“通往 AGI 之路”是一个由开发者、学者和有志人士等参与的学习社区和开源的 AI 知识库。其目的包括： 1. 以“无弯路，全速前进”为目标，助力每一个怀揣 AI 梦想的人疾速前行。 2. 为学习者提供系统全面的 AI 学习路径，涵盖从基础概念到实际应用的各个方面，帮助用户有效地获取 AI 知识，提高自身能力。 3. 是连接学习者、实践者和创新者的社区，让大家在这里碰撞思想，相互鼓舞，一同成长。 4. 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，并定期组织活动，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。 其品牌 VI 融合了独特的设计元素，以彩虹色彰显多元性和创新，以鹿的形象象征智慧与优雅，通过非衬线字体展现现代感和清晰性，共同构建了一个充满活力和前瞻性的品牌形象。

LangChain 是一个用于构建高级语言模型应用程序的框架，具有以下特点和功能： 1. 旨在简化开发人员使用语言模型构建端到端应用程序的过程，提供了一系列工具、组件和接口，使创建由大型语言模型（LLM）和聊天模型支持的应用程序更轻松。 2. 核心概念包括组件和链，组件是模块化的构建块，可组合创建强大应用，链是一系列组件或其他链的组合，用于完成特定任务。 3. 主要特点包括： 模型抽象：提供对大型语言模型和聊天模型的抽象，便于开发人员选择合适模型并利用组件构建应用。 提示模板和值：支持创建和管理提示模板。 链：允许开发人员定义一系列处理步骤以完成复杂任务。 代理：支持构建代理，能使用语言模型做决策并调用工具。 4. 支持多种用例，如针对特定文档的问答、聊天机器人、代理等，可与外部数据源交互并提供内存功能维护状态。 5. 为开发人员提供强大工具集，构建适应性强、高效且能处理复杂用例的高级语言模型应用程序。 此外，LangChain 允许开发者将语言模型与应用程序连接起来，使应用程序能够嵌入大模型的能力。它是一个为简化大模型应用开发而设计的开源框架，注重简化开发流程，支持广泛的模型，具备良好的可扩展性，拥有活跃的贡献者和持续更新，提供全面文档和示例代码，充分考虑应用安全性和用户数据隐私保护，是多语言支持的灵活框架，适用于各种规模项目和不同背景的开发者。LangChain 官方手册：https://python.langchain.com/docs/get_started/introduction/

目前市场上有一些好用的语音转写 AI 工具，例如： 1. 讯飞听见：具有较高的语音识别准确率，支持多种语言和方言。 2. 百度语音转写：依托百度的技术实力，能提供较为准确和快速的转写服务。 3. 腾讯云语音识别：具备强大的语音处理能力，适用于多种场景。 您可以根据自己的具体需求和使用场景选择适合的语音转写 AI 工具。

要获得一个 AI 工具，您可以参考以下几个方面： 1. 明确目标和需求：确定您使用 AI 工具的目的，例如是用于网站制作、图片处理、写作还是其他方面，以及所需的具体功能。 2. 考虑预算：有些工具提供免费计划或试用版，但高级功能可能需要付费订阅。 3. 易用性：选择符合您技术水平的工具，确保能够轻松使用和管理。 4. 自定义选项：检查工具是否提供足够的自定义选项，以满足您的设计和功能需求。 5. 支持和资源：查看是否有足够的客户支持和学习资源，如教程、社区论坛等，以帮助您解决问题。 以下为您列举一些常见的 AI 工具： 1. 网站制作：10Web、Framer、Hostinger、Landingsite 等。 2. 图片处理：DallE、Leonardo、BlueWillow、Midjourney 等。 3. 版权写作：Rytr、Copy AI、Wordtune、Writesonic 等。 4. 设计：Canva、Clipdrop、Designify、Microsoft Designer 等。 5. 视频处理：Klap、Opus、Invideo、Heygen 等。 6. 音频处理：Murf、LovoAI、Resemble、Eleven Labs 等。 7. SEO 优化：Alli AI、BlogSEO、Seona AI、Clearscope 等。 8. Logo 设计：Looka、LogoAI、Brandmark、Logomaster 等。 9. 聊天机器人：Droxy、Chatbase、Voiceflow、Chatsimple 等。 10. 自动化工具：Make、Zapier、Bardeen、Postman 等。 关于 AI 工具的使用方法： 目前市面上的 AI 工具分为线上和线下本地部署两种。线上的优势为出图速度快，不吃本地显卡配置，无需下载大型模型，还能参考其他创作者的作品，但出图分辨率有限。线下部署的优势为可添加插件，出图质量高，但使用时电脑可能宕机，对配置要求高。您可以充分发挥线上和线下平台的优势，线上用于找参考、测试模型，线下作为主要的出图工具。例如，在线上绘图网站的绘图广场上发现想要的画风，点击创作会自动匹配模型和标签，截取游戏人物底图将算力集中在人物身上，多尝试不同画风找到最符合需求的模型组合，然后在相关网站下载对应模型到本地加载部署后即可正式生图。

以下是一些可以生成词云的软件： WordCloud：这是一个 ComfyUI 新项目，可以结合图像生成来创造主题词云，非常有趣。项目地址：https://github.com/chflame163/ComfyUI_WordCloud 。工作流方面，需要注意 wordcloud 节点的 mask 输入只接受 RGBA 的图像，所以要不采用抠图节点，要不使用 AlphaChanelAddByMask 将 RGB 变成 RGBA（Allor 套装或我自己的 Text_ImageComposite 里都有）。

