AI和教育结合的案例以及资料

Markdown 语言不太适合用于编写复杂的英语背单词游戏。虽然 Markdown 简单易用，常用于文档格式化，但在实现游戏逻辑和功能方面存在较大局限性。 如果您想开发英语背单词游戏，更适合使用编程语言，如 Python 等。在处理代码问题时，您可以参考以下方法： 1. 对于编程小白，向 AI 提供代码范例，尤其是新进入代码节点的 IDE 中的范例，减少对 AI 所写代码的改动。 2. 向 AI 说清楚输入变量与输出变量的类型。 3. 说明与工作流中匹配或想要的变量名称，以减少二次修改。 4. 列出输入变量的具体书写形式，对于复杂形式可使用特定方法获取。 5. 说清楚代码要实现的功能，复杂功能尽量将运行逻辑描述清楚，多用变量名称指代涉及的变量。 如果代码运行效果不尽人意，可把当前的代码、输入变量、预期结果提供给 AI，并告知错误的结果或者报错信息，让 AI 帮忙寻找问题并提供修改方案。提问时可参考以下方式： 以上是我目前的 python 代码，我的输入变量。 但是代码运行后的实际结果却是。 另外，在游戏开发与修改过程中，还需注意文件的存放要求、功能优化、平台上传等方面的问题。例如，三个重要文件需在一个文件夹，本地内置图像、音乐等也需在同一文件夹。游戏功能可增加关卡、调整金币获取和技能点花费、解决 Bug 等。研究将游戏发布到 4399 开放平台时，需注册、实名制，审核较严格。获取游戏素材可从官网免费下载或淘宝购买抠好的素材。

以下是一些可以帮助您修改和美化简历的 AI 工具： 1. 超级简历优化助手：分析简历内容并提供优化建议，帮助用户优化简历提高求职成功率。 2. ResumeMatcher：AI 驱动的开源简历优化工具，提供智能关键词匹配、深入分析见解，提升简历通过 ATS 筛选的几率。 3. KickResume：提供 AI 简历重写服务，使用 OpenAI 的 GPT4 语言模型，能在几秒钟内修复简历错误、使其更专业，并使用行业术语和关键词优化简历，帮助用户通过 ATS 筛选，生成与求职职位匹配的求职信。

以下是一些常见的 AIGC 检测相关的信息： AIGC 论文检测网站和工具： 1. Turnitin：是广泛使用的学术剽窃检测工具，增加了检测 AI 生成内容的功能。使用方法是上传论文，系统自动分析并提供详细报告，标示出可能由 AI 生成的部分。 2. Copyscape：主要用于检测网络上的剽窃行为，虽不是专门的 AIGC 检测工具，但可发现可能被 AI 生成的重复内容。输入文本或上传文档，系统扫描网络查找相似或重复内容。 3. Grammarly：提供语法检查和剽窃检测功能，剽窃检测部分可帮助识别可能由 AI 生成的非原创内容。将文本粘贴到编辑器中，选择剽窃检测功能，系统提供分析报告。 4. Unicheck：基于云的剽窃检测工具，适用于教育机构和学术研究，可检测 AI 生成内容的迹象。上传文档或输入文本，系统分析并生成报告，显示潜在的剽窃和 AI 生成内容。 5. ：专门设计用于检测 AI 生成内容的工具，使用先进算法分析文本，识别是否由 GPT3 或其他 AI 模型生成。上传文档或输入文本，系统提供详细报告。 6. ：提供免费的 AI 内容检测工具，可识别文本是否由 AI 生成。将文本粘贴到在线工具中，点击检测按钮，系统提供分析结果。 7. GPTZero：专门设计用于检测由 GPT3 生成内容的工具，适用于教育和出版行业。上传文档或输入文本，系统分析并提供报告，显示文本是否由 GPT3 生成。 8. Content at Scale：提供 AI 内容检测功能，帮助用户识别文本是否由 AI 生成。将文本粘贴到在线检测工具中，系统分析并提供结果。 判断一张图片是否 AI 生成： 可以使用一些网站，例如 ILLUMINARTY（https://app.illuminarty.ai/）。但在测试过程中可能存在误判，比如将结构严谨的真实摄影作品识别为 AI 作图，这是因为鉴定 AI 自身的逻辑算法不能像人类一样综合考虑各种不符合逻辑的表现。

