；在员工福利管理上，通过数据分析为员工提供更贴合需求的福利方案；在人力资源规划方面，借助 AI 预测人力资源需求，为企业战略提供支持。 需要注意的是，AI 在 HR 领域的应用仍在不断发展和完善中。

AI 对 HR 有以下帮助： 1. 在招聘方面： 处理大量候选人简历时，自动化工具可提升筛选工作的效率和准确性，减少人力资源部门的工作负担，提高招聘效率。 降低因人为错误导致的招聘成本浪费，节约企业成本。 AI 赋能的全链路招聘流程，通过大模型的深度参与，显著提升招聘效率和候选人体验，优化整体业务效能。 2. 存在潜在风险及应对策略： 公司需要采取战略性的应对措施，如更新人力资源程序以限制潜在的不同影响；对人力资源技术提供商进行尽职调查；修改当前的人力资源隐私声明，以符合国家隐私或 AI 相关法规；对 AI 的训练数据进行审查，确保其质量并无偏差；告知申请人有关数据收集和 AI 筛选流程的细节，保障其信息透明度；提供合理的便利措施，确保残障申请人和其他少数群体不会被排除在外；定期评估 AI 筛选结果，发现任何潜在的歧视并及时优化。 3. 具体工作场景案例： 团队绩效管理：根据团队和个人的绩效的往期数据，分析员工绩效排名，输出绩效考评和迭代改进建议。 面试工具：开发使用 GPT4 技术的实时转录工具，帮助求职者在面试中生成完美的回答。

以下是为您推荐的 GraphRAG 学习文档： 1. ，其中包含 GraphRAG 相关内容。 2. ，涉及 GraphRAG 内容。 3. ，有关于 GraphRAG 的介绍。 4. ，包含 GraphRAG 相关内容。 5. ，通俗易懂地介绍了 GraphRAG 的原理、与传统 RAG 的区别、GraphRAG 的优势、知识图谱的创建和利用知识图谱工作。

以下是一些使用 AI Agent 搭建 HR 服务台或智能问答的成功方案： 1. Coze：新一代的一站式 AI Bot 开发平台，适用于构建基于 AI 模型的各类问答 Bot，集成丰富插件工具，能拓展 Bot 能力边界。 2. Microsoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及将 Copilot 部署到各种渠道。 3. 文心智能体：百度推出的基于文心大模型的智能体（Agent）平台，支持开发者根据自身需求打造大模型时代的产品能力。 4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行设计良好的工作流。 5. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于客服、营销、销售等多种场景，提供多种成熟模板，功能强大且开箱即用。 6. 钉钉 AI 超级助理：依托于钉钉强大的场景和数据优势，提供更深入的环境感知和记忆功能，在处理高频工作场景如销售、客服、行程安排等方面表现出色。 智能体（Agent）在各种应用中扮演重要角色，典型的应用领域包括： 1. 自动驾驶：自动驾驶汽车中的智能体感知周围环境，做出驾驶决策。 2. 家居自动化：智能家居设备（如智能恒温器、智能照明）根据环境和用户行为自动调节。 3. 游戏 AI：游戏中的对手角色（NPC）和智能行为系统。 4. 金融交易：金融市场中的智能交易算法，根据市场数据做出交易决策。 5. 客服聊天机器人：通过自然语言处理与用户互动，提供自动化的客户支持。 6. 机器人：各类机器人（如工业机器人、服务机器人）中集成的智能控制系统。 设计和实现一个智能体通常涉及以下几个步骤： 1. 定义目标：明确智能体需要实现的目标或任务。 2. 感知系统：设计传感器系统，采集环境数据。 3. 决策机制：定义智能体的决策算法，根据感知数据和目标做出决策。 4. 行动系统：设计执行器或输出设备，执行智能体的决策。 5. 学习与优化：如果是学习型智能体，设计学习算法，使智能体能够从经验中改进。 智能体在现代计算机科学和人工智能领域是一个基础且重要的概念。它们通过自主感知和行动，在广泛的应用领域中发挥重要作用。从简单的反应型系统到复杂的学习型系统，智能体技术的不断发展和应用正在改变我们的生活方式和工作模式。