以下是关于新手学习 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。 6. 对于中学生： 从编程语言入手学习，如 Python、JavaScript 等，学习编程语法、数据结构、算法等基础知识。 尝试使用 AI 工具和平台，如 ChatGPT、Midjourney 等，探索面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 学习 AI 基础知识，包括基本概念、发展历程、主要技术如机器学习、深度学习等，以及在教育、医疗、金融等领域的应用案例。 参与 AI 相关的实践项目，如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。 关注 AI 发展的前沿动态，关注权威媒体和学者，思考 AI 技术对未来社会的影响，培养思考和判断能力。 记住，学习 AI 是一个长期的过程，需要耐心和持续的努力。不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得成就。完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。

以下是创建本地化单机版问答 AI 的一般步骤： 1. 基于用户的问题，从向量数据库中检索相关段落，并根据设定的阈值进行过滤，最后让模型参考上下文信息回答用户的问题，从而实现 RAG。 2. 创建网页 UI，通过 gradio 创建网页 UI，并进行评测。 3. 对于同样的问题和上下文，基于 Qwen7b、Gemma、Mistral、Mixtral 和 GPT4 分别进行多次测试。 4. 主要结论（只是针对有限的几次测试，个人主观评判）： GPT4 表现最好，指令遵循能力很强，在回答的时候能附上引用段落编号。 Mixtral 表现第二，但没有在回答的时候附上引用。 Qwen7b 表现第三，也没有在回答的时候附上引用。 Gemma 表现一般，而且回答里面有一些幻觉。 Mistral 表现一般，使用英文回复，不过在回答的时候附上了引用段落编号。 总结： 1. 本文展示了如何使用 Langchain 和 Ollama 技术栈在本地部署一个资讯问答机器人，同时结合 RSSHub 来处理和提供资讯。 2. 上下文数据质量和大模型的性能决定了 RAG 系统性能的上限。 3. RAG 通过结合检索技术和生成模型来提升答案的质量和相关性，可以缓解大模型幻觉、信息滞后的问题，但并不意味着可以消除。 需要上述完整代码的读者，关注本公众号，然后发送 fin，即可获取 github 仓库代码链接。

训练 AI 通常包括以下步骤： 1. 收集海量数据：如同教孩子成为博学多才的人需要让其阅读大量资料，对于 AI 模型，要收集互联网上的文章、书籍、维基百科条目、社交媒体帖子等各种文本数据。 2. 预处理数据：像为孩子整理适合其年龄和学习能力的资料一样，AI 研究人员需要清理和组织收集到的数据，例如删除垃圾信息、纠正拼写错误、将文本分割成易于处理的片段。 3. 设计模型架构：如同为孩子设计学习计划，研究人员要设计 AI 模型的“大脑”结构，通常是一个复杂的神经网络，如 Transformer 架构，这种架构擅长处理序列数据（如文本）。 4. 训练模型：如同孩子开始阅读和学习，AI 模型开始“阅读”提供的数据，这个过程被称为“训练”。例如，模型会反复阅读数据，尝试预测句子中的下一个词，通过不断重复这个过程，逐渐学会理解和生成人类语言。 此外，为了在医疗保健领域让 AI 产生真正的改变，应投资创建像优秀医生和药物开发者那样学习的模型生态系统。比如，通过学校教育和经验获取有助于在复杂情况下确定最佳答案的直觉，先训练基础学科的模型，再添加特定领域的数据点。同时，机器学习是实现人工智能的途径之一，训练是通过大量标记过的数据来训练相应的系统，使其能够适应特定功能，需要较高的计算性能、处理海量数据和具有一定通用性。

以下是为您提供的关于老年人健康护理机器人的相关信息： 在 AI 应用领域，除了医疗保健，还出现了许多协助特定任务的工具和教练。比如，InterAlia 能帮您搭配服装，Prodigy AI 能提供职业建议，Poised 能提升沟通能力。未来，每个人可能拥有理解自身生活背景的个性化聊天机器人，在生活变化时获得建议，如离婚、上大学或生孩子，还能在锻炼、财务等方面得到支持和指导。 在一些具体的项目中，也有相关的成果。例如： 1. AI 塔罗机器人：结合现代科技与古老智慧，提供精准个性化占卜体验，能深入解析牌的象征意义，结合具体问题提供即时反馈，具有陪伴功能，涵盖情感、事业等多方面定制化服务。 2. 奶奶去哪——赛博孙子，住进拐杖：这是一款专为老年人设计的智能语音拐杖，不只是辅助行走工具，还能模拟子孙声音进行问候、导航、聊天等交互，实现双模式切换，具有摔倒检测、步数统计等功能，全方位守护老年人安全与健康。

对于没有基础想学习 AI 应用在自媒体上的新人，以下是一些学习建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能的主要分支（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，您可以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您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 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。 6. 微软 AI 初学者入门课程： 人工智能的商业应用案例：可以考虑学习微软的《》（和欧洲工商管理学院 INSEAD 共同开发）。 经典机器学习：在《》中有详细介绍。 使用 Azure 认知服务（Azure Cognitive Services）来创建实用的人工智能应用：建议从微软课程《》等开始学习。