如何学习 ai自动化国学短视频

以下是 AI 发展的大事记与时间线： 2022 年 11 月 30 日，OpenAI 发布基于 GPT 3.5 的 ChatGPT。 2024 年 3 月，AI 发展持续升温，潞晨科技发布 OpenSora，Suno 发布 V3 版本爆火。 2024 年 4 月，英伟达发布硬件股价飙升。 2024 年 5 月，苹果发布 AI 芯片，张吕敏发布 IC light，AI 竞争白热化，伊莉雅离开 OpenAI 并成立新公司，估值超五亿美金。 2024 年 7 月，快手开源 LivePortrait 模型，表情迁移。 2024 年 8 月，StabilityAI 老板成立新公司发布 flux 大模型。 2024 年 9 月，阿里云发布模型，海螺 AI 参战，Google 发布 GameGen 实时生成游戏，通义千问 2.5 系列全家桶开源，华为发布 cloud matrix 云计算基础设施，GPT 高级语音模式上线，Meta 发布 AI 眼镜 Orion，AI 代码编辑器 cursor 爆火。 2024 年 10 月，Pika 发布 1.5 模型，诺奖颁发给 AI 奠基人，特斯拉发布机器人，Adobe 发布 Illustrator+Al 生成矢量图，智谱 AI 发布 autoGLM，腾讯混元开源 3D 模型。 在更早的时间： 1943 年，心理学家麦卡洛克和数学家皮特斯提出了机器的神经元模型，为后续的神经网络奠定了基础。 1950 年，伟大的计算机先驱图灵最早提出了图灵测试，做为判别机器是否具备智能的标准。 1956 年，在美国一个小镇的达特茅斯学院中，马文·明斯基和约翰·麦凯西拉着香农大佬站台背书，共同发起召开了著名的达特茅斯会议，在这次会议上，人工智能 Artifical Intelligence 一词被正式提出，并做为一门学科被确立下来。 2024 年的其他进展： 2 月，OpenAI 发布视频生成模型 Sora，首次实现高质量文本生成视频，开创 AI 视频生成新纪元。 3 月，Suno 发布 V3 版本，AI 音乐生成方向进入生产力可用状态。 4 月，Meta 发布高性能开源大模型 Llama3，降低了 AI 技术的准入门槛。 5 月，GPT4 发布，RayBan 与 Meta 合作的智能眼镜销量突破百万，字节上线即梦 AI。 6 月，快手发布可灵。 9 月，OpenAI 发布 o1 预览版。 10 月，Rosetta 和 AlphaFold 算法的研发者因在蛋白质结构设计和预测中的突破性贡献获得诺贝尔化学奖，约翰·霍普菲尔德和杰弗里·辛顿因人工神经网络和深度学习的开创性贡献获诺贝尔物理学奖，Anthropic 大模型 Claude 3.5 Sonnet 获得“computer use”功能。 12 月，OpenAI 发布 o3 系列模型。

Perplexity AI 是一家专注于开发新一代 AI 搜索引擎的公司，由前 OpenAI 研究科学家 Aravind Srinivas 与前 Meta 研究科学家 Denis Yarats（Perplexity CTO）等合伙人于 2022 年 8 月共同创办。 其优势包括： 1. 理解能力强，能够深入理解查询的语义，而非仅仅匹配关键词，从而提供更准确和相关的结果。 2. 生成式回答，可生成通顺的自然语言回答，而非简单返回网页链接和片段，使结果更易于理解和使用。 3. 个性化和上下文感知，能根据用户的历史查询和偏好个性化结果，提供更贴合需求的答复。 劣势有： 1. 训练成本高，训练大型 LLM 模型需要大量计算资源和高质量训练数据。 2. 可解释性差，LLM 的工作原理较为黑箱，难以解释为何给出某个结果，缺乏透明度。 3. 潜在的偏差和不当内容，由于训练数据的局限性，LLM 可能产生偏见或不当内容。 独特之处在于将 LLM 技术应用于搜索引擎领域，试图颠覆传统基于关键词匹配的搜索范式，为用户提供更自然和智能的搜索体验，还融合了个性化和上下文感知等功能，努力成为新一代的“智能助手”。 总的来说，Perplexity 凭借 LLM 的强大语义理解能力，为搜索引擎带来了新的可能性，但也面临着一些技术和伦理挑战。 在搜索领域，推荐算法存在精确推荐提高用户黏性和平台广告收益的优点，但也有导致信息茧房和信息过载等负面影响。搜索引擎采用以用户查询为导向的“拉取式”信息获取模式，极大改变了人们获取信息的方式，搜索广告因用户搜索往往携带着明确意图，点击转化率通常高于泛泛的推荐广告，在数字广告市场中长期占据重要份额。 AI 智能体中的检索增强生成（RAG）是当今大多数现代人工智能应用程序的标准架构。以 Sana 的企业搜索用例为例，其过程始于应用程序加载和转换无结构文件，将其转换为 LLM 可查询格式，分块成更小的文本块并作为向量嵌入存储在数据库中。当用户提出问题时，系统检索语义上最相关的上下文块，折叠到“元提示”中与检索到的信息一起馈送给 LLM，LLM 合成答复返回给用户。在生产中，AI 应用程序具有更复杂的流程，包含多个检索步骤和提示链，将结果综合生成最终输出。例如 Eve 法律研究的共同驾驭员，会将查询分解为独立提示链，运行每个提示链生成中间输出，并综合编写最终备忘录。