以下是关于 HR 对员工年度工作经历绩效考评的相关内容： 关键词库：绩效管理、目标设定、绩效评估、员工优势、员工弱点、反馈机制、个人发展计划、职业规划、评估工具、数据分析、绩效考核、评分标准、KPI 指标、成果目标、个人任务、团队任务、激励机制、晋升机会、增量奖励、培训计划、团队建设、人才管理、工作满意度、员工福利、OKR 提问模板： 1. 请根据团队和个人的绩效的往期数据，分析员工绩效排名，输出绩效考评和迭代改进建议。 2. Tom、Sarah、Jack、Lucy 有 1 人需要评级为 D，淘汰辞退，请根据已有数据将他们的绩效排序，并书写一份辞退信。 3. 针对优秀员工可给予公开培训他人的机会，请将已有团队和个人绩效数据最排序，选出最优的一位，并书写一份邀请分享先进经验的邀请函。 考评流程： 1. 第一步，收集员工数据：收集员工的个人信息、工作记录、业绩数据等方面的数据，包括员工的个人优势、弱点、目标、所负责的项目或客户、工作记录等信息。 2. 第二步，输入数据到 ChatGPT 中：将员工的个人信息、工作记录、业绩数据等方面的数据输入到 ChatGPT 中进行学习，让 ChatGPT 能够理解这些数据的含义和用法。 3. 第三步，分析员工绩效：通过 ChatGPT 生成的结果，分析员工的绩效表现，了解哪些员工的业绩表现优秀，哪些员工存在问题，哪些员工需要提高等。 4. 第四步，生成个性化绩效反馈：根据 ChatGPT 生成的结果和员工的个人信息、工作记录、业绩数据等方面的数据，针对性地生成个性化的绩效反馈，包括员工的优点和不足、需要改进的方面、具体的行动计划等。 5. 第五步，迭代优化绩效管理方案：根据员工的反馈和实际情况，不断迭代和优化绩效管理方案，根据员工的个人特点和需求，定制更加具体和有效的绩效管理方案。 注意事项：需要结合实际情况和人类智慧进行分析和判断，才能得到更加准确和有效的结果。同时，也需要保护员工的隐私和数据安全，遵守相关的法律法规和公司政策。 此外，以下是一些人力资源 HR 相关的提示词示例： 1. 发送拒绝录取邮件：请帮我写一份给候选人拒绝录取的邮件，请写出相关职位。向应聘者发送电子邮件，告知他们尚未被选为{职位}。在电子邮件中，对他们对该职位的兴趣表示感谢，并感谢他们花时间申请。用礼貌和专业的语气，提供反馈或回答他们可能提出的任何问题。 2. 工作终止函：请帮我写一份解雇函，请写出相关理由。作为人力资源团队，请起草一份解雇信，强调其因{原因}而被解雇的原因。 3. 编写工作描述：请帮我写一份招聘网站的工作描述，包括职位名称和技能。由于公司正在招聘，请为职位生成职位描述。理想的候选人应在{技能 a}、{技能 b}和{技能 c}方面拥有多年的经验和专业知识。请编制一份令人信服的工作描述，准确反映角色的要求和职责。 4. 向应聘者发送邮件：请帮我写一份给应聘者的邮件，包括职位名称和工作要求。作为招聘人员，您需要通知有关{职位}的职位空缺。应聘者必须具备{工作要求}。确保在适当个性化电子邮件时使用正式语气。 5. 安排候选人面试：请帮我写一份给候选人通知面试的邮件，包括职位和面试时间。作为招聘人员向候选人发送电子邮件，安排{职位}职位的面试。请他们为您提供{现场/电话/视频}面试的几个可用日期和时间。 6. 发送 Offer：请帮我写一份给候选人 Offer 的邮件，包括职位和面试时间。作为{公司名称}的人资，您需要通知{候选人姓名}有关{职位}的职位空缺。应聘者必须具备{工作要求}。确保在写电子邮件时，使用正式口吻。

