我要学ComfyUI，我们有哪些学习资源？

AI 产品经理应具备的技能和需要学习的工具包括： 1. 学历背景：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。 2. 工具熟悉：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；具有一定的编程基础，熟练使用 Python、Git 等工具。 3. 项目能力：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）。 4. 思维能力：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。 计算机科学与技术专业的研究生如果想找 AI 产品经理的实习，可以从以下方面着手准备： 1. 了解行业需求：搜索了解目前 AI 产品经理岗位的招聘技能要求情况。 2. 学习相关知识：深入学习上述提到的技能和工具知识。 3. 积累项目经验：可以参与一些相关的实践项目，例如收集数据、训练模型、派送模型等。 4. 思考商业价值：思考可以自动化的任务、驱动商业价值的核心以及商业领域的主要痛点。 5. 准备项目时，要明确项目目标，制定合理的开发时间表，清晰所需时间和人员。同时，为项目提供验收标准，尽量以数据衡量。 以上内容仅供参考，不同公司和项目可能有不同的具体要求。

利用 AI 辅助做科研选题并写学术课题申报书，您需要按以下步骤学习相关内容： 1. 确定课题主题：明确您的研究兴趣和目标，选择具有研究价值和创新性的主题。 2. 收集背景资料：使用学术搜索引擎和文献管理软件等 AI 工具，搜集相关研究文献和资料。 3. 分析和总结信息：借助 AI 文本分析工具，对收集到的资料进行分析，提取关键信息和主要观点。 4. 生成大纲：利用 AI 写作助手生成课题大纲，涵盖引言、文献综述、方法论、结果和讨论等部分。 5. 撰写文献综述：使用 AI 工具辅助撰写文献综述部分，保证内容准确完整。 6. 构建方法论：依据研究需求，采用 AI 建议的方法和技术设计研究方法。 7. 数据分析：若课题涉及数据收集和分析，运用 AI 数据分析工具处理和解释数据。 8. 撰写和编辑：借助 AI 写作工具撰写课题各部分，并进行语法和风格检查。 9. 生成参考文献：使用 AI 文献管理工具生成正确的参考文献格式。 10. 审阅和修改：利用 AI 审阅工具检查课题的逻辑性和一致性，并根据反馈修改。 11. 提交前的检查：最后，使用 AI 抄袭检测工具确保课题的原创性，并做最后的格式调整。 请记住，AI 工具只是辅助，不能完全替代研究者的专业判断和创造性思维。在使用 AI 进行课题写作时，要保持批判性思维，确保研究质量和学术诚信。

小白学习 AI 可以从以下几个方面入手： 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： 参考「」中的课程，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，通过实践巩固知识，尝试使用各种产品做出自己的作品。 在知识库中查看大家实践后的作品、文章分享，并进行自己的分享。 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。 此外，还可以参考《雪梅 May 的 AI 学习日记》中的学习模式，即输入→模仿→自发创造。对于技术纯小白，可以从一个最最基础的小任务开始，让 AI 先帮按照 best practice 写一个 say hello 的示例程序，并解释每个文件的作用及程序运行的逻辑，学会必备的调试技能。同时，通过和 AI 的对话，逐步明确项目需求，梳理出产品需求文档。

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。

以下是一些关于学习用 AI 帮助写小说的推荐材料： 1. 基于《救猫咪》的 AI 辅助小说工作流（WIP）： 这本书属于介绍实践技巧类知识，有助于将书中技巧用于调教 AI。 让 AI 写小说存在一些固有问题，如上下文长度限制、忘记要求、文笔简略、一致性难以保证等。 书中提到的部分问题 AI 不易犯，如“保持创意简洁”“危机快速来临”。 需注意 AI 对叙述方式敏感，写 prompt 时应保持用词一致。 AI 只是辅助创作，最后仍需人工加工修改。 可辅助创作的 AI 工具包括 ChatGPT（擅长构思）、Claude（文笔好于 ChatGPT）、彩云小梦、Kimi、MidReal 及其他开源模型。 2. Stuart 分享的用 coze 写起点爆款小说《夜无疆》的工作流： 工作流效果：虽未达到起点小说家水平，但至少达到高中生中较好的水平，思路值得学习。 工作流核心节点：用 bing 搜索标题相关内容；用程序将搜索结果结构化（不熟悉程序可忽略）；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；再用大模型写文章并输出文章内容。 3. 关于 DeepSeek 的使用调研：其中提到有人用其帮写小说框架等。

