如何自动化收集主流自媒体指定搜索到的主题内容？

以下是关于更自动化使用 cherry studio 本地知识库的具体操作方法： 使用知识库： 将知识库直接与 Bot 进行关联用于响应用户回复，或者在工作流中添加知识库节点，成为工作流中的一环。 在 Bot 内使用知识库： 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 Bots 页面，选择指定 Bot 并进入 Bot 详情页。 4. 在 Bot 编排页面的知识库区域，单击加号图标，添加指定的知识库。 5. （可选）添加知识库后，可以在自动调用下拉界面内，调整知识库的配置项。 配置项说明： 最大召回数量：Bot 在调用知识库匹配用户输入内容时，返回的数据片段数量，数值越大返回的内容越多。 最小匹配度：Bot 在调用知识库匹配用户输入内容时，会将达到匹配度要求的数据片段进行召回。如果数据片段未达到最小匹配度，则不会被召回。 调用方式：知识库的调用方式。 自动调用：每轮对话将自动从所有关联的知识库中匹配数据并召回。 按需调用：您需要在人设与回复逻辑中提示 Bot 调用 RecallKnowledge 方法，以约束 Bot 在指定时机从知识库内匹配数据。 6. （可选）在预览与调试区域调试 Bot 能力时，扩展运行完毕的内容可以查看知识库命中并召回的分片内容。 在工作流内使用 Knowledge 节点： 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. 在页面顶部进入工作流页面，并打开指定的工作流。 4. 在左侧基础节点列表内，选择添加 Knowledge 节点。 创建知识库并上传文本内容： |上传方式|操作步骤| ||| |本地文档|1. 在文本格式页签下，选择本地文档，然后单击下一步。<br>2. 将要上传的文档拖拽到上传区，或单击上传区域选择要上传的文档。<br>目前支持上传.txt,.pdf,.docx 格式的文件内容。<br>每个文件不得大于 20M。<br>一次最多可上传 10 个文件<br>1. 当上传完成后单击下一步。<br>2. 选择内容分段方式：<br>2.1. 自动分段与清洗：系统会对上传的文件数据进行自动分段，并会按照系统默认的预处理规则处理数据。<br>2.2. 自定义：手动设置分段规则和预处理规则。<br>分段标识符：选择符合实际所需的标识符。<br>分段最大长度：设置每个片段内的字符数上限。<br>文本预处理规则：<br>替换掉连续的空格、换行符和制表符<br>删除所有 URL 和电子邮箱地址<br>1. 单击下一步完成内容上传和分片。| 创建知识库并上传表格数据： |上传方式|操作步骤| ||| |本地文档|选择将本地文件中的表格数据上传至知识库中。<br>1. 在表格格式页签下，选择本地文档，然后单击下一步。<br>2. 将要上传的文档拖拽到上传区，或单击上传区域选择要上传的文档，然后单击下一步。<br>目前支持上传.csv 和.xlsx 格式的文件内容，且表格内需要有列名和对应的数据。<br>每个文件不得大于 20M。<br>一次最多可上传 10 个文件。<br>1. 配置数据表信息后，单击下一步。<br>1.1. 指定数据范围：通过选择数据表、表头、数据起始行指定数据范围。<br>1.2. 确认表结构：系统已默认获取了表头的列名，您可以自定义修改列名，或删除某一列名。<br>1.3. 指定语义匹配字段：选择哪个字段作为搜索匹配的语义字段。在响应用户查询时，会将用户查询内容与该字段内容的内容进行比较，根据相似度进行匹配。<br>2. 查看表结构和数据，确认无误后单击下一步。<br>3. 完成上传后，单击确定。|

AI 生成测试用例是一项很有价值的功能，能显著提高测试覆盖率、降低人工编写的时间和成本。以下是具体的方法、工具及实践应用示例： 方法： 1. 基于规则的测试生成： 测试用例生成工具：如 Randoop（适用于 Java 应用程序）、Pex（适用于.NET 应用）。 模式识别：如 Clang Static Analyzer、Infer。 2. 基于机器学习的测试生成： 深度学习模型：如 DeepTest（用于自动驾驶系统）、DiffTest。 强化学习：如 RLTest、A3C。 3. 基于自然语言处理（NLP）的测试生成： 文档驱动测试生成：如 Testim、Test.ai。 自动化测试脚本生成：如 Selenium IDE + NLP、Cucumber。 4. 基于模型的测试生成： 状态模型：如 GraphWalker、Spec Explorer。 场景模拟：如 Modelbased Testing 、Tosca Testsuite。 工具和平台：Testim、Test.ai、DeepTest、GraphWalker、Pex 等。 实践中的应用示例： 1. Web 应用测试：使用 Testim 分析用户行为和日志数据，生成高覆盖率的测试用例，检测兼容性问题。 2. 移动应用测试：利用 Test.ai 从需求文档中提取测试用例，确保覆盖关键功能和用户路径。 3. 复杂系统测试：采用 GraphWalker 基于系统状态模型生成测试用例，检测边界情况和异常处理能力。 总结来说，AI 在生成测试用例方面优势显著，合理应用 AI 工具能让前端开发工程师提高测试效率、增强测试覆盖率、发现潜在问题，提升软件质量和用户体验。但请注意，内容由 AI 大模型生成，请仔细甄别。

