推荐一个可以快速搭建的高级个人智能体

以下是关于搭建微信机器人的详细步骤和相关信息： 一、纯 GPT 大模型能力的微信聊天机器人搭建 1. 开始搭建 重点在于修改 dockercompose.yml 文件中的具体配置，以串联微信号和已创建好的 AI 机器人。配置的参考官方来源是：https://docs.linkai.tech/cow/quickstart/config 。 配置中的每个参考名称的全大写描述，如 open_ai_api_key 对应编排模板的 OPEN_AI_API_KEY ，model 对应编排模板的 MODEL ，以此类推，在编排模板去配置具体的配置参数。 私聊或群交流时，最好加上前缀触发机器人回复，如配置的 ，即对应的配置参数 SINGLE_CHAT_PREFIX ，在私聊或群里发消息，必须包含 bot 或者 @bot 才会触发机器人回复。在群组里，对应配置参数是 GROUP_CHAT_PREFIX ，机器人只会回复群里包含 @bot 的消息。 还有参数 GROUP_NAME_WHITE_LIST ，用来配置哪些群组的消息需要自动回复。 2. 疑问解答 宝塔面板提供图形化管理界面，操作简单直观，许多常见任务可通过点击按钮完成。 宝塔面板、Docker 有详细官方文档和教程，极简未来平台也提供操作指南和技术支持，遇到问题可查阅或寻求帮助。 可加入相关技术社群或论坛向有经验用户请教。 设置定期备份和监控，确保出现问题可及时恢复。 二、第一天教程：COW 部署 1. 登录成功后，找另一个人私聊或者在群中@您，就可以看到机器人的正常回复。 2. 若想为 AI 赋予提示词，可返回“目录 4 里的第 17 步”，其中 中文部分可进行更改。 3. 此后进行任何更改，都需要重新打印登陆二维码才会生效。 4. 多次重新登录后，在宝塔“首页 右上角 点击重启，重启一下服务器”清理进程。 5. 若没有手机登录，可使用夜神模拟器模拟手机登录。 6. 一个月内，不要上来就加好友、最好不要私聊聊天。 7. 报错“wxsid”是因为微信未实名，实名即可。 8. Link AI 提供 100 个，合计 3500 万 GPT3.5 Token 的礼品码，可用来实现画图、搜索、识图等功能，COW 插件里几乎都支持使用 LinkAI 平台。 9. 完成机器人搭建，机器人拉群里，领兑换码。 10. 添加微信，拉您进机器人群，先行体验。 如果您之后遇到问题，可以采取以下几种方式来解决： 1. 查阅官方文档和教程：极简未来平台、宝塔面板和 Docker 都有详细的官方文档和教程，可以帮助解决大部分问题。 2. 联系技术支持：极简未来平台提供技术支持服务，可以联系平台的技术团队寻求帮助。 3. 加入技术社群：加入相关的技术社群，向有经验的用户请教，获取问题的解决方案。 4. 在线论坛和社区：在在线论坛和社区发布问题，寻求其他用户的帮助和建议。 为避免长时间不操作后忘记步骤，可以采取以下措施： 1. 制作操作手册：将每一步的操作记录下来，制作成操作手册，方便日后查阅。 2. 定期操作：定期登录服务器，进行简单的操作和维护，保持熟练度。 3. 视频教程：可以录制自己的操作视频，作为教程，日后查看时更直观。 4. 自动化脚本：对于一些常见的运维任务，可以编写自动化脚本，简化操作步骤。

搭建精准回答的本地知识库可以参考以下步骤： 1. 登录。 2. 在左侧导航栏的工作区区域，选择进入指定团队。 3. 在页面顶部进入知识库页面，并单击创建知识库。 4. 在弹出的页面配置知识库名称、描述，并单击确认。需注意一个团队内的知识库名称不可重复，必须是唯一的。 5. 在单元页面，单击新增单元。 6. 在弹出的页面选择要上传的数据格式（默认是文本格式），然后选择一种文本内容上传方式完成内容上传。 如果想要对知识库进行更加灵活的掌控，可以使用额外的软件AnythingLLM，其安装地址为：https://useanything.com/download 。安装完成后进入配置页面，主要分为三步： 1. 第一步：选择大模型。 2. 第二步：选择文本嵌入模型。 3. 第三步：选择向量数据库。 在AnythingLLM中有一个Workspace的概念，可以创建自己独有的Workspace跟其他的项目数据进行隔离。具体操作如下： 1. 首先创建一个工作空间。 2. 上传文档并且在工作空间中进行文本嵌入。 3. 选择对话模式，AnythingLLM提供了两种对话模式： Chat模式：大模型会根据自己的训练数据和我们上传的文档数据综合给出答案。 Query模式：大模型仅仅会依靠文档中的数据给出答案。 4. 测试对话。

