怎么学习ai应用

以下是一些主要从事数据处理，将文档转化为 AI 可理解内容的公司： 在基础模型领域，有 OpenAI、Google、Cohere、AI21、Stability.ai 等公司，它们在构建大型语言模型方面展开竞争。此外，还有新兴的开源选项如 Eleuther。 像 Hugging Face 这种共享神经网络模型的社群，在软件 2.0 时代可能成为智慧的枢纽和人才中心。 还有一些独立应用公司，例如 Jasper（创意文案）、Synthesia（合成语音与视频）等，它们涉及 Creator&Visual Tools、Sales&Marketing、Customer Support、Doctor&Lawyers、Assistants、Code、Testing、Security 等各种行业。

部署本地 AI 可以参考以下内容： 1. 平台选择： 线上平台：出图速度快，不吃本地显卡配置，无需下载大模型，能参考其他创作者作品，但出图尺寸受限。 线下平台：可添加插件，不卡算力，出图质量高，但使用时电脑可能宕机，配置不高可能爆显存导致出图失败。 建议充分发挥线上和线下平台的优势，线上找参考、测试模型，线下作为主要出图工具。 2. 开始方式： 本地部署：如果电脑是 M 芯片的 Mac 电脑或 2060Ti 及以上显卡的 Windows 电脑，可以选择本地部署，强烈建议在配有 N 卡的 Windows 电脑上进行。 在线平台：电脑不符合要求的可使用在线工具，在线工具分为在线出图和云电脑两种，根据实际情况选择。 配台电脑：不建议一开始就配主机，玩几个月后还有兴趣再考虑，主机硬盘要大，显卡在预算内买最好。 3. 具体步骤（以把大模型接入小米音箱为例）： 第四步：填写 API 服务，如智普、硅基等，其他模型的 API 端口参考官方文档。 第五步：语音服务，可参考官方说明，若有问题可自行尝试并反馈。 第六步：启动服务，在最上方可导出编辑内容为 json 格式，每次调整设置都需重置后重新启动，建议回答完毕后增加结束提示语以提高连续对话稳定性。 希望以上内容对您有所帮助。

国内 AI 应用发展迅速，在多个领域取得了突破： 早期应用：主要基于 NLP 技术，如聊天机器人和客服机器人。随后，中英文翻译、语音识别、人脸识别等技术取得突破，应用广泛，如语音助手、智能翻译设备、人脸识别支付系统等。但这些技术突破大多限于特定领域，模型应用范围相对狭窄。 新发展路线：OpenAI ChatGPT 等大型语言模型展示了新方向，通过大规模模型预训练，涌现出多功能于一体的智能应用。 编程工具：字节的 Trae 是很厉害的 AI 编程工具，国内版已上线，支持多款模型。目前处于公测阶段免费，能让不懂技术的人开发简单应用程序，未来超级产品经理或成为现实。 图像类产品： 可灵：由快手团队开发，用于生成高质量图像和视频，图像质量高，最初采用内测邀请制，现开放使用，价格相对较高，有不同收费选项。 通义万相：作为国产 AI 工具，在中文理解和处理方面出色，可选择多种艺术和图像风格，生成图像质量高、操作界面简洁直观、用户友好度高，可与阿里其他产品和服务无缝整合，目前免费，但存在一些局限性，如某些类型图像无法生成、处理非中文或国际化内容可能不够出色等。

以下是关于训练 AI 智能体的一些信息： 1. 可以将一些创新的 prompt 融入工作流中，以更高效地训练智能体。这种方法不仅能改进现有的大语言模型，还能探索新的应用领域，实现低成本、高效能和模型效益最大化，突破单纯依赖算法的方式。 2. 采用流式训练方式提升训练速度和质量，例如将孔明灯换成泡泡，基于 Transformer 模型进行流匹配，这种方式优于扩大模型。 3. 利用多种 AI 生成工具，如输入简单提示词就能创作音乐的 so no 音频生成工具，能创建个人 AI 智能体的豆包，输入文本可生成播客的 Notebook LN。 4. 了解 AI 工程平台，如 define 等，涉及数据清洗管道、数据存储和检索、编辑生成平台、构建 prompt 技巧、智能体概念、插件调用、运维平台、模型层和缓存机制等，还能接入多家大模型。以 coach 平台为例，新版本有很多模板，有众多插件工具，包括必应搜索、链接读取、代码执行器等，还有工作流，可创建应用 APP，有新手教程和文档，可创建智能体，通过工作流节点调用和 prompt 构建提示词，还能调用插件、图像流、知识库等，商城中有各种智能体和插件模板，知识库可添加多种格式内容。 5. 了解一些为大模型提供数据、企业模型和算力服务的平台，如魔搭社区等，有按任务划分的模型库、数据集和在线应用供体验。

