Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

AI学习路径

Answer

以下是为新手提供的 AI 学习路径：

  1. 了解 AI 基本概念：
    • 阅读「从这里启程」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「入门：AI 学习路径」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，其上手容易且很有用。
  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。
    • 在知识库提供了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。

另外，如果您偏向技术研究方向，学习路径包括：

  1. 数学基础：线性代数、概率论、优化理论等。
  2. 机器学习基础：监督学习、无监督学习、强化学习等。
  3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。
  4. 自然语言处理：语言模型、文本分类、机器翻译等。
  5. 计算机视觉：图像分类、目标检测、语义分割等。
  6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。
  7. 科研实践：论文阅读、模型实现、实验设计等。

如果您偏向应用方向，学习路径包括：

  1. 编程基础：Python、C++等。
  2. 机器学习基础：监督学习、无监督学习等。
  3. 深度学习框架：TensorFlow、PyTorch 等。
  4. 应用领域：自然语言处理、计算机视觉、推荐系统等。
  5. 数据处理：数据采集、清洗、特征工程等。
  6. 模型部署：模型优化、模型服务等。
  7. 行业实践：项目实战、案例分析等。

无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。

记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得自己的成就。完整的学习路径建议参考「通往 AGI 之路」知识库首页的布鲁姆分类法，设计自己的学习路径。

Content generated by AI large model, please carefully verify (powered by aily)

References

问：新手如何学习 AI？

了解AI基本概念：首先，建议阅读「[从这里启程](https://waytoagi.feishu.cn/wiki/PFXnwBTsEiGwGGk2QQFcdTWrnlb?table=blkjooAlLFNtvKJ2)」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。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。开始AI学习之旅：在「[入门：AI学习路径](https://waytoagi.feishu.cn/wiki/ZYtkwJQSJiLa5rkMF5scEN4Onhd?table=tblWqPFOvA24Jv6X&view=veweFm2l9w)」中，你将找到一系列为初学者设计的课程。这些课程将引导你了解生成式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，你可以按照自己的节奏学习，并有机会获得证书。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），你可以根据自己的兴趣选择特定的模块进行深入学习。我建议你一定要掌握提示词的技巧，它上手容易且很有用。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你的作品。在知识库提供了很多大家实践后的作品、文章分享，欢迎你实践后的分享。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，你可以获得对AI在实际应用中表现的第一手体验，并激发你对AI潜力的认识。

问：新手如何学习 AI？

记住，学习AI是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，你将逐渐建立起自己的AI知识体系，并能够在这一领域取得自己的成就。完整的学习路径建议参考「通往AGI之路」[知识库首页](https://waytoagi.feishu.cn/wiki/QPe5w5g7UisbEkkow8XcDmOpn8e)的布鲁姆分类法，设计自己的学习路径。类似问题：我是新人，怎么学习AI？新手学习AI学习AI，我应该从哪里开始如何从头开始学习AI？

问：AI的技术历史和发展方向，目前最前沿的技术点有哪些

1.数学基础:线性代数、概率论、优化理论等2.机器学习基础:监督学习、无监督学习、强化学习等3.深度学习:神经网络、卷积网络、递归网络、注意力机制等4.自然语言处理:语言模型、文本分类、机器翻译等5.计算机视觉:图像分类、目标检测、语义分割等6.前沿领域:大模型、多模态AI、自监督学习、小样本学习等7.科研实践:论文阅读、模型实现、实验设计等[heading3]偏向应用方向[content]1.编程基础:Python、C++等2.机器学习基础:监督学习、无监督学习等3.深度学习框架:TensorFlow、PyTorch等4.应用领域:自然语言处理、计算机视觉、推荐系统等5.数据处理:数据采集、清洗、特征工程等6.模型部署:模型优化、模型服务等7.行业实践:项目实战、案例分析等无论是技术研究还是应用实践,数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态,并结合实际问题进行实践锻炼。内容由AI大模型生成，请仔细甄别。