如果您从开发转型为 AI 产品经理，以下是一些您需要学习的内容和推荐的学习资料： 1. 技术原理方面： 思维链：谷歌在 2022 年的一篇论文提到思维链可以显著提升大语言模型在复杂推理的能力（即有推理步骤），即使不用小样本提示，也可以在问题后面加一句【请你分步骤思考】。 RAG（检索增强生成）：外部知识库切分成段落后转成向量，存在向量数据库。用户提问并查找到向量数据库后，段落信息会和原本的问题一块传给 AI；可搭建企业知识库和个人知识库。 PAL（程序辅助语言模型）：2022 年一篇论文中提出；比如对于语言模型的计算问题，核心在于不让 AI 直接生成计算结果，而是借助其他工具比如 Python 解释器作为计算工具。 ReAct：2022 年一篇《React:在语言模型中协同推理与行动》的论文提出了 ReAct 框架，即 reason 与 action 结合，核心在于让模型动态推理并采取行动与外界环境互动。比如用搜索引擎对关键字进行搜索，观察行动得到的结果。可借助 LangChain 等框架简化构建流程。 2. 个人总结：很多大佬发言表示要关注或直接阅读技术论文，比如产品经理转型 AI 产品经理，需要懂技术脉络。但小白直接看技术论文有难度，虽然现在可以让 AI 辅助阅读，不过还是要完成一定的知识储备。林粒粒呀的这期视频是一个很好的科普入门。 3. 视频二：技术框架与关于未来的想象。之前对安克创新的印象可能是卖充电宝和安防设备，但看了这期访谈，被 CEO 阳萌的认知震撼，很多观点有启发，强烈建议看原访谈视频。其中提到 Transformer 是仿生算法的阶段性实现，10 年、20 年后大家将不再用 TA 。

ComfyUI 和 WebUI 的区别主要体现在以下几个方面： ComfyUI： 简介：是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI，将 stable diffusion 的流程拆分成节点，实现更精准的工作流定制和完善的可复现性。 优势： 对显存要求相对较低，启动速度快，出图速度快。 具有更高的生成自由度。 可以和 WebUI 共享环境和模型。 可以搭建自己的工作流程，可以导出流程并分享给别人，报错时能清晰发现错误所在步骤。 生成的图片拖进后会还原整个工作流程，模型也会选择好。 劣势： 操作门槛高，需要有清晰的逻辑。 生态没有 WebUI 多（常用的都有），但也有一些针对 ComfyUI 开发的有趣插件。 官方链接：从 github 上下载作者部署好环境和依赖的整合包，按照官方文档安装即可：https://github.com/comfyanonymous/ComfyUI 插件推荐： 插件安装管理器：https://github.com/ltdrdata/ComfyUIManager SDXL 风格样式：https://github.com/twri/sdxl_prompt_styler ComfyUI 界面汉化：https://github.com/AIGODLIKE/AIGODLIKECOMFYUITRANSLATION 中文提示词输入：https://github.com/AlekPet/ComfyUI_Custom_Nodes_AlekPet 蟒蛇八卦工具箱：https://github.com/pythongosssss/ComfyUICustomScripts 提示词权重调节器：https://github.com/BlenderNeko/ComfyUI_AD WebUI： 采样器与调度器：在 ComfyUI 中，采样器与调度器分开，而在 WebUI 中的采样方法是把两者合并在一起。ComfyUI 通过采样器+调度器组合的方式与 WebUI 中的一致，一般选择 karras 调度器效果较好。 在插件安装方面，WebUI 有较好的用户界面，安装插件后可直观看到并使用；而 ComfyUI 安装插件后可能看不到，需通过节点连接才能感受到其功能。

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。

在 ComfyUI 中，随机种子（seed）主要用于控制潜空间的初始噪声。如果您想重复生成一模一样的图片，就需要用到这个随机种子。需要注意的是，要生成完全相同的图片，种子和 Prompt 都要相同。每次生成完图片后，上面的 seed 数字都会变化，而 control_after_generate 配置项则是设置这个变化规则，包括 randomize（随机）、increment（递增 1）、decrement（递减 1）、fixed（固定）。例如在某些工作流中，随机种子可能被设置为特定的值，如 30 或 79 等，以实现特定的效果或结果重现。

