有comfyui的系列教程吗

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，有人因工作室需要抠图素材，传统途径存在问题，近期在 github 上看到一个名为的项目，其中包含丰富的蒙版处理节点，于是基于此创建了 ComfyUI 工作流，不仅可用于绿幕素材的抠图，还能自动生成定制需求的抠图素材，全程只需几秒。

ComfyUI 相关信息如下： 模型： 目前只支持 sdxl。 节点地址：ComfyUI_InstantID https://github.com/cubiq/ComfyUI_InstantID?tab=readmeovfile 。 主要的模型（ip_adapter.bin），下载后放在 ComfyUI/models/instantid 文件夹里，没有这个文件夹就新建一个，下载链接：https://huggingface.co/InstantX/InstantID/resolve/main/ipadapter.bin?download=true 。 InsightFace 模型是 antelopev2（不是经典的 buffalo_l）。下载模型，解压并将它们放在 ComfyUI/models/insightface/models/antelopev2 目录中，下载链接：https://huggingface.co/MonsterMMORPG/tools/tree/main 。 还需要一个 controlNet 模型，放在 ComfyUI/models/controlnet 目录下，下载链接：https://huggingface.co/InstantX/InstantID/resolve/main/ControlNetModel/diffusion_pytorch_model.safetensors?download=true 。上述模型网络环境不好的，可以在网盘 https://pan.baidu.com/s/1FkGTXLmM0Ofynz04NfCaQ?pwd=cycy 下载。 生图原理： 这张图展示了扩散模型中的加噪和去噪过程。 在 ComfyUI 的节点化界面中，每一步的操作都可以通过不同的模块来实现，用户可以控制潜在空间中的操作（如调度器和噪声的选择）、UNet 中的推理步骤（通过去噪模块实现）、以及条件输入（通过文本提示或图像引导）。 基础模型：ComfyUI 使用预训练的扩散模型作为其核心，通常是 Stable Diffusion 模型，包括 SD1.5、SD2.0、SDXL、SD3、FLUX 等模型。 文本编码：当用户输入文本提示时，ComfyUI 首先使用 CLIP（Contrastive LanguageImage Pretraining）文本编码器将文本转换为向量表示，这个向量捕捉了文本的语义信息。 图片合并背景替换： 背景替换看似简单，但有难度，不同图片合并时要考虑光线、色调、边缘细节，选择了表示较好的流程化技术。 背景移除：模型放在 E:\\ComfyUI\\models\\rembg，需要下载对应的模型。 填充背景：用来移除背景里面的主题，模型需要放在 E:\\ComfyUI\\models\\lama 下。 iclight：在管理器中节点管理，搜索 ComfyUIICLight，安装后重启 ComfyUI，模型可以在网盘里，下载后放入 ComfyUI/models/unet 文件夹。ic 处理过的图片，颜色会发黄偏色，这里就需要做颜色匹配和细节的迁移，注意，不是 IC Light 处理过的就是好的，有时候反而会负优化。

以下是 ComfyUI 连接 Blender 的教程： 首先，安装下载网盘里的两个文件。先安装稳定版 Blender（这是主程序，解压即用。如果已经有 Blender 的朋友可以跳过这一步）。有 Steam 平台的可以去 Steam 上下载 Blender，软件会自动更新，很方便。 接下来打开软件，安装无限圣杯的插件。进入“偏好设置”——插件——选择“安装”，找到“无限圣杯节点工具”里面的压缩包，不用解压，直接选择压缩包进行安装。安装好之后，打上勾，就可以开启无限圣杯了。 接着看插件下方的 ComfyUI 路径这一栏，将它更改为我们电脑中的 ComfyUI 的地址。然后选择一个适合自己的显存模式：8G 以上选高显存；6G 选中显存；4G 选低显存。安装完成，重启即可。 无限圣杯的使用：打开软件，编辑器类型中会出现“ComfyUI Node”。点击进入 ComfyUI 界面，先点击上方的“新建”按钮，然后展开右侧的 N 面板可以看到无限圣杯的界面。打开节点树的列表，可以看到文生图、图生图以及 ControlNet 等常见工作流。选择文生图，打开会发现还有一些更细化的预设工作流选项。再看看 ControlNet 中的工作流预设。 还有一些根据插件整理的工作流，比如随便选择一个“文生图”中的“基础+自定 VAE”，选好之后，点击“替换节点树”。界面中会出现已经连接好的工作流节点（如果没看到，就按一下 home 键），包括大模型、clip、vae、正反提示词、尺寸，采样器等所有在 webUI 中熟悉的参数，而且全都是中文面板。打开模型节点，可以看到 webUI 中的模型全部都在。这次先不更改参数，点击“运行节点树”，直接生成。此时会提醒是否启用 ComfyUI，点击确定即可。等待一会，就能在最后一个节点预览图中看到生成的图片。点击这里就可以打开后台，看到出图时间。