Mermaid 是一款用于创建各种图表的工具，它支持多种类型的图表，如思维导图、时序图、UML 图等。以下是关于 Mermaid 编辑工具的一些信息： 可以使用 Mermaid 语法创建简单的思维导图，例如：GRAPH CODE 判断 大语言模型 自然语言处理 机器学习 深度学习 执行 文本分析 情感分析 算法优化 神经网络 结束。 可用于将代码转化为图表，如在“code to diagram”的搜索结果中，Mermaid 不仅支持十几种图像，还提供了在线编辑器，生成器的网址为：https://mermaid.live/ 。 可以通过 ChatGPT 结合自然语法生成 Mermaid 图形语法，生成流程包括确定制作目标、通过自然语言描述逻辑、在线校验测试是否成功。例如，要求 ChatGPT 基于给定内容生成高速公路上车辆切入场景的时序图。

以下是零基础学习 AI 的建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 对于中学生学习 AI，建议如下： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始学习，学习编程语法、数据结构、算法等基础知识。 2. 尝试使用 AI 工具和平台： 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识： 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目： 参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态： 关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 总之，无论是零基础还是中学生，学习 AI 可以从编程基础、工具体验、知识学习、实践项目等多个方面入手，全面系统地学习 AI 知识和技能。

MCP（模型上下文协议）是由 Anthropic 于 2024 年 11 月推出的一项创新标准。它旨在实现大语言模型与第三方数据源的无缝连接，通过支持内容存储库、业务工具和开发环境等多种外部服务，让 AI 模型获取更丰富的上下文信息，从而生成更加精准、相关的智能回答。 Lark 认为，用一句话概括，MCP 是一种通用的方式，向各类大语言模型提供数据源和工具。官网解释：MCP 是一个开放协议，用于标准化应用程序向大语言模型提供上下文的方式，可以将其想象成 AI 应用程序的 USBC 接口。 此外，还有文章介绍了如何通过 MCP 连接 Claude 3.7 与 Blender，实现一句话生成 3D 场景的功能。随着 MCP 的崛起，AI 不再是数据孤岛，未来的 AI 智能体将能自主完成更复杂的任务，开启创作的新纪元。

以下是关于系统学习 Stable Diffusion 的相关内容： 学习 Stable Diffusion 的提示词是一个系统性的过程，需要理论知识和实践经验相结合。具体步骤如下： 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，如主题词、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。 此外，Stable Diffusion 是一个 AI 自动生成图片的软件，通过输入文字就能生成对应的图片。学习 Stable Diffusion 非常简单，不需要深入了解其原理也能熟练使用。 Stable Diffusion 是一种扩散模型的变体，称为潜在扩散模型。其核心组件包括将用户输入的 Prompt 文本转化成 text embedding 的 CLIP、VAE EncoderDecoder 以及进行迭代降噪和在文本引导下进行多轮预测的 UNET 等。在训练和模型方面，有多种模型实例、训练方法、格式等，如 SD1.5、SDXL 等，还包括融合模型等形式。

以下是 0 基础学习 AI 的方法： 1. 了解 AI 基本概念： 建议阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的定义、主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，能找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库有很多大家实践后的作品、文章分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 对于中学生学习 AI，建议如下： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始，学习编程语法、数据结构、算法等基础知识。 2. 尝试使用 AI 工具和平台： 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识： 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目： 参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态： 关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 此外，还有二师兄的 AI 学习经历供您参考： 二师兄来自上海，是典型的 80 后，房地产行业从业二十年，计算机零基础。2024 年： 一月：买了 4070TiSuper 显卡配 4K160 显示器，备战游戏。 二月：在七彩虹售后群老哥的分享下，要了 SD 秋叶安装包，下载教学视频，迈出 AI 学习第一步。 三月：啃完 SD 的所有教程，炼丹，因图片数据集质量一般，lora 仅供自嗨。 四月：与小伙伴探讨 AI 变现途径，尝试用 GPT 和 SD 制作图文故事绘本、小说推文项目，因组员忙而不了了之，但练了一些绘本风格的丹。 五月：因工作变动，电脑运回家，在无硬件支持下加入 Prompt battle 社群，开始 Midjourney 的学习，打磨文生图提示词学习。