以下是关于 AI 企业赋能的相关内容： 去年，生成式 AI 从不引人注意走向 AI 50 强榜单前列。今年，企业用户和消费者的 AI 生产力大幅提高，应用公司在 AI 50 强榜单中占主导。许多公司正将 AI 融入工作流程以快速达成 KPI，如 ServiceNow 通过 AI 驱动的 Now Assist 实现近 20%的事件避免率，Palo Alto Networks 利用 AI 降低处理费用成本，Hubspot 利用 AI 扩大用户规模，瑞典金融科技公司 Klarna 通过将 AI 融入用户支持节省 4000 多万美元。成千上万的公司在将 AI 整合到工作流程中以扩张规模和降低成本，AI 50 强企业在快速进化。不远的将来，有望看到 UX 和 UI 围绕 AI 功能重新设计。 在法律法规方面，《促进创新的人工智能监管方法》提到： 要清晰，帮助跨部门企业应对监管环境。 值得信赖，提高消费者和企业对框架及其要求的认识。 协作，通过教育和提高意识，使企业和消费者能够参与框架的持续评估和迭代。 支持创新，增强信任以提高 AI 采用率。 同时，当前 AI 通过现有法律框架如金融服务监管等进行监管，但存在一些风险在现有监管范围之间或空白处。行业反映监管不一致会给企业带来不必要负担，可能导致小企业离开市场。监管协调有助于企业投资 AI 创新并建立公众信任，一些监管机构已通过正式网络合作确保监管一致性，但其他监管机构在 AI 专业知识方面能力和获取有限，存在执法不一致和部分监管机构过度解读权限范围的风险。

很抱歉，您提供的内容中并未直接提及制药行业 AI 赋能企业经营的具体工具。但一般来说，在其他行业中，AI 赋能企业经营可能会用到以下类型的工具： 1. 数据分析和预测工具：帮助企业处理和分析大量数据，以预测市场需求、药物研发趋势等。 2. 自动化流程工具：例如自动化生产流程控制、质量检测等环节。 3. 智能客服工具：为客户提供快速准确的服务和解答。 4. 药物研发辅助工具：利用 AI 算法加速药物研发过程，如虚拟筛选药物靶点等。 由于您提供的资料有限，以上只是一些常见的可能性，具体到制药行业还需要进一步的针对性研究和了解。

AI 能够在以下售前售中售后等业务场景中发挥重要作用： 1. 医疗保健： 售前：通过分析患者数据，为潜在患者提供个性化的医疗建议和服务介绍。 售中：辅助医生进行诊断，如医学影像分析。 售后：为患者提供个性化的康复方案和护理建议。 2. 金融服务： 售前：利用信用评估为潜在客户提供贷款可能性的初步评估和相关产品介绍。 售中：进行风控和反欺诈，确保交易安全。 售后：提供投资分析和客户服务，解答客户疑问。 3. 零售和电子商务： 售前：通过产品推荐和个性化搜索，吸引潜在客户。 售中：提供动态定价和优化购物体验。 售后：利用聊天机器人解决客户售后问题。 4. 制造业： 售前：展示产品的制造优势和质量保障。 售中：确保生产过程的高效和质量控制。 售后：进行预测性维护，为客户提供优质的售后维护服务。 5. 交通运输： 售前：通过虚拟试驾等方式展示产品特点。 售中：提供智能导购服务，帮助客户选择合适的车型。 售后：持续监测车辆状态，提供维护建议。 6. 汽车行业： 售前：AI 辅助“市场营销”和“新媒体运营”，进行热点营销、用户画像预测等。 售中：提升“销售体验”，如智能“试驾”、“金牌销售”智能导购等。 售后：监测车辆使用情况，提供相关服务。 7. 企业运营： 售前：协助准备营销材料和市场分析。 售中：提供销售策略咨询。 售后：处理法律文书和人力资源相关事务。 8. 教育： 售前：为潜在学生提供学习规划建议。 售中：定制化学习内容。 售后：审核论文和提供后续学习支持。 9. 游戏/媒体： 售前：进行游戏定制化推广和出海文案宣传。 售中：提供动态生成的游戏体验和媒体内容。 售后：处理用户反馈和优化内容。 10. 金融/保险： 售前：提供个人金融理财顾问服务。 售中：处理贷款信息和风险评估。 售后：进行保险理赔处理和客户服务。 11. 生命科学： 售前：介绍研发成果和服务。 售中：协助医疗过程中的诊断和治疗。 售后：提供术后护理和康复辅助。