目前支持上下文长度较长的 AI 有以下几种： Kimi：是国内最早支持 20 万字无损上下文的 AI，现在已提升到 200 万字，对长文理解表现出色，适合处理长文本或大量信息的任务，但在文字生成和语义理解、文字生成质量方面可能不如国内其他产品，且不支持用户自定义智能体。 http://X.AI 发布的 Grok1.5：支持 128k 上下文长度，性能翻倍，在 MATH、HumanEval、GSM8K、MMLU 测试中表现出色。 AI21 发布的 Jamba：创新的 SSMTransformer 架构，支持 256K 上下文长度，结合 Joint Attention 和 Mamba 技术，提升长上下文吞吐量。

以下是为您推荐的 AI 入门必读书籍： 1. 「」，有助于熟悉 AI 的术语和基础概念。 2. 「」，其中包含为初学者设计的课程。 3. GPT1 到 Deepseek R1 所有公开论文 The 2025 AI Engineer Reading List：涉及人工智能工程的 10 个领域，包括 LLMs、基准、提示、RAG、代理、CodeGen、视觉、语音、扩散、微调。如果您想从零开始，可以从此处开始。 4. 入门经典必读：作者为 ，原文地址：https://a16z.com/2023/05/25/aicanon/ 。文中分享了一份用于更深入了解现代 AI 的精选资源列表。

AI 的应用场景非常广泛，主要包括以下几类： 1. 医疗保健： 医学影像分析：用于分析医学图像辅助诊断疾病。 药物研发：加速药物研发过程，识别潜在药物候选物和设计新治疗方法。 个性化医疗：分析患者数据提供个性化治疗方案。 机器人辅助手术：控制手术机器人提高手术精度和安全性。 2. 金融服务： 风控和反欺诈：识别和阻止欺诈行为，降低金融机构风险。 信用评估：评估借款人信用风险，帮助做出贷款决策。 投资分析：分析市场数据辅助投资决策。 客户服务：提供 24/7 服务并回答常见问题。 3. 零售和电子商务： 产品推荐：分析客户数据推荐可能感兴趣的产品。 搜索和个性化：改善搜索结果提供个性化购物体验。 动态定价：根据市场需求调整产品价格。 聊天机器人：回答客户问题并解决问题。 4. 制造业： 预测性维护：预测机器故障避免停机。 质量控制：检测产品缺陷提高质量。 供应链管理：优化供应链提高效率和降低成本。 机器人自动化：控制工业机器人提高生产效率。 5. 交通运输：（未给出具体应用场景） 此外，还有众多具体的 AI 应用产品，例如： 1. 辅助创作与学习：AI 智能写作助手、语言学习助手、诗歌创作助手、书法字体生成器、漫画生成器等。 2. 推荐与规划：AI 图像识别商品推荐、美食推荐平台、旅游行程规划器、时尚穿搭建议平台、智能投资顾问等。 3. 监控与预警：AI 宠物健康监测设备、家居安全监控系统、天气预报预警系统、医疗诊断辅助系统等。 4. 优化与管理：办公自动化工具、物流路径优化工具、家居清洁机器人调度系统、金融风险评估工具等。 5. 销售与交易：AI 艺术作品生成器、书法作品销售平台、摄影作品销售平台、汽车销售平台、房地产交易平台等。 具体如： AI 摄影参数调整助手：利用图像识别、数据分析技术，在一些摄影 APP 中根据场景自动调整摄影参数。 AI 音乐情感分析平台：通过机器学习、音频处理技术，有相关音乐情感分析软件可判断音乐的情感倾向。 AI 家居智能照明系统：结合物联网技术、机器学习，像小米智能照明系统可根据用户习惯和环境变化自动调整灯光。 AI 金融风险预警平台：运用数据分析、机器学习，金融风险预警软件能提前预警金融风险。 AI 旅游路线优化平台：借助数据分析、自然语言处理，马蜂窝可根据用户需求优化旅游路线。

