我想找最新的关于大模型发展趋势的材料

以下是关于 AI Agent 的发展趋势、技术状态和商业模式的相关信息： 发展趋势： 2024 年内，办公场景“AI 助手”开始有良好使用体验，实时生成的内容开始在社交媒体内容、广告中出现。 2025 2027 年，接近 AGI 的技术出现，人与 AI 配合的工作方式成为常态，很多日常决策开始由 AI 来执行。 技术状态： 目标实现基于 ReAct、SFT、RAG、强化学习等实现自主规划能力的 AI Agent，构建具备认知、决策智能的 Agent 智能体框架。 专注文本/多模态大模型、AI Agent 技术创新与应用。 商业模式： 依据不同类型销售市场的特点，结合一站式 AI 搭建平台将销售部署的产品化和模版化，让企业更容易落地和应用 AI 能力。 销售智能体 Blurr.AI 占位交易环节，解决 2B 销售获客的痛点，且具有向前后端环节延展的势能。

垂直大模型是专注于特定领域的大模型，例如小语种交流、临床医学、AI 蛋白质结构预测等。 在国内，大模型分为通用模型如文心一言、讯飞星火等，处理自然语言；也有垂直模型专注特定领域。 大模型因其强大的语言理解和生成能力，在多个领域和应用场景中表现出色。比较火的应用场景包括： 1. 文本生成和内容创作：撰写文章、生成新闻报道、创作诗歌和故事等。 2. 聊天机器人和虚拟助手：提供客户服务、日常任务提醒和信息咨询等服务。 3. 编程和代码辅助：代码自动补全、bug 修复和代码解释。 4. 翻译和跨语言通信：促进不同语言背景的用户之间的沟通和信息共享。 5. 情感分析和意见挖掘：为市场研究和产品改进提供数据支持。 6. 教育和学习辅助：创建个性化的学习材料、自动回答学生问题和提供语言学习支持。 7. 图像和视频生成：如 DALLE 等模型可以根据文本描述生成相应的图像，甚至在未来可能扩展到视频内容的生成。 8. 游戏开发和互动体验：创建游戏中的角色对话、故事情节生成和增强玩家的沉浸式体验。 9. 医疗和健康咨询：理解和回答医疗相关的问题，提供初步的健康建议和医疗信息查询服务。 10. 法律和合规咨询：帮助解读法律文件，提供合规建议，降低法律服务的门槛。 关于发展趋势，尽管当前市场以基础大模型为主，但将大模型与行业专业知识结合，以满足不同行业的需求，成为未来发展的关键。例如腾讯研究院的《行业大模型调研报告》指出，如何将大模型与行业专业知识结合是重点。同时，在发展过程中也需要注意其在隐私、安全和伦理方面的挑战。 很抱歉，暂时无法为您提供相关图片。

MCP（模型上下文协议）是一种于 2024 年 11 月推出的开放协议，允许系统以跨集成的泛化方式为 AI 模型提供上下文。该协议定义了 AI 模型如何调用外部工具、获取数据和与服务交互。 MCP 已经在重塑 AI 智能体和代理的生态系统。其未来的发展趋势取决于如何应对基础性挑战，如果处理得当，可能成为 AI 与工具交互的默认接口，并开启新一代自主、多模态、深度集成的 AI 体验。如果被广泛采用，它可能代表工具构建、消费和货币化方式的转变。 今年将是关键的一年，可能会面临一些关键问题，比如是否会看到一个统一的 MCP 市场崛起，AI 代理的认证是否会变得无缝，多步执行能否被正式纳入协议等。 MCP 从 LSP（语言服务器协议）中获取灵感，超越 LSP 的地方在于其以智能体为中心的执行模型，LSP 主要是被动响应，而 MCP 专门为支持自主的 AI 工作流而设计，根据上下文，AI 智能体可以决定使用哪些工具、按什么顺序以及如何将它们串在一起来完成任务。MCP 还引入了人工参与的功能，允许人类提供额外的数据并批准执行。