以下是一些通过 AI 给自己擅长的领域赋能且已经产生收益的案例： 在法律法规领域，AI 已在多个方面带来重大进展和效率提升，如交通监控、银行账户欺诈检测、工业大规模安全关键实践的控制，以及加速新药发现和应对气候变化的技术等。 在企业应用方面，工作流程自动化平台 ServiceNow 通过 AI 驱动的 Now Assist 实现了近 20%的事件避免率；Palo Alto Networks 利用 AI 降低了处理费用的成本；Hubspot 利用 AI 扩大了能够支持的用户规模；瑞典金融科技公司 Klarna 通过将 AI 融入用户支持，在运行率方面节省了 4000 多万美元。如今，成千上万的公司正在将 AI 整合到他们的工作流程中，以扩张规模和降低成本。

以下是关于 AI 赋能社会组织线上培训的相关信息： 社区 AI 讲师招募： 招募背景：随着 AIGC 技术的快速发展，传统企业亟需通过 AI 转型实现降本增效与业务创新。工信部大数据产业人才基地计划为传统行业客户提供 AI 技术培训等服务，现面向社区招募具备实战经验的 AI 讲师与咨询专家。 涉及业务： 公开课：针对 B 端渠道持续展开公益科普，形式免费，部分渠道有经费，内容包括企业端的 AI 应用场景案例和 AI 通识类科普分享，目的是建立与企业渠道的信任及构建收费培训/咨询的转化通道。 线下培训：通过培训转化或直接招生，分成两天一夜、三天两夜的培训班，50 人以上开班，建议 100 人。 咨询服务：针对企业的咨询陪跑服务，包括 AI 营销能力搭建等。 近期安排： 商会公开课：时间暂定 2.22 日，线上直播，用户群体是商会会员，公开课主题为《AI 获客》。 重庆区域公开课：时间暂定 2.9 日，线上直播，用户群体是重庆地区相关领导，公开课主题为《Deepseek 引发的商业思考》。 民营经济大讲堂：时间与讲师团商量调整，线下付费，需评估讲师资历和案例，主题包括但不限于 AI 通识培训、AI 企业增长打法等。 省商会公开课：时间待定，线上直播，用户群体是商会会员，公开课主题为《AI 获客》。 SaaS 平台企业公开课：时间待定，线上直播，用户是 SaaS 平台上的企业，主题待定。 杭州市城投线下培训：时间 2 月底，针对城投内部线下培训，付费，主题可与讲师商量。 万人期待的字节 Trae Windows 版正式推出，免费： 重磅福利： AI 编程重磅直播：会邀请在 AI 编程领域取得成绩的嘉宾深度交流，由黄叔亲自主持，还邀请了 Eric 等嘉宾。 AI 编程训练营：WaytoAGI 和 AI 编程社推出为期 2 周左右的共学营，包含图文教程、视频、直播，社群内有老师答疑，完全免费。 相关链接：Trae Windows 版本已经上线，Mac 版本也可下载，官网地址：https://www.trae.ai/