以下是一些免费可用的 AI 视频生成软件： 1. Haiper：有免费额度，网址为 https://haiper.ai/ 。支持文生视频、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）。还支持视频重绘，包括局部重绘。 2. DynamiCrafter：免费，网址为 https://huggingface.co/spaces/Doubiiu/DynamiCrafter 及 https://github.com/Doubiiu/DynamiCrafter?tab=readmeovfile ，可生成 2 秒图生视频，还能做短视频拼长视频。 3. Morph studio：处于内测阶段，网址为 https://app.morphstudio.com/ 。暂未对外开放，可在官网提交内测申请。在 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。 此外，清影也是一款不错的 AI 视频生成工具，在首发测试期间所有用户均可免费使用。它具有不限量使用、生成速度快、提供配乐小功能等特色。生成参数包括时长 6s、清晰度 1440x960（3：2）、帧率 16fps 等，在风景、动物、超现实、人文历史类需求以及皮克斯风格、卡通风格、摄影风格、动漫风格等方面表现突出。 截至 2023 年，我们已经发现了 21 个公开的人工智能视频生成工具，大多数起初以 Discord 机器人的形式存在，随着产品成熟，越来越多的工具开始建立自己的网站甚至开发移动应用。

以下是一些能够为带货产品批量换背景并应用于小红书社区的人员信息： 卡飞猫：15692004031，擅长摄影写真、banner 生成、替换产品。 韩君奇：13060035786，能够批量出图，做小红书种草。 阿鱼：18102592057，擅长各种类型的 AI 画图，以及 AI 视频提效。 吴燕波：15766104311，可进行日常出图，视频等。

以下是关于使用 AI 绘图实现小红书笔记图片批量生成的相关知识： Liblibai 简易上手教程： 1. 迭代步数：AI 调整图片内容的次数。步骤越多，调整越精密，出图效果理论上更好，但生图耗时越长，且效果提升并非线性，过多可能导致效果增长曲线放平并开始震荡。 2. 尺寸：图片生成的尺寸大小。太小 AI 生成内容有限，太大则可能放飞自我。如需高清图，可设置中等尺寸并用高分辨率修复。 3. 生成批次：用本次设置重复生成的批次数。 4. 每批数量：每批次同时生成的图片数量。 5. 提示词引导系数：指图像与 prompt 的匹配程度。数字增大图像更接近提示，但过高会使图像质量下降。 6. 随机数种子：生成的每张图都有随机数种子，固定种子后可对图片进行“控制变量”操作，如修改提示词、修改 clip 跳过层等。首次生成图时无种子。 7. ADetailer：面部修复插件，可治愈脸部崩坏，为高阶技能。 8. ControlNet：控制图片中特定图像，用于控制人物姿态、生成特定文字、艺术化二维码等，也是高阶技能。 利用 AI 批量生成、模仿和复刻《小林漫画》： 1. 需求分析：主要需求是国内可直接使用且能批量生产，选用扣子搭建工作流，可能需牺牲一定质量的文案和图片效果。 2. 批量生成句子：一次性生成的句子都进行生成图片处理，建议一次不要生成太多，如设置一次生成五句。 3. 句子提取：把生成的句子逐个提取，针对每个句子绘图。 4. 图片生成：根据生成的句子结合特有画风等描述绘图。 5. 图片和句子结合：扣子工作流支持 Python 代码，但环境缺少画图、图片处理所需包，可替换成搞定设计的方式处理图片，会用 PS 脚本效果也不错。 此外，还有一些人员在不同领域涉及 AI 绘图相关工作，如韩君奇从事批量出图和小红书种草工作。

