以下是为您仿写的一套试题： 一、AI 在教育中的应用 1. 简述 AI 在教育中能够为教师和学生提供哪些帮助？ 2. 举例说明 AI 如何模仿各类考试的试题。 二、Kimi 的 prompt 技巧 1. 阐述让 Kimi 出题的步骤和注意事项。 2. 解释什么是“费曼学习法”，并说明如何利用 Kimi 实践该学习法。 三、GPT4.5 的评估 1. GPT4.5 在哪些方面有显著提升？ 2. 说明用于评估 GPT4.5 的问题是由谁编写的。

以下是关于生成图片的相关内容： PS Beta 版本 Firefly Image 3 模型： 生成图像：局部生成图像自然，英文关键词生成效果比中文好。 参考图像：产品外形还原不太像，颜色还原较好。 调整画笔：功能多且实用。 生成类似的内容：右侧可选择生成类似内容，效果还行。 生成背景：有添加背景的 3 种方式，包括生成背景、导入背景和油漆桶，效果各有特点，自动生成的图片质量不高，部分细节处理较好。 增强细节：生成蝴蝶后点击左上角的增强细节图标，效果有但不明显。 SD 入门操作： 生成图片的参数设置：Progressbar and preview update period 为 1000 毫秒。单张或几张调试参数时建议选择能看到生成过程的预览图设置，多张生成时建议选速度最快的设置。右键可进入无限跑图模式，有插件可解决无限跑图参数无法修改的问题。 全国首例 AI 生成图片著作权案例： Stable Diffusion 模型根据文本指令生成图片，图片样子取决于使用者输入的提示词，非排列组合工作模式下难有相同输出图片，类似于画笔，使用者的设计决定最终成果。 人工智能无自由意志，使用者如李某通过增删提示词、修改参数选定图片，体现其智力和独创思想，类似使用相机拍摄时的调节，生成图片属美术作品，受著作权保护，相关法律依据为《中华人民共和国著作权法》第三条和《中华人民共和国著作权法实施条例》第四条。案例中 AI 软件使用者享有生成图片的著作权。

AGI 即人工通用智能，指的是能够完成任何聪明人类所能完成的智力任务的人工智能，其能力不局限于特定领域。例如，能够在许多领域内以人类水平应对日益复杂的问题。GPT3 及其半步后继者 GPT3.5 在某种程度上是朝着 AGI 迈出的巨大一步。AGI 的出现被视为人类历史上具有转折意义的事件，当 AGI 真正实现并可能迅速发展为超人工智能（ASI）时，人类社会将在随后的二十年里经历深刻变革，包括社会结构、价值观、权力格局、人类角色等多个方面的变化。我们的使命应是确保 AGI 造福全人类，从某种意义上说，AGI 是人类进步脚手架上的另一个工具。

以下是关于 AI 动画的相关内容： Runway 可以生成 AI 动画，使用图片+文字描述功能，将 MJ 生成的图片增加对应的动态描述，输入 Runway，同时增加镜头变换的设置，具体教程可查看 。 大雷在 2 天爆肝 3 分半 AI 动画短片的制作复盘中提到，在时间和金钱的双重压力下，找到了适合自己的制作捷径。AI 目前主要是辅助工具，帮忙搞定图和片，其他部分还得靠人。大雍负责前期的内容构思和脚本编写，大雷主要负责图片、视频生成和视频剪辑。Midjourney 提示词主要围绕皮克斯、迪士尼、3D 风格来写，例如："a small white Chiense dragon,anthropomorphic,Smile with surprise,wearing a school uniform,looking at a blurry gift box in the foreground,super closeup shot,camera focus on his face,3D render,Unreal Engine,Pixar 3D style,blurry classroom scene,bright sunshinear 16:9niji 6"，重点是"a small white Chiense dragon,anthropomorphic,3D render,Unreal Engine,Pixar 3D style"，尺寸比例 16:9，模型选择 niji 6，其他根据需求调整。动画主要使用 Runway，因其控制笔刷有优势。悦音可进行 AI 配音，具有旁白质感，如磁性浑厚、大片质感、娓娓道来等特点。

Coze 的工作流具有以下特点和步骤： 特点： 是可视化的，允许用户组合各种功能模块，如插件、大语言模型、代码块等，实现复杂和稳定的业务流程编排。 由多个节点组成，包括 Start 节点和 End 节点，用户可在节点间添加各种功能模块构建业务流程。 支持丰富的功能模块，可根据需求灵活组合，如调用大语言模型进行文本生成、调用插件进行数据处理等。 创建和编辑通过可视化拖拽界面完成，无需编写代码，降低搭建门槛。 创建好的工作流可直接集成到 Coze 的聊天机器人中使用，实现复杂业务逻辑。 为用户提供了可视化、低代码的方式，快速搭建满足业务需求的 AI 应用和服务，降低开发门槛，提升工作效率。 步骤： 梳理清楚工作流，如对于复刻吴恩达开源的 AI 翻译项目，先新建工作流，逐步导入核心流程，工作流分为若干节点，每个节点完成特定任务，组合形成完整翻译流程。 展示导入后的整体工作流及测试效果，如分为初始翻译、反思优化、结果输出等主要部分，运行测试时可看到每个节点的执行过程和结果。 对每个节点的配置进行核心讲解，如开始节点选择翻译的源语言和目标语言及设置其他参数；初步的翻译大模型节点选择大模型和参考相关提示词；选择器节点判断用户填写要求中有无特殊语言翻译特色或口音。