以下是一些关于 AI 自动化和工作流编排的工具和方案： 1. RPA 软件：很早就出现在工作流编排领域，目标是使基于桌面的业务流程和工作流程实现自动化，现在越来越多的 RPA 软件带上了 LLM。 2. ComfyUI：将开源绘画模型 Stable Diffusion 进行工作流化操作模式，用户在流程编辑器中配置 pipeline，通过不同节点和连线完成模型操作和图片生成，其 DSL 配置文件支持导出导入，提高了流程的可复用性，降低了时间成本。 3. Dify.AI：工作流设计语言与 ComfyUI 有相似之处，定义了一套标准化的 DSL 语言，方便使用导入导出功能进行工作流复用。 4. Large Action Model：采用“通过演示进行模仿”的技术，检查人们与界面的互动并模仿操作，从用户提供的示例中学习。 5. Auto GPT/Agent/Baby AGI：基于 GPT4 语言模型的开源应用程序，用户输入目标后可自主执行任务、递归地开发和调试代码。能用于自动化任务、创建自主的 AI 代理、完成各种任务等，访问地址为： 。 此外，在工作流编排中还涉及到一些概念和技术： 1. 短期记忆和长期记忆：短期记忆将所有的上下文学习看成是利用模型的短期记忆来学习；长期记忆通过外部的向量存储和快速检索来存储和召回信息。 2. 工具：学会调用外部不同类型 API 来获取模型缺少的额外信息、代码执行能力、访问专有信息源等。 3. 动作：大模型结合问句、上下文的规划、各类工具，最终决策出需要执行的动作。 4. Agentic Workflow 可以从提升效率、提高质量、节省时间的角度思考，通过将复杂任务分解成较小步骤，融入更多人类参与到流程中的规划与定义，减少对 Prompt Engineering 和模型推理能力的依赖，提高 LLM 应用面向复杂任务的性能。 但需要注意的是，Agentic Workflow 虽然美好，但使用的用户目前较少，可能是出现周期、工作流使用的上手难度等因素导致，并且在复杂流程上的开发并不是那么稳定可靠。

AI 编写自动化框架的脚本是可以实现的。以下是一些可选用的工作和支持工具： 1. 基于规则的测试生成： 测试用例生成工具： Randoop：基于代码路径和规则生成测试用例，适用于 Java 应用程序。 Pex：微软开发的智能测试生成工具，自动生成高覆盖率的单元测试，适用于.NET 应用。 模式识别： Clang Static Analyzer：利用静态分析技术识别代码模式和潜在缺陷，生成相应的测试用例。 Infer：Facebook 开发的静态分析工具，自动生成测试用例，帮助发现和修复潜在错误。 2. 基于机器学习的测试生成： 深度学习模型： DeepTest：利用深度学习模型生成自动驾驶系统的测试用例，模拟不同驾驶场景，评估系统性能。 DiffTest：基于对抗生成网络（GAN）生成测试用例，检测系统的脆弱性。 强化学习： RLTest：利用强化学习生成测试用例，通过与环境交互学习最优测试策略，提高测试效率和覆盖率。 A3C：基于强化学习的测试生成工具，通过策略梯度方法生成高质量测试用例。 3. 基于自然语言处理（NLP）的测试生成： 文档驱动测试生成： Testim：AI 驱动的测试平台，通过分析文档和用户故事自动生成测试用例，减少人工编写时间。 Test.ai：利用 NLP 技术从需求文档中提取测试用例，确保测试覆盖业务需求。 自动化测试脚本生成： Selenium IDE + NLP：结合 NLP 技术扩展 Selenium IDE，从自然语言描述中生成自动化测试脚本。 Cucumber：使用 Gherkin 语言编写的行为驱动开发（BDD）框架，通过解析自然语言描述生成测试用例。 至于框架选用是否需要进行指定，这取决于具体的项目需求和技术环境。在选择框架时，需要综合考虑多种因素，如项目的规模、技术栈、开发团队的技能水平等。