以下是按照您的需求梳理的内容： 时间线 早期： 从图灵测试、早期的图灵机器人和 ELISA 开始，到 IBM 的语音控制打印机、完全由人工智能创作的小说、微软的同声传译系统。 近年来： OpenAI 发布 ChatGPT 模型，引发用户习惯从简单触控操作转向更复杂的长文本输入，未来可能延伸至长语音交互。 大模型创新方面，架构优化加速涌现，融合迭代成为趋势。Scaling Law 泛化，推理能力成为关键，倒逼计算和数据变革。AGI 探索中，视频生成点燃世界模型，空间智能统一虚拟和现实。 在应用方面，AI 在文科白领的个人助理、呼叫中心、文本处理和教育等领域表现出色，能完成 80%到 90%的工作；对于工科白领，特别是程序员，能简化代码检索和调整；在蓝领领域，自动驾驶取得显著进展。但在复杂任务方面仍有改进空间。 第一轮洗牌结束，聚焦 20 赛道 5 大场景，多领域竞速中运营大于技术，AI 助手成为竞争重点。AI+X 赋能类产品发展迅速，原生 AI 爆款难求。多模态上马，Agent 席卷一切，高度个性化呼之欲出。 人工智能发展经历了萌芽、积累沉淀到如今大模型和多模态模型百花齐放的阶段。大模型由数据、算法、算力构成，算法有技术架构的迭代，如英伟达的显卡辅助模型训练，数据质量对生成理想的大模型至关重要。 未来： 李沐预测技术发展可能催生出革命性的应用形态，但 AI 离真正变革世界还有一段距离。 预计 AI 在蓝领工作的初步应用至少需要 5 年时间。 AI 技术创新点： 大模型创新：架构优化加速涌现，融合迭代大势所趋。 Scaling Law 泛化：推理能力成皇冠明珠，倒逼计算和数据变革。 AGI 探索：视频生成点燃世界模型，空间智能统⼀虚拟和现实。 AI 技术的发展趋势： 模型架构不断优化和融合。 更加注重推理能力的提升。 探索 AGI 领域，实现虚拟和现实的统一。 应用格局不断洗牌，聚焦特定赛道和场景。 多模态和 Agent 技术的广泛应用。 对用户交互体验的改变： 用户习惯从简单触控操作转向更复杂的长文本输入，未来可能延伸至长语音交互。 AI 应用为用户提供辅助，在多个领域帮助完成任务。

以下是关于 AI 技术发展的相关内容： AI 技术发展时间线： 从图灵测试、早期的图灵机器人和 ELISA，到 IBM 的语音控制打印机、完全由人工智能创作的小说、微软的同声传译系统，再到 OpenAI 发布 ChatGPT 模型，经历了萌芽、积累沉淀到如今大模型和多模态模型百花齐放的阶段。 具体的 AI 模型产品： ChatGPT 改变了用户习惯，从简单触控操作转向更复杂的长文本输入，未来可能延伸至长语音交互。 具体的 AI 技术创新点： 大模型创新方面，架构优化加速涌现，融合迭代成为趋势。 Scaling Law 泛化，推理能力成为皇冠明珠，倒逼计算和数据变革。 AGI 探索中，视频生成点燃世界模型，空间智能统一虚拟和现实。 AI 技术的发展趋势： 大模型创新：架构优化加速涌现，融合迭代大势所趋。 应用格局：第一轮洗牌结束，聚焦 20 赛道 5 大场景。 应用竞争：多领域竞速运营大于技术，AI 助手兵家必争。 应用增长：AI+X 赋能类产品大干快上，原生 AI 爆款难求。 产品趋势：多模态上马，Agent 席卷一切，高度个性化呼之欲出。 智变千行百业：左手变革生产力，右手重塑行业生态。 行业渗透率：数据基础决定初速度，用户需求成为加速度。 创投：投融资马太效应明显，国家队出手频率提升。 对用户交互体验的改变： ChatGPT 使用户从简单触控操作转向更复杂的长文本输入，未来可能延伸至长语音交互。 在文科白领方面，AI 能完成 80%到 90%的工作，如个人助理、呼叫中心、文本处理和教育等领域。 对于工科白领，特别是程序员，AI 能简化代码检索和调整。 在蓝领领域，AI 在自动驾驶方面取得显著进展。

以下是关于最新的大模型发展趋势的相关内容： 决策模块方面：决策模块是具身智能系统的核心，早期依赖人工编程和专用算法，如今基于近端策略优化算法和 Qlearning 算法的强化学习方法在具身智能自主导航等任务中展现出更好的决策灵活性，但在复杂环境适应能力等方面仍有局限。大模型的出现极大增强了具身智能体的智能程度，提高了环境感知等能力。具身智能体的大模型发展方向是视觉语言动作模型（VLA）和视觉语言导航模型（VLN）。VLA 输入语言、图像或视频流，输出语言和动作；VLN 输入语言、图像或视频流，输出语言和移动轨迹。 应用场景方面：大模型因其强大能力在多个领域有出色表现，成为热点。包括文本生成和内容创作、聊天机器人和虚拟助手、编程和代码辅助、翻译和跨语言通信、情感分析和意见挖掘、教育和学习辅助、图像和视频生成、游戏开发和互动体验、医疗和健康咨询、法律和合规咨询等。随着技术进步和模型优化，未来可能拓展到更多领域，同时需注意隐私、安全和伦理挑战。 OpenAI 方面：OpenAI 推出新模型为行业注入强心剂，带来新活力和希望。结合其提出的通往 AGI 的分级，正在从第一级向第二级迈进，未来可能见证 AI 从生成工具向智能体转变。

大模型对话产品具有以下优点： 1. 具有强大的语言理解和生成能力。 2. 能够提供类似恋爱般令人上头的体验，具有一定的“想象力”和“取悦能力”。 3. 可以通过陪聊建立人和 AI 之间的感情连接，产品粘性不完全依赖技术优越性。 4. 能够为用户提供产品咨询服务，适用于有企业官网、钉钉、微信等渠道的客户。 5. 具有多种应用场景，如私有领域知识问答、个性化聊天机器人、智能助手等。 大模型对话产品也存在一些缺点： 1. 存在记忆混乱的问题。 2. AI 无法主动推动剧情，全靠用户脑补，导致用户上头期短，疲劳度高，长期留存低。 3. 无法回答私有领域问题（如公司制度、人员信息等）。 4. 无法及时获取最新信息（如实时天气、比赛结果等）。 5. 无法准确回答专业问题（如复杂数学计算、图像生成等）。