要在 Coze 上复制别人的工作流到自己个人空间，您可以按照以下步骤进行操作： 1. 在 Coze 上新建一个工作流，逐步导入别人项目的核心流程。整个工作流分为若干个节点，每个节点完成一个特定的任务。 2. 工作流被分为了初始翻译、反思优化、结果输出等几个主要部分，每一部分都对应了若干个节点。 3. 首先是开始节点，在这里需要选择翻译的源语言和目标语言，还可以设置一些其他参数，如翻译的语言特色等，此参数会影响翻译效果和效率，建议根据实际情况调整。 4. 接下来是初步的翻译大模型节点，选择一个大模型对源语言文本进行初始翻译。 5. 进入 Coze，点击「个人空间 工作流 创建工作流」，打开创建工作流的弹窗。 6. 根据弹窗要求，自定义工作流信息，点击确认后完成工作流的新建。 7. 左侧「选择节点」模块中，根据子任务需要，实际用上的有插件（提供一系列能力工具，拓展 Agent 的能力边界）、大模型（调用 LLM，实现各项文本内容的生成）、代码（支持编写简单的 Python、JS 脚本，对数据进行处理）。 8. 编辑面板中的开始节点、结束节点，分别对应分解子任务流程图中的原文输入和结果输出环节。接下来，按照流程图，在编辑面板中拖入对应的 LLM 大模型、插件、代码节点，即可完成工作流框架的搭建。

以下是为您提供的与 AI 工作流相关的飞书文章链接： 1. 《》 2. 《》 3. 《》 4.

以下是为您提供的与 AI 工作流相关的飞书文章链接： 此外，还有以下相关内容供您参考： 在“AI 实战：搭建信息情报官 Agent”中，提到搭建飞书机器人并获取多维表格编辑权限的方法，以及工作流的具体执行和应用，如通过微信文章链接进行文章解读成摘要报告，构建消息情报官 Bot 并发布到多个平台等。 在“2 月 27 日社区动态速览”中，介绍了 Anthropic 分享的企业 AI 落地实践与误区，以及飞书+DeepSeek R1 自动化工作流的流程、飞书模板、Deep Research 提示词模板等。 在“夙愿：AI 工作流，赋能我的十倍增长”中，提到飞书文档图片链接有时效性以及排版的注意事项和解决办法。

以下是为您整合的与 AI 工作流相关的飞书内容： 根据 AI 使用的多少，人和 AI 协同的方式分为三种： 1. 嵌入式模式：工作仍由人主导，仅在部分步骤借助 AI 进行搜索或提供建议。 2. 协作模式：AI 完成部分完整步骤，如写文章时由 AI 完成初稿，人再调整，此模式基于目前 AI 发展程度最为常用。 3. 智能体模式：人设定目标并监督，整个工作流程由 AI 完成。 ChatGPT 给出了 AI 聊天机器人可完成的任务供参考，结合有效提示词，ChatGPT 能做的远超此列表，且 AI 工具不止 ChatGPT 一种。 个人常用任务对应的国内外 AI 产品可供了解尝试，需注意 AI 产品众多且更新变化快。 推荐网站“通往 AGI 之路”，该网站有大量 AI 相关的技术、产品、教程和案例等信息，并持续更新。 AI 不仅是个人的“外挂”，对公司也会带来变革。未来公司会加速数字化，业务拓展更多依托算力增加而非人力扩充，可能出现更多高效的小团队公司，满足未被满足的需求。 此外，“通往 AGI 之路”还有以下相关内容： 1. 对“飞书”感兴趣或想交流企业/个人效率提升，可访问“飞书官方社区——飞行社”。 2. 如需下载研究报告，可加入知识星球，内有数百份涵盖 AI 各方面的报告，并保持长期活跃更新。 3. 作者 Allen 端午假期实践了三篇教程，并准备调整写作工作流。

以下是关于 ComfyUI Flux 模特换衣服的新手教程： 工作流整体思路： 1. 生成适合服装的模特： 可以抽卡，抽到满意的模特。加入 Redux 模型，强度不用太高，让提示词生效，Reduxprompt 节点风格细节等级需注意（1=27×27 最强，14=1×1 最弱）。 2. 进行高精度的换装： 先进行预处理的工作，拼出来 mask。 重绘 mask 区域。 工作流解释： 1. 模特生成： 先生成与衣服匹配的模特，先不关注衣服的相似度，抽出满意的模特。 2. 服装高精度处理： mask 的处理：做两个工作，将模特身上的衣服分割出来，拼接出来对应模特与衣服合并后图片的遮罩。 提示词格式与 Redux 权重：使用 Flux 的 fill 模型，提示词书写格式为这是一组图片，左边是衣服，右边的模特穿着左边的衣服。Redux 这里，把权重的调整为最大。 【SD】商业换装教程： 1. 在扩展面板中使用网址安装 Segment Anything，guthub 地址：https://github.com/continuerevolution/sdwebuisegmentanything 。重启之后安装 SAM 模型。 2. 在 github 上有三个 SAM 模型，由大到小分别是 vit_h，可根据情况选择，大部分选 vit_l 。将下载好的 SAM 模型放在指定路径。 3. 测试 SAM 模型效果，左键点击要保留的部分打上黑点，右键点击不要的部分打上红点，双击不需要的点可移除。 4. 预览分离结果，选择合适的蒙版进行服装替换等操作。 点开“展开蒙版设置”，设定蒙版扩展量，建议 30，然后点击发送到“重绘蒙版”。 5. 换衣步骤：在图生图中，提示词输入“蓝色毛衣”，蒙版区域内容处理改为“填充”，尺寸改为和图像一致，重绘幅度为 1。 6. 若出现衔接问题，可通过降低重绘幅度或添加 openpose 控制人物身体姿势。还可使用 controlnet 的局部重绘功能，控制模式选择“更注重提示词”，自行试验选择效果好的。