Others are asking
我怎么开始做出海AI工具站，以及SEO获取流量
以下是一些关于开始做出海 AI 工具站及通过 SEO 获取流量的参考信息： 从相关的月度榜单来看，出海的 AI 工具站有 DocsBot AI、bolt、AISEO、Aime、makeugc、HireQuotient、Chai、MaxAI.me 等，它们涵盖了客户支持、代码助手、SEO 工具、情感陪伴、个人助理等不同分类。这些工具站在海外市场有一定的访问量和流量增速。 在摊位信息中，也有一些与出海 AI 工具站及 SEO 相关的内容，比如“Google seo 与 AI 结合”“AI 训练 to b，出应用，智能体 agent，文生图生视频都涉及”等。 您在开始做出海 AI 工具站时，可以参考成功的案例，明确工具站的定位和目标用户群体，注重产品的特色和创新。在 SEO 方面，需要关注关键词优化、内容质量、网站结构等方面，以提高在搜索引擎中的排名，获取更多流量。
2025-03-12
我是一名短视频创作者，我自身有自己写的现代诗歌，但是因为自己的声音不好，所以想自己制作一个利用网络音频和AI视频来展示我创作的诗歌的coze工作流，但是我对于ai的提示词有很多不明白的地方，您能够给我帮助吗
以下是为您提供的关于利用网络音频和 AI 视频展示诗歌的 Coze 工作流的相关指导： 1. 整体结构和参数配置： 工作流通常包括开始模块、Get_Video 模块、LinkReaderPlugin 模块、标题大模型、内容大模型、图片 Prompt 大模型、文生图 ImageToolPro 模块和输出结果模块等。 每个模块都有其特定的参数配置，例如在开始模块中选择源语言和目标语言等。 2. 标题大模型参数配置： 您需要作为小红书爆款写作专家，根据输入内容产出 3 个标题，采用二极管标题法创作，并善于使用吸引人的特点和爆款关键词，同时要符合小红书平台的标题特性和创作规则。 3. 内容大模型参数配置： 作为小红书爆款写作专家，根据输入内容产出 1 篇正文，每段话包含适当的 emoji 表情，文末有合适的 tag 标签。写作时要注意风格、开篇方法、文本结构、互动引导方法、一些小技巧、爆炸词等，文章尽量口语化、简短，在 200 字左右。 4. 图片 Prompt 大模型参数配置： 作为绘图 Prompt 大师，将输入内容转成 AI 更容易理解的绘画 Prompt。 5. 工作流创建步骤： 点击工作流后面的“+”添加工作流，然后创建工作流。 给工作流起名字和描述，名字只能用字母、数字和下划线，描述要清晰。 初始化工作流后，会生成开始模块和结束模块，左边有各种插件和搭建 Agent 的工具，可根据需要添加和使用。 希望以上内容对您有所帮助，如果您在具体操作过程中还有其他疑问，请随时向我咨询。
2025-03-12
我是一名短视频创作者，我自身有自己写的现代诗歌，但是因为自己的声音不好，所以想自己制作一个利用网络音频和AI视频来展示我创作的诗歌的coze工作流，但是我对于ai的提示词有很多不明白的地方，您能够给我帮助吗
以下是为您提供的关于利用网络音频和 AI 视频展示诗歌的 Coze 工作流的相关指导： 1. 整体结构和参数配置： 工作流通常包括开始模块、Get_Video 模块、LinkReaderPlugin 模块、标题大模型、内容大模型、图片 Prompt 大模型、文生图 ImageToolPro 模块和输出结果模块等。 每个模块都有其特定的参数配置，例如在开始模块中选择源语言和目标语言等。 2. 标题大模型参数配置： 您需要作为小红书爆款写作专家，根据输入内容产出 3 个标题，采用二极管标题法创作，并善于使用吸引人的特点和爆款关键词，同时要符合小红书平台的标题特性和创作规则。 3. 内容大模型参数配置： 作为小红书爆款写作专家，根据输入内容产出 1 篇正文，每段话包含适当的 emoji 表情，文末有合适的 tag 标签。写作时要注意风格、开篇方法、文本结构、互动引导方法、一些小技巧、爆炸词等，文章尽量口语化、简短，在 200 字左右。 4. 图片 Prompt 大模型参数配置： 作为绘图 Prompt 大师，将输入内容转成 AI 更容易理解的绘画 Prompt。 5. 工作流创建步骤： 点击工作流后面的“+”添加工作流，然后创建工作流。 给工作流起名字和描述，名字只能用字母、数字和下划线，描述要清晰。 初始化工作流后，会生成开始模块和结束模块，左边有各种插件和搭建 Agent 的工具，可根据需要添加和使用。 希望以上内容对您有所帮助，如果您在具体操作过程中还有其他疑问，请随时向我咨询。
2025-03-12
企业如何培养全员AI思维，将AI融入企业文化，驱动人才转型，推动AI驱动的创新。