以下是将模型的输出存入到多维表中的步骤： 1. 逐步搭建 AI 智能体： 搭建整理入库工作流。 设置大模型节点提取稍后读元数据，使用 MiniMax 6.5s 245k，设置最大回复长度至 50000，以确保能完整解析长内容网页。 进行日期转时间戳，后续的飞书多维表格插件节点在入库日期字段时只支持 13 位时间戳，需要使用「日期转时间戳time_stamp_13」插件进行格式转化。 把稍后读元数据转换为飞书多维表格插件可用的格式，飞书多维表格插件目前（2024 年 08 月）只支持带有转义符的 string，以 Array<Object>格式输入，所以必须将之前得到的元数据数组进行格式转换。 添加「飞书多维表格add_records」插件，只需要设置{{app_token}}与{{records}}参数，将元数据写入飞书表格。 2. 搭建 Coze 工作流： 打开 Coze 的主页，登录后，在【工作空间】创建一个智能体。 在编排页面，给智能体编辑好人设，可先写一个简单的，然后点右上角自动优化，系统会自动补全更精细的描述。点击工作流的+，创建一个工作流。 大模型节点把 input 给到 DeepSeek，让 DeepSeek 按照提前规定的输出框架生成对应文案。 生图节点将输出给到图像生成组件画图。 结束输出时，两个输出给到最终的 end 作为最终的输出。注意在编写系统提示词时，如果需要 input 可被 DeepSeek 调用，需要用{{input}}作为参数引入，不然大模型不知道自己需要生成和这个 input 相关的结果。编排完，点击【试运行】，调试至满意后点击发布。

即梦 3.0 模型具有以下显著特点，这也是很多人认为它好用的原因： 1. 超真实： 质感提升：图片不再有磨皮过度的“假脸感”、“油腻感”，皮肤纹理、物品材质更自然。 情绪到位：人物表情不再僵硬或眼神空洞，能表现出更细腻、更有感染力的情绪，如开心、严肃、沮丧落泪等。 2. 超高清：默认能生成 1K 分辨率图片，还支持到 2K，画面更清晰，结构更准确。 3. 超专业： 影像大师：能更精准地理解电影类型（如恐怖片、爱情片、公路片）和镜头语言（如大特写、鱼眼镜头、俯视视角）。 动漫高手：动漫风格更多元（日漫、国漫、皮克斯风等），细节更丰富，色彩更统一，告别“抠图感”。 文字设计：不仅能准确生成大字、小字，还支持超多字体（细体、粗体、可爱体、毛笔字、涂鸦体等），排版更专业、更有设计感。 4. 超智能：能更好地理解自然语言描述，简单的指令也能出好图，支持“一句话 P 图”的自然语言编辑能力。 此外，即梦 3.0 在文字处理方面表现出色，不仅提升了大字的准确性、设计感和丰富度，还大幅解决了小字的稳定性问题。相比之下，在中文场景中，其他模型可能存在一些局限性，如 GPT4o 可能存在不识别某些中文字、难以生成特别设计感的字体等问题。而即梦 3.0 作为中文 AI 绘图模型，在中文的表现性上对国内用户更有用且友好。

以下是一些关于 AI 视频模型的排名信息： 腾讯混元视频生成模型：在开源 AI 视频中无可争议地处于 T0 级别，闭源模型中排在 T1 附近。其特点包括超强的真实质感、很强的语义理解和可以切换镜头。开源地址为：https://github.com/Tencent/HunyuanVideo 。普通用户可在腾讯元宝 APP 的 AI 应用中查看，可能需要申请资格，腾讯处理速度较快。 在 2025 年 2 月 24 日的 AI 视觉模型测评排行榜中： Pixverse 在文生视频方面获胜率达 70%，表现出色。 豆包在图生图方面效果良好，美感度较高，在中文模型中领先。 Request 模型在国外模型中表现出色，甚至超过 Midjourney。 Luma 模型是一匹黑马，在图生图方面表现不错。 Midjourney 常用，但在本次图生图的排行中未居前列。 此外，国内如混元、阶跃等模型开源，通义万象即将开源，开源有利于形成更好更强的生态。测评活动会联合多位小伙伴对 AI 模型进行测评，并根据结果了解模型的偏好和能力，榜单会在微信公众号发布且定期更新。