对于零代码基础的业务小白搭建自己的 AI 自动化工作流以提升效率，您可以参考以下步骤： 1. 利用 Comfyui 界面： 打开 Comfyui 界面后，右键点击，找到 Comfyui LLM party 的目录。 您可以学习手动连接节点来实现最简单的 AI 女友工作流，也可以将工作流文件拖拽到 Comfyui 界面中一键复刻提示词工程实验。 2. 启动 ollama： 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 127.0.0.1:11434 添加到不使用代理服务器的列表中。 3. 对于图片相关的工作流，比如 0 基础手搓 AI 拍立得： 上传输入图片。 理解图片信息，提取图片中的文本内容信息。 进行场景提示词优化/图像风格化处理。 返回文本/图像结果。 为了简化流程，可以选择 Coze 平台实现零代码版本的工作流。搭建流程时，主要关注以下几个步骤： 上传图片：将本地图片转换为在线 OSS 存储的 URL，以便在平台中进行调用。 插件封装：将图片理解大模型和图片 OCR 封装为工作流插件，实现便捷调用，如果市场里面有可以直接使用。 4. Coze 的工作流是一种可视化的方式，允许用户组合各种功能模块，如插件、大语言模型、代码块等，从而实现复杂和稳定的业务流程编排。具体来说： 工作流由多个节点组成，包括 Start 节点和 End 节点。用户可以在这些节点之间添加各种功能模块，构建出所需的业务流程。 工作流支持丰富的功能模块，包括调用大语言模型进行文本生成、调用插件进行数据处理等。用户可以根据需求灵活组合这些模块。 工作流的创建和编辑都可以通过可视化的拖拽界面完成，无需编写代码。这大大降低了工作流搭建的门槛。 创建好的工作流可以直接集成到 Coze 的聊天机器人中使用，实现复杂的业务逻辑。 总的来说，Coze 的工作流为用户提供了一种可视化、低代码的方式，来快速搭建满足业务需求的 AI 应用和服务。这极大地降低了开发门槛，让更多人可以利用 AI 技术来提升工作效率。但请注意，上述内容由 AI 大模型生成，请仔细甄别。

很抱歉，目前知识库中没有关于移动端自动化测试框架的相关内容。但一般来说，常见的移动端自动化测试框架有 Appium、Espresso、XCUITest 等。Appium 支持多种移动平台和编程语言；Espresso 是 Android 平台的专用框架，具有高效和稳定的特点；XCUITest 则是用于 iOS 平台的测试框架。您可以根据您的具体需求和项目情况选择适合的框架。

以下是一些好用的 AI 搜索引擎： 1. 秘塔 AI 搜索：由秘塔科技开发，具有多模式搜索、无广告干扰、结构化展示和信息聚合等功能，能提升用户的搜索效率和体验。 2. Perplexity：聊天机器人式的搜索引擎，允许用自然语言提问，通过生成式 AI 技术从各种来源收集信息并给出答案。它不仅有通用搜索功能，还推出了 Copilot 能力，支持网页版、APP（目前支持 iOS，安卓即将推出）、Chrome 插件。网页版能力全面，能根据提问从互联网上搜寻信息并给出总结后的答案，还能给出信息来源网址，并根据搜索内容给出继续对话的问题建议。但要注意不要在开着浏览器翻译能力的同时使用，可能会报错。此外，首页推荐当下流行的新闻、搜索内容，支持筛选 Academic、Wolfram｜Alpha、Wikipedia、Youtube、Reddit、News 进行搜索。访问地址： 3. 360AI 搜索：360 公司推出，通过 AI 分析问题，生成清晰、有理的答案，并支持增强模式和智能排序。 4. 天工 AI 搜索：昆仑万维推出，采用生成式搜索技术，支持自然语言交互和深度追问，未来还将支持图像、语音等多模态搜索。 5. Flowith：创新的 AI 交互式搜索和对话工具，基于节点式交互方式，支持多种 AI 模型和图像生成技术，提供插件系统和社区功能。 6. Devv：面向程序员的 AI 搜索引擎，专注于提供编程、软件开发和人工智能等领域的专业建议和指导。 7. Phind：专为开发者设计的 AI 搜索引擎，利用大型语言模型提供相关的搜索结果和动态答案，特别擅长处理编程和技术问题。 这些 AI 搜索引擎通过不同的技术和功能，为用户提供更加精准、高效和个性化的搜索体验。

纳米 AI 搜索是一款具有创新性的多模态生成式搜索产品。 它是搜索引擎向创作引擎跨越发展的标志，能够把普通人使用 AI 的门槛降到零，从三岁小孩到八十岁的老人都能轻松使用，拍照就能问，任何语音甚至方言都能搜。 其特点包括：不再给用户数百条链接参考，而是直接给出答案，并通过多模态能力将答案变成特色播客和视频等，完成 AI 创作闭环。 它整合了搜索、学习、写作、创作，体验直观提升，支持直接基于搜索结果创作，无需切换工具。3.0 升级至“搜学写创”一体化，还可生成数字人视频解说内容。 产品访问渠道： PC 端：n.cn 移动端：纳米 AI 搜索 APP