企业培养全员 AI 思维、将 AI 融入企业文化、驱动人才转型并推动 AI 驱动的创新，可参考以下方面： 1. 组织管理转型：参考波士顿咨询公司发布的《》报告，AI 技术将推动组织从金字塔结构向松树型转变，需要人才具备创新、持续学习、透明和协作能力，组织文化应强调人的价值和认知多样性。为加速 AI 转型，建议采取自上而下的战略推动和自下而上的创新激活，培养关键人才，并重塑员工技能。 2. 构建 AI 监督与反馈机制： 建立异常监测机制，针对 AI 决策结果进行定期回顾，设立异常情况触发预警机制，避免因 AI 错误而导致决策失误。 在关键业务决策中设置人类干预节点，在 AI 给出初步建议后由人类进行审核和判断，特别是财务预测、市场扩展策略等核心业务决策应有清晰的人工复核流程。 企业可以引入“人机协作审查委员会”，由高层管理人员、业务线负责人和技术团队组成，每月审查 AI 关键决策的结果，设定触发条件（如连续三次异常预测）来判断是否需要人工干预。 3. 保留人类的创新与主导地位： 虽然 AI 能通过数据提供创新支持，但真正的突破性创新依然需要人类的参与，企业应明确 AI 是助力而非替代。在中国市场，创新是企业保持竞争优势的关键，过度依赖 AI 可能会削弱员工的创新力和主动性。 设立创新实验室，让 AI 提供背景数据和支持，员工在此基础上进行创意开发，AI 可以生成基础创意，员工进行拓展和跨领域应用。 进行跨部门协作，创建多样化团队，整合市场、技术和创意团队的力量，让 AI 提供洞察和辅助，具体决策由团队中的人类成员作出。 企业可以设立“AI 创新月”，每月让不同部门提出与 AI 相关的创新方案，要求员工结合 AI 的分析提出创意，而非直接采用 AI 方案，以培养团队的创新能力，避免 AI 的全权主导。
2025-03-12
我想要打造一个AI手工耿的账号，模仿网络红人手工耿，但是是用AI去做一些有的没的 你这里有可供我参考的资料吗
很抱歉，目前没有关于打造 AI 手工耿账号的直接参考资料。但您可以从以下几个方面入手：首先，深入研究手工耿的风格和特点，包括他的创意、表现形式、语言风格等。其次，利用 AI 技术生成相关的创意内容时，注重独特性和趣味性，结合手工耿的“无用发明”风格。还可以通过 AI 绘画等手段为您的账号创作独特的视觉元素。在账号运营过程中，不断根据用户反馈优化 AI 生成的内容和表现方式。
2025-03-12
如何构建一个优秀的ai的知识库
构建一个优秀的 AI 知识库可以参考以下步骤和要点： 1. 明确概念和原理：了解 AI 时代知识库的概念、实现原理以及能力边界。 2. 掌握获取资料的原理：比如在通往 AGI 之路大群中通过对话获取知识库中资料的原理。 3. 利用相关平台组件：更好地使用 Coze 等 AI Agent 平台中的知识库组件，打造更强大的智能体。 4. 规划内容： 数据库：让 Coze 拥有记忆的组件 1。 知识库：让 Coze 拥有记忆的组件 2。 变量：让 Coze 拥有记忆的组件 3。 JSON：让您更好地使用 Coze 插件。 API：外部应用程序接入 Coze 的方式。 操作系统与服务器：那些接入了 Coze 的微机器人的运行位置。 Docker：以最简单的方式部署微信机器人。 5. 确定功能范围：编写 prompt 提示词，设定 Bot 的身份和目标。 6. 整理对应关系：创建知识库，整理“关键字”与“AI 相关资料链接”的对应关系，并将信息存储起来。 支持的文档类型：本地文档、在线数据、飞书文档、Notion 等，可使用本地文档。 按照操作指引上传文档、分段设置、确认数据处理。 小技巧：知识库的好用程度与内容切分粒度有关，可以在内容中加上特殊分割符，如“”，分段标识符号选择“自定义”，内容填“”。如果内容有误需要编辑，可以点击具体内容，鼠标右键会看到“编辑”和“删除”按钮进行操作。 同时，“通往 AGI 之路”是一个由开发者、学者和有志人士等参与的学习社区和开源的 AI 知识库，在这里，您既是知识的消费者，也是知识的创作者。它不仅是一个知识库，还是连接学习者、实践者和创新者的社区，让大家在这里碰撞思想，相互鼓舞，一同成长。
2025-03-12
AI学习路径
以下是为新手提供的 AI 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），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，通过实践巩固知识，尝试使用各种产品做出作品。 在知识库分享实践后的作品和文章。 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。 另外，如果您偏向技术研究方向，学习路径包括： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 如果您偏向应用方向，学习路径包括： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。