以下是一些常见的 AI 生图模型排名（从高到低）： 1. Imagen 3：真实感满分，指令遵从强。 2. Recraft：真实感强，风格泛化很好，指令遵从较好（会受风格影响）。 3. Midjourney：风格化强，艺术感在线，但会失真，指令遵从较差。 4. 快手可图：影视场景能用，风格化较差。 5. Flux.1.1：真实感强，需要搭配 Lora 使用。 6. 文生图大模型 V2.1L（美感版）：影视感强，但会有点油腻，细节不够，容易糊脸。 7. Luma：影视感强，但风格单一，糊。 8. 美图奇想 5.0：AI 油腻感重。 9. 腾讯混元：AI 油腻感重，影视感弱，空间结构不准。 10. SD 3.5 Large：崩。 此外，在相关的测评中： 豆包模型在图生图方面效果良好，美感度较高，在中文模型中遥遥领先。 Request 模型自某种风格出圈后很火，在国外模型中表现出色，甚至超过了 Midjourney。 Luma 在图生图方面表现不错，曾是第一个有出色转场效果的模型，在本次评测中是一匹黑马。 Pixverse 在文生视频的评测中获胜率达 70%，表现出乎意料。 Midjourney 常用，但在本次评测中图生图的排行未居前列。

以下是关于本地部署大模型以及选择是否使用云服务商的相关内容： 本地部署大模型的主要步骤： 1. 选择合适的部署方式，包括本地环境部署、云计算平台部署、分布式部署、模型压缩和量化、公共云服务商部署等，根据自身的资源、安全和性能需求进行选择。 2. 准备训练所需的数据和计算资源，确保有足够的训练数据覆盖目标应用场景，并准备足够的计算资源，如 GPU 服务器或云计算资源。 3. 选择合适的预训练模型作为基础，可以使用开源的预训练模型如 BERT、GPT 等，也可以自行训练一个基础模型。 4. 针对目标任务进行模型微调训练，根据具体应用场景对预训练模型进行微调训练，优化模型结构和训练过程以提高性能。 5. 部署和调试模型，将训练好的模型部署到生产环境，对部署的模型进行在线调试和性能优化。 6. 注意安全性和隐私保护，大模型涉及大量数据和隐私信息，需要重视安全性和合规性。 以 SDXL 为例的本地部署步骤： 1. SDXL 的大模型分为两个部分，base+refiner 是必须下载的，base 是基础模型，用于文生图操作；refiner 是精炼模型，用于对生成的模型进行细化，生成细节更丰富的图片。还有一个配套的 VAE 模型，用于调节图片的画面效果和色彩。 2. 想要在 webUI 中使用 SDXL 的大模型，首先要在秋叶启动器中将 webUI 的版本升级到 1.5 以上。 3. 将模型放入对应的文件夹中，base 和 refiner 放在“……\\sdwebuiakiv4.2\\models\\Stablediffusion”路径下；vae 放在“……\\sdwebuiakiv4.2\\models\\VAE”路径下。完成之后，启动 webUI，就可以在模型中看到 SDXL 的模型。 以 LLM 大语言模型为例的本地部署步骤： 1. 下载并安装 Ollama，点击进入根据电脑系统下载 Ollama：https://ollama.com/download ，下载完成后，双击打开，点击“Install”，安装完成后，将下方地址复制进浏览器中。如果出现下方字样，表示安装完成：http://127.0.0.1:11434/ 。 2. 下载 qwen2:0.5b 模型（0.5b 是为了方便测试，下载快，自己设备充足的话，可以下载更大的模型）。如果是 windows 电脑，点击 win+R，输入 cmd，点击回车；如果是 Mac 电脑，按下 Command（⌘）+Space 键打开 Spotlight 搜索，输入“Terminal”或“终端”，然后从搜索结果中选择“终端”应用程序。复制相关命令行，粘贴进入，点击回车，等待下载完成。 总的来说，部署大模型需要综合考虑多方面因素，包括部署方式、数据准备、模型训练、部署调试以及安全性等。需要根据具体需求选择合适的方法，并注意优化各个环节以提高模型性能和应用效果。

以下是一些可应用在课堂教学上的最新 AI 技术： 1. 智慧技术助理：为教师提供辅助，帮助教师在课前、课中、课后呈现新的教学样态，驱动学生高效和差异化学习。 2. 生成式人工智能：可用于为教师减负，例如辅助设计教学内容、生成提示词等。 3. 个性化学习支持：通过 AI 技术实现对学生的个性化学习支持，如智能评估学生的学习情况，为每个学生提供定制化的学习方案。 4. 教育过程和结果的结构化表征：利用 AI 进行分析，帮助教师更好地了解学生的学习过程和结果。 5. 多维度数据采集与评价：AI 可以整合行为、情感、认知等多维度数据，为学生绘制发展全景图，实现更全面的教育评价。 需要注意的是，AI 在教育中是“助手”而非“替代”，教师应充分利用这些成熟的技术促进教育变革。

以下是 AI 在教学中的一些最新应用： 1. MIT 为孩子开设免费的 AI 课程，涵盖了 AI 在跨学科领域的应用，如 AI 与气候、AI 与大学录取、AI 对美国大选的影响等。孩子们需要思考如何用气候数据写好故事、预测气候变换走向，从数据分析角度了解大学录取中的相关问题，以及识别 AI 深度伪造的新媒体材料等。 2. 张翼然提出用 AI 为教师减负，为有初步 AI 使用经验、渴望了解最新技术进展并交流的老师提供了相关技巧和分享。例如，在智慧技术助理加持下探索教学新样态，分享全球 AI 技术在教育界的新发展和应用案例。 3. 从 AI 助教到智慧学伴的应用探索中，提出调整教学理念，将 AI 作为教学辅助工具和合作伙伴。学习利用 AI 工具的优势应用于教学，如自动生成练习、个性化反馈等，同时确认输出质量。根据 AI 能力设计开放性作业，调整考核方式，继续发挥教师在提供情感支持、培养团队合作等方面的优势。