ComfyUI 的生图原理主要包括以下几个方面： 1. Pixel Space 和 Latent Space： Pixel Space（像素空间）：图的左边表示输入图像的像素空间，在 ComfyUI 中，可能通过“图像输入”模块或直接从文本提示生成随机噪声图像，生成过程结束时会将处理后的潜在表示转换回像素空间生成最终图像。 Latent Space（潜在空间）：ComfyUI 的许多操作都在潜在空间中进行，如 KSampler 节点执行采样过程。图像被映射到潜在空间后，扩散过程在这个空间中进行，可通过节点调整对潜在空间的操作，如噪声添加、去噪步数等，通常由潜在空间操作模块实现。 2. 扩散过程（Diffusion Process）： 噪声的生成和逐步还原：扩散过程表示从噪声生成图像的过程，通常通过调度器（如 Normal、Karras 等）控制，可通过“采样器”节点选择不同调度器控制潜在空间中噪声处理及逐步去噪回归到最终图像。 时间步数：生成图像时，扩散模型会进行多个去噪步，在 ComfyUI 中可通过控制步数影响图像生成的精细度和质量。 3. Denoising UNet（去噪 UNet 结构）： UNet 模型：ComfyUI 底层依赖 Stable Diffusion，去噪过程由 UNet 网络完成，它是一种编码器解码器结构，能处理多尺度特征表示，在 ComfyUI 中去噪的每个步骤通过模型推理模块实现，调用训练好的 UNet 模型逐步将噪声图像还原成有意义的图像。 Cross Attention（交叉注意力）：交叉注意力机制在 Stable Diffusion 中尤为重要，允许模型在生成过程中融入文本提示、图像、语义信息等条件，在 ComfyUI 中通过“文本提示”和“条件输入”节点实现，可调整文本提示的权重影响生成图像的内容。 Skip Connection（跳跃连接）：是 UNet 的核心部分，能在不同尺度之间共享特征，在 ComfyUI 的节点网络中表示为中间过程数据的流转，可在不同推理步骤中查看中间生成结果并通过跳跃连接调整特定尺度上的生成效果。 Switch（切换器）：在去噪过程中的不同阶段对特征流进行控制，在 ComfyUI 中可通过修改模型的参数节点或自定义网络结构节点，对不同阶段的噪声去除策略进行微调。 4. 基础模型：ComfyUI 使用预训练的扩散模型作为核心，通常是 Stable Diffusion 模型，包括 SD1.5、SD2.0、SDXL、SD3、FLUX 等模型，这些模型通过大量图像和文本对的训练，学会将文本描述与视觉概念关联起来。 5. 文本编码：当用户输入文本提示时，ComfyUI 首先使用 CLIP 文本编码器将文本转换为向量表示，该向量捕捉文本的语义信息。

ComfyUI 是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI，您可以将其视为集成了 stable diffusion 功能的 substance designer。通过把 stable diffusion 的流程拆分成节点，实现了更精准的工作流定制和良好的可复现性。 其具有以下优势： 1. 对显存要求相对较低，启动速度快，出图速度快。 2. 具有更高的生成自由度。 3. 可以和 webui 共享环境和模型。 4. 可以搭建自己的工作流程，可以导出流程并分享给别人，报错时能清晰发现错误所在步骤。 5. 生成的图片拖进后会还原整个工作流程，模型也会选择好。 但也存在一些劣势： 1. 操作门槛高，需要有清晰的逻辑。 2. 生态没有 webui 多（常用的都有），不过也有一些针对 Comfyui 开发的有趣插件。 您可以从 github 上下载作者部署好环境和依赖的整合包，按照官方文档安装即可，官方链接为：https://github.com/comfyanonymous/ComfyUI 。 ComfyUI 是一个开源的图形用户界面，用于生成 AI 图像，主要基于 Stable Diffusion 等扩散模型。其工作原理包括： 1. Pixel Space（像素空间）：图的左边表示输入图像的像素空间，在 ComfyUI 中，对应于可能通过“图像输入”模块或直接从文本提示生成的随机噪声图像。在生成过程结束时，系统会将处理后的潜在表示转换回像素空间，生成最终的图像。 2. Latent Space（潜在空间）：ComfyUI 中的许多操作都在潜在空间中进行，如 KSampler 节点就是在这个空间中执行采样过程。图像被映射到潜在空间后，扩散过程在这个空间中进行。在 ComfyUI 中，您可以通过节点调整对潜在空间的操作，如噪声添加、去噪步数等。 3. 扩散过程（Diffusion Process）：噪声的生成和逐步还原。扩散过程表示的是从噪声生成图像的过程。在 ComfyUI 中，这通常通过调度器（Schedulers）控制，典型的调度器有 Normal、Karras 等，它们会根据不同的采样策略逐步将噪声还原为图像。您可以通过 ComfyUI 中的“采样器”节点选择不同的调度器，来控制如何在潜在空间中处理噪声，以及如何逐步去噪回归到最终图像。时间步数在生成图像时，扩散模型会进行多个去噪步。 此外，开源项目作者 ailm 在 ComfyUI 上搭建了一个可以接入飞书的 AI 女友麦洛薇（mylover），实现了稳定人设，无限上下文，永久记忆，无缝联动 SD 绘图等功能，适合完全没有代码基础的小伙伴们复现并且按自己的想法修改。