搭建自己的直播数字人平台可以参考以下步骤： 1. 了解相关技术和场景： 熟悉企业端 AI 实践经验，包括 AI 生成爆款内容、公域阵地场景（如视频号、抖音、小红书、公众号等平台的营销推广，涉及矩阵号工具、内容抓取分析、脚本创作、AI 剪辑、自动回复评论、无人直播工具等）、私域阵地场景（朋友圈、小红书、社群、个人 IP 的获客转化，销售企微 SCRM 工具、企业智能体进行 AI 内容抓取和自动回复）、服务自动化工具、快速搭建数据分析看板、跨境电商场景（如 tiktok 视频制作及投放、电商图片设计、精准营销、语言翻译、AI 独立站建设、社媒私域、批量混剪、海外达人直播、无人直播等）。 2. 构建数字人躯壳： 可以使用 web 前端页面（Live2D 提供了 web 端的 SDK）或者 Native 的可执行程序进行部署。 例如开源数字人项目选择 live2d 作为数字人躯壳，其驱动方式相比 AI 生成式更加可控和自然，相比虚幻引擎更加轻量和简单，卡通二次元形象接受度更高。可参考 Live2D 官方示例：https://github.com/Live2D 。 3. 延伸阅读相关资料： 参考政策如《互联网信息服务深度合成管理规定》（http://www.gov.cn/zhengce/zhengceku/202212/12/content_5731431.htm ）、《北京市促进数字人产业创新发展行动计划》（https://www.ncsti.gov.cn/kjdt/scyq/zcwj_47/202209/P020220906666181884578.pdf ）等。 了解应用如《一键拥有自己的 AI 虚拟人合成平台》（https://mp.weixin.qq.com/s/EhukdKOlHYJGwHBldGi4Q ）、《使用 AI 工具生成虚拟数字人（视频）》（https://www.bilibili.com/video/BV1Tb411D7fo/?spm_id_from=333.337.searchcard.all.click&vd_source=2c5fdcdac5fea78671c3a8ebd9a134d3 ）等。

智能客服系统的搭建可以参考以下内容： FastGPT 是一个基于大语言模型（LLM）的知识库问答系统，具有以下特点和优势，适用于智能客服系统的搭建： 1. 基于 LLM 的问答：采用先进的 LLM 技术，能理解自然语言并生成高质量答案。 2. 知识库支持：可连接外部知识库获取更全面信息。 3. 可视化工作流：提供可视化工作流编排工具，方便创建复杂问答场景。 4. 开箱即用：提供数据处理和模型调用功能，方便快速上手。 其应用场景包括构建智能客服系统，为客户提供 7x24 小时自动问答服务。 在“Show Me 扣子 AI 挑战赛大消费行业专场”中，有作品帮助企业快速建立产品智能客服体系，通过用户意图识别、知识库检索答案、AI 大模型总结输出答案、多轮对话沟通、对话分析打标、自动更新知识库 FAQ 以及客服效果分析，提供全面的 AI 客服解决方案，提高 AI 客服回答的准确率，降低企业商用 AI 客服的门槛。 AIGC 在客户关系管理（CRM）领域也有相关应用，例如基于 AIGC 的对话模型可开发智能客服系统，通过自然语言交互解答客户咨询、投诉等，缓解人工客服压力。 总之，搭建智能客服系统可以综合利用上述技术和方法，以满足企业和用户的需求。

抱歉，您提供的内容中没有关于在本地环境下搭建医疗数据分析的 BI 智能体的相关有效信息。一般来说，要在本地环境搭建这样的智能体，您可以考虑以下步骤： 1. 明确需求和目标：确定您希望通过智能体实现的具体医疗数据分析功能和目标。 2. 选择合适的技术和工具：例如，选择适合数据分析的编程语言（如 Python）、数据库管理系统（如 MySQL、SQL Server 等）、数据分析库（如 Pandas、NumPy 等）。 3. 数据收集和预处理：获取相关的医疗数据，并进行数据清洗、转换和归一化等预处理操作，以确保数据的质量和可用性。 4. 模型选择和训练：根据需求选择合适的机器学习或深度学习模型，如分类模型、回归模型等，并使用预处理后的数据进行训练。 5. 智能体的开发和集成：使用所选的技术和工具，开发智能体的逻辑和功能，并将其与数据处理和模型预测部分进行集成。 6. 测试和优化：对搭建好的智能体进行测试，根据测试结果对其进行优化和改进。 7. 部署和维护：将智能体部署到本地环境中，并定期进行维护和更新，以适应新的数据和需求变化。