以下为您提供一些朋友圈海报的 prompt 指导及相关案例： 即梦图片 2.1 模型： 模型上线，已支持在图片中生成中文字体。 操作步骤： 第一步：打开即梦官网 https://jimeng.jianying.com/ 第二步：点击进入图片生成页面 第三步：生图模型选择图片 2.1 模型 案例： 提示词：咖啡店穿着服务员服装的猫咪，揉着眼睛，文字“小店打烊了” 提示词：一只布偶猫举着牌子，牌子上写着“睡什么睡，起来嗨” 提示词：电影宣传海报，画面中间是韦小宝，四周是七个宫女，标题文字“重生之我是韦小宝” 提示词：电商节日海报，背景是上海外滩，圣诞节布置，旋转木马，节日的气氛，标题文字“圣诞集市” 即梦：女神节海报教程： 原文链接：https://mp.weixin.qq.com/s/CYmlZDPjrchnKr8V4lvmRQ 操作步骤： 第一步：打开即梦 AI，选择“图片生成”功能 https://jimeng.jianying.com 第二步：模型选择图片 2.1，输入提示词（可以直接参考案例提示词） 第三步：点击生成，几秒钟后，专属字体海报完成 案例： 案例一：提示词：女神节主题，3D 设计，梦幻氛围，明亮春天场景，花田，数字 38，天空“女神节”，五彩缤纷的蝴蝶，晴朗的蓝天，茂密的绿色草地，盛开的花朵，柔和光线 案例二：提示词：粉色主题，梦幻氛围，数字 38，心形气球，花卉装饰，玫瑰花，漂浮的花瓣，柔和的云朵，美丽的湖面倒影，奇幻风格，柔和的色调，庆祝场景 案例三：提示词：妇女节，3D 设计，粉色主题，大号装饰数字 38，爱心，郁金香花朵，柔和光照，背景城市天际线，精致花卉装饰，优雅节日氛围，金色文字，春天氛围，细致鲜艳 希望这些内容对您策划朋友圈海报有所帮助！

以下是教育行业基于 AIGC 的一些业务实际落地的产品和案例： 教师的 AI 减负指南生成式人工智能在教学中的应用，包括教师使用 AI 的小技巧。涉及人员有张亚丽、富露露、张亚玲、张楚璇、吴箭枢等，学校有深圳大学附属中学、苏州工业园区娄葑学校、上海市静安区风华初级中学南校、江苏省苏州工业园区教师发展中心中学、苏州工业园区唯亭学校初中、中央民族大学附属中学等。 AIGC 人机协同国家课程项目化学科实践设计与实施，例如以科学《计量时间博物展》为例，以及基于思维可视化的项目式主题学习设计与实践，如以智驾未来课程为例。相关人员有祝琛、崔琴、张然、刘敏、王国庆、吴沁珂等，学校有深圳市南方科技大学教育集团实验二小、成都经济技术开发区实验小学校。 Al 创作家：用 AI 辅助设计桌游，解决学校实际问题，如北京市新英才学校的魏一然所做的工作。 生成式人工智能与教学变革：AI 领雁行动的探索与实践，相关人员有邹贤莲、向雪萍、陈治佑、余初冉、阊洪娇，学校有重庆两江新区行远小学校。 北京市新英才学校的跨学科项目老师带着学生用 AIGC 做学校地图桌游，英语老师在 AIGC 的帮助下备课和授课，生物和信息科技老师合作一起带着学生用训练 AI 模型，用以识别植物。 AIGC 常见名词解释，如 AIGC 意为人工智能生成内容，能进行 AIGC 的产品项目和媒介众多，包括语言文字类的 OpenAI 的 GPT、Google 的 Bard、百度的文心一言等，语音声音类的 Google 的 WaveNet、微软的 Deep Nerual Network、百度的 DeepSpeech 等，图片美术类的 Midjourney、Stable Diffusion 等。