以下是关于使用 ComfyUI 和 Cursor 做小程序的一些信息： 雪梅 May 在其 AI 学习日记中提到，ComfyUI 的工作流加上 Cursor 的前端网页，可以完整地制作一个个人的 AI 产品。对于个人来说，这是一个可以学习的方向，学会这些，就有可能成为一人产品公司。 关于在 Pycharm 中运行代码的步骤： 新建一个文件夹来保存代码文件，比如在 E 盘新建“python”文件夹。 打开 Pycharm，新建项目，安排好路径。 新建好会自动生成.idea 文件夹和.venv 文件夹。 在路径文件夹里新建一个放代码文件的文件夹，可自行命名方便分类，如“game”。 在新建的文件夹里新建 python 文件或新建文件并加.py 后缀。 双击新建命名好的文件，如“2048game.py”，右侧会打开文本框，将代码复制到这里面。 把从第 3 步得来的代码复制进来，运行即可。 通常来说，只需要简单沟通即可。有问题复制进去继续问即可。 即便使用 Cursor 产出的代码，最好也在 Pycharm 中运行。若直接运行 2048 游戏代码可能会出现红字报错，需要 pip 安装 pygame 库。点击左下角红色方框，将 Deepseek 或 Cursor 提示的安装 Pygame 库的 pip 代码复制过来粘贴在刚点出来的界面，回车安装到虚拟环境里面，再回到运行点击三角形状的“运行”即可。提示词误差得不到好结果的可以复制上述代码试试，再自己尝试找找问题。 您可以参考以上内容来使用 ComfyUI 和 Cursor 做小程序，希望对您有所帮助。

以下是为您提供的关于通过学习 AI 技能赚钱的相关信息： 首先，阳萌认为在 AI 学习中，最后还是走仿生的方法，即有一个足够长的 Context。这引发了关于记忆保存位置的探讨，比如手机适合收集信号产生本地 Context，阳萌赞成将训练好的模型部署在端侧，记录知识和记忆的 Context 不能跑到云端。同时，要抛开表面事实，回归基础原理，找到突破关键，追求长期全局最优解，相信长期主义，持续学习，自我觉察和自我进化，因为世界是参差的，唯有持续学习能抵御未来的变化。相关视频链接： 另外，关于如何靠 GPTs/GLMs 赚钱，OpenAI 推出 GPTs 时，有人将其比作苹果时代的 AppStore。产品的核心竞争力和护城河不在于 Prompt，而在于数据和服务（定制化 Tools）。传统 SaaS 的能力会被碎片化并整合到各种 GPTs 里，OpenAI 成为流量入口。例如，WebPilot 通过开发搜索接口提供服务接入 GPTs，小红书写作专家通过收集数据和规则包装成 GPTs。靠红利赚钱不是长久之计。