在 ComfyUI 搭建音频节奏生成 AI 抽象粒子视觉效果的工作流，您可以参考以下内容： 1. 大模型节点： 您可以根据自己的风格选择不同的大模型，推荐使用： AWPainting，链接：https://civitai.com/models/84476/awpainting primemixanything，链接：https://civitai.com/models/75089/primemixanything xxmix9realistic v40，链接：https://civitai.com/models/47274/xxmix9realistic 2. 关键词节点： 可以使用工作流内的关键词，也可以输入自己的正负面关键词。 3. Lora 节点： 可根据自己风格搭配进行选择，如需多个 Lora 可进行串联。 4. ControlNet 节点： 选用 qrcode_monster V2 版本，相比于 V1 版本 V2 版本识别性更强。下载需要魔法，没有魔法的同学文末领取模型。下载链接：https://huggingface.co/monsterlabs/control_v1p_sd15_qrcode_monster/tree/main/v2 5. 采样器节点： 所有生图的老演员了，Step 要选择高步数，35 50 即可。采样器默认的 euler a /dpmpp 2m sde 基础节点介绍： 1. Checkpoint 基础模型（大模型/底模型）节点： 属于预调模型，决定了 AI 图片的主要风格。输出连接：Model 连接 KSampler 采样器的 Model；Clip 连接终止层数的 Clip；Vae 连接 VaeDecode 的 Vae。 2. Clip 终止层数（clip skip）节点： ComfyUI 的是负数的，webUI 的是正数。输出入点：Clip 连接 Checkpoint 基础模型的 Clip。输出节点：Clip 连接 Prompt 节点的 Clip。正向提示词和负面提示词各一个。 3. Prompt 节点： 输出入点：Clip 连接 Clip 终止层数节点的 Clip。输出节点：正向提示词和负面提示词各连接一个。 4. KSampler 采样器： 输出入点：Model 连接 Checkpoint 基础模型；Positive 连接正向提示词；negative 连接负面提示词；latent_imageL 连接 Empty Latent Image 潜空间图像的 Latent。输出节点：Latent 连接一个 VAE 的 Samples。 5. Empty Latent Image 潜空间图像： 设置出图尺寸，例如 10241024。输出入点：Latent 连接 KSampler 采样器的 Latent。 此外，还有一些根据插件整理的工作流，您可以先随便选择一个“文生图”中的“基础+自定 VAE”。选好之后，点击“替换节点树”。界面中就会出现已经连接好的工作流节点（如果没看到，就按一下 home 键），包括大模型、clip、vae、正反提示词、尺寸，采样器等所有在 webUI 中熟悉的参数，而且全都是中文面板。打开模型节点，可以看到 webUI 中的模型全部都在。这次先不更改参数，点击“运行节点树”，直接生成。此时会提醒您是否启用 ComfyUI，点击确定即可。等待一会，就能在最后一个节点预览图中看到生成的图片。点击这里就可以打开后台，看到出图时间。