以下是一些近期大家可能在搜索的 AI 相关内容： 能联网检索的 AI：包括 ChatGPT Plus（已开启 web browsing 功能）、Perplexity（结合问答和搜索引擎功能）、Bing Copilot（简化在线查询和浏览）、You.com 和 Neeva AI（提供定制搜索体验并保护用户数据隐私）。这些工具的出现标志着信息检索领域的重要发展，能提升数据集命中预期和实际应用可能性。 AI 搜索引擎： 秘塔 AI 搜索：由秘塔科技开发，具有多模式搜索、无广告干扰等功能。 Perplexity：聊天机器人式搜索引擎，用自然语言提问并收集信息给出答案。 360AI 搜索：360 公司推出，通过 AI 分析问题生成答案，支持增强模式和智能排序。 天工 AI 搜索：昆仑万维推出，采用生成式搜索技术，支持自然语言交互和深度追问，未来支持多模态搜索。 Flowith：创新的交互式搜索和对话工具，基于节点式交互，支持多种模型和图像生成技术，有插件系统和社区功能。 Devv：面向程序员，提供编程等领域专业建议和指导。 Phind：专为开发者设计，利用大型语言模型提供相关搜索结果和动态答案，擅长处理编程和技术问题。 国内总榜 Top80 中的部分 AI 相关产品： Kimi 智能助手（AI ChatBots） 百度文心一言（AI ChatBots） 360AI 搜索（搜索） 秘塔 Metaso（搜索） 阿里通义千问（AI ChatBots） 昆仑万维天工 AI 搜索（搜索） 抖音豆包 AI（AI ChatBots） 火山方舟（AI 训练模型） ChatGLM 智谱清言（AI ChatBots） 讯飞星火（AI ChatBots） 请注意，以上内容由 AI 大模型生成，请仔细甄别。

以下为您找到一些以 M 开头的图片处理 AI 工具： Midjourney Murf 此外，还有其他一些常见的图片处理 AI 工具，如 DallE、Leonardo、BlueWillow 等。 如果您需要去除图片水印，以下是一些推荐的工具： AVAide Watermark Remover：在线工具，支持多种图片格式，操作简单，还提供去除文本、对象等功能。 Vmake：可上传最多 10 张图片，适合快速去除水印并在社交媒体分享图片的用户。 AI 改图神器：提供智能图片修复去水印功能，支持粘贴或上传手机图像，操作方便。 这些工具各有特点，您可以根据具体需求选择。

Chatbot 对话和 AI 搜索存在以下区别： 1. 产品形态： Chatbot 主要交互是一个对话框+RAG 联网检索，如 ChatGPT、Kimi Chat 等。这类产品依赖大模型的理解能力提供问答服务，RAG 检索作为补充手段，弥补大模型在实时信息获取方面的不足。 AI 搜索产品主要交互是一个搜索框+搜索详情页，如 Perplexity、秘塔等。这类产品主要侧重点在检索，优先保证检索召回的信息质量，在首次回答的准确度方面有所要求，而对话（Chat）则作为补充步骤，方便用户对检索结果进行追问或二次检索。 2. 市场定位： 大部分产品聚焦在国内，如大模型厂商推出的 ChatBot 产品（智谱清言、Kimi Chat、百小应、海螺 AI 等），搜索厂商或创业团队推出的 AI 搜索产品（360 AI 搜索、秘塔、博查 AI、Miku 等）。 海外也有很多成熟的和新出的泛 AI 搜索产品（Perplexity、You、Phind 等），中国公司和团队也有面向全球市场的出海产品（ThinkAny、GenSpark、Devv 等）。市场定位的选择跟创始团队的背景或认知有关。 3. 搜索类型： 通用搜索：没有明显的受众倾向，任何人可以搜任何问题，都能得到一个相对还不错的搜索结果，如 Perplexity、ThinkAny。 垂直搜索：面向特定的人群或特定的领域，对特定的信息源做索引和优化，在某类问题的搜索上会有更好的结果，如 Devv 主要面向开发者人群，问编程相关的问题，搜索结果和回复准确度都比较高，问旅游或其他类型的问题，回答质量则不如通用搜索。 目前存在能联网检索的 AI，例如 ChatGPT Plus 用户现在可以开启 web browsing 功能实现联网，Perplexity 结合了 ChatGPT 式的问答和普通搜索引擎的功能，Bing Copilot 旨在简化在线查询和浏览活动，还有 You.com 和 Neeva AI 等搜索引擎，它们提供了基于人工智能的定制搜索体验，并保持用户数据的私密性。这些 AI 搜索工具的出现标志着在信息检索领域的一个重要发展，大幅提升了数据集命中预期，并为实际应用带来了更多可能性。但请注意内容由 AI 大模型生成，请仔细甄别。

以下是关于秘塔搜索的相关信息： 秘塔 AI 搜索是由秘塔科技开发的，具有多模式搜索、无广告干扰、结构化展示和信息聚合等功能，能提升用户的搜索效率和体验。 在获取微信公众号文章封面时，可使用秘塔 AI 搜索。输入文章链接，通过一个在线工具（https://www.mgpaiban.com/tool/wxfm.html ）即可获取封面。