以下是一些适合用于写自媒体文章的 AI 软件： 1. Wordvice AI：集校对、改写转述和翻译等功能于一体的 AI 写作助手，基于大型语言模型提供全面的英文论文润色服务。 2. ChatGPT：由 OpenAI 开发的大型语言模型，可用于学生和写作人员的多方面写作辅助。 3. Quillbot：人工智能文本摘要和改写工具，可用于快速筛选和改写文献资料。 4. HyperWrite：基于 AI 的写作助手和大纲生成器，可帮助用户在写作前进行头脑风暴和大纲规划。 5. Wordtune：AI 驱动的文本改写和润色工具，可以帮助用户优化文章的语言表达。 6. Smodin：提供 AI 驱动的论文撰写功能，可以根据输入生成符合要求的学术论文。 利用 AI 不到 30 分钟打造爆款公众号文章的步骤如下： 1. 收集相关资料：明确文章主题后，借助 AI 工具高效完成。例如使用 Perplexity.AI 的强大搜索功能获取信息，输入具体的 Prompt 定位相关资讯，还可使用具备联网搜索功能的工具如微软的 Bing 搜索引擎。 2. 整理资料：收集完资料后，使用月之暗面开发的 Kimi 这个 AI 会话助手进行整理。需注意 Kimi 阅读能力有限，可分批次提供资料确保其有效读取和理解。

以下为一些免费的图生视频工具及相关信息： Pika labs：目前推出了 Beta 版本，支持免费、不限次数地文生视频、图生视频，生成的视频会带上官方水印。使用方法如下： 在 Discord 试用 Beta 版本：http://discord.gg/pika 。 选择 generatex 开头的频道或者建立 pika labs 私信。 “/create”输入 prompt 即可完成文生视频，输入 prompt 后，点击“增加 1”可添加 image 进行文+图生视频。如果想仅输入图片，不输入 Prompt 来生成视频，可以使用/animate 命令。此外，🔄可以帮助用户快速进行多次生成，🔀则可以方便的可控参数能基本满足需求。 9 月，pika 更新了新能力加密信息。使用命令/encrypt_text，可以将最多 20 个字符的文本“加密”到给定的视频输出中。而/encrypt_image，则可以实现输入 logo image，生成图像动画中含有 logo 的效果。值得一提的是，最好将 logo 文件处理为黑底白图，否则 pika labs 可能无法识别。使用/encrypt_image 命令时，除了输入一张 logo image，还可以选择性增加一张垫图，垫图会对视频整体风格、内容产生影响。 在 Prompttutorial 频道，有很多值得一看的教学视频，而在 showcase 频道和官方 twitter 中可以看到许多优秀案例。官方 Twitter：https://twitter.com/pika_labs 。 Haiper（有免费额度）：https://haiper.ai/ 。文生视频、图生视频、素描生视频、扩展视频，能生成 HD 超高清的视频。文生视频支持选择风格、秒数（2s 和 4s）、种子值。图生视频只能写提示词、秒数（2s 和 4s）、种子值。视频重绘，轻松修改颜色、纹理和元素以改变原视频的视觉内容。局部重绘是使用点选的方式，选中需要重绘的区域，再输入需要替换的内容提示词，如果是大量背景的重绘，效果一般，视频容易崩。文生视频不同风格展示 。 DynamiCrafter（免费）：https://huggingface.co/spaces/Doubiiu/DynamiCrafter ，https://github.com/Doubiiu/DynamiCrafter?tab=readmeovfile 。2 秒图生视频，还可以做短视频拼长视频。 Morph studio（内测）：https://app.morphstudio.com/ 。暂未对外开放，可在官网提交内测申请。discord 上可以免费体验，支持文生视频、图生视频，英文提示词，支持运镜、运动强度、尺寸、秒数设置，默认生成 3s 视频。 另外，将图片拖到 runway 里面也可以图生 4s 视频（runway 是收费的，可在闲鱼或者淘宝买号）。进入 runway 官网首页，点击 start with image ，然后直接将图片拖进来，动画幅度尽量用 3，5 有时候会乱跑。啥都不用改，直接点击生成即可。注意：不需要等进度条转完，可以直接继续往里放图片，可以同步执行。直接点删除，然后重新上传下面的图即可（最多可以放几个可自行测试） 。