以下是 ComfyUI 工作流搭建的基础步骤： 1. 准备加载大模型的节点（load 节点）：在工作区鼠标右键点击，选择“Add Node”，然后依次选择“loaders”和“Load Checkpoint”，接着选择对应的模型，点击“Ckpt_name”下拉选择对应的模型。 2. 加载 Conditioning（条件）：在工作区鼠标右键点击，选择“Add Node”，然后选择“Conditioning”，再选择“CLIP TEXT Encode”。这里需要输入正向和反向提示词，相同节点可使用快捷键 Ctrl+C 和 Ctrl+V 复制粘贴。 3. 添加采样器：这部分和 WEB_UI 的设置类似，包括采样器、迭代步数、CFG 等。需要注意的是，seed 值只有固定、随机、每次增加、每次减少这四个选项，采样器和调度器是分开的。 4. 加载 Latent：可以设置图片的宽、高和批次，设置方式与 WEB_UI 相同。 5. 加载 VAE：操作与 WEB_UI 加载 VAE 相同。 6. 加载保存图片的节点。 7. 串联节点：节点分为起始节点、最终输出节点和过程执行节点。首先，checkpoint 加载器中模型选择好可直接使用，CLIP 对应链接需要的两个条件（正向提示词/负向提示词），VAE 直接连接对应的 VAE。然后将正向提示词、负向提示词链接到对应的采样器节点，latent 直接链接空 Latent。串联完毕后即得到最简单的 ComfyUI 工作流。 此外，ComfyUI 共学快闪的飞书学习群中有众多关于 ComfyUI 的学习内容，如王蓉的基础搭建和转绘、唯有葵花向日晴的基础教程、工作流开发和实际应用场景等。

很抱歉，您提供的内容中没有关于在使用 ComfyUI 制作 AI 视频时如何减小频闪的相关信息。建议您检查 ComfyUI 的设置选项，看是否有与视频帧率、显示刷新率相关的设置，适当调整这些参数可能有助于减小频闪。同时，确保您的硬件设备（如显卡、显示器）性能良好且驱动程序为最新版本，也可能对解决频闪问题有所帮助。

以下是关于 AI 文生图的教程： Liblibai 简易上手教程： 1. 定主题：明确您想要生成的图片的主题、风格和表达的信息。 2. 选择 Checkpoint：根据主题选择贴近内容的 Checkpoint，如麦橘、墨幽的系列模型。 3. 选择 lora：寻找与生成内容重叠的 lora，以控制图片效果和质量。 4. 设置 VAE：选择 840000 那一串。 5. CLIP 跳过层：设为 2。 6. Prompt 提示词：用英文写想要生成的内容，使用单词和短语组合，用英文半角逗号隔开，无需管语法和长句。 7. 负向提示词 Negative Prompt：用英文写想要避免产生的内容，同样是单词和短语组合，用英文半角逗号隔开，无需语法。 8. 采样方法：一般选 DPM++2M Karras，也可参考模型作者推荐的采样器。 9. 迭代步数：选 DPM++2M Karras 时，在 30 40 之间，多了意义不大且慢，少了出图效果差。 10. 尺寸：根据个人喜好和需求选择。 11. 生成批次：默认 1 批。 Tusiart 简易上手教程： 1. 定主题：明确生成图片的主题、风格和信息。 2. 选择基础模型 Checkpoint：根据主题选择贴近的 Checkpoint，如麦橘、墨幽的系列模型。 3. 选择 lora：寻找重叠内容的 lora 控制图片效果和质量。 4. ControlNet：用于控制图片中特定图像，如人物姿态、特定文字、艺术化二维码等，属于高阶技能。 5. 局部重绘：后续学习。 6. 设置 VAE：选择 840000 。 7. Prompt 提示词：用英文写生成需求，单词和短语组合，用英文半角逗号隔开，无需语法和长句。 8. 负向提示词 Negative Prompt：用英文写避免产生的内容，单词和短语组合，用英文半角逗号隔开，无需语法。 9. 采样算法：一般选 DPM++2M Karras，参考模型作者推荐的采样器更有保障。 10. 采样次数：选 DPM++2M Karras 时，在 30 40 之间，多了意义不大且慢，少了出图效果差。 11. 尺寸：根据个人喜好和需求选择。 此外，还为您提供了一些相关的参考视频和教程链接，供您进一步深入学习。