以下是一些可以获取搭建完成的智能体并直接使用的途径： 1. 在五津的“宝藏智能体 club”中，创建智能体，输入人设等信息，放上创建的工作流。配置完成后进行测试，但千万不要直接发布。工作流中的某些节点使用的插件 api_token 填的是您的 token，其他人调用会消耗您的费用。您可以将 api_token 作为工作流最开始的输入，用户购买后输入 api_token 再发布。 2. 通过 Coze 接入： 2 月 14 日 8 点有火山引擎解决方案专家在飞书会议的直播，直播结束后可看回放： 。 学习文档： 。 模板更新： 。 创建账号，如果是普通账号，请自行升级或注册专业号后使用。 点击创建智能体，完成创建后，如果已创建好推理点，可在 Bot 编排里直接看到和选择创建好的推理模型，测试可用后直接发布。注意，如果发布到公共空间，其他人使用会消耗您的 Token（也可设置成仅自己使用）。 3. 在阿里云百炼平台中： 模型广场丰富，有各种模型，包括音频理解、视频理解等，通义的一些强模型也在其中。 无需部署直接用，和摩搭的最大区别在于无需部署，直接就能使用 Deepseek R1 模型。 价格与免费额度：价格与各大平台差不多，有大量免费额度，如 100 万 token，不同版本的模型如 7B、14B、32B 等也送 100 万 token，LLAVA 限时免费。 授权与实名认证：使用需要解锁和授权，没有授权按钮的需要对阿里云进行实名认证，可通过支付宝扫码或在右上角头像处进行，共学群里有相关指引。 模型效果对比：在首页体验模型页面可对比不同模型的效果，如 V3 和 R1，R1 会先思考，速度较快。 多模态能力介绍：多模态可以识别更多输入信息，如读文件、图片等，而 Deepseek R1 本身不是多模态模型。 连接 Chat Box：通过模型广场的 API 调用示例获取链接，截断后粘贴到 Chat Box 的设置中，添加自定义提供方，设置模型名称为 Deepseek R1，并获取 API key。 API key 重置：可删除旧的 API key 并重新创建，方便本地软件连接。 模型应用：如语音识别模型，能将语音快速转成文字，有多种应用场景。 智能体搭建：新建智能体应用，可选择模型，调整参数，如回复字数限制和携带上下文轮数等。 互联网搜索：在检索配置中开启互联网搜索，能从新闻网站获取最新新闻和天气等信息，会判断检索结果的合适性。

以下是关于智能表格的相关内容： 1. 在微信超级 AI 知识助手教学（上）—智谱共学营中： 介绍了 LM 和 agent 的使用场景，展示了 LM 在文章总结、视频生成、图片生成的操作。 元子提醒大家填问题链接，介绍多维表格可用于处理信息，张梦飞讲解了操作相关功能、作业要求及奖励，还介绍下节课是关于工作流接入微信的内容。 讲述了智能体相关课程的一些准备工作，包括注册相关服务等。 元子分享多维表格相关内容，包括与 Excel 关系等，对比了 Excel 和多维表格，介绍了多维表格的功能框架。 CT 分享了如何将 cos 中的 bot 导入飞书多维表格的字段捷径，并展示了多个案例。 2. 在 8 月 13 日 ComfyUI 共学中： 郭佑萌介绍模型放大相关内容及工作流。 讨论了今晚的 AI 绘图比赛的规则，包括比赛要求等。 郭佑萌介绍了导出 js 文件和保存工作流图片的方法，还准备开始建表格。 讨论了关于软件设置与工作流的操作问题。

以下是关于扣子智能体提示词的相关信息： 创建智能体： 打开扣子官网（https://www.coze.cn/）。 “画小二智能小助手”Coze 商店体验地址：https://www.coze.cn/store/bot/7371793524687241256?panel=1&bid=6cqnnu5qo7g00 。 点击创建 Bot，在对话框中工作空间选择“个人空间”，命名为画小二智能小助手。 注意提示词区、插件区和调试区。 设置画小二助手的提示词。 扣子实战之自动化书籍推荐卡片： 具体步骤包括利用豆瓣插件爬取书籍关键信息、利用连接读取插件提取所有内容、利用大模型对关键信息提取、利用缩放节点将豆瓣节点提取的图片连接转化为真正图片（image）、利用图片生成节点绘制背景图、利用画板功能将所有关键信息组合、配置智能体等。 设计时要注重画板层级管理，确保元素正确配置，采用透明设计风格增强视觉融合。 卡片设计分为上下部分，上部为视觉重点（封面、书名、推荐指数），下部为详细内容（金句、介绍、价值主张）。 智能对决中的提示词安全： 国内外众多知名的智能体平台，包括扣子、OpenAI 的 GPT Store 等，其热门智能体的核心提示词容易被获取。 获取提示词后，可以了解其调用知识库、工作流的方式以及整体的设计逻辑和核心创意构建过程，甚至进一步获取数据文件。 提示词攻击在业内是公开的秘密，国内外各大著名的 AI 厂商几乎无一幸免。