以下是一些学习提示词工程的优质教程推荐： 1. 小七姐的“Prompt Engineering a Prompt Engineer 精读翻译”： 提供了提示词工程的在线教程。 将提示词工程的任务分解为两个步骤，并在元提示词中明确这两个步骤，提前传达期望。 为鼓励模型仔细检查示例，指导提案模型回答一系列问题。 明确提示词在不同上下文中与输入的相互作用。 2. 歸藏翻译的“简单易懂，强烈推荐 Codesignal 提示工程教程1”： 通俗易懂，给出丰富实践经验。 课程地址：https://learn.codesignal.com/preview/coursepaths/16/promptengineeringforeveryone 。 3. “GPT1 到 Deepseek R1 所有公开论文 The 2025 AI Engineer Reading List”中的第 3 节： 推荐了 Lilian Weng、Eugene Yan、Anthropic 的《提示工程教程》和《人工智能工程师工作坊》。

提示工程（Prompt Engineering）是人工智能领域中，特别是在自然语言处理（NLP）和大型语言模型（LLMs）的上下文中一个相对较新的概念。 其关键点包括： 1. 精确性：通过精确的提示，提高 AI 模型输出的相关性和准确性。 2. 创造性：需要创造性地思考如何构建问题或请求，以激发 AI 模型的特定能力。 3. 迭代：通常需要多次尝试和调整提示，以获得最佳结果。 4. 上下文理解：提示需要包含足够的上下文信息，以便 AI 模型能够理解并执行所需的任务。 提示词通常指的是直接输入到 AI 模型中的问题、请求或指示，它们是提示工程的一部分。提示词可以简单，也可以复杂。 提示工程与提示词的区别在于：提示词是实际输入到 AI 系统中的具体文本，用以引导模型的输出。提示工程则是一个更广泛的概念，不仅包括创建提示词，还涉及理解模型的行为、优化提示以获得更好的性能、以及创造性地探索模型的潜在应用。提示工程的目标是最大化 AI 模型的效用和性能，而提示词是实现这一目标的手段之一。 在实际应用中，提示工程的提示开发生命周期包括： 1. 开发测试用例：在定义任务和成功标准之后，创建一组多样化的测试用例，涵盖应用程序的预期用例，包括典型示例和边界情况，以确保提示具有鲁棒性。提前定义好的测试用例将使您能够客观地衡量提示与成功标准的表现。 2. 设计初步提示：制定一个初步的提示，概述任务定义、良好响应的特征，以及所需的上下文。理想情况下，添加一些规范输入和输出的示例供参考。这个初步提示将作为改进的起点。 3. 根据测试用例测试提示：使用初步提示将测试用例输入到模型中。仔细评估模型的响应与预期的输出和成功标准是否一致。使用一致的评分标准，无论是人工评估、与答案标准的比较，甚至是基于评分标准的模型判断。关键是要有一种系统性的评估性能的方式。 请注意，以上内容由 AI 大模型生成，请仔细甄别。