以下是一些接入微信消息的 Coze 工作流案例： 1. 【拔刀刘】自动总结公众号内容，定时推送到微信（附完整实操教程） 搭建工作流： 设置 Bot： 人设和回复逻辑：由于 Bot 主要依托于工作流，设置提示词，直接调用工作流，将 sum_weixin_2_2 替换为工作流的名称。 工作流：添加刚刚创建的工作流。 设置触发器：选择「定时触发」，选择触发的时间，比如每天 18 点，任务执行时输入工作流中开始节点的输入参数，如 key 为 Server 酱的 sendkey，rss_list 可以使用提供的测试数据。触发器在设定时间点根据输入项内容执行工作流，从而在微信收到推送的总结内容。可以同时设置多个触发器，最多 10 个，可推送给不同的人或分不同时间段给自己推送不同内容。 发布到飞书：点击右上角「发布」，注意渠道选择飞书，因为目前 Coze 平台触发器只对飞书渠道生效。 2. AI 实战：搭建信息情报官 Agent 先在 http://open.feishu.cn 上建飞书机器人，并添加知识库或多维表格编辑权限，获得机器人的 app_id 和 app_secret 以获取租用 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）。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：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，变成一个消息情报官的 Agent，发布到 Coze 商店、豆包、飞书、微信、微信公众号、微信小程序等。可以构建多个分身，收集整理不同领域和行业的情报信息。 3. Bot 智能体|用 Coze 实现【多模态资讯的跨平台推送】 技术实现原理： Coze API 接入微信群 Bot：登录宝塔面板，在宝塔面板当中可视化控制云服务器，部署 docker 容器，启动 COW 项目与微信取得关联。chatgptonwechat（简称 CoW）项目是基于大模型的智能对话机器人，可以接入微信公众号、企业微信应用、飞书、钉钉，可选择多种模型，能处理文本、语音和图片，通过插件访问操作系统和互联网等外部资源。点击“Docker”中的“项目模板”中的“添加”按钮，将编译好的内容复制进来，在容器中创建容器，选择容器编排，填入模板和名称，确定。运行成功后点击容器，可看到运行的是两个服务，点击“wcandyaibot”后面的日志按钮，用微信扫码，手动刷新日志，看到 WeChat login success 即成功将 Bot 接入微信。

以下为您提供几个 Agent 落地的具体案例： 彬子基于 ComfyUI 做油管封面 Agent：彬子是 ComfyUI 新人，之前更多使用 Coze 做 Agent 并调用其图像流完成绘图功能，还在 Glif 上做若干 Bot 以插件调用 API 方式完成绘图功能调用。Glif 提供的云端 ComfyUI 带来更多图像玩法，Coze 的工作流和 ComfyUI 的图像流代表了 Agent 内部两个子领域领先水平，但大多数同学专注一个领域精进，只要从擅长阵地多迈出一步，就能更好把控 Agent 中各种节点的设计和运用。 有用 Agent 产品开发：目前仍没有 Killer App 出现和 Agent 产品落地，原因一是 Agent 不靠谱，二是 Agent 开发者不靠谱。Agent 能力受 Tools 能力影响，如订机票需携程的 API 接入能力，要让模型更准确选择 Tools 及生成 api args，将非通识业务知识设计好让 Agent 直接用是当前接近“人工”智能且高性价比的方式。 【智谱 AutoGLM】：经过深度测试，AutoGLM 让开发者看到了 AI Agent 真正落地的希望。它解决了之前开发类似功能时的 API 对接难、多模态识别差、操作不精准等问题，借助 RPA 思路通过模拟人类操作实现跨应用控制。其场景理解能力出色，能根据用户意图选择合适应用场景，但仍存在语音识别偏差、复杂界面操作稳定性差、只支持安卓等问题。智谱团队选择几个高频场景深耕细作，证明了产品价值，未来发展空间大。

以下为为您提供的几个案例拆解教程： Coze 应用实战指南 吐槽心灵鸡汤 核心功能说明：一个允许用户输入心灵鸡汤类内容，AI 生成对应的反心灵鸡汤，并展示在前端页面的应用。 核心操作流程拆解： 1. 用户在页面输入指定文本。 2. 用户在页面点击【开喝】按钮。 3. Coze 后台调用工作流生成对应内容。 4. 工作流生成的内容展示在前端界面内。 核心前端设计拆解： 1. 用户界面提供一个元素 A（Coze 中称作组件），让用户输入内容。 2. 用户界面提供一个按钮 A，让用户点击后调用工作流。 3. 用户界面提供一个元素 B，向用户展示工作流的结果。 核心业务逻辑拆解： 1. 读取元素 A 的用户输入。 2. 将用户输入传递给 AI 大模型。 3. AI 大模型按照提示词设定生成指定内容。 4. 在元素 B 展示 AI 大模型生成的内容。基于上述业务逻辑，只需要设计一个简单的工作流即可，该工作流由【开始】节点（用户输入）、【大模型】节点（AI 生成内容）、【结束】节点构成（内容输出）。 Pika 新功能“Pikadditions” 厕所开门见猴 原视频：人物推开厕所门→空马桶镜头。 角色图片：一张猴子坐在马桶上的图片。 提示词：“When the door opens in the video,we see a monkey with reading glasses sitting in the toilet reading a book.” 拆解逻辑： 1. 时间触发：When the door opens→绑定视频动态事件（门开合过程）。 2. 空间绑定：sitting in the toilet→将猴子坐标锁定在马桶实体上。 3. 行为设计：reading a book→赋予角色符合场景逻辑的行为（厕所常见活动）。 4. 细节强化：with reading glasses→用视觉符号增强角色合理性（模仿人类行为）。 首尾帧循环视频制作 宇航员案例 1. MJ 生成宇航员近照。 2. 截取头盔中反射的宇航员作为第 3 步垫图和 sref 使用。 3. 生成与头盔中宇航员接近的半身像。 4. 打开即梦，选择使用尾帧。重点：一般情况可以不选择运镜控制，但这张图需要选择变焦推进，控制镜头推进到头盔里，不然 AI 会自己选择更容易实现的后拉运镜。 5. 得到。 6. 同样的做法得到尾帧回到首帧的视频，再用剪映拼接一下两段视频即可得到在他人与自己中无限轮回（有时候起始或结束有停顿，保证整条视频衔接流畅可以掐掉）。