以下为为您推荐的 AI 视频提示词： 1. 史诗灾难场景 提示词： 2. 赛博朋克未来都市 提示词： 3. 奇幻神话场景 提示词： 4. Adobe Firefly AI 视频功能相关 提示词：Miniature adorable monsters made out of wool and felt,dancing with each other,3d render,octane,soft lighting,dreamy bokeh,cinematic.（用羊毛和毛毡制成的微型可爱怪物，互相跳舞，3D 渲染，辛烷值，柔和的灯光，梦幻般的散景，电影） 提示词：Footage of a camera on a drone flying over a desert with wind blowing over the dunes creating waves in the sand below.（无人机上的摄像机飞越沙漠的镜头，风吹过沙丘，在下面的沙子上产生波浪） 提示词：Detailed extremely macro closeup view of a white dandelion viewed through a large red magnifying glass 提示词：Cinematic closeup and detailed portrait of a reindeer in a snowy forest at sunset.The lighting is cinematic and gorgeous and soft and sunkissed,with golden backlight and dreamy bokeh and lens flares.The color grade is cinematic and magical.（日落时雪林中驯鹿的电影特写和详细肖像。灯光如电影股华丽、柔和、如阳光股，金色背光、梦幻股的散景和镜头光量。色彩等级具有电影股的魔力。） 提示词：Slowmotion fiery volcanic landscape,with lava spewing out of craters.the camera flies through the lava and lava splatters onto the lens.The lighting is cinematic and moody.The color grade is cinematic,dramatic,and highcontrast.（慢动作的炽热火山景观，熔岩从火山口喷涌而出。相机飞过熔岩，熔岩溅到镜头上。灯光具有电影感和喜怒无常。色彩等级具有电影感、戏剧性和高对比度）

以下是关于视频号运营的 AI 教程相关内容： 保持日更：在起号阶段至少两天一更，每天用半小时完成 20 秒的简单内容制作，持续更新以向平台展示创作者的诚意。 选择赛道：不做资讯类，选择具有 AI 视觉冲击力、利他的内容，有 AI 基础可做教程。 寻找对标：起号阶段找 10 个对标账号，参考其内容和模式。可在小红书创作者平台的成长榜样中寻找，在小红书创作者后台查看账号是否被打上标签。 克服心理：出镜做 IP 时不要有容貌焦虑，长得丑或有特点都能有流量，要克服不敢出镜的心理。 蹭取热点：蹭经过平台验证有流量的热点，如黄油小熊，根据热点抄学制作，同时注意热点的舆论导向和合规性。做哪个平台就蹭哪个平台的热点。 获取视频教程：可在 vtwoagi.com 网站的飞书知识库中获取 AI 视频创作教程。 应对抄袭方法：在抄袭者评论区留言指出，或找朋友点赞将评论顶上去，为自己账号引流。 特效视频长度：建议控制在 1 分钟内，不建议做费时费力的剧情或故事片。 账号限流处理：视频号限流建议重新起号，小红书限流可日更 10 天尝试。 内容商业价值：内容有商业价值的标准是甲方或品牌愿意投钱，如靠播放量或带货分成有收入。 封面获取渠道：可从堆友、吉梦、小红书等获取封面素材。 内容发布时间：8 点到 10 点、2 点到下午 5 点、7 点到 8 点较为合适。 此外，还有一些相关的 AI 短视频获奖作品及相关信息： 城市狂想：AI 文旅短视频创意大赛圆满落幕，其中爆款人气奖作品是以“济南”为主题的 4 分钟之长的作品，由“通往 AGI 之路”济南社群的小伙伴共创。还有以“动物”为主角展示厦门文化底蕴和现代魅力的作品等。 XiaoHu.AI 日报 12 月 04 日的内容包括五步学会用 AI 制作动画视频播客、Hailuo AI 推出让静态 2D 插画“活”起来的新功能、腾讯 Hunyuan 130 亿参数开源视频模型等。