以下是一些效果较好的对口型、换脸、配音的 AI 应用： Runway：网址为 https://runwayml.com ，有网页和 app 方便使用。工具教程： 即梦：网址为 https://dreamina.jianying.com/ ，是剪映旗下产品，生成 3 秒，动作幅度有很大升级，有最新 S 模型和 P 模型。工具教程： Minimax 海螺 AI：网址为 https://hailuoai.video/ ，非常听话，语义理解能力非常强。视频模型： Kling：网址为 kling.kuaishou.com ，支持运动笔刷，1.5 模型可以直出 1080P30 帧视频。视频模型： Vidu：网址为 https://www.vidu.studio/ haiper：网址为 https://app.haiper.ai/ Pika：网址为 https://pika.art/ ，可控性强，可以对嘴型，可配音。工具教程： 智谱清影：网址为 https://chatglm.cn/video ，开源了，可以自己部署 cogvideo。工具教程： PixVerse：网址为 https://pixverse.ai/ ，人少不怎么排队，还有换脸功能。工具教程： 通义万相：网址为 https://tongyi.aliyun.com/wanxiang/ ，大幅度运动很强。 luma：网址为 https://lumalabs.ai/ 即梦 AI 对口型的相关教程： 功能介绍：「对口型」是即梦 AI「视频生成」中的二次编辑功能，现支持中文、英文配音。目前主要针对写实/偏真实风格化人物的口型及配音生成，为用户的创作提供更多视听信息传达的能力。可上传包含完整人物面容的图片，进行视频生成，待视频生成完成后，点击预览视频下的「对口型」按钮，输入台词并选择音色，或上传配音文件进行对口型效果生成。目前支持语言：中文（全部音色），英文（推荐「超拟真」内的音色） 技巧：上传写实/近写实的人物单人图片，目前不支持多人物图片对口型；输入 prompt，选择参数，点击生成视频，尽量确保人物无形变等扭曲效果；确保人物生成的情绪与希望匹配的口型内容匹配；在生成的视频下方，点击【对口型】；输入或上传需要配音的内容，注意视频生成时长和配音试听时长尽量对齐，点击生成。先对口型，再超分补帧 关于 AI 短片的相关信息： AI 图片与视频生成的新能力与应用： 图片编辑功能：Midjourney 新增本地图片上传编辑入口，可进行局部重绘、扩图和风格转换等操作。 视频生成模型：解梦新出 p 模型和 s 模型，p 模型支持人物多动作和变焦，易改变画风；s 模型生成速度快、积分消耗少，能保持原始画风但语义理解有限。 特效玩法：皮卡和 Pixforce 有特效玩法，如人物爆炸、漂浮等，可用于优化视频效果。 视频转会：Runway 的 GN3 模型支持上传视频并转换风格，可用于实现多元宇宙等风格穿梭的片子，也能将简单场景转换为难以拍摄的场景。 视频生成中的角色生视频技术： 角色生视频突破关键帧限制：当前视频生成多依赖关键帧，而角色生视频不再是关键帧输入，而是直接传入角色本身，可更灵活生成视频，如让小男孩从左跑到右。 多角色参考生成创意视频：支持上传多张图，最多三张，可将人物、衣服、背景等元素融合生成视频，如小男孩穿裙子在宇宙飞。 角色对口型技术：如吉梦的对口型技术，支持文本朗诵和本地配音，能根据输入生成人物开口讲话的视频，但有上传人物长相等限制。 不同工具的角色生视频效果：对比了吉梦、Runway 等工具的角色生视频效果，如 Runway 的 x one 在身体、头部、眼神动态上表现更好。 角色生视频的应用场景：可用于规避机器人念台词的尴尬瞬间，让机器人有更丰富的表情和神态。 角色生视频的未来发展：未来视频生成将摆脱纯关键帧方式，采用多模态信息输入，如定义角色和场景的三视图等。

目前不太明确您所说的“trae”是什么。如果您指的是某种特定的 AI 工具或技术，需要更详细准确的信息才能确定其在安卓应用场景中的情况以及是否能用于画 UI 。一般来说，有许多专门用于 UI 设计的 AI 工具和技术，但具体是否适用还需根据其功能和特点来判断。