以下是关于数据收集的相关内容： AIGC 服务提供者的数据收集是创建 AIGC 的源头，用于训练 AI 模型以提高其功能性和准确性。数据来源主要包括：提供者自身持有的数据集、已合法公开的各类数据、通过网络爬虫等形式抓取的数据、通过用户交互而获取的数据、其他由相关方提供的数据。 已生效的《生成式人工智能服务管理暂行办法》对数据采集有明确规定： 1. 使用具有合法来源的数据和基础模型。 2. 涉及知识产权的，不得侵害他人依法享有的知识产权。 3. 涉及个人信息的，应当取得个人同意或者符合法律、行政法规规定的其他情形。 4. 采取有效措施提高训练数据质量，增强训练数据的真实性、准确性、客观性、多样性。 5. 遵守《中华人民共和国网络安全法》、《中华人民共和国数据安全法》、《中华人民共和国个人信息保护法》等法律、行政法规的其他有关规定和有关主管部门的相关监管要求。 在数据收集过程中可能涉及的法律风险有： 1. 采取网络爬虫等技术收集数据的法律风险。 2. 直接收集合法公开数据的法律风险。 《个人信息保护法》确立的数据收集基本原则有： 1. 合法正当，不得窃取或以其他非法方式收集数据，个人信息的收集需取得规定的合法性基础（告知、同意等）。 2. 公开透明，数据处理应遵循公开、透明原则，公开个人信息处理规则，明示处理的目的、方式和范围。 3. 最小必要，只应收集满足个人信息主体授权同意范围内的最少类型和数量的个人信息，不应收集与其提供的服务无直接或无合理关联的个人信息。 在欧盟 GDPR 合规体系中，数据收集是企业进行数据处理活动的起始环节。企业在对特定领域业务中涉及到数据收集的环节进行风险梳理时，重点比照 GDPR 中的要求，如数据收集前是否进行充分告知，包括数据控制者、数据处理者以及二者的数据保护官（DPO，如有）的身份和联系方式，数据收集的目的、种类、数量、范围等。

以下是一种通过文章链接订阅公众号，定时推送情报消息，并实现情报 CoT 问答的方式来做每日收集兴趣信息的工具： 1. 安装 Docker（假设已经装上） 浏览器打开：http://127.0.0.1:4000 或 http://wewerss 服务的 IP:端口（为上面设置的外部端口） 点开后，输入 Dash 管理页面密码 先点帐号管理，然后点“添加读书帐号”（即使用微信读书来实现公众号订阅），扫码添加帐号 然后在公众号源上，点添加 将您想订阅的公众号的一篇文章链接粘贴并点确定即可订阅公众号文章。但建议不要短时间订阅太多公众号（最好不超 40 个），然后在本地 data/目录会生成一个 SQLite 数据库文件 wewerss.db 2. 关于 Coze 工作流和 Bot 因为前面需要对多维表格操作，所以要先在 http://open.feishu.cn 上建一个飞书机器人，并添加知识库或多维表格编辑权限，具体可参考飞书文档。得到机器人的 app_id 和 app_secret 即可获得租用 token:tenant_access_token 来获取多维表格数据和编辑能力。 工作流一：通过微信文章链接进行文章解读成摘要报告。通过 LLM 能力，开源提示词如下。由于 Coze 使用 LLM 和批量执行任务延时的约束，建议不要同时处理太多文章（如 6 篇左右）。这样执行后，将多维表格的文章状态转换成“已通知”并生成简报。 消息情报官 Bot：最后可以通过 Coze，建定时任务，执行工作流二，并添加其他如分析文章和搜索文章的能力，即可变成一个消息情报官的 Agent，我们即可以获得想要的领域或行业情报，也可以深入挖掘相关情报的信息。然后发布到想要的平台，如：Coze 商店、豆包、飞书、微信、微信公众号、微信小程序等，即可使用。可以构建多个分身，就能收集整理不同领域和行业的情报信息。 如感兴趣欢迎联系交流合作。

以下是关于制作资讯信息收集类智能体的一些建议： 1. 对于 Coze 的“用户界面”创建： 页面引导能力强，应用提供的“按键式”交互界面有很强的用户引导能力。 降低了网页制作门槛，拖拉拽式的网页制作让没有前端代码经验的同学看到希望。 上手有门槛，需要有基本的前端开发概念，传递参数和文件传递较难，调查问题基本靠猜。 真的想自己手搓应用界面的同学，建议“让子弹飞一会儿”，等待优化易用性；从智能体的卡片开始上手，卡片相对简单容易；直接套 coze 官方给的应用模板，能少改就少改。 2. 以颖子团队的智能体为例： 智能体名称为“市场分析报告”。 智能体简介为品牌营销公司在用的生成智能体，输入行业/类目关键词自动检索关联信息并生成报告，数据化呈现更具真实性，附带信息来源网址便于源信息校正，可帮助相关人员减少信息收集时间，聚焦决策判断。 目标人群包括企业管理层、投资者、创业者、营销人员等，解决了信息收集时间长、报告真实性验证、现有市场报告不实用等痛点，应用价值在于减少信息收集时间、真实可验证、聚焦决策判断。 智能体主要功能是根据用户要求或指定行业、产品，搜索网络信息生成市场调研报告，用数据支撑并附引用链接。 3. 以 Bot 智能体为例： 创意构思是让每个人拥有专属的市场和资讯助手，以最快最好的方式整理呈现最新一手资讯，精准筛选有价值信息。通过 coze 这样的 AI agent 流程，获取最新资讯信息，并以多模态形式自动推送到不同平台。以扣子为中心平台，通过自研插件、工作流和 Coze API 链接微信群、企业微信群、飞书云文档多维表格，实现不同平台信息传递与流通。可根据用户定制化检索需求，自动化抓取热点资讯，做信息分析处理，整合成资讯文档返回 bot 对话界面，同步自动发送 markdown 文字和文档到不同平台。 效果呈现包括 Coze Bot 的调试与预览，通过不同提问触发不同检索功能，企业微信群自动同步获得资讯检索结果，实现多平台联动，获取资讯文档具体内容，Coze 与企业微信群信息同步联动，Coze Bot 获取到飞书云文档多维表格中的用户需求，Coze API 接入微信，在微信群聊中可调用 Coze Bot 进行对话交互检索相关需求信息。