以下是一些适合您在 Fedora 操作系统上使用的 AI 工具，可满足您办公、学习、娱乐和简单编程的日常场景需求： 1. GitHub Copilot：由全球最大的程序员社区和代码托管平台 GitHub 联合 OpenAI 和微软 Azure 团队推出的 AI 编程助手。它支持和兼容多种语言和 IDE，可为程序员快速提供代码建议，帮助开发者更快、更少地编写代码。 2. 通义灵码：阿里巴巴团队推出的一款基于通义大模型的智能编程辅助工具，提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码注释生成、代码解释、研发智能问答、异常报错排查等能力。 3. CodeWhisperer：亚马逊 AWS 团队推出的 AI 编程软件，该代码生成器由机器学习技术驱动，可为开发人员实时提供代码建议。 4. CodeGeeX：智谱 AI 推出的开源的免费 AI 编程助手，该工具基于 130 亿参数的预训练大模型，可以快速生成代码，帮助开发者提升开发效率。 5. Cody：代码搜索平台 Sourcegraph 推出的一款 AI 代码编写助手，该工具借助 Sourcegraph 强大的代码语义索引和分析能力，可以了解开发者的整个代码库，不止是代码片段。 6. CodeFuse：蚂蚁集团支付宝团队为国内开发者提供智能研发服务的免费 AI 代码助手，该产品是基于蚂蚁集团自研的基础大模型进行微调的代码大模型。 7. Codeium：一个由 AI 驱动的编程助手工具，旨在通过提供代码建议、重构提示和代码解释来帮助软件开发人员，以提高编程效率和准确性。 更多辅助编程 AI 产品，还可以查看这里：https://www.waytoagi.com/category/65 。 以上工具都可以帮助您提高编程效率，但是每个工具的功能和适用场景可能会有所不同，您可以根据自己的需求来选择最适合您的工具。希望这些信息对您有所帮助！

以下是一些适合您在 Fedora 操作系统上用于办公、学习和简单编程场景的 AI 工具： 1. GitHub Copilot：由全球最大的程序员社区和代码托管平台 GitHub 联合 OpenAI 和微软 Azure 团队推出的 AI 编程助手。它支持和兼容多种语言和 IDE，可为程序员快速提供代码建议，帮助开发者更快、更少地编写代码。 2. 通义灵码：阿里巴巴团队推出的一款基于通义大模型的智能编程辅助工具，提供行级/函数级实时续写、自然语言生成代码、单元测试生成、代码注释生成、代码解释、研发智能问答、异常报错排查等能力。 3. CodeWhisperer：亚马逊 AWS 团队推出的 AI 编程软件，该代码生成器由机器学习技术驱动，可为开发人员实时提供代码建议。 4. CodeGeeX：智谱 AI 推出的开源的免费 AI 编程助手，该工具基于 130 亿参数的预训练大模型，可以快速生成代码，帮助开发者提升开发效率。 5. Cody：代码搜索平台 Sourcegraph 推出的一款 AI 代码编写助手，该工具借助 Sourcegraph 强大的代码语义索引和分析能力，可以了解开发者的整个代码库，不止是代码片段。 6. CodeFuse：蚂蚁集团支付宝团队为国内开发者提供智能研发服务的免费 AI 代码助手，该产品是基于蚂蚁集团自研的基础大模型进行微调的代码大模型。 7. Codeium：一个由 AI 驱动的编程助手工具，旨在通过提供代码建议、重构提示和代码解释来帮助软件开发人员，以提高编程效率和准确性。 更多辅助编程 AI 产品，还可以查看这里：https://www.waytoagi.com/category/65 。 每个工具的功能和适用场景可能会有所不同，您可以根据自己的需求来选择最适合您的工具。希望这些信息对您有所帮助！

以下为适合做学习计划的 AI 工具推荐： 1. GPT4：效果稳定，内容质量高。使用时，首先询问用户的学习目标或需要解决的问题，然后按照顺序收集以下信息：学习目标与个人或职业发展目标的相关性、具体想要学习的内容、如何量化学习进度和成功、目标完成的时间框架、目标是否现实可行。综合这些信息形成综述，制定详细的分步骤学习计划，包括每日和每周的学习内容和目标。使用时需初始化提示词，回复主要目标或问题，回复 SMART 原则的每个问题，最终得到整体计划。 2. 文心 4.0：考虑到网络问题，如果不方便使用 GPT4 可以选择。文心 4.0 偶尔不稳定，可酌情使用。使用步骤与 GPT4 类似，包括初始化提示词、回复主要问题或目标、回复 SMART 原则的每个问题，从而得到详细的计划。 此外，利用 AI 进行英语学习和数学学习也有很多方法： 英语学习： 利用智能辅助工具如 Grammarly 进行写作和语法纠错。 使用语音识别应用如 Call Annie 进行口语练习和发音纠正。 借助自适应学习平台如 Duolingo 获得个性化学习内容和练习。 利用智能对话机器人如 ChatGPT 进行会话练习和对话模拟。 数学学习： 使用自适应学习系统如 Khan Academy 获得个性化学习路径和练习题。 借助智能题库和作业辅助工具如 Photomath 获取数学问题的解答和解题步骤。 运用虚拟教学助手如 Socratic 解答数学问题、获取教学视频和答疑服务。 参与交互式学习平台如 Wolfram Alpha 的数学学习课程和实践项目。