以下是一些在国内可用且功能强大的视频生成工具： 1. VIGGLE：可以直接通过文字描述让任何静态图动起来，能做各种动作，如跳舞等。其核心技术基于 JST1 模型，能理解真实世界的物理运动原理，生成的视频很真实，还能直接文字生成视频，进行各种角色混合和动作替换。核心功能包括可控制的视频生成、基于物理的动画、3D 角色和场景创建。 2. Pika：非常出色的文本生成视频 AI 工具，擅长动画制作，并支持视频编辑。 3. SVD：如果熟悉 Stable Diffusion，可以直接安装这款最新的插件，在图片基础上直接生成视频。 4. Runway：老牌 AI 视频生成工具，提供实时涂抹修改视频的功能，但需要收费。 5. Kaiber：视频转视频 AI，能够将原视频转换成各种风格的视频。 6. Sora：由 OpenAI 开发，可以生成长达 1 分钟以上的视频。 此外，还有以下根据视频脚本生成短视频的工具： 1. ChatGPT + 剪映：ChatGPT 生成视频小说脚本，剪映根据脚本自动分析出视频中需要的场景、角色、镜头等要素，并生成对应的素材和文本框架。 2. PixVerse AI：在线 AI 视频生成工具，支持将多模态输入（如图像、文本、音频）转化为视频。 3. Pictory：AI 视频生成器，允许用户轻松创建和编辑高质量视频，用户提供文本描述即可生成相应的视频内容。 4. VEED.IO：提供了 AI 图像生成器和 AI 脚本生成器，帮助用户从图像制作视频，并规划从开场到结尾的内容。 5. 艺映 AI：专注于人工智能视频领域，提供文生视频、图生视频、视频转漫等服务，用户可以根据文本脚本生成视频。 这些工具各有特点，适用于不同的应用场景和需求，您可以根据自己的具体情况进行选择。需要注意的是，内容由 AI 大模型生成，请仔细甄别。

在降本增效的情况下，建筑设计院是自己开发 AI 还是应用现有的 AI，需要综合多方面因素来考虑。 现有的 AI 工具已经在很多领域带来了显著的优势，例如： 1. 提高效率：能够快速产生创意效果和设计方案。 2. 丰富设计效果：极大地丰富了设计自由度，实现各种创意。 3. 拓展工作流程：促使设计工作流程重新组合再造，拓展设计师的思维边界。 同时，也有一些专门针对建筑设计的现有 AI 工具，比如： 1. HDAidMaster：云端工具，在建筑、室内和景观设计领域表现出色，搭载自主训练的建筑大模型，软件 UI 和设计成果颜值在线。 2. Maket.ai：面向住宅行业，在户型和室内软装设计方面有 AI 技术探索，能根据输入需求自动生成户型图。 3. ARCHITEChTURES：AI 驱动的三维建筑设计软件，在住宅设计早期阶段可引入标准和规范约束设计结果。 4. Fast AI 人工智能审图平台：形成全自动智能审图流程，能实现建筑全寿命周期内信息的集成与管理。 然而，自己开发 AI 也有其潜在的好处，比如可以更精准地满足设计院的特定需求和业务特点。但开发 AI 需要投入大量的资源和时间，包括技术人才、资金、研发周期等。 综上所述，建筑设计院应根据自身的技术实力、资源状况、业务需求的独特性等因素来权衡选择。如果资源有限且现有工具能满足大部分需求，应用现有的 AI 可能是更好的选择；如果对特定功能有极高的要求且有足够的能力和资源支持，自己开发 AI 也未尝不可。

对于从未接触过 AI 技术但会打字的新手，以下是学习 AI 及应用的建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 2. 开始 AI 学习之旅： 在「」中，找到为初学者设计的课程，特别推荐李宏毅老师的课程。 通过在线教育平台（如 Coursera、edX、Udacity）上的课程，按照自己的节奏学习，并有机会获得证书。 3. 选择感兴趣的模块深入学习： AI 领域广泛，比如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库中有很多实践后的作品、文章分享，欢迎实践后分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 此外，如果您想深入了解 AI 的技术历史和发展方向，以及目前最前沿的技术点，有以下学习路径： 1. 偏向技术研究方向： 数学基础：线性代数、概率论、优化理论等。 机器学习基础：监督学习、无监督学习、强化学习等。 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 自然语言处理：语言模型、文本分类、机器翻译等。 计算机视觉：图像分类、目标检测、语义分割等。 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 科研实践：论文阅读、模型实现、实验设计等。 2. 偏向应用方向： 编程基础：Python、C++等。 机器学习基础：监督学习、无监督学习等。 深度学习框架：TensorFlow、PyTorch 等。 应用领域：自然语言处理、计算机视觉、推荐系统等。 数据处理：数据采集、清洗、特征工程等。 模型部署：模型优化、模型服务等。 行业实践：项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。