对于目前做设计工作的人员，可以通过以下方式利用 AI 赋能： 1. 建立针对性的 AI 工作流：构建有效的设计工作流，提高工作效率。 2. 进行实用的模型训练：例如使用 lora 模型训练方式，生成特定形象及 KV 风格，建立包含品牌形象、风格视觉 DNA 的模型，并根据实用场景进行分类。同时，根据市场环境和消费者偏好的变化迅速调整模型，使营销内容更符合目标用户喜好。 3. 储备 AI 设计资产：包括建立和管理 AI 设计资产，沉淀相关知识、技能、工具，促进团队内部的知识积累和提升。团队成员分享设计经验和学习心得，利用参数库快速启动新项目，确保设计准确性并减少重复工作，借助工具、模版、元素提高设计效率和质量。 4. 利用 AI 整合工具平台：如“桃花源|淘宝设计 AIGC”，引入实用功能，增强设计工作的专业性和效率。 随着二次元绘画 AI 的发展和优化，对二次元设计行业影响显著： 1. 降低设计成本和提高效率，更多公司和个人能轻松创作高质量作品。 2. 为设计师提供创作灵感，但市场对大量二次元美术设计师的需求可能降低，从业者需关注行业动态，提升技能和创新能力，注重作品原创性和创新性，学会有效利用工具，提高沟通和协作能力。 在数字营销趋势中，AI 加持的创意与设计方面： 1. 现状：AI 驱动的创意工具已融入设计流程，如素材生成和高级图像编辑，设计师使用 Adobe Firefly 和 Midjourney 等工具加速视觉创作和创建符合品牌的素材。 2. 风险与挑战： 过度依赖 AI 可能导致设计同质化，失去独特创意表达，需平衡 AI 效率与原创创意输入。 设计师要不断适应新的 AI 工具和技术，持续学习保持竞争力并发挥 AI 潜力。 AI 生成的内容可能引发版权问题，需要明确法律框架解决所有权和权利问题。 3. 展望：随着 AI 技术发展，预计在实时、按需设计中发挥更大作用，未来的 AI 工具可能支持更复杂的创意任务，进一步融入创意流程的核心。

以下是对 AI 进行基础入门学习的具体步骤： 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，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。 对于中学生学习 AI，建议如下： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始学习，学习编程语法、数据结构、算法等基础知识。 2. 尝试使用 AI 工具和平台： 可以使用 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。

使用 AI 写网络小说并通过网络小说平台发布赚钱是具有一定可行性的，以下是相关步骤： 一、准备阶段 1. 确定目标读者群体，了解他们的喜好和需求，以便创作出更符合市场的作品。 2. 选择适合的 AI 写作工具，例如 ChatGPT 等。 二、写作阶段 1. 利用 AI 工具生成小说的初步框架和情节，包括角色设定、故事发展等。 2. 对 AI 生成的内容进行修改和完善，使其更具逻辑性、吸引力和独特性。 三、发布阶段 1. 选择合适的网络小说平台，了解其发布规则和要求。 2. 按照平台规定注册账号，并提交小说作品。 四、运营推广阶段 1. 积极与读者互动，回复评论和留言，根据读者反馈改进作品。 2. 利用社交媒体等渠道宣传自己的小说，提高知名度和影响力。 需要注意的是，虽然 AI 可以提供帮助，但最终的作品质量仍取决于作者的修改和完善。同时，不同的网络小说平台可能有不同的审核标准和版权政策，需要仔细了解和遵守。

以下是学习 AI 的步骤： 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，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。 在知识库查看大家实践后的作品、文章分享，并进行自己实践后的分享。 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。 对于中学生学习 AI，建议如下： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始，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： 可以使用 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。 此外，借助 AI 学习编程的关键在于打通学习与反馈循环，比如从 Hello World 起点开始，验证环境、建立信心、理解基本概念，打通“理解→实践→问题解决→加深理解”的学习循环。使用流行语言和框架（如 React、Next.js、TailwindCSS），先运行再优化，小步迭代，一次解决一个小功能。借助 AI 生成代码后请求注释或解释，帮助理解代码。遇到问题三步走：复现、精确描述、回滚。AI 是强大的工具，但仍需人工主导，掌握每次可运行的小成果才能实现持续提升。