如果您在使用 Deep Seek 辅助学习新概念英语第二册时总是报错，可以考虑换成 Wenxiaobai.com 这个平台。它高速响应，完全免费，支持各种平台使用，与 Deep Seek 官网几乎相同，速度快且稳定性高，最新版本还支持文档与图片分析。

以下是一些辅助输出 3D 模型资源的 AI 工具推荐： 1. @CSM_ai：可以将文本、图像或草图转换为 3D 素材。体验地址：https://cube.csm.ai 。 2. Move AI 推出的 Move API：能从 2D 视频生成 3D 运动数据，支持多种 3D 文件格式导出，为 AR 应用、游戏开发等提供高质量 3D 运动数据。网址：https://move.ai/api 。 3. ComfyUI 3D Pack：可快速将图片转换为 3D 模型，支持多角度查看，使用 3D 高斯扩散技术提升模型质量，支持多种格式导出，集成先进 3D 处理算法。网址：https://github.com/MrForExample/ComfyUI3DPack/tree/main 。 4. Medivis 的 SurgicalAR 手术应用：将 2D 医疗图像转化为 3D 互动视觉，提高手术精度，支持 3D 模型的放大、缩小、旋转，精确手术计划。网址：https://t.co/3tUvxB0L4I 。 5. Media2Face：3D 面部动画创造工具，根据声音生成同步的 3D 面部动画，允许个性化调整，如情感表达，应用于对话场景、情感歌唱等多种场合。网址：https://sites.google.com/view/media2face 、https://arxiv.org/abs/2401.15687 、https://x.com/xiaohuggg/status/1752871200303480928?s=20 。 6. SIGNeRF：在 3D 场景中快速生成和编辑对象，新增或替换场景中的物体，新生成场景与原场景无缝融合。网址：https://signerf.jdihlmann.com 、https://x.com/xiaohuggg/status/1744950363667759474?s=20 。 7. Luma AI 发布的 Genie 1.0 版本：文本到 3D 模型转换工具，生成详细逼真的 3D 模型，支持多种 3D 文件格式，获得 4300 万美元 B 轮融资。网址：https://lumalabs.ai/genie?view=create 、https://x.com/xiaohuggg/status/1744892707926122515?s=20 。 8. BakedAvatar 动态 3D 头像：从视频创建逼真 3D 头部模型，实时渲染和多视角查看，兼容多种设备，交互性编辑。网址：https://buaavrcg.github.io/BakedAvatar/ 、https://x.com/xiaohuggg/status/1744591059169272058?s=20 。 此外，在 CAD 领域，也存在一些 AI 工具和插件可以辅助或自动生成 CAD 图，例如： 1. CADtools 12：Adobe Illustrator 插件，为 AI 添加 92 个绘图和编辑工具，包括图形绘制、编辑、标注、尺寸标注、转换、创建和实用工具。 2. Autodesk Fusion 360：集成了 AI 功能的云端 3D CAD/CAM 软件，能创建复杂的几何形状和优化设计。 3. nTopology：基于 AI 的设计软件，可创建复杂的 CAD 模型，包括拓扑优化、几何复杂度和轻量化设计等。 4. ParaMatters CogniCAD：基于 AI 的 CAD 软件，可根据用户输入的设计目标和约束条件自动生成 3D 模型，适用于拓扑优化、结构设计和材料分布等领域。 5. 一些主流 CAD 软件，如 Autodesk 系列、SolidWorks 等，提供了基于 AI 的生成设计工具，能根据用户输入的设计目标和约束条件自动产生多种设计方案。 但使用这些工具通常需要一定的 CAD 知识和技能，对于 CAD 初学者，建议先学习基本的 3D 建模技巧，然后尝试使用这些 AI 工具来提高设计效率。