多智能体（MultiAgent）是由多个自主、独立的智能体（Agent）组成的系统。在这个系统中，每个智能体都能感知环境、进行决策并执行任务，且它们之间能进行信息共享、任务协调以及协同行动，以实现整体目标。 随着大型语言模型（LLM）的出现，以 LLM 为核心构建的 Agent 系统近期受到广泛关注。Agent 系统会为不同的 Agent 分配角色和任务信息，并配备相应的工具插件，以完成复杂任务。目前常见框架主要集中在单 Agent 场景，其核心在于 LLM 与工具的协同配合，可能需要与用户多轮交互。同时，越来越多的 Agent 框架关注多 Agent 场景，会为不同 Agent 指定角色，通过协作完成复杂任务，与用户的交互可能减少。 构建多 Agent 框架，需要考虑相对于单 Agent 增加的组件，包括： 1. 环境（environment）：所有 Agent 处于同一个环境，环境包含全局状态信息，Agent 与环境有信息交互与更新。 2. 阶段（stage）：现有多 Agent 框架通常采用 SOP 思想，将复杂任务分解为多个子任务。 3. 控制器（controller）：可以是 LLM 或预先定义好的规则，负责环境在不同 Agent 和阶段之间的切换。 4. 记忆：在多 Agent 框架中，由于 Agent 数量增多，消息数量增多，每条消息可能需记录发送方、接收方等字段。 此外，新兴的依靠协同的多智能体系统是基于复杂智能行为可来自大量简单智能系统相互作用的事实。Manus 作为一款通用型 AI 代理工具，其技术架构主要基于多智能体（Multiple Agent）架构，运行在独立虚拟机中，通过规划、执行和验证三个子模块分工协作实现对复杂任务的高效处理，核心功能由多个独立模型共同完成，还包括虚拟机、计算资源、生成物、内置多个 agents 等关键组件，并采用“少结构，多智能体”的设计哲学。

构建企业智能客服的方案主要包括以下几种： 1. 帮助企业快速建立产品智能客服体系，通过用户意图识别、知识库检索答案、AI 大模型总结输出答案、多轮对话沟通、对话分析打标、自动更新知识库 FAQ 以及客服效果分析，提供全面的 AI 客服解决方案，提高 AI 客服回答的准确率，降低企业商用 AI 客服的门槛。 2. 采用开源或者国内智谱、文心、百川等企业提供的 13B 级模型，本地部署在自己的内部系统中，并结合大模型企业提供的技术服务，基于大模型搭建 LangChain、RAG 框架，在智能客服上实现 RPA 自动流程。 3. 可以转化为 LLM 技术支持方，专注发力 LLM 的工程化应用方向，为企业提供更好的 LLM 本地部署和工程化，走 IBM 的企业服务道路。 4. 转变赛道，例如像智齿客服一样，借助国内出海的兴起以及中东、东南亚需求的旺盛，提供在这个方向的智能客服国内服务。 5. 转向 LMops 方向，虽然当前挺有用，比如做复杂 prompt 的多模型效果测试，做 langchain 的可视化设计，但也存在一些隐患点需要思考。 以下是一些具体的应用案例： 1. 如 Grammarly、秘塔写作猫等 AI 智能写作助手，利用自然语言处理技术辅助用户进行高质量写作。 2. 淘宝拍照搜商品，通过图像识别为用户推荐相似商品。 3. 小爱同学、Siri 等 AI 语音助手定制开发，采用语音识别、自然语言理解技术，为不同需求定制专属语音助手。 4. Keep 智能训练计划，利用数据分析、机器学习技术，根据用户数据制定个性化健身方案。 5. 大众点评智能推荐，基于数据挖掘、自然语言处理技术，基于用户口味偏好推荐美食。 6. 阿里小蜜等电商客服，通过自然语言处理、机器学习技术，为企业提供智能客服解决方案。

以下是一些辅助财务工作提效的 AI 智能体或落地应用： 新兴的 AI 智能体公司，如 Sierra、Decagon、Maven AGI、DevRev、Gradient Labs 等，在客户服务和支持等领域发挥作用，其中 Sema4 可用于财务后勤。 RPA（流程自动化机器人）产品，如杭州分叉智能公司的 RPA 产品，可控制桌面软件，实现办公流程自动化，在财务领域可用于开票、网银流水下载等。它能够替代电脑办公中的重复有逻辑工作，为企业降本增效。 利用引刀 AP 创建网页实现智能解答税务问题，结合飞书避免信息泄露和实现自动回复等。 生成式 AI 可以帮助金融服务团队改进内部流程，简化财务团队的日常工作流程。例如，帮助编写 Excel、SQL 和 BI 工具中的公式和查询以实现分析自动化，自动创建文本、图表、图形等报告内容，为会计和税务团队综合、总结并提供税法和潜在扣除项的可能答案，以及帮助自动生成和调整采购和应付账款相关的合同、订单和发票等。