以下是生命科学领域有关 AI 的最新动向： 在医疗健康生物制药方面，AI 技术极大地加速了研究，在抗癌、抗衰老、早期疾病防治等方面发挥着重要作用。例如，AI 提前三年诊断胰腺癌；两名高中生与医疗技术公司合作发现与胶质母细胞瘤相关的新靶基因；AI 帮助抗衰老，筛查出高效的药物候选物；利用 AI 寻找阿尔兹海默症的治疗方法；通过神经网络分析患者体液中的生物标志物，早期诊断帕金森。 Nature Methods 主题特刊聚焦于 AI 在生物学中的应用，探讨了计算生物学多领域，强调高精度蛋白质结构预测成就，提及了 AI 在蛋白质组学数据分析中的应用、机器学习可解释性挑战，以及科研人员对 AI 工具培训的需求，同时探讨了 AI 与生物医学数据结合的新时代。 Flagship Pioneering 创始人 Noubar Afeyan 提出 AI for Science 的下一步是 MultiAgent，旨在实现类似自动驾驶的科研自动化，推动生命科学领域的革命性进展。

以下是 AI 在零售行业的一些有趣、实用且有建设性的最新应用： 1. 舆情、投诉、突发事件监测及分析：通过 AI 技术实时监测和分析消费者的反馈和市场动态，帮助企业及时做出应对策略。 2. 品牌营销内容撰写及投放：利用 AI 生成吸引人的营销文案，并精准投放到目标受众。 3. 自动化库存管理：基于历史销售数据和其他相关因素，预测未来的库存需求，优化库存配置，降低成本。 4. 自动生成或完成 SKU 类别选择、数量和价格分配：提高商品管理的效率和准确性。 5. 客户购物趋势分析及洞察：深入了解消费者的购物偏好和趋势，为企业的产品开发和营销策略提供依据。 此外，在医疗药品零售领域，AI 也有广泛的应用： 1. 药品推荐系统：根据用户购买记录和症状描述等数据，推荐合适的非处方药品和保健品，提高销售转化率。 2. 药品库存管理：分析历史销售数据、天气、疫情等因素，预测药品需求量，优化库存策略。 3. 药品识别与查询：借助计算机视觉技术，用户通过手机拍摄药品图像即可获取相关信息。 4. 客户服务智能助手：基于自然语言处理技术，回答顾客关于购药、用药、保健等常见问题。 5. 药店运营分析：分析销售、顾客流量、库存等大数据，发现潜在问题和优化空间。 6. 药品质量监控：利用机器视觉、图像识别等技术检测药品的包装、标签、颜色等是否合格。 7. 药品防伪追溯：利用区块链等技术实现全流程的药品溯源，保障药品供应链的安全和可信度。 总之，AI 技术在零售行业的应用能够提升购物体验、优化运营管理、降低成本，并为企业创造更多的价值。

以下是为您提供的最新 AI 即时信息和工具： 4 月 1 日 AI 资讯： 【AI 模型及应用】 OpenAI：将会开源一个推理模型，ChatGPT 即将推出推理强度控制选项，Gpt4o 生图能力面向免费用户。 Gemini 2.5 Pro：免费使用，任何人都可以使用 Canvas 进行编码和创作。 【AI 视频】 Higgsfield：发布 50 多个电影级摄影机动作预设，提升动态镜头表现力。 luma：为 Ray 2 引入摄像机运动概念，可基于预设镜头并组合编辑。 Remakes：支持基于用户上传图像直接编辑，并融合 Remade 视频特效，简化创意流程。 Meta：宣布推出 MoCha 系统，实现电影级说话角色合成效果。 【AI 3D】 HSMR：推出从单张图像重建人体 3D 骨骼和网格模型的系统。 krea：引入 AI 3D 生成能力，扩展其创意工具的功能范围。 PGC：推出基于物理的单一姿势高斯布料模拟技术，提升数字服装的真实感。 【AI 音频】 MiniMax Audio：发布全新 Speech02 语音模型，提升语音合成质量。 3 月 19 日 AI 资讯： 【AI 模型】 英伟达：发布全球首个开源人形机器人基础模型 Isaac GR00T N1 及相关 GTC 信息。 谷歌 Gemini：放出了两个功能 Canvas 和 Audio Overview。 【AI 视频】 STAbility AI：发布 Stable Virtual Camera，2D 图像转化 3D 视频。 Domo AI：推出“图片说话”功能，带口型匹配。 【AI 3D】 Roblox：推出 AI 3D 技术 Cube 3D。 Claude MCP Unity 版本推出。 【AI 音乐】 AI 音乐工具 Udio：推出 v1.5 Allegro。 LVAS Agent：基于多智能体协作的长视频音频合成。 获取 AI 资讯的渠道： 公众号：超时空视角、AI 替代人类。 小红书/抖音：EverAI。 B 站：Ever AI 酱（这里会有教程及 AI 工具界面操作）。 关于“通往 AGI 之路”知识库和社区平台： WaytoAGI（通往 AGI 之路）是一个致力于人工智能（AI）学习的中文知识库和社区平台。为学习者提供系统全面的 AI 学习路径，覆盖从基础概念到实际应用的各个方面。 汇集了上千个人工智能网站和工具，提供最新的 AI 工具、AI 应用、AI 智能体和行业资讯。 提供丰富的学习资源，包括文章、教程、工具推荐以及最新的 AI 行业资讯等。 社区定期组织活动，如视频挑战赛、模型创作大赛等，鼓励成员在实践中学习，促进交流与合作。 引领并推广开放共享的知识体系，倡导共学共创等形式，孵化了 AI 春晚、离谱村等大型共创项目。 在没有任何推广的情况下，WaytoAGI 一年时间已有超过 100 万用户和超千万次的访问量。 目前合作过的公司/产品包括阿里云，通义千问，淘宝，智谱，支付宝，豆包，火山引擎，marscode，coze，堆友，即梦，可灵，MiniMax 海螺 AI，阶跃星辰，百度，Kimi，吐司，liblib，华硕，美团，美的，360，伊利，魔搭，央视频，Civitai，Openart，Tripo3D，青椒云等。