以下是学习 AI 的步骤： 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，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。 在知识库查看大家实践后的作品、文章分享，并进行自己实践后的分享。 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。 对于中学生学习 AI，建议如下： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始，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： 可以使用 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。 此外，借助 AI 学习编程的关键在于打通学习与反馈循环，比如从 Hello World 起点开始，验证环境、建立信心、理解基本概念，打通“理解→实践→问题解决→加深理解”的学习循环。使用流行语言和框架（如 React、Next.js、TailwindCSS），先运行再优化，小步迭代，一次解决一个小功能。借助 AI 生成代码后请求注释或解释，帮助理解代码。遇到问题三步走：复现、精确描述、回滚。AI 是强大的工具，但仍需人工主导，掌握每次可运行的小成果才能实现持续提升。

使用 COZE 搭建智能体的步骤如下： 1. 梳理手捏 AI Agent 的思路： 在上篇文章中提到过 Prompt 工程的必备能力，即通过逻辑思考，从知识经验中抽象表达出关键方法与要求，这一理念同样适用于在 Coze 中创建 AI Agent。 搭建工作流驱动的 Agent 简单情况可分为 3 个步骤： 规划：制定任务的关键方法，包括总结任务目标与执行形式，将任务分解为可管理的子任务，确立逻辑顺序和依赖关系，设计每个子任务的执行方法。 实施：分步构建和测试 Agent 功能。 完善：全面评估并优化 Agent 效果。 2. 分步构建和测试 Agent 功能： 首先进入 Coze，点击「个人空间 工作流 创建工作流」，打开创建工作流的弹窗。 根据弹窗要求，自定义工作流信息。 点击确认后完成工作流的新建，可以看到整个编辑视图与功能。 其中，左侧「选择节点」模块中，根据子任务需要，实际用上的有： 插件：提供一系列能力工具，拓展 Agent 的能力边界。本案例涉及的思维导图、英文音频，因为无法通过 LLM 生成，就需要依赖插件来实现。 大模型：调用 LLM，实现各项文本内容的生成。本案例的中文翻译、英文大纲、单词注释等都依赖大模型节点。 代码：支持编写简单的 Python、JS 脚本，对数据进行处理。 而编辑面板中的开始节点、结束节点，则分别对应分解子任务流程图中的原文输入和结果输出环节。 接下来，按照流程图，在编辑面板中拖入对应的 LLM 大模型、插件、代码节点，即可完成工作流框架的搭建。 3. 全面评估并优化 Agent 效果： 整体试运行 Agent，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。

产品经理转变为 AI 产品经理，需要以下步骤： 1. 学习技术原理：了解诸如 RAG（检索增强生成）、PAL（程序辅助语言模型）、ReAct 框架等相关技术知识。RAG 是将外部知识库切分成段落后转成向量存在向量数据库，用户提问时段落信息会和问题一起传给 AI，还可搭建企业和个人知识库。PAL 不让 AI 直接生成计算结果，而是借助 Python 解释器等工具。ReAct 框架是 reason 与 action 结合，让模型动态推理并与外界环境互动，可借助 LangChain 等框架简化构建流程。 2. 关注技术脉络：关注或直接阅读技术论文，虽然有难度，但这对于理解技术很重要，同时要完成一定的知识储备。 3. 了解前沿观点：例如 Transformer 是仿生算法的阶段性实现，未来可能不再使用；在端到端算法时代，不应继续使用冯诺依曼架构；在存算一体的芯片上会诞生全新算法等。 总之，转型需要不断学习和积累相关知识，关注行业动态和前沿观点。