2025-03-09
青年员工人工智能能力提升的路径与思考
青年员工提升人工智能能力的路径与思考如下： 学习路径：成为基于 Agent 的创造者 结合“一人公司”的愿景，未来的 AI 数字员工会以大语言模型为大脑，串联所有工具。 数字员工（agent）=学历（大模型）+察言观色（观察）+逻辑思维（推理）+执行（SOP）。 创造者的学习要用大模型和 Agent 模式把工具串起来，着重关注创造能落地 AI 的 agent 应用，大模型的开发研究和演进交给学术界和大厂。 Agent 工程（基础版）： 梳理流程：梳理工作流程 SOP，并拆解成多个单一「任务」和多个「任务执行流程」。 「任务」工具化：自动化每一个「任务」，形成一系列小工具，让机器能完成每一个单一任务。 建立规划：串联工具，基于 agent 框架让 bot 来规划「任务执行流程」。 迭代优化：不停迭代优化「任务」工具和「任务执行流程」规划，造就能应对实际场景的 Agent。 数字员工“进化论”：在固化流程和让 AI 自主思考之间需在对 AI 能力基础上作出妥协和平衡。 趋势研究：AI 时代的个人成长路径 第 2 阶段：AI 素养培养与工具掌握 建立拥抱 AI 的心态后，提升 AI 素养，系统学习 AI 相关知识，包括机器学习、自然语言处理等基本概念，以及 AI 在各行业中的应用案例。 上手一些 AI 工具，如 ChatGPT、智能翻译工具、AI 绘图程序等，在日常工作中练习利用 AI 工具完成部分任务，如协助撰写文档、整理数据、生成简单代码等。 熟练驾驭 AI 工具，成为使用者而非旁观者，使用时保持理性，认识到当前 AI 的局限，学会验证输出结果，不盲从。 戴尔因 AI 上演“大逃杀”的启示 对于处于中间位置的执行层，形势紧迫，面临人工智能取代工作职能和向上攀升的机会，需迅速掌握并运用人工智能技术。 为在变革中生存和发展，需关注两方面： 有效应用人工智能技术：迅速掌握生成式人工智能基本概念和潜在影响，重点理解其对工作方式和行业格局的革新；深入了解市场上现有的人工智能产品和工具，并积极应用到实际工作中。 保持持续学习和关注的态度。
2025-03-06
请帮我制订一个AI学习路径。
以下是为您制定的 AI 学习路径： 偏向技术研究方向： 1. 数学基础：掌握线性代数、概率论、优化理论等。 2. 机器学习基础：熟悉监督学习、无监督学习、强化学习等。 3. 深度学习：深入学习神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：了解语言模型、文本分类、机器翻译等。 5. 计算机视觉：掌握图像分类、目标检测、语义分割等。 6. 前沿领域：关注大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：进行论文阅读、模型实现、实验设计等。 偏向应用方向： 1. 编程基础：学习 Python、C++等编程语言。 2. 机器学习基础：掌握监督学习、无监督学习等。 3. 深度学习框架：熟悉 TensorFlow、PyTorch 等。 4. 应用领域：在自然语言处理、计算机视觉、推荐系统等领域实践。 5. 数据处理：学会数据采集、清洗、特征工程等。 6. 模型部署：掌握模型优化、模型服务等。 7. 行业实践：参与项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。
2025-03-06
一个ai小白，想要学习ai相关知识，请帮忙推荐学校路径和方法
对于 AI 小白，以下是学习 AI 的学校路径和方法： 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）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： 在「」中，能找到为初学者设计的系列课程，引导了解生成式 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，还有机会获得证书。 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。 在知识库有很多实践后的作品和文章分享，欢迎实践后分享。 5. 体验 AI 产品： 与现有的 AI 产品如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人互动，了解其工作原理和交互方式，获得对 AI 实际应用表现的第一手体验，激发对 AI 潜力的认识。 