AI 可以帮助您处理已收集的论文相关数据。以下是一些相关的信息和建议： 有一些 AI 工具可以辅助您，例如 Claude 和 Gamma.app。Claude 可以帮助您快速寻找符合条件的论文、提取精炼论文中某部分信息，还能帮您找到适合的 PPT 制作工具并教会您使用。您可以向 Claude 提出如搜索特定领域权威期刊、筛选相关论文、提取论文摘要等问题。 利用 AI 写课题时，可按以下步骤：确定课题主题、收集背景资料、分析和总结信息、生成大纲、撰写文献综述、构建方法论、数据分析、撰写和编辑、生成参考文献、审阅和修改、提交前的检查。但要记住，AI 是辅助，不能替代您的专业判断和创造性思维。 论文写作中常用的 AI 工具和平台包括： 文献管理和搜索：Zotero 可自动提取文献信息，Semantic Scholar 是 AI 驱动的学术搜索引擎。 内容生成和辅助写作：Grammarly 提供文本校对等，Quillbot 可重写和摘要。 研究和数据分析：Google Colab 支持数据分析，Knitro 用于数学建模和优化。 论文结构和格式：LaTeX 结合自动化处理格式，Overleaf 是在线 LaTeX 编辑器。 研究伦理和抄袭检测：Turnitin 和 Crossref Similarity Check 可检测抄袭。 使用这些工具时，应结合自身需求和写作风格选择合适的辅助工具。

以下是关于 DeepSeek 的使用资料： 相关文章： 南瓜博士的《当你惊呼 DeepSeek 成精时，请警惕前方的陷阱》，链接：https://mp.weixin.qq.com/s/ppt89GozeYo7hR99pEFrkA 南瓜博士的《让 DeepSeek 成为全家人的脑洞外挂》，链接：https://mp.weixin.qq.com/s/BBh8GTrdhb8Qyqgz8SufwQ 奥的《让 DeepSeek 进行脱口秀创作，幽默程度虽然大幅提升，但仍有进步空间》，链接：https://mp.weixin.qq.com/s/3nZERD5H5wPCGCT1_A46Sw DeepSeek 最新文章观点学术报告及业界评论：https://waytoagi.feishu.cn/wiki/D9McwUWtQiFh9sksz4ccmn4Dneg 社区动态： 华尔街分析师对 DeepSeek 的反应：DeepSeek 以小成本实现媲美领先 AI 产品的性能，并在全球主要市场 App Store 登顶。高盛认为 DeepSeek 或改变科技格局，降低 AI 行业的进入门槛。详情：https://www.xiaohu.ai/c/xiaohuai/deepseek DeepSeek 的实际使用体验：中文场景表现优秀，日常写作和表达习惯贴近人类，但专业论文总结略弱。数学能力不错，编程能力逊于 GPT。采用 GRPO 算法替代传统 PPO，提升语言评价灵活性与训练速度。更多信息：https://x.com/imxiaohu/status/1883843200756170873 ，GRPO 详情：https://www.xiaohu.ai/c/ai/grpodeepseekr18c6cff0cdeb84937a4197066af987e43 工具使用： 网址：https://www.deepseek.com/zh ，新手推荐，国内能访问，网页登录方便，目前完全免费。使用时点击开始对话，左边选择代码助手。 在生成 2048 游戏上，DeepSeek 和晓颖 AI 助手更为简便准确。