智能体（Agent）在人工智能和计算机科学领域是一个重要概念，指能够感知环境并采取行动以实现特定目标的实体，可以是软件程序或硬件设备。 智能体具有以下特点： 1. 自主系统：通过感知环境（通常通过传感器）并采取行动（通常通过执行器）来达到目标。 2. 任务分解：将大型任务分解为更小、可管理的子目标，有效处理复杂任务。 3. 反思完善：对过去行为进行自我批评和反思，从错误中吸取教训，完善未来步骤，提高最终结果质量。 4. 记忆能力：包括短期记忆（利用模型的短期记忆来学习）和长期记忆（通过外部向量存储和快速检索实现长时间保留和回忆无限信息）。 5. 工具使用：学习调用外部 API 获取模型权重中缺失的额外信息，包括当前信息、代码执行能力、对专有信息源的访问等。 以下是一些智能体相关的目录： 1. 2. 3. 4. 5. 6. 随着 ChatGPT 与 AI 概念的爆火，出现了很多新名词，如“智能体 Agent”、bot 和 GPTs 等。简单理解，智能体就是 AI 机器人小助手，参照移动互联网，类似 APP 应用的概念。在做 Agent 创业的公司有很多，比如 C 端案例中，社交方向有用户注册后先捏一个自己的 Agent，然后让其与他人的 Agent 聊天，两个 Agent 聊到一起后再真人介入的有趣场景；还有借 Onlyfans 入局打造个性化聊天的创业公司。B 端案例中，有帮助 B 端商家搭建 Agent 的机会。 智能体开发平台方面，如字节的扣子 Coze 于 2 月 1 日正式推出国内版，主要用于开发下一代 AI 聊天机器人。国内还有很多智能体开发平台，如 Dify.AI。

以下是为您提供的小白学习 AI 辅助修图从入门到精通的教程大纲： 一、基础知识与基本玩法 1. 了解 AI 辅助修图的概念和基本原理。 2. 熟悉常见的 AI 修图工具和软件。 二、常见问题与注意事项 1. 风格局限性：如全是二次元风格，缺少适合特定需求的风格。 2. 图像叙事性不足：画出来的多为美少女看镜头，缺乏叙事内容。 3. 素材局限性：已有素材单一，图生图可行性低，训练泛化性差。 三、常见误区与避坑指南 1. 避免盲目依赖初始的 Embedding、CKPT 等方法，不断尝试和改进。 2. 注意训练集中人物朝向固定等问题，采取相应处理措施，如镜像处理。 四、从入门到精通的进阶玩法 1. 掌握不同的训练方法，如 Lora 等，以获得更理想的效果。 2. 学会引导 AI 画出具有前景后景区分明显的图像，如制作引导图。 五、高级卡 bug 玩法 探索一些非常规但有效的技巧和方法，以突破常规限制，实现更出色的修图效果。但需注意，此部分玩法可能存在一定风险和不确定性。 六、常见红海赛道 分析当前 AI 辅助修图在不同领域的竞争激烈程度和应用热点。 在学习过程中，还需了解以下 AI 相关的技术原理和概念： 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。 机器学习包括监督学习、无监督学习、强化学习，监督学习有标签，无监督学习无标签，强化学习从反馈中学习。 深度学习参照人脑神经网络，神经网络可用于多种学习方式。 生成式 AI 可生成多种内容形式。 LLM 为大语言模型，不同模型有不同擅长的任务。 3. 技术里程碑：2017 年 6 月谷歌团队发表的《Attention is All You Need》提出了 Transformer 模型。

以下是一份小白学习 AI 应用（包括 app 和网站）的入门到精通的教程，涵盖学习大纲、常见问题等方面： 一、学习大纲 1. 了解 AI 基本概念 阅读相关资料，熟悉 AI 的术语和基础概念，包括人工智能的定义、主要分支（机器学习、深度学习、自然语言处理等）及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前应用和未来发展趋势。 2. 开始 AI 学习之旅 参考「」中的初学者课程，了解生成式 AI 等基础知识，推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）按照自己的节奏学习，并争取获得证书。 3. 选择感兴趣的模块深入学习 AI 领域广泛，包括图像、音乐、视频等，根据自身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。 4. 实践和尝试 理论学习后进行实践，巩固知识，尝试使用各种产品创作作品。 分享实践后的经验和成果。 5. 体验 AI 产品 与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解其工作原理和交互方式，获得实际应用体验。 二、常见红海赛道 目前，AI 在自然语言处理、图像识别、智能推荐等领域竞争较为激烈。 三、常见问题 1. 对复杂应用的需求理解不准确，导致产品出错。 2. 技术组件的配置和整合可能遇到困难。 四、注意事项 1. 注重基础知识的学习，打牢根基。 2. 实践过程中要耐心，遇到问题多尝试解决。 五、常见误区 1. 认为 AI 学习短期内就能精通，忽略了长期积累和实践的重要性。 2. 过度依赖现成的模型和工具，缺乏对原理的深入理解。 六、避坑指南 1. 在选择学习资源时，要注意其权威性和适用性。 2. 开发 AI 应用时，要充分考虑用户需求和实际场景，避免盲目跟风。 希望以上内容对您有所帮助，祝您在 AI 学习的道路上取得成功！