以下是关于 siliconflow 部署 deepseek 的教程： 基于 FP4 优化的 DeepSeekR1 使用 TensorRTLLM 部署： 模型地址：https://huggingface.co/nvidia/DeepSeekR1FP4 硬件要求：需要支持 TensorRTLLM 的英伟达 GPU（如 B200），并且需要 8 个 GPU 来实现 tensor_parallel_size=8 的张量并行。 性能优化：代码利用 FP4 量化、TensorRT 引擎和并行计算，旨在实现高效、低成本的推理，适合生产环境或高吞吐量应用。 在 Docker+RAGFlow+Ollama 中配置本地部署的 DeepSeek 模型： 返回 RAGFlow 中，打开右上角设置，进入模型提供商。 选择 Ollama，配置相关信息，基础 URL 如下配置。 配置完成后点击确定。 导入一个 embedding 模型，用于文本的向量化。 设置系统模型设置。 进入数据集，导入文件，可设置文件夹当作知识库。 对文件进行解析，解析速度取决于本机 GPU 性能。 解析完成后进行检索测试，没问题即可进入聊天界面。 云端模型部署实操： 登录 Pad 控制台，讲解 model gallery 工具及模型。 演示部署 Deepseek R1 和千问 7B 模型，包括选框架、资源、出价等。 介绍查看部署状态、日志方法。 说明用 postman 在线调试模型获取名称及后续使用方式。 模型蒸馏概念、应用场景及本地部署实操： 先介绍云平台部署情况。 讲解模型蒸馏概念、方式，阐述其应用场景及修复模型幻觉的作用。 进行实操演示，带领大家在 model gallery 部署 7B instruct 模型，展示部署步骤、资源竞价等内容，部署完成后用简单问题测试模型并呈现错误回答。

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。

以下是上手 Coze 的路径及相关教程列表： 1. 历史活动教程： 5 月 7 号（）：大聪明分享｜主题：Agent 的前世今生，每个分享人分享最初是怎么接触 Coze 的，以及现在用 Coze 做什么。流程安排：20:00@🌈AJ 主持开场，20:00 21:00 大聪明分享，21:00 21:30 关于 Coze 随便聊聊。 5 月 8 号（）：大圣分享｜主题：我眼中的 AI Agent 以及通过搭建知识库实例入门 Coze。流程安排：20:00 21:20 大圣分享。 5 月 9 号（）：艾木分享｜主题：Agent 系统的核心构成：Workflow 和 Multiagent Flow（以“Dr.Know”和“卧底”为例，线上答疑。流程安排：20:00 21:00 艾木分享，21:00 21:30 线上答疑。 5 月 10 号（）：罗文分享｜主题：一个方法解锁 COEZ 所有插件的用法+如何自动化解锁每天抓取 X 内容+改写+发布到飞书。流程安排：20:00 21:00 罗文分享。 5 月 11 号（）：Itao 分享｜主题：和 AI 成为搭子，线上答疑。流程安排：20:00 21:00：itao 分享，21:00 21:30 线上答疑。 2. 基础教程： 3. 大圣的胎教级教程中的 Coze 概述： 字节的官方解释：Coze 是新一代一站式 AI Bot 开发平台。无论是否有编程基础，都可以在 Coze 平台上快速搭建基于 AI 模型的各类问答 Bot，从解决简单的问答到处理复杂逻辑的对话。并且，可以将搭建的 Bot 发布到各类社交平台和通讯软件上，与这些平台/软件上的用户互动。 个人认为：Coze 是字节针对 AI Agent 这一领域的初代产品，在 Coze 中将 AI Agent 称之为 Bot。 字节针对 Coze 这个产品部署了两个站点，分别是国内版和海外版。 国内版： 网址：https://www.coze.cn 官方文档教程：https://www.coze.cn/docs/guides/welcome 大模型：使用的是字节自研的云雀大模型，国内网络即可以正常访问。 海外版： 网址：https://www.coze.com 官方文档教程：https://www.coze.com/docs/guides/welcome 大模型：GPT4、GPT3.5 等大模型（可以在这里白嫖 ChatGPT4，具体参考文档：），访问需要突破网络限制的工具，参考文档：https://www.coze.com/docs/zh_cn/welcome.html AI Agent 的开发流程：Bot 的开发和调试页面布局主要分为提示词和人设的区块、Bot 的技能组件、插件、工作流、Bot 的记忆组件、知识库、变量、数据库、长记忆、文件盒子、一些先进的配置、触发器（例如定时发送早报）、开场白（用户和 Bot 初次对话时，Bot 的招呼话语）、自动建议（每当和 Bot 一轮对话完成后，Bot 给出的问题建议）、声音（和 Bot 对话时，Bot 读对话内容的音色）。