以下是近期的 AI 资讯汇总： 4 月 1 日： 【AI 模型及应用】OpenAI 将会开源一个推理模型，ChatGPT 即将推出推理强度控制选项，Gpt4o 生图能力面向免费用户；Gemini 2.5 Pro 免费使用，任何人都可以使用 Canvas 进行编码和创作。 【AI 视频】Higgsfield 发布 50 多个电影级摄影机动作预设，提升动态镜头表现力；luma 为 Ray 2 引入摄像机运动概念，可基于预设镜头并组合编辑；Remakes 支持基于用户上传图像直接编辑，并融合 Remade 视频特效，简化创意流程；Meta 宣布推出 MoCha 系统，实现电影级说话角色合成效果。 【AI 3D】HSMR 推出从单张图像重建人体 3D 骨骼和网格模型的系统；krea 引入 AI 3D 生成能力，扩展其创意工具的功能范围；PGC 推出基于物理的单一姿势高斯布料模拟技术，提升数字服装的真实感。 【AI 音频】MiniMax Audio 发布全新 Speech02 语音模型，提升语音合成质量。 3 月 21 日： 【AI 绘画】网传神秘 Halfmoon 文本转图像模型为 Reve 对比 Midjourney 效果；Topaz Labs 推出 Gigapixel v8.3.0，将任何图像放大 16 倍；FLORA 引入 gemini 2.0 自然语言编辑图像能力。 【AI 视频】pika 超创内测“操控原视频中物体运动”能力；Krea 上线视频模型训练能力，可控制视频风格/动作/物体等。 【AI 3D】SpatialLM 用于空间理解的大型语言模型。 【AI 模型及应用】OpenAI 发布 2 个语音模型（文本转语音/语音转文本）+1 个演示网站；Claude 支持搜索功能。 3 月 14 日： 【AI 模型及其他】谷歌 Gemini 应用能力升级，包含升级推理模型 gemini 2.0、Flash Thinking Experimental 等多个功能提升；OpenAI 4 项更新；Bolt 一键将 Figma 设计转换为可运行的 Web 应用；阿里推出 AI 旗舰应用“新夸克”；360 智脑团队开源推理模型 LightR114BDS，复现 Deepseek 的强化学习效果。 【AI 视频】Pika 更新 Pikaffects，新增多款变身特效；Freepik 与 Fal 平台引入 Topaz AI 的提升“FPS 和视频分辨率”能力；Krea 上线 Veo 2 模型，支持图生视频功能，但生成成本较高。 【AI 绘图】LBM 用于快速图像到图像转换的潜在桥匹配方法，支持可控图像重新照明、角色去除和图像修复。 【AI 语音】Sesame 开源 TTS 语音模型 CSM1B。