以下是 AI 在 HR 领域的一些应用真实案例： 1. 在招聘初期，AI 可用于职位描述生成、简历分析、面试题设计。 2. 在员工绩效评估方面，AI 能够分析员工工作表现，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. 对于员工培训与发展，AI 也能发挥作用。 例如，在智能人力资源方面，目前主要利用模型进行简历初筛、JD 自动生成、数据分析等工作。还有像 Deepseek“4+1”黄金提问法中的人力资源场景，如作为 IT 企业 HR，目标是 6 个月内培养 10 名全栈工程师，能独立负责项目。需要设计阶段性培训方案，并提出了具体的要求，用培训体系文档格式输出，包含能力评估标准。

以下是关于 MCP 配置的相关资料： MCP 是 Claude 官方推出的一个协议。纯 LLM 无法行动，MCP 工具可以充当其与现实世界交互的“手”，并反馈结果指导下一步行动。 在配置方面： 对于 Windows 系统，找到支持浏览器交互的命令，复制箭头指向的命令并填在 Curosr feather 的 MCP Serve 里，服务名称可随便填，类型选 command。由于国内网络原因，可能会显示工具找不到，此时最好先在终端执行命令安装好后再填入。 在 Windsurf 中进行 MCP 配置，可找到 MCP 工具社区网站如 https://github.com/modelcontextprotocol/servers ，复制某个 MCP 工具如 uvx 安装方式命令，通过小锤子配置，粘贴命令。还有些网站如 https://smithery.ai/ 、https://www.pulsemcp.com/ 可直接安装依赖包，终端执行即可。 MCP 的好处包括： 简化开发：一次整合，多次复用，不再重复开发。 灵活性强：轻松切换 AI 模型或工具，无需复杂的重新配置。 实时互动：长连接保证数据实时更新。 安全可靠：内置标准化安全和权限控制。 扩展性强：AI 系统扩展时，只需连接新的 MCP 服务器。 在某些场景下传统 API 更适合，如需要精准且严格受控的交互方式、更偏好紧耦合以提升性能、希望最大化交互的可预测性等。 快速集成 MCP 的步骤包括： 1. 定义能力：明确 MCP 服务器提供的功能。 2. 实现 MCP 层：按照协议标准进行开发。 3. 选择通信方式：本地连接（标准输入输出）或远程连接（如 WebSockets）。 4. 创建资源/工具：开发或连接数据源和服务。 5. 建立客户端连接：与 MCP 服务器建立安全稳定的连接。 总结来说，MCP 为 AI 模型统一连接数据与工具的标准接口，让 AI 与外部数据、工具的连接变得更加标准化和高效。以下是一些相关文档和介绍的链接： https://modelcontextprotocol.io/ https://docs.cursor.com/context/modelcontextprotocol