以下是关于通过飞书机器人与 Coze 搭建的智能体进行对话，并利用飞书多维表格存储和管理稍后读数据，实现跨平台的稍后读收集与智能阅读计划推荐的具体操作方法： 前期准备： 1. 简化“收集”： 实现跨平台收集功能，支持电脑（web 端）、安卓、iOS 多端操作。 输入一个 URL 即可完成收集，借鉴微信文件传输助手的方式，通过聊天窗口完成收集输入。 2. 自动化“整理入库”： 系统在入库时自动整理每条内容的关键信息，包括标题、摘要、作者、发布平台、发布日期、收集时间和阅读状态。 阅读清单支持跨平台查看。 3. 智能“选择”推荐： 根据当前收藏记录和用户阅读兴趣进行相关性匹配，生成阅读计划。 使用飞书·稍后读助手： 1. 设置稍后读存储地址： 首次使用，访问。 点击「更多创建副本」，复制新表格的分享链接。 将新链接发送到智能体对话中。 还可以发送“查询存储位置”、“修改存储位置”来更换飞书多维表格链接，调整稍后读存储位置。 2. 收藏待阅读的页面链接： 在对话中输入需要收藏的页面链接，第一次使用会要求授权共享数据，授权通过后再次输入即可完成收藏。但目前部分页面链接可能小概率保存失败。 3. 智能推荐想看的内容： 在对话中发送“我想看 xx”、“xx 内容”，即可按个人兴趣推荐阅读计划。 至此，专属 AI 稍后读智能体大功告成，您可以尽情享受相关服务。

市面上主流的大模型主要有以下区别： 1. 架构类型： 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：同时结合 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 Google 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. 处理信息类型： 大型语言模型：专注于处理和生成文本信息。 大型多模态模型：能够处理包括文本、图片、音频等多种类型的信息。 3. 应用场景： 大型语言模型：主要用于自然语言处理任务，如文本翻译、文本生成、情感分析等。 大型多模态模型：可应用于图像识别与描述、视频分析、语音识别与生成等更广泛的领域。 4. 数据需求： 大型语言模型：主要依赖大量的文本数据进行训练。 大型多模态模型：需要多种类型的数据进行训练，包括文本、图片、音频等。 5. 规模： 大模型的预训练数据非常大，往往来自互联网，包括论文、代码、公开网页等，一般用 TB 级别的数据进行预训练，参数也非常多，如 OpenAI 在 2020 年发布的 GPT3 就已达到 170B 的参数。 6. 优秀模型： GPT4（网页版）、GPT4（API）、智谱清言、通义千问 2.0、AndesGPT（OPPO）、文心一言 4.0（API）、MoonShot（KimiChat）、Claude2、360 智脑、Qwen72BChat、文心一言 4.0（网页版）等。 7. 性能表现：国内外大模型存在差距，如 GPT4 Turbo 总分 90.63 分遥遥领先，国内最好模型文心一言 4.0（API）总分 79.02 分，与 GPT4 Turbo 有一定差距。

目前已知以下智能客服算法： 天猫小蜜智能客服算法：由浙江天猫网络有限公司提供，应用于手机天猫（APP）的在线智能客服场景，能识别文字或语音问题，结合智能客服知识库生成回答。 钉钉智能客服算法：由钉钉科技有限公司提供，应用于钉钉（APP）的在线智能客服场景，能根据用户咨询内容结合知识库生成多种形式的回答。 淘票票小蜜智能客服算法：由上海淘票票影视文化有限公司提供，应用于淘票票（APP）的在线智能客服场景，能根据用户咨询生成文本或语音智能回答。 1688 阿牛智能客服算法：由杭州阿里巴巴广告有限公司提供，应用于 1688 工业品（APP）、阿里巴巴（APP、网站）的在线智能客服场景，能结合知识库生成多种形式的回答。 但尚未有一款明确表明能同时接入抖音、天猫、淘宝、京东、拼多多、得物等主流平台售前售后咨询问题，并根据客户关键字自动回复的智能客服软件。

以下是一些主流免费的文字生成语音的工具： 1. Eleven Labs：https://elevenlabs.io/ ，是一款功能强大且多功能的 AI 语音软件，能高保真地呈现人类语调和语调变化，并能根据上下文调整表达方式。 2. Speechify：https://speechify.com/ ，是一款人工智能驱动的文本转语音工具，可作为多种平台应用使用，用于收听网页、文档、PDF 和有声读物。 3. Azure AI Speech Studio：https://speech.microsoft.com/portal ，是一套服务，提供了支持 100 多种语言和方言的语音转文本和文本转语音功能，还提供了自定义的语音模型。 4. Voicemaker：https://voicemaker.in/ ，可将文本转换为各种区域语言的语音，并允许创建自定义语音模型，易于使用，适合为视频制作画外音或帮助视障人士。 您还可以在 WaytoAGI 的工具网站上查看更多推荐：https://www.waytoagi.com/sites/category/50 。请注意，内容由 AI 大模型生成，请仔细甄别。