以下是 Trae 的保姆级使用教程： 1. 什么是 Trae： Trae 是字节跳动推出的智能编程助手，提供基于 Agent 的 AI 自动编程能力，使用自然语言对话就能实现代码编写。 2. Trae 的功能： 传统 IDE 功能，如代码编写、项目管理、插件管理、源代码管理等。 智能问答，可在编写代码时随时与 AI 助手对话，获得代码解释、注释和错误修复等帮助。 实时代码建议，能理解当前代码并在编辑器中实时提供建议，提升编程效率。 代码片段生成，通过自然语言描述需求生成相应代码片段，甚至能编写项目级或跨文件代码。 从 0 到 1 开发项目，告诉 AI 助手想开发的程序，其将提供相关代码或自动创建所需文件。 3. 下载 Trae： 官网下载地址：https://www.trae.ai/download ，支持 Mac 系统、Windows 系统，未来支持 Linux 系统。 4. 使用方法： 安装：下载完成后按界面提示一步步安装。 登录：安装完成后点击右侧登录按钮，程序会自动打开网页提示登录，无账号需先注册。登录完可能会出现“App Unavailable”，此时需要开启科学上网。网页登录成功后可关闭科学上网，再点击中间大按钮。 进入客户端后，查看对话框右下角，有三种大模型可选：Claude3.5Sonnet、Claude3.7Sonnet、GPT4o 。 Trae 提供两种模式：Chat 模式，根据描述进行代码生成、解释、分析问题或解决问题；Builder 模式，帮助从 0 开发完整项目，对代码文件的任何更改都会自动保存。 5. 使用案例： 生成一个贪吃蛇游戏：打开 Builder 模式，输入“使用 web 技术栈生成一个贪吃蛇游戏”，排队完成后 Trae 开始思考和代码编写，期间需手动接入进行文件审查并点击“全部接受”。代码生成完成后，Trae 自动运行命令启动页面，点击运行，在 Webview 中可看到游戏效果，试玩基本无 Bug。Trae 还进行了工作总结，说明了游戏的特性、主要功能和游戏界面。 生成一个任务清单应用：在输入框中输入“使用 Web 技术开发一个任务清单应用”，可直接看效果。 根据 UI 设计图自动生成项目代码：从站酷上找一张设计图，输入提示“使用 html 技术实现如图大屏页面”，虽页面不完美但可让 Trae 调整。 从实际体验来看，Trae 表现可圈可点，具有高效代码生成能力、多技术栈支持和动态调整潜力。

关于“赛博信仰”这一现象，目前所了解到的基本事实包括：有人购买电子形式的马克思、爱因斯坦的脑子以象征对智慧的渴望；借助塔罗测试程序、deepseek 算命等 AI 工具尝试预知命运；夸赞鹿童、转发锦鲤等。但目前掌握的相关事实相对有限，还需要进一步的研究和观察来更全面地了解这一现象。

以下是使用 Dify 或 Make 实现 AI 制作幽默表情包系列的全流程： 1. 素材准备 平面设计稿：确定表情包的基本设计和角色形象。 2. 制作流程 转 3D：将平面设计稿转换为 3D 形式，增加立体感和丰富度。 AI 生成场景：利用相关工具生成适合的场景。 AI 图生视频：将生成的图片转换为视频。 剪辑转 gif：对视频进行剪辑，并转换为 gif 格式。 压缩：使用图像压缩工具，如 https://imageresizer.com/zh/%E5%9B%BE%E5%83%8F%E5%8E%8B%E7%BC%A9 ，对 gif 进行压缩，以满足上传要求。 上传微信表情平台审核：完成压缩后，上传至微信表情平台进行审核。 相关工具： 即梦：https://jimeng.jianying.com/aitool/image/generate Recraft: https://www.recraft.ai/

以下是关于清华大学出的 deepseek 系列教程的相关信息： 2024 人工智能报告中提到 DeepSeek 在编码任务中已成为社区的最爱，其组合了速度、轻便性和准确性而推出的 deepseekcoderv2。 2 月 7 日，《》是清华大学新闻与传播学院新媒体研究中心出品的指南，详细阐述了 DeepSeek 的功能及使用方法，包括智能对话、文本生成、代码生成、自然语言理解等，还介绍了提示语设计的核心技能、常见陷阱及应对方法。 2 月 18 日，清华大学沈少阳发布了《》