以下是关于 Coze 工作流从入门到实操的相关资料： 一、一泽 Eze 的教程 Step 1：制定任务的关键方法 1. 设计每个子任务的执行方法 阅读理解小作业：基于英文原文，精心策划 3 道符合 CET4 难度的阅读理解题目。每道题均提供 A、B、C、D 四个选项，正确答案所在选项顺序随机，题目和选项均以英文呈现。题目的参考格式如下： 1） A. B. C. D. 参考答案：针对 3 道题目，生成题目答案。预期格式如下： 1） 答案： 2） 答案： 3） 答案： 英文音频：根据原文，利用 TTS 技术朗读全文 全文对照精读：根据原文，按照以下格式，分段完成全文精读结果的输出： 音标： 中文释义： 英文例句： 例句翻译： 二、大圣的教程 二、Coze 使用教程 1. 工作流AI Agent 的内功心法 节点：工作流是由多个节点构成，节点是组成工作流的基本单元。节点的本质就是一个包含输入和输出的函数。 Coze 平台支持的节点类型： LLM（大语言模型）：使用输入参数和提示词生成处理结果。 Code（代码）：通过 IDE 编写代码处理输入参数，并返回输出值。 Knowledage（知识库）：根据输入参数从关联知识库中召回数据，并返回。 Condition（条件判断）：ifelse 逻辑节点，用于设计工作流内的分支流程，根据设置条件运行相应的分支。 Variable（获取变量）：从 Bot 中获取变量作为参数在工作流中使用。 Database（数据库）：在工作流中使用提前配置在 Bot 数据库中的数据。 2. 创建和使用工作流 这一块官方有现成的教程参考： 海外参考文档：https://www.coze.com/docs/zh_cn/use_workflow.html 国内参考文档：https://www.coze.cn/docs/guides/use_workflow 国内版本还提供了一些示例，学习工作流强烈建议大家跟着实操一遍： 搜索新闻：https://www.coze.cn/docs/guides/workflow_search_news 使用 LLM 处理问题：https://www.coze.cn/docs/guides/workflow_use_llm 生成随机数：https://www.coze.cn/docs/guides/workflow_use_code 搜索并获取第一个链接的内容：https://www.coze.cn/docs/guides/workflow_get_content 识别用户意图：https://www.coze.cn/docs/guides/workflow_user_intent 三、蓝衣剑客的教程 三、Coze 简介 1. 工作流 在典型应用场景中，入门级场景可能仅添加一个节点来构建简单工作流。例如，使用获取新闻插件构建一个获取新闻列表的工作流；使用大模型节点接收并处理用户问题等。 更进阶的场景则通过多个节点组合构建逻辑较复杂的工作流。例如，在搜索并获取指定信息详情的场景中，先通过插件能力进行关键词搜索、然后通过代码节点过滤指定信息、最后通过插件能力获取信息详情；或者在通过条件判断识别用户意图的场景中，通过大模型节点处理用户消息，并将消息分类后通过条件节点分别处理不同类型的消息。这些详细配置教程提供了实际操作指南以帮助理解和应用各种功能。

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。

以下是寻找制作 AI 数字人相关资料和教程的途径： 1. 在线文档和公众号：可以查看。 2. B 站：在 B 站搜索相关视频教程。 3. 具体操作方法： 在剪映中，右侧窗口顶部打开“数字人”选项，选取免费且适合的数字人形象，如“婉婉青春”。选择数字人形象时，软件会播放其声音，可判断是否需要，点击右下角“添加数字人”将其添加到当前视频。剪映会根据提供的内容生成对应音视频并添加到轨道中，左下角会提示渲染完成时间，可点击预览查看效果。 为让视频更美观，可增加背景图片。删除先前导入的文本内容，点击左上角“媒体”菜单并“导入”按钮选择本地图片上传，将图片添加到视频轨道上，可通过拖拽轨道右侧竖线使其与视频对齐。 此外，还有一些开源的算法代码仓库可供参考： 1. ASR 语音识别： openai 的 whisper:https://github.com/openai/whisper wenet:https://github.com/wenete2e/wenet speech_recognition：https://github.com/Uberi/speech_recognition 2. AI Agent： 大模型包括 ChatGPT、Claude、ChatGLM、文星一言、千帆大模型、通义千问等。 Agent 部分可使用 LangChain 的模块去做自定义，包含了 Agent 实现的几个组件 3. TTS： 微软的 edgetts：https://github.com/rany2/edgetts，只能使用里面预设的人物声音，目前接口免费。 VITS：https://github.com/jaywalnut310/vits，还有很多分支版本。 sovitssvc:https://github.com/svcdevelopteam/sovitssvc，专注到唱歌方面。 除了算法，人物建模模型可以通过手动建模实现，但这种简单的构建方式还存在一些问题，如如何生成指定人物的声音、TTS 生成的音频如何精确驱动数字人口型以及做出相应动作、数字人如何使用知识库做出某个领域的专业性回答等。