此外，还可以参考以下资源： 学习路径方面，有很多高质量学习内容，如李弘毅老师的生成式 AI 导论、吴达的生成式 AI 入门视频等供有时间深入学习的人使用。 部分同学通过观看李弘毅的导论、文达的相关信息并整理成学习笔记，在整理过程中能学到更多知识，还能与大家交流互动。 觉得系统学习枯燥的话，可以等待社区共创内容，通过共创做小项目来反向推动学习。 介绍了 A16Z 推荐的内容从 5 篇扩展到 6 篇，包括 GPT 相关知识、Transformer 模型运作原理，及大语言模型词语接龙原理等基础知识。 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。 历史脉络类资料：整理了 open AI 的发展时间线和万字长文回顾等。
2025-03-05
有没有路径可以围绕DS、豆包等大模型的检索结果做优化的路径
围绕 DS、豆包等大模型的检索结果做优化的路径包括以下方面： 首先，通过集成收集 AI 反馈（AIF）聊天模型完成情况，然后利用 GPT4（UltraFeedback）进行评分并二值化为偏好。其中，Step2AIF 在某种程度上是一种 selfplay，通过多模型 prompt 生成来进行 RL。在模型最终采用的 DPO 算法的 SFT 过程中，用于最终模型 SFT 所训练的 AIF 数据集与原始 pretraining 数据集在数据（tokens）序列组织构象上存在差异，这是一种 Synthetic Data 的路径，关键在于这种 Synthetic Data 与原始 Data 在特征与知识分布上的差异。 DPO 算法通俗来讲，当一个答案是好的答案时，模型要尽可能增大其被策略模型生成的概率；当一个答案是差的答案时，模型则需要尽可能降低其被策略模型生成的概率。 以上是在 RL×LLM 方面的一些探索，接下来需要将上述模型案例以及延展的思考进行沉淀，回归第一性原理进行更进一步的本质探寻，以找到两者之间隐含的共性、差异以及呈现当前技术发展路径与现状的必然性。
2025-03-04
AI入门和学习路径
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。
2025-03-03
如何学习comfyUI
以下是一些学习 ComfyUI 的途径和资源： 1. 官方文档：ComfyUI 官方文档提供了使用手册和安装指南，适合初学者和有经验的用户，可在获取相关信息。 2. 优设网：有一篇详细的 ComfyUI 入门教程，适合初学者，详细介绍了其特点、安装方法及如何生成图像等内容，教程地址是。 3. 知乎：有用户分享了 ComfyUI 的部署教程和使用说明，适合有一定基础并希望进一步了解的用户，可在找到相关教程。 4. Bilibili：提供了一系列涵盖从新手入门到精通各个阶段的视频教程，可在找到。 此外，还有以下 ComfyUI 共学快闪的学习内容： 王蓉🍀🎈Wang Easy 基础搭建和转绘 唯有葵花向日晴 基础教程，工作流开发，实际应用场景 热辣 HuolarrAI 系统课私聊图生视频 咖菲猫咪 基础教程/工作流搭建思路/各版本模型使用的优缺点 傅小瑶 Lucky 如何制作多人转绘视频 云尚 工作流节点搭建思路 FǎFá 热门节点功能，搭建 森林小羊 基本报错解决方式及基础工作流逻辑分析 苏小蕊 基础教程 Sophy 基础课程 蜂老六 装一百个最新常用插件后如何快速解决冲突问题 阿苏 工作流框架设计 aflyrt comfyui 节点设计与开发 老宋&SD 深度解释虚拟环境部署和缺失模型的安装 Liguo 模型训练 啊乐福 基础课程 塵 优秀案例 风信 基础课程➕平面设计应用场景 北南 基础课程 视频工作流框架设计 Damon 基础课程 渔舟 基础课程+工作流搭建思路 乔木船长 工作流 ☘️ 基础教程 ☘ 基础教程 工作流设计+典型案例剖析 麒白掌 工作流搭建 OutSider 风格迁移 吴鹏 基础+工作流搭建 拾光 工作流基础搭建从入门到精通 茶浅浅 视频转绘/节点工作流介绍 百废待.新（早睡版）工作流从入门到进阶 电商应用场景 学习使用 ComfyUI 的原因包括： 更接近 SD 的底层工作原理。 实现自动化工作流，消灭重复性工作。 作为强大的可视化后端工具，可实现 SD 之外的功能，如调用 api 及本文所讲的内容等。 可根据定制需求开发节点或模块。 例如，金属文创建工作流是因为工作室需要抠图素材，传统途径存在问题，近期在 github 上看到相关项目后创建了工作流，不仅可用于绿幕素材抠图，还能自动生成定制需求的抠图素材，全程只需几秒。
2025-03-12
在学习过ai的基本原理以及尝试过一些大众的ai应用后，我想进一步深入了解ai，给我可以参考的方向