以下是一些关于 prompt engineering 的好材料： 文本类 Prompt 网站： Learning Prompt：授人以渔，非常详尽的 Prompt 学习资源，包括 ChatGPT 和 MidJourney，网址： FlowGPT：国外做的最大的 prompt 站，内容超全面，更新快，网址： ChatGPT Shortcut：ChatGPT 提示词网站，提供了非常多使用模板，简单修改即可指定输出，网址： ClickPrompt：轻松查看、分享和一键运行模型，创建 Prompt 并与其他人分享，网址： Prompt Extend：让 AI 帮你自动拓展 Prompt，网址： PromptPerfect：帮你自动优化提示词，你可以看到优化前后的对比，网址： PromptKnit：The best playground for prompt designers，网址： PromptPort（支持中文）：AI Prompt 百科辞典，其中 prompts 是聚合了市场上大部分优质的 prompt 的词库，快速的寻找到用户需求 prompt，网址： Prompt Engineering Guide：GitHub 上点赞量非常高的提示工程指南，网址： Claude 3.7 核心提示词相关： 您可以在中找到他们往期开源的更多系统提示词，涵盖了从 Claude 3 Haiku 到现在所有的模型。 一泽 Eze 整理的相关学习资料： Claude 3.5 sonnet 内置提示词详细拆解与解说：https://mp.weixin.qq.com/s/0R4zgH3Gc5TAfAPY1oJU4A Anthropic 的三位顶级提示工程专家聊《如何当好的提示词工程师》：https://mp.weixin.qq.com/s/VP_auG0a3CzULlf_Eiz1sw 往期 Claude AI 核心系统提示词：https://docs.anthropic.com/en/releasenotes/systemprompts Claude 官方用户手册 提示工程指南：https://docs.anthropic.com/en/docs/buildwithclaude/promptengineering/overview Claude 官方提示库：https://docs.anthropic.com/en/promptlibrary/library 基本概念： 简单的提示词可以包含指令、问题等信息，也可以包含上下文、输入或示例等详细信息，以更好地指导模型获得更好的结果。 当使用 OpenAI 的聊天模型时，可以使用 system、user 和 assistant 三个不同的角色来构建 prompt，system 有助于设定 assistant 的整体行为。 提示工程就是探讨如何设计出最佳提示词，用于指导语言模型帮助我们高效完成某项任务。

以下是捏制一个满足您需求的 AI Agent 的操作步骤： 1. 规划： 制定任务的关键方法，总结任务目标与执行形式。 将任务分解为可管理的子任务，确立逻辑顺序和依赖关系。 设计每个子任务的执行方法。 2. 实施： 在 Coze 上搭建工作流框架，设定每个节点的逻辑关系。 详细配置子任务节点，并验证每个子任务的可用性。 3. 完善： 整体试运行 Agent，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。 AI Agent 相关概念： AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。 Chain：通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 Router：可以使用一些判定（甚至可以用 LLM 来判定），然后让 Agent 走向不同的 Chain。例如：如果这是一个图片，则 a；否则 b。 Tool：Agent 上可以进行的一次工具调用。例如，对互联网的一次搜索，对数据库的一次检索。 常见的 AI Agent 类型包括： Responser Agent：主 agent，用于回复用户（伪多模态）。 Background Agent：背景 agent，用于推进角色当前状态（例如进入下一个剧本，抽检生成增长的记忆体）。 Daily Agent：每日 agent，用于生成剧本，配套的图片，以及每日朋友圈。 Background Agent 每隔一段时间运行一次（默认 3 分钟），分析期间的历史对话，变更人物关系（亲密度，了解度等），变更反感度，如果超标则拉黑用户，抽简对话内容，提取人物和用户的信息成为“增长的记忆体”，按照时间推进人物剧本，有概率主动聊天（与亲密度正相关，跳过夜间时间）。

以下是为您提供的关于捏制 AI Agent 的相关知识： 一、手捏 AI Agent 的思路 在 Coze 中创建工作流驱动的 AI Agent，简单情况可分为 3 个步骤： 1. 规划 制定任务的关键方法。 总结任务目标与执行形式。 将任务分解为可管理的子任务，确立逻辑顺序和依赖关系。 设计每个子任务的执行方法。 2. 实施 在 Coze 上搭建工作流框架，设定每个节点的逻辑关系。 详细配置子任务节点，并验证每个子任务的可用性。 3. 完善 整体试运行 Agent，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。 二、AI Agent 的概念 AI Agent 是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。 AI Agent 包括以下几个概念： 1. Chain：通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 2. Router：可以使用一些判定（甚至可以用 LLM 来判定），然后让 Agent 走向不同的 Chain。例如：如果这是一个图片，则 a；否则 b。 3. Tool：Agent 上可以进行的一次工具调用。例如，对互联网的一次搜索，对数据库的一次检索。 同时，需要三个 Agent： Responser Agent：主 agent，用于回复用户（伪多模态）。 Background Agent：背景 agent，用于推进角色当前状态（例如进入下一个剧本，抽检生成增长的记忆体）。 Daily Agent：每日 agent，用于生成剧本，配套的图片，以及每日朋友圈。 三、Agent 的“明斯基时刻” 心灵社会理论认为，智能是由许多简单的 Agent（分等级、分功能的计算单元）共同工作和相互作用的结果。这些 Agent 在不同层次上执行不同的功能，通过协作实现复杂的智能行为。 其特点包括： 1. 多重层次：心灵社会将智能划分为多个层次，从低层次的感知和反应到高层次的规划和决策，每个层次由多个 Agent 负责。 2. 功能模块：每个 Agent 类似于功能模块，专门处理特定类型的信息或执行特定任务，如视觉处理、语言理解、运动控制等。 3. 分布式智能：智能不是集中在单一的核心处理单元，而是通过多个相互关联的 Agent 共同实现。这种分布式智能能够提高系统的灵活性和鲁棒性，应对复杂和多变的环境。 同时，在《心灵社会》中，明斯基还详细描述了不同类型的 Agent 及其功能： 专家 Agent：拥有特定领域知识和技能的 Agent，负责处理复杂的任务和解决特定问题。 管理 Agent：协调和控制其他 Agent 的活动，确保整体系统协调一致地运行。 学习 Agent：通过经验和交互，不断调整和优化自身行为，提高系统在不断变化环境中的适应能力。