以下是一份小白学习 AI 视频制作从入门到精通的教程大纲： 一、基础玩法 1. 项目规划 确定短片主题和目标观众。 制定详细的制作计划。 2. 剧本创作 编写故事脚本。 设计角色和场景以及创意。 3. 分镜头脚本 根据脚本制作分镜头脚本，确定每个镜头的画面和动作。 4. 资源准备 准备动画制作所需的素材，包括背景、角色和音效。 5. 画面图片制作 利用 AI 出图工具，比如通过 ChatGPT、MJ、SD 等工具快速生成高质量的图片。 6. 视频制作 利用 AI 工具制作动画，通过 RUNWAY、Luma、Dreamina 等平台快速生成高质量的动画。 7. 后期剪辑 添加音效、配音和字幕，进行最终的剪辑和合成。 8. 发布和推广 将完成的动画短片发布到各大平台，并进行推广和宣传。 二、高级玩法 1. 写提示词 掌握有效的提示词撰写技巧，以获得更符合需求的生成结果。 2. 导入图片用 Mini Max、模型的首尾帧玩法等操作实现一镜到底效果。 3. 利用不同模型进行创作，如海螺无限生成。 4. 反复修改提示词以优化生成效果。 三、常见红海赛道 1. 创意广告类视频。 2. 短视频故事类。 四、常见问题 1. 生成效果不符合预期。 2. 工具操作不熟练。 3. 资源获取困难。 五、注意事项 1. 注重版权问题，合法使用素材和工具。 2. 不断学习和更新知识，跟上 AI 技术发展。 六、常见误区 1. 过度依赖 AI，忽略自身创意和审美。 2. 忽视视频的逻辑性和连贯性。 七、避坑指南 1. 提前了解不同工具的收费模式，避免不必要的费用支出。 2. 多参考优秀案例，避免重复常见错误。 希望这份大纲能帮助您在 AI 视频制作的学习道路上不断进步！

以下是关于“自定义采样器（高级）”中“Expected all tensors to be on the same device，but found at least two devices，cuda：0 and cpu！（when checking argument for argument mat2 in method wrapper\_CUDA\_mm）”错误的解决办法： 错误原因：Expected all tensors to be on the same device,but found at least two devices,cuda:0 and cpu! 对应插件地址：https://github.com/sipie800/ComfyUIPuLIDFluxEnhanced 资料链接： 百度网盘：通过网盘分享的文件：ComfyUI_PuLID_Flux_ll 链接:https://pan.baidu.com/s/1dMLAb4s0vroO9Zk6ecKb7Q?pwd=cycy 提取码:cycy 来自百度网盘超级会员 v5 的分享 说明文档：https://www.xiaobot.net/post/b98d55699a754b9baac242a3e285be94 由于 AI 技术更新迭代，请以文档更新为准 更多内容收录在：https://xiaobot.net/p/GoToComfyUI 网盘：https://pan.quark.cn/s/129886bbcc61 相关链接： ComfyUI_PuLID_Flux_ll ：https://github.com/lldacing/ComfyUI_PuLID_Flux_ll?tab=readmeovfile guozinan/PuLID 模型：https://huggingface.co/guozinan/PuLID/tree/main

以下是一些通用且高级的提示词相关信息： 提示词是一段简短的文本短语，用于让机器人解释并生成图像。 基本提示可以是简单的单词、短语或表情符号，应使用简单简短的句子描述想要看到的内容，避免长长的请求列表。 高级提示可以包括一个或多个图像 URL（如：https://docs.midjourney.com/imageprompts）、多个文本短语（如：https://docs.midjourney.com/multiprompts）以及一个或多个参数（如：https://docs.midjourney.com/parameterlist）。 图像 URL 始终出现在提示的前面，以影响最终结果的样式和内容。 提示文字是对希望生成的图像的文本描述，精心编写有助于生成令人惊叹的图像。 参数可以改变图像的生成方式，如纵横比、模型、放大器等，位于提示符末尾。

以下是关于 RAG 高级优化的相关内容： RAG 是一种结合信息检索和文本生成能力的技术，由检索器和生成器两部分组成。在生成式 AI 的发展中，RAG 发挥着重要作用。 在模型开发方面，新兴的推理技术如连锁思考、树状思考和反射正在提高模型执行更复杂推理任务的能力，缩小客户期望与模型能力的差距。迁移学习技术如 RLHF 和微调变得更加可用，开发者可从 Hugging Face 下载开源模型并微调以实现优质性能。检索增强生成（RAG）引入关于业务或用户的上下文，减少幻觉并增加真实性和实用性，像 Pinecone 这样的公司的向量数据库成为 RAG 的基础设施支柱。新的开发者工具和应用框架为创建更先进的 AI 应用提供了帮助。 对于 RAG 的改进策略和方法，在检索有用信息方面，可通过优化索引来实现。比如按照子部分索引，将文本块再拆分为较小的文本进行多次索引，适用于有多个主题和冲突信息的复杂长文本；按照文本框可以回答的问题索引，让 LLM 生成假设性问题用于索引，适用于用户问题不明确的场景；按照文本块的摘要进行索引，适用于文本框中有多余或无关细节的情况。此外，在重排 rerank 方面，大部分场景下选择最相似的信息即可。 在商业化问答场景中，有时大模型的回答会不准确，如出现牛头不对马嘴、报价错误、胡编乱造等情况。优化 AI 更准确回答问题的过程称为 RAG，了解从“问题输入”到“得到回复”的过程，针对每个环节逐个调优，可达到最佳效果。