以下是为您提供的 AI 学习资料： 入门指南：强化学习 原文地址：https://mp.weixin.qq.com/s/pOO0llKRKL1HKG8uz_Nm0A 学习计划：以搞懂 DQN 算法作为入门目标。 新手学习 AI 了解 AI 基本概念：阅读「」熟悉术语和基础概念，了解其主要分支及联系。 浏览入门文章，了解历史、应用和发展趋势。 开始学习之旅：在「」中找到初学者课程，推荐李宏毅老师课程。通过在线教育平台（如 Coursera、edX、Udacity）按节奏学习，有机会获证书。 选择感兴趣模块深入学习：如掌握提示词技巧。 实践和尝试：理论学习后实践巩固知识，在知识库分享实践作品和文章。 体验 AI 产品：如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人。 支线剧情共创 AI 出图教学及资料 MJ 官方手册：https://docs.midjourney.com/ Prompt 魔法书：https://aituts.ck.page/promptsbook eSheep： 如何在 MJ 中保持角色一致性： AI 视频教学及资料 什么是相似形转场：

以下是关于 DeepSeek 的学习资料： 在 2025 年 2 月 6 日的“聊聊你怎么使用 DeepSeek”活动中，有以下智能纪要： DP 模型的功能：能进行自然语言理解与分析、编程、绘图，如 SVG、MA Max 图表、react 图表等。 使用优势：可以用更少的词让模型做更多事，思维发散，能给出创意思路和高级内容。 存在问题：思维链长不易控制，可能输出看不懂或胡编乱造的内容，增加纠错成本。 审核方法：可以用其他大模型来解读 DP 模型给出的内容。 使用建议：使用时要有自己的思维雏形，多看思考过程，避免被模型冲刷原有认知。 使用场景：包括阅读、育儿、写作、随意交流等方面。 案例展示：通过与孩子共读时制作可视化互动游戏，以及左脚踩右脚式的模型交互来展示 DP 模型的应用。 音系学研究：对音系学感兴趣，通过对比不同模型的回答来深入理解，如 bug 和 DIFF SIG，探讨语言概念在音系学下的心理印象等。 大模型取队名：与大模型进行多轮对话来取队名，通过不断约束和披露喜好，最终得到满意的队名及相关内容。 此外，1 月 27 日的宝玉日报中也有关于 DeepSeek 的内容： 拾象：DeepSeek r1 闭门学习讨论|Best Ideas Vol 3，讨论了 DeepSeek 在全球 AI 社区的意义，包括技术突破与资源分配策略。突出了 DeepSeek 长上下文能力、量化商业模式、以及其对 AI 生态系统的深远影响。重点分析了 DeepSeek 的创新路径及中国在 AI 追赶中的潜力与挑战。 转：关于 DeepSeek 的研究和思考

AI 结合业务数据输出汇总表格通常需要以下步骤： 1. 数据收集与整理：首先，需要收集相关的业务数据，并对其进行清洗和预处理，以确保数据的质量和一致性。 2. 选择合适的 AI 技术和工具：根据数据特点和业务需求，选择适合的 AI 算法和工具，如机器学习中的分类、回归算法，或者数据挖掘工具等。 3. 数据建模：运用选定的 AI 技术对数据进行建模，建立能够分析和处理数据的模型。 4. 训练模型：使用预处理后的数据对模型进行训练，不断优化模型的参数，以提高模型的准确性和性能。 5. 数据应用与输出：将训练好的模型应用于新的数据，生成分析结果，并将结果以汇总表格的形式进行输出。 在实际操作中，还需要注意数据的安全性和隐私保护，以及对模型结果的评估和验证，确保输出的汇总表格准确、有用且符合业务需求。