目前从经济效益的角度来看，以下一些服务可能有助于您构建这样的知识库并支持 AI 问答以及结果保存： 1. 云服务提供商，如阿里云、腾讯云、AWS 等，它们提供可扩展的计算和存储资源，您可以根据实际需求灵活配置，避免过度投入硬件成本。 2. 开源的知识管理和问答系统框架，例如使用 Elasticsearch 结合相关插件来实现问答功能，成本相对较低，但可能需要一定的技术投入进行搭建和维护。 3. 一些专门针对知识管理和 AI 应用的 SaaS 服务，它们通常按使用量计费，初期投入较小，适合小规模应用。 需要注意的是，具体选择哪种服务取决于您的业务规模、技术能力、预算以及对性能和功能的要求。

以下是关于吴恩达系列课程的相关信息： 面向开发者的 LLM 入门课程： 地址： 简介：一个中文版的大模型入门教程，围绕吴恩达老师的大模型系列课程展开，包括吴恩达《ChatGPT Prompt Engineering for Developers》课程中文版、《Building Systems with the ChatGPT API》课程中文版、《LangChain for LLM Application Development》课程中文版等。 提示工程指南： 地址： 简介：该项目基于对大语言模型的浓厚兴趣，编写了这份全新的提示工程指南，介绍了大语言模型相关的论文研究、学习指南、模型、讲座、参考资料、大语言模型能力以及与其他与提示工程相关的工具。 LangChain🦜️🔗中文网，跟着 LangChain 一起学 LLM/GPT 开发： 地址： 简介：Langchain 的中文文档，由两个在 LLM 创业者维护，希望帮助到刚进入 AI 应用开发的朋友们。 LLM 开源中文大语言模型及数据集集合中的 LLM 九层妖塔： 地址： 简介：ChatGLM、ChineseLLaMAAlpaca、MiniGPT4、FastChat、LLaMA、gpt4all 等实战与经验。 吴恩达讲 Prompt 相关课程： 谷歌/百度 AI 部门负责人吴恩达和 OpenAI 合作推出了免费的 Prompt Engineering（提示工程师）课程。课程主要内容是教您书写 AI 提示词，并且最后会教您利用 GPT 开发一个 AI 聊天机器人。 原版网址：https://www.deeplearning.ai/shortcourses/chatgptpromptengineeringfordevelopers/ B 站版本：【合集·AI Course哔哩哔哩】https://b23.tv/ATc4lX0 、https://b23.tv/lKSnMbB 翻译版本： 推荐直接使用 Jupyter 版本学习，效率更高：https://github.com/datawhalechina/promptengineeringfordevelopers/ 吴恩达和 Open AI 合作的提示工程课程一共 9 集全部已经翻译完成，并且改成了双语字幕，字幕文件也已经上传了。 视频下载地址：https://pan.quark.cn/s/77669b9a89d7 OpenAI 开源了教程：https://islinxu.github.io/promptengineeringnote/Introduction/index.html 纯文字版本： 2023 年 8 月 24 日历史更新（归档）： 吴恩达最新的《》短课程上线，课程内容包括了解何时对 LLM 应用微调、准备数据以进行微调、根据您自己的数据训练和评估 LLM。 《》非常深入浅出地介绍了基于大语言模型的 AI Agents，从记忆检索到决策推理，再到行动顺序的选择，真实展现了 Agent 的智能化进程。 在》，用一张清晰、具有美感的图片展示了 Models、Prompt Templates、Chains、Agent 和 MultiAgent 之间的关系。 《》，周伯文是清华大学讲席教授、衔远科技创始人，也是前京东集团高级副总裁，他在 GAIR 2023 论坛上发表了自己对未来的看法：AI 未来将融合语言与工具智能，实现人工智能在复杂场景下的应用。

以下是一些能够将故事生成一系列图片的网站和相关方法： 1. 扣子：通过自带的图像工作流，将 LLM 生成的故事内容传入，使用提示词优化节点和文生图节点生成配图。可以同时处理多个段落内容以节约时间，并考虑内容连续性生成连续的图片。同时要注意数据来源和格式，以及每步执行所需的数据格式适配。 2. MJ（Midjourney）：先构思或利用 ChatGPT 描述适合画绘本的故事场景，如《Lily 的奇妙之旅》，分为多个场景并用包含环境、人物、动作的话描述。生成场景图片时，使用特定的 prompt 包含场景和风格等描述，为使人物和熊有更好的互动感，生成场景时也包括人物主角。还可使用抠图工具处理得到所需的场景图像。 此外，Sora 也有生成涉及一系列事件故事的能力，但可能还不够完美。