以下是对您需求的调研分析： 一、市场分析 目前，AI 领域发展迅速，AI 导航网站作为获取相关信息和资源的入口，具有较大的市场潜力。随着人们对 AI 技术的关注度不断提高，对于便捷、高效的 AI 资源导航需求也在增加。 二、竞品分析 暂未获取到直接关于 AI 导航网站的竞品详细信息。 三、用户分析 用户可能包括对 AI 技术感兴趣的个人、开发者、研究人员、企业等。他们希望通过导航网站快速找到所需的 AI 工具、资源、案例等。 四、产品规划 1. 提供全面、准确的 AI 网站分类和链接，涵盖工具、研究成果、应用案例等。 2. 设立用户评价和推荐系统，帮助用户筛选优质资源。 3. 提供个性化推荐功能，根据用户的浏览历史和偏好推送相关内容。 五、团队人员需求 1. 技术人员：负责网站的开发和维护，如前端开发、后端开发等。 2. 内容编辑：收集、整理和更新 AI 网站信息。 3. 运营人员：负责推广、用户互动和数据分析。 六、资源需求 1. 服务器和带宽资源，以保证网站的稳定运行和快速响应。 2. 数据采集和更新的工具和技术。 七、风险点 1. 市场竞争激烈，可能面临已有成熟竞品的压力。 2. AI 技术发展迅速，需要及时更新网站内容，以保持竞争力。 3. 可能存在版权和法律合规方面的风险。 4. 用户获取和留存的挑战，需要提供优质的服务和用户体验。

以下是为您修改后的内容，以降低论文查重率： 首先，高层管理者的重视与支持不可或缺，应为社交媒体营销给予必需的资源及政策支撑。其次，强化员工培训工作，提升全体员工的社交媒体素养与营销能力。再次，构建完备的社交媒体管理体制，对员工行为加以规范，预防潜在风险。最后，注重技术的创新，积极运用人工智能、大数据等新型技术，增强社交媒体营销的智能化程度。

AI 工具在人力资源岗位提效的应用场景主要包括以下方面： 1. 招聘环节： 职位描述生成。 简历分析。 面试题设计。 自动化筛选候选人简历，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，降低因人为错误导致的招聘成本浪费。 2. 员工绩效评估： 分析员工工作表现。 识别绩效趋势和提升点。 为管理层提供数据支持的绩效反馈。 3. 员工培训与发展。 在全行业中，基础办公提效方面如 PPT、Excel、会议报告、策划会、文案包装、图文海报、客服机器人 bot 等，都可以从【单个任务 task>角色 role>角色间协同 collaboration】显著提高工作效率。 此外，阿里云百炼大模型与猎聘携手共同推动招聘领域 AI 技术的全面升级，AI 赋能的全链路招聘流程，通过大模型的深度参与，显著提升了招聘效率和候选人体验，优化了整体业务效能。 但同时，人工智能在招聘中也存在潜在风险，如算法偏见、数据隐私和歧视等方面： 1. AI 偏见：训练数据集存在对特定社会群体或性别的偏见，可能会复制甚至加剧这些偏见。 2. 数据隐私：公司使用 AI 招聘系统收集大量个人数据，若被滥用，可能侵犯候选人隐私。 3. 算法偏见：数据集存在偏差会导致 AI 系统存在偏差。 4. 对残疾申请人：雇主使用 AI 招聘工具时，需为残疾申请人提供合理便利，确保不会无意或故意排除这些群体。 5. 种族和性别影响：AI 在招聘和晋升过程中存在无意中歧视某些种族和性别群体的风险。

以下是关于通过 Excel 表格或对话生成思维导图的资源介绍： 过去，ChatGPT 无法直接生成思维导图，面对复杂代码或长篇文章，需利用 AI 提炼后再用思维导图软件转换，较为繁琐。 如今有了 GPTs，可通过 Actions 调取第三方平台（如 Gapier）提供的 API 直接获取内容对应的思维导图。 具体案例包括： 1. 在 Action 中引入 Gapier 生成代码的思维导图。 2. 在 Action 中引入 Gapier 和 Webpilot 生成在线文档的思维导图。

目前在开发铁路调车作业岗位相关的专业技能等级考级试题库方面，可利用的 AI 资源相对有限。但您可以考虑以下几种方式： 1. 利用自然语言处理模型，如 ChatGPT 等，辅助生成一些基础的题目框架和内容描述，然后您再根据实际需求进行修改和完善。 2. 借助一些智能写作工具，帮助您优化题目表述，提高题目质量。 3. 运用在线的知识图谱和数据库，获取与铁路调车作业相关的专业知识和标准，为试题库的内容提供准确依据。 需要注意的是，AI 生成的内容仅供参考，最终的试题库仍需要您依据专业标准和实际工作要求进行严格的审核和把关。