以下是为您设计的一个以“AI 赋能梦想”为主题，适合中职计算机专业高一学生，在教室可操作且低成本的班会框架： 一、引入主题 1. 播放一段关于 AI 改变世界的短视频，引发学生兴趣。 2. 老师简单介绍本次班会的主题“AI 赋能梦想”以及与技能强国的联系。 二、知识讲解 1. 用 PPT 展示 AI 的基本概念和应用领域，如医疗、交通、教育等。 2. 结合计算机专业，讲解 AI 在该领域的发展前景和就业机会。 三、小组讨论 1. 分组讨论 AI 对未来职业的影响，以及如何通过学习计算机技能在 AI 时代立足。 2. 每组选派代表发言，分享讨论结果。 四、案例展示 1. 展示一些中职学生在 AI 相关领域取得成功的案例。 2. 分析他们成功的原因和所具备的技能。 五、创意设想 1. 让学生们设想自己如何利用 AI 技术实现个人梦想，写在纸条上。 2. 随机抽取学生分享他们的设想。 六、总结与展望 1. 老师总结本次班会的重点内容。 2. 鼓励学生努力学习，为技能强国贡献自己的力量，实现 AI 赋能的梦想。 希望这个班会框架能满足您的需求，祝您班会举办成功！

大模型与 HR 和招聘日常工作的结合点主要体现在以下几个方面： 1. 面试环节：面试不仅仅是单点功能，面试后的结果如何发送到公司 HR 系统，以及如何通知 HR 人员的录用或不录用情况，需要一套工作流系统将大模型 Agent 框架的能力与企业原有的业务系统紧密连接。 2. 不同场景的应用：企业在不同的 HR 场景，如面试、员工评估等，可能会有专门的大模型。例如面试有面试大模型，员工评估也有相应的大模型。 3. 新员工招聘：将招聘流程分解得足够细，如搜集简历、编写职位描述、制定招聘计划、确定招聘需求、筛选简历、安排面试、数字人自动面试、结果评估和发录取通知书等。然后结合大模型目前成熟的能力进行筛选，同时考虑场景的容错度和数据准备度。

AI 与 SaaS 的结合具有以下特点和影响： 1. 像 Microsoft 推出的 Copilot 产品升级，如 Copilot Team 与 Studio，能让 Agent 融入企业内部，实现自动化的会议记录和日程安排，还能设计组织内部自动化流程，帮助操作办公软件。这表明软件应用范式已转移，AI Agent 成为新 SaaS。 2. 对于生成式 AI 对 SaaS 生态的影响，起初认为大公司不会受到太大冲击，因为初创公司和大公司各有优势，初创公司机会在于瞄准可自动化工作领域。但现在不确定是否低估了“AI 原生”的巨大潜力。 3. 二十年前传统软件公司对 SaaS 崛起的态度与如今对 AI 变革的态度可能类似。SaaS 带来了业务模式的全面变革，包括开发方式、市场策略和商业模式的转变，只有极少数传统公司成功转型。 4. OpenAI 的目标明确为 all in AGI，商业模式为 SaaS，直接提供 API，接口设计内部决定，按使用付费。其在一些产品上如 ChatGPT Plus、与第三方插件结合等方面的处理方式较为简单直接。

以下是关于将 Office 和 DeepSeek 结合的一些信息： 1. 可以参考《》，其中介绍了通过结合 VS Code、Cline 插件和 Deepseek API 等工具提升 AI 的应用能力，用户可以实现自动发送邮件、查找重复文件、网页抓取翻译等功能。 2. 参考《》，了解如何将飞书多维表格与 DeepSeek R1 结合，实现批量处理信息，提升工作效率，如批量转换文风、快速回复消息，甚至利用 AI 生成文案。 目前提供的信息中暂未直接提及 Office 与 DeepSeek 结合的具体方式，但您可以从上述类似的结合案例中获取一些思路和启发。

AI 与公司行政工作相结合具有一定的挑战性，但也存在可能的方向。目前大多数的“AI 应用/AI 转型”在行政工作方面还在走“数字化转型”的老路，把 AI 往现有流程上套，讲“固化流程”“节约成本”的故事。但在技术加速迭代的当下，这样做可能导致成果过时，剥夺企业主动进化的能力。 YCombinator 的圆桌讨论认为，垂直 AI 智能体的市场潜力巨大，其专注于特定领域，能提供定制化服务并自动化重复任务，从而提高效率和降低成本。创业者应关注行政任务领域，这或许能为 AI 与行政工作的结合提供思路。 然而，AI 并非万能，我们和 AGI 还差得很远。不能仅因对 AI 的焦虑就希望其拿来即用、马上见效。AI 的力量不应只用于现有业务流程的优化，而更应用于对未来业务的重新定义。比如像电力发明时，不应从“如何让电力赋能马车”出发，而应从“电力能创造和满足什么新的需求”出发。