以下是为您提供的提示词学习材料： 一、关于提示词的一般理解 提示词（Prompt）是给大语言模型的输入文本，用于指定模型应执行的任务和生成的输出。它发挥着“提示”模型的作用，设计高质量的提示词需根据目标任务和模型能力精心设计，良好的提示词能让模型正确理解需求并给出符合预期的结果。示例包括直接提问型、策略建议型、翻译型、算数型、概念解释型等。 二、系统学习 Stable Diffusion 提示词的步骤 1. 学习基本概念 了解 Stable Diffusion 的工作原理和模型架构。 理解提示词如何影响生成结果。 掌握提示词的组成部分（主题词、修饰词、反面词等）。 2. 研究官方文档和教程 通读 Stable Diffusion 官方文档，了解提示词相关指南。 研究来自开发团队和专家的教程和技巧分享。 3. 学习常见术语和范例 熟悉 UI、艺术、摄影等相关领域的专业术语和概念。 研究优秀的图像标题和描述，作为提示词范例。 4. 掌握关键技巧 学习如何组合多个词条来精确描述想要的效果。 掌握使用“（）”、“”等符号来控制生成权重的技巧。 了解如何处理抽象概念、情感等无形事物的描述。 5. 实践和反馈 使用不同的提示词尝试生成各种风格和主题的图像。 对比提示词和实际结果，分析原因，总结经验教训。 在社区内分享结果，请教高手，获取反馈和建议。 6. 创建提示词库 根据主题、风格等维度，建立自己的高质量提示词库。 将成功案例和总结记录在案，方便后续参考和复用。 7. 持续跟进前沿 关注 Stable Diffusion 的最新更新和社区分享。 及时掌握提示词的新技术、新范式、新趋势。 三、Claude 3.7 核心提示词相关资源 Anthropic 定期对外更新 Claude AI 的核心系统提示词，为广大提示工程师提供了宝贵的学习资料。您可以在以下链接中找到更多相关内容： 1. 中找到他们往期开源的更多系统提示词，涵盖了从 Claude 3 Haiku 到现在所有的模型。 2. Claude 3.5 sonnet 内置提示词详细拆解与解说：https://mp.weixin.qq.com/s/0R4zgH3Gc5TAfAPY1oJU4A 3. Anthropic 的三位顶级提示工程专家聊《如何当好的提示词工程师》：https://mp.weixin.qq.com/s/VP_auG0a3CzULlf_Eiz1sw 4. 往期 Claude AI 核心系统提示词：https://docs.anthropic.com/en/releasenotes/systemprompts 5. Claude 官方用户手册 提示工程指南：https://docs.anthropic.com/en/docs/buildwithclaude/promptengineering/overview 6. Claude 官方提示库：https://docs.anthropic.com/en/promptlibrary/library

发布 AI 音乐通常需要准备以下材料： 1. 音频文件：确保音频质量良好。 2. 歌词： 文本歌词需做成 TXT 格式上传。 可通过自带功能将文本歌词同步为逐字歌词 TRC，修正错别字后提交。 3. 描述音乐风格：如民谣、流行、嘻哈、国风等。 4. 若为人声歌曲，还需准备歌词：可以自己创作，也可让 AI 帮忙写作。 5. 选择音乐库中的合适音乐。 此外，在一些相关教程中还提到： 收藏过的满意音乐素材、音效素材以及抖音里收藏的音乐。 音效库方面，可通过搜索相应音效，如开门声，并添加到音轨。

以下是关于 MPC 的相关材料： Claude 直接连接到 GitHub、创建新存储库并通过简单的 MCP 集成创建 PR。Anthropic 推出模型上下文协议（MCP），Claude Desktop 现在可以直接连接到 GitHub、创建新的存储库并创建 PR。 具身智能算法层中，模型预测控制（MPC）通过预测未来系统行为来做出决策，在未来的一个给定时间窗口内解决一个最优化问题，以寻找控制输入，最小化成本并满足约束。MPC 需要系统模型、成本函数、预测时间段、约束和反馈来运作，通过预测未来情况，机器人可产生相应动作进行“预判”，一定程度上加大机器人实用性。以足式机器人为例，可将 MPC 用于全身控制，能协调身体各部分，通过观测地面环境提前给出控制量，减缓欠驱动状态下系统的不稳定性，减少接触模态干扰，增强四足稳定性。此类路线的代表为波士顿动力，优点是传统算法可靠性高、可解释性强，缺点是对于 corner case（如光滑地面）处理不好。 11 月 25 日，Anthropic 发布开源 MCP 协议，其亮点是定义了一套标准且相对完善的协议，对大模型和应用的生态协同有很大指导意义，本质上是对 LLM 和 API 调用层的优化。