以下是在 20 天内快速学习 AI 技术并找到工作的一些建议： 1. 基础知识学习： 了解人工智能、机器学习、深度学习的定义及其之间的关系。 简要回顾 AI 的发展历程和重要里程碑。 熟悉统计学基础，如均值、中位数、方差等统计概念。 掌握线性代数基本概念，如向量、矩阵。 学习基础的概率论知识，如条件概率、贝叶斯定理。 2. 算法和模型： 学习监督学习中的常用算法，如线性回归、决策树、支持向量机（SVM）。 熟悉无监督学习中的聚类、降维等算法。 了解强化学习的基本概念。 3. 评估和调优： 学会如何评估模型性能，包括交叉验证、精确度、召回率等。 掌握使用网格搜索等技术优化模型参数。 4. 神经网络基础： 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）。 了解常用的激活函数，如 ReLU、Sigmoid、Tanh。 5. 实践操作： 像案例中的二师兄一样，通过实际操作和练习来巩固所学知识，例如使用相关工具进行炼丹。 参与社群交流和项目实践，如加入 Prompt battle 社群，尝试用 GPT 和 SD 制作图文故事绘本、小说推文等项目。 需要注意的是，20 天的时间较为紧张，要保持高强度的学习和实践，同时不断总结和反思，提升自己的能力，以增加找到工作的机会。

以下是关于 AI 快速总结视频的相关内容： 除聊天内容外，AI 还能总结各种文章（不超过 2 万字），可全选复制全文发给 GPTs 进行总结，GPT4 能识别重点内容。 对于 B 站视频，若视频有字幕，可通过安装油猴脚本获取字幕。安装后刷新浏览器，点击字幕会出现“下载”按钮，可选择多种字幕格式。获取字幕后全选复制发送给 GPTs 即可实现总结。 此外，NVIDIA AI Blueprint 能快速总结数小时视频的关键事件和对话，适用于多种场景，并为开发者提供构建视频理解和摘要功能的框架。

以下是关于利用 AI 快速提取信息核心内容的相关介绍： 伊登： 工作流程： 输入新闻链接，系统自动提取核心内容。 利用添加的网页图片链接提取插件获取网页图片，以 1ai.net 资讯为例，提取主要图片。 对图片进行格式转换。 使用链接读取节点提取文字内容。 接上大模型节点重写新闻为口播稿子，可使用 DeepseekR1 模型，也可在提示词中加入个性化台词。 通义千问： Qwen2.5VL 特色文档解析：设计了更全面的文档解析格式，能精准识别文本和提取文档元素位置信息，还原版面布局，可对多种场景进行鲁棒的文档解析。 增强的视频理解：支持最长 1 小时视频理解，具备秒级事件定位能力，能对视频不同时间段进行要点总结。 能够操作电脑和手机的视觉 Agent：利用内在能力执行任务，为创建视觉代理提供参考。 生成式 AI Studio： 生成式人工智能：能够生成新的、未曾存在的多模态内容，包括文本、图像、音频、视频等。 应用场景：文档摘要、信息提取、代码生成、营销活动创建、虚拟协助、呼叫中心机器人等。 工作方式：通过从大量现有内容中学习进行训练，分为训练阶段和应用阶段，应用阶段基础模型可用于生成内容和解决一般性问题，也可针对特定领域进一步训练。 Google Cloud 的工具：包括 Vertex AI 端到端机器学习开发平台、Generative AI Studio 工具、Model Garden 平台。

作为普通人，要更高效地使用 AI 并跟上其快速迭代的节奏，可以参考以下策略： 1. 提前布局职业生涯：审视自身所处行业和岗位，预估 5 10 年后被 AI 取代的程度。若风险高，即刻学习新技能并向更有前景的领域转型；若风险低，思考如何在 AI 辅助下将工作做到极致。 2. 投入 AI 浪潮：敢于使用和研究 AI，将其融入业务，哪怕从简单应用开始，实践中发现新机会点。 3. 强化不可替代的人类技能：如创意、沟通、领导、跨领域知识、独特专长等。 4. 建立个人品牌和网络：通过分享专业见解、持续学习输出内容，在业界建立口碑，积累人脉和声望。 5. 拥抱创业和多元收入：利用 AI 降低的创业门槛，发展副业或项目，探索多种可能性，经营多元身份提升抗风险能力。 6. 保持健康的身心：学会调适心态，持续锻炼身体，以良好的身心状态应对挑战。 此外，在 AI 时代，持续学习能力与适应力是最重要的个人能力之一。要培养自己成为终身学习者，保持好奇心，定期涉猎新领域的知识或课程，锻炼自学能力，勇于打破舒适区。同时，要在心理上拥抱变化，将其视为机遇而非威胁，培养心理韧性，以积极的心态应对不确定性。 在监管方面，英国采用了基于原则的框架，其监管体制具有创新、适度、可信、适应、清晰和协作等特点，旨在促进创新的同时平衡风险与机遇，加强在 AI 领域的全球领导地位。