对于新手想要更好地使用该网站来了解人工智能或 AGI 进展以及主流软件的学习和应用，以下是一些相关内容： AE 软件： 基本功能：可通过图层软件抠元素加插件做特效，如利用 auto field 自动填充工具，轨道遮罩功能让图层按特定形状变化等。 与 AI 结合运用：如用 runway 生成烟花爆炸素材，结合 AE 的图层混合模式、遮罩等功能实现特效可控的画面。 其他应用：用内容识别填充功能处理视频画面，如抹掉入镜的人；从素材网站获取粒子素材为画面添加氛围感。 学习路径：可在 B 站找丰富的 AE 软件入门课程自学，也可从包图网下载工程文件学习。 学习方法：通过拆解视频、留意路边广告特效、按层级逻辑思考画面运动来学习 AE，还可参考模板。 与 AI 的关系：AI 出现后，AE 使用减少，有些动效可用 AI 完成。 在短剧中的应用：在火焰、文字、光线等方面有少量应用。 AI 相关技术与活动： AI 音乐创作：通过输入更高级的词汇与 AI 音乐对话能产生更好效果，有 AI 音乐的版块、挑战、分享会和教程，可通过王贝加入 AI 音乐社区。 数字人语音合成：介绍了声音克隆技术，提到了微软、阿里等的相关成果，常用的是 JPT service。 Config UI 的应用：能降低成本、提高效率，在图书出版、引流等方面有应用，岗位稀缺，社区有相关共学课程。 社区共创项目：包括东京的 confii 生态大会、AI 文旅视频、娃卡奖、李普村共创故事、AI 春晚等活动。 作业与报名：作业是询问对 AI 方向的兴趣和想做的项目，活动报名可通过填写名字和申请新增学校参与。 线下寄送物料组织活动：会给大家寄送线下活动物料，在学校内组织。 AI 春晚即将开始：去年 300 人 30 天共创了 AI 春晚，今年的也即将开始，可报名参与多种岗位。 AIPO 活动及相关挑战：10 月 20 日的 AIPO 活动，可提前构思展示项目，有会话和视频相关的挑战赛。 共学活动与技能提升：接下来 10 天有从零基础到建站等内容的讲解，回放会放在链接里，可先从练习提示词入手。 硬件机器人材料购买：若搞硬件机器人，部分材料需尽快购买。 自媒体发布与流量扶持：在小红书发布活动内容带特定标签有流量扶持，作品也可发布在 GitHub 等平台。 活动奖项与历史玩法：设最佳创业奖和最佳投资奖各四个，有线下摆摊展示交流、IPO 路演等玩法，之前在多个城市举办过 AI 切磋大会。 工具使用与新大赛预告：可使用多种 AI 工具，新的大赛即将开启，有百万奖金池，相关动态会在社区活动栏目公布。 AI 音乐和数字人语音合成： AI 音乐方面，提到草爷、格林 king、狗哥带大家入门，有相关课程与教程，且淘宝上有套壳工具抄袭。社区伙伴做的 AI 音乐专辑不错。 数字人语音合成部分提到声音克隆，有新的声音克隆且音质很不错。 提到了微软新出的成果、阿里的 Cozy voice（指出其泛化能力不强）、大家常用的 GPT solve it、刚举办的 AI 3D 活动。 以小田的 config UI 基础工作流一日谈展开，讲述了多个案例，如许建拍摄场景图成本降低，郭佑萌在图书出版行业提升效率，影楼可进行换装等操作，文旅文创场景有有趣的合影生成方式，还提到该工作流岗位稀缺且社区有课程可供学习。 AJ 介绍平台资源，包括共学课程、专栏报告、数据等，还提及就业创业及一些企业专栏的内容。

以下是对主流 AI 大模型的总结及各自优劣的相关内容： 主流 AI 大模型： 1. 谷歌的 BERT 模型：可用于语义理解，如上下文理解、情感分析、文本分类等，但不太擅长文本生成。 相关技术概念： 1. AI：即人工智能。 2. 机器学习：电脑通过找规律进行学习，包括监督学习、无监督学习、强化学习。 监督学习：使用有标签的训练数据，目标是学习输入和输出之间的映射关系，包括分类和回归。 无监督学习：学习的数据没有标签，算法自主发现规律，经典任务如聚类。 强化学习：从反馈中学习，以最大化奖励或最小化损失，类似训练小狗。 3. 深度学习：参照人脑，具有神经网络和神经元，因层数多被称为深度。神经网络可用于监督学习、无监督学习、强化学习。 4. 生成式 AI：能够生成文本、图片、音频、视频等内容形式。 5. LLM（大语言模型）：对于生成式 AI，生成图像的扩散模型不属于大语言模型。 技术里程碑：2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出 Transformer 模型，其完全基于自注意力机制处理序列数据，无需依赖循环神经网络或卷积神经网络。

主流的 LORA 训练工具包括： 1. B 站 UP 主“朱尼酱”的赛博丹炉，其界面友好、美观，适合新手入门。 2. 训练器，支持 Kolors 开源模型。 3. Kolors+Refiner，由 AIKSK 开发的工作流应用。 4. Kolors可图大模型XL 精修工作流，由@AiARTiST 非人类开发。 5. kolors+SDXL 细节修复+instant+ipa，由@谷尘 DesignDog 开发。 6. kolors 一键设计中文海报，由亦诚视觉开发。 7. ，魔搭社区官方模型。 8. InstantIDKolors 专属模型，由 InstantX 开发。