以下是您进一步深入了解 AI 可以参考的方向： 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、机器学习、深度学习等主要分支及其联系。 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： 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）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，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。 掌握提示词技巧，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。 分享实践后的作品和文章。 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，获得实际应用的第一手体验。 6. 精进学习： 了解 AI 背景知识，包括基础理论、历史发展。 掌握数学基础，如统计学基础（熟悉均值、中位数、方差等）、线性代数（了解向量、矩阵等）、概率论（基础的概率论知识，如条件概率、贝叶斯定理）。 熟悉算法和模型，如监督学习（了解线性回归、决策树、支持向量机等）、无监督学习（熟悉聚类、降维等）、强化学习（了解基本概念）。 学会评估和调优，包括性能评估（了解交叉验证、精确度、召回率等）、模型调优（学习使用网格搜索等技术优化模型参数）。 掌握神经网络基础，包括网络结构（理解前馈网络、卷积神经网络、循环神经网络等）、激活函数（了解 ReLU、Sigmoid、Tanh 等）。
2025-03-11
学习AI小说写作
以下是关于学习 AI 小说写作的一些方法和建议： 1. 利用 coze 工作流： 用 bing 搜索相关标题的内容。 用程序将搜索结果结构化（不熟悉程序的可忽略或直接复制文中代码）。 用大模型草拟大纲，包括标题、主旨、世界观、主要角色、小说背景、情节概要。 再用大模型来写文章并输出文章内容。 2. 基于《救猫咪》的工作流： 记住 AI 只是辅助创作，提高创作效率，最后仍需人工加工和修改以满足人类读者要求。 可使用的 AI 工具有 ChatGPT（擅长构思）、Claude（文笔好于 ChatGPT）、彩云小梦、Kimi、MidReal 等。 3. DeepSeek 小说家相关： 从 Deepseek R1 提示词过渡到小说写作，探讨如精心设计与凭直觉写作的关系。 考虑好文字引起的生理和情绪共鸣，关注人类共性。 交流模型应用和创作，如对比 Deepseek 和 cloud 3.5 文风，控制篇幅方法等。 参与如“Deepseek 小说家”等相关活动，分享经验和案例。
2025-03-11
如何在20天内快速学习AI技术，并找到工作
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。
2025-03-11
ai学习
以下是新手学习 AI 的方法和建议： 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。 在知识库提供了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。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。
2025-03-11
职场打工人，没有编程基础。怎么在3个月内学习运用好ai？并列出详细计划
以下是为没有编程基础的职场打工人制定的在 3 个月内学习运用好 AI 的详细计划： 第一个月： 了解 AI 编程的基本概念和应用场景，通过相关文章和案例建立初步认知。 借助 AI 工具完成一些简单的任务，例如使用一些现有的 AI 插件来辅助工作，如 IAiUse Language Translator Settings、i18n Nexus 等。 第二个月： 学习 Python 基础，包括基本语法规则（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）。 掌握函数的定义和调用，理解参数和返回值的概念，以及作用域和命名空间。 第三个月： 深入学习 Python 的模块和包，学会导入标准库中的模块和第三方库，以及使用包来扩展程序功能。 了解面向对象编程的基本概念，包括类和对象、属性和方法、继承和多态。 学习异常处理，理解异常的工作原理，掌握使用 try 和 except 语句处理错误。 掌握文件操作，包括文件读写、文件与路径操作。 在学习过程中，要多实践、多练习，结合实际工作中的需求进行应用，不断提升自己运用 AI 的能力。
2025-03-11