以下是关于使用 AI 制作漫画视频的相关内容： 制作流程： 1. 前期准备： 故事大纲和脚本编写：根据经验，可由专人负责内容构思和脚本编写。 2. 图像生成： 利用 Midjourney 生成图片，提示词可围绕皮克斯、迪士尼、3D 风格来写，重点包含关键元素如“a small white Chiense dragon,anthropomorphic,3D render,Unreal Engine,Pixar 3D style”，并注意尺寸比例和模型选择。 动画生成可使用 Runway，因其控制笔刷有优势。 3. 分工合作： 有人负责前期内容构思和脚本编写，有人负责图片、视频生成和视频剪辑。 如果是将小说做成视频，一般流程如下： 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。 工具与网址： 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： 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： 3. Adobe Firefly：Adobe 的 AI 创意工具，可以生成图像和设计模板。网址： 4. Pika AI：文本生成视频的 AI 工具，适合动画制作。网址： 5. Clipfly：一站式 AI 视频生成和剪辑平台。网址： 6. VEED.IO：在线视频编辑工具，具有 AI 视频生成器功能。网址： 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： 8. 故事 AI 绘图：小说转视频的 AI 工具。网址： 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。内容由 AI 大模型生成，请仔细甄别。

以下几种 AI 可以根据视频提取生成词： Dream Machine：这是一种可以快速将文本和图像制作成高质量、逼真视频的 AI 模型。它直接在视频上进行训练，能够生成物理上准确、一致且多变的镜头。体验地址：https://lumalabs.ai/dreammachine/creations 。 PixVerse：通过输入提示词生成视频，需要对提示词有深入了解以准确描述画面内容。 此外，在智能纪要中提到的一些与 AI 视频创作相关的内容，如不同模型在剧本生成、分镜脚本、提示词生成、图像生成及优化等方面的特点和技巧，但未明确指出可直接从视频提取生成词。

以下是一些可以从视频里提取生成词的 AI 相关信息： Dream Machine 是一种 AI 模型，能直接在视频上训练，生成物理上准确、一致且多变的镜头，可将文本和图像制作成高质量、逼真的视频。体验地址：https://lumalabs.ai/dreammachine/creations 。其测试目的包括掌握影视级运镜、评估对不同类型运镜的精度和稳定性、检测运镜崩坏情况。测试总结表明纯运镜关键词效果不佳，需结合具体画面描述才有较好效果。 Adobe Firefly 在处理视频时，提示词技巧包括清晰定义动作（用具体动词和副词描述角色动作，建议使用动态动词并包含动作速度）、使用描述性形容词（准确传达视频氛围）、提供背景故事或上下文（融入特定情节元素或角色）、使用相机角度和运动（常见的相机指令有推镜头、拉镜头、平移、倾斜、固定镜头）。 为 AI 视频生成设计的结构化提示词模板包含镜头语言、主体、细节、氛围等要素，如主题风格+镜头运动+主体描述+动态细节+背景环境+光影色调+情绪氛围（可附加技术参数：如时长、运镜速度、镜头焦距等）。

目前没有关于如何自动化收集主流自媒体指定搜索到的主题内容的相关知识。但一般来说，您可以考虑以下几种可能的方法： 1. 使用网络爬虫工具，但需要注意遵守相关法律法规和网站的使用规则。 2. 利用一些现有的数据采集服务平台，它们可能提供针对自媒体内容的采集功能。 3. 尝试开发自定义的脚本或程序，通过调用自媒体平台的 API（如果有的话）来获取所需内容。但这通常需要一定的技术知识和开发能力。

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。