以下是几种使用 AI 快速生成思维导图的方法： 1. 多智能体 AI 搜索引擎方案： 第一步，快速搜索补充参考信息：根据用户任务，使用搜索工具 API WebSearchPro 补充更多信息，参考文档：https://bigmodel.cn/dev/api/searchtool/websearchpro 。 第二步，用模型规划和分解子任务：使用大模型如 GLM40520 把用户问题拆分成若干子搜索任务，并转换为 JSON 格式，参考 API 文档：https://bigmodel.cn/dev/api/normalmodel/glm4 ，JSON 格式处理参考：https://bigmodel.cn/dev/howuse/jsonformat 。 第三步，用搜索智能体完成子任务：AI 搜索智能体具备联网搜索和自主分析多轮搜索任务的能力，智能体 API 的调用方式参考文档：https://bigmodel.cn/dev/api/qingyanassistant/assistantapi ，智能体 id：659e54b1b8006379b4b2abd6 ，简介：连接全网内容，精准搜索，快速分析并总结的智能助手。 第四步，总结子任务生成思维导图：智能体能调用各种插件，包括思维导图，智能体 API 的调用方式参考文档：https://bigmodel.cn/dev/api/qingyanassistant/assistantapi ，智能体 id：664e0cade018d633146de0d2 ，简介：告别整理烦恼，任何复杂概念秒变脑图。 2. 读书会活动 AI 赋能案例： 日常活动文案输出（读书社ing，AI 复核型玩法“高阶”，依托传音智库+飞书妙记+在线思维导图 Markmap）： 方法一：一键知识图谱 用 kimichat 让 ai 拆解这本书的三级章节并按照 markdown 产出内容，Prompt：帮我拆解《爱的五种语言》，生成全书内容的思维导图，要求每个章节后面有三级展开，下一级是主要知识点，下下一级是知识点的论述。先输出对应的 markdown ，访问地址：https://kimi.moonshot.cn/ 。 复制 ai 内容粘贴到在线思维导图 Markmap 中，一键生成思维导图，还可以自定义微调内容，并免费导出图片，访问地址：https://www.min2k.com/tools/markmap/ 。 方法二：推导知识图谱（可以参考下面 prompt 自己构建）。 3. 使用特定的 AI 绘图工具： Creately：是一个在线绘图和协作平台，利用 AI 功能简化图表创建过程，适合绘制流程图、组织图、思维导图等。智能绘图功能，可以自动连接和排列图形，有丰富的模板库和预定义形状，实时协作功能适合团队使用，官网：https://creately.com/ 。 Whimsical：是一个专注于用户体验和快速绘图的工具，适合创建线框图、流程图、思维导图等。直观的用户界面易于上手，支持拖放操作，快速绘制和修改图表，提供多种协作功能适合团队工作，官网：https://whimsical.com/ 。 Miro：是一个在线白板平台，结合 AI 功能，适用于团队协作和各种示意图绘制，如思维导图、用户流程图等。无缝协作，支持远程团队实时编辑，有丰富的图表模板和工具，支持与其他项目管理工具（如 Jira、Trello）集成，官网：https://miro.com/ 。 使用 AI 绘制示意图的步骤： 选择工具：根据具体需求选择合适的 AI 绘图工具。 创建账户：注册并登录该平台。 选择模板：利用平台提供的模板库，选择适合需求的模板。 添加内容：根据需求添加并编辑图形和文字，利用 AI 自动布局功能优化图表布局。 协作和分享：如果需要团队协作，可以邀请团队成员一起编辑。完成后导出并分享图表。

要使用 AI 精准且快速总结视频网站的视频，可参考以下步骤： 1. 对于有字幕的视频，如 B 站视频，先确认视频栏下方是否有字幕按钮，若有则说明视频作者已上传字幕或后台适配了 AI 字幕。 2. 安装油猴脚本“Bilibili CC 字幕工具”，安装后刷新浏览器，点击字幕会出现“下载”按钮。 3. 点击下载按钮，选择多种字幕格式，如带时间或不带时间的。 4. 将下载的字文字内容全选复制发送给 GPTs 进行总结。 5. 总结完视频内容后，还可继续向 AI 提问更多细节内容或与其探讨视频内容。 此外，通义千问的 Qwen2.5VL 模型在视频理解方面也有出色表现，如支持最长 1 小时视频理解，具备秒级的事件定位能力，能够对视频的不同时间段进行要点总结等。