以下是关于写作提示词的全面介绍： 写提示词（prompt）是决定 AI 模型如何理解并生成文本的关键步骤。一个好的提示词能够帮助 AI 模型更好地理解任务要求，生成更符合预期的文本。 编写提示词的建议： 1. 明确任务：清晰定义任务，如写故事时包含背景、角色和主要情节。 2. 提供上下文：若任务需特定背景知识，在提示词中提供足够信息。 3. 使用清晰语言：尽量用简单、清晰的语言，避免模糊或歧义词汇。 4. 给出具体要求：如有特定格式或风格要求，在提示词中明确指出。 5. 使用示例：若有特定期望结果，提供示例帮助 AI 模型理解需求。 6. 保持简洁：避免过多信息导致 AI 模型困惑。 7. 使用关键词和标签：有助于模型理解任务主题和类型。 8. 测试和调整：生成文本后仔细检查结果，根据需要调整提示词。 在 AI 绘画中，根据想画的内容写提示词，多个提示词之间用英文半角符号“,”隔开。一般概念性、大范围、风格化的关键词写在前面，叙述画面内容的其次，描述细节的最后。每个词语在模型中的自带权重可能不同，越靠后的权重越低。关键词应具有特异性，措辞越具体越好，可使用括号人工修改提示词的权重。 在星流一站式 AI 设计工具中： 提示词用于描绘想生成的画面。 输入语言方面，星流通用大模型与基础模型 F.1、基础模型 XL 使用自然语言，基础模型 1.5 使用单个词组，支持中英文输入。 写好提示词的方法包括：内容准确，包含人物主体、风格、场景特点等；调整负面提示词，帮助 AI 理解不想生成的内容；利用“加权重”功能让 AI 明白重点内容；使用预设词组，小白用户可点击生图；还可使用辅助功能，如翻译、删除所有提示词、会员加速等。 希望以上内容能帮助您更好地编写提示词。

以下是为您找到的与北京大学的 DeepSeek 相关的使用资料： 《》讲座讲解了直接使用 DeepSeek 的三种方法，还分享诸多提示词技巧，如真诚直接、巧用通用公式等。在应用场景方面，DeepSeek 在专业场景提效、教育学术赋能、商业创新与生活服务等领域用途广泛，像辅助办公、教学设计、电商运营等。讲座为人们理解和运用 DeepSeek 提供了全面指导，助力大家借助该技术提升工作、学习和生活效率。 此外，全球数据资产理事会发布的《》也可能对您有所帮助。

搭建 AI 工作流包括以下三种能力： 1. 熟悉各种 AI 工具：这是入门 AI 工作流的第一步。不同环节可能需要不同工具，例如写标题可用 ChatGPT，写文章可用 Claude，检查文本中的错别字和病句可用秘塔写作猫的 AI 纠错功能。需要了解多个不同 AI 工具的特点和用途，根据具体细分任务选择合适的工具。 2. 编写提示词：这决定能否用好工具。提示词是搭建人和 AI 之间的“沟通桥梁”，要用 AI 能听懂的语言清晰说明需求、任务内容和步骤，让 AI 明白要做什么以及怎么做。 3. 搭建 AI 智能体：AI 智能体如同员工，能根据设定的工作流自动调用不同 AI 工具完成全流程任务，无需人类时刻干预。例如写一篇文章，可设计“写作助手”的 AI 智能体，输入文章主题、风格和要求，它会自动写大纲、用 Claude 模型写初稿、修改润色并排版，从而提高效率。 您可以对照这三个层级，评估自己的 AI 工作流能力，找出差距和不足，多学习、多实践、多交流。

以下是为您提供的与 AI 智能体工作流相关的文章： 1. 《》：聚焦于工作流在 AI 智能体中的重要性，回顾了集成平台的演变，探讨了工作流在自动化和手动编排中的应用以及如何提升灵活性以应对不断变化的需求。 2. 《》 3. 《》：介绍了 ComfyUI 的工作流，特别是“黑猴子悟空换脸”项目，包括工作流下载链接、底图及模型的网盘地址以及报错解决方法。 4. 《AIGC Weekly91》中的“”：探讨了 AI 智能体这一新兴领域，包括智能体工作流（与传统 AI 模型直接提供答案不同，智能体工作流涉及使用网络浏览器等工具来规划和执行任务，能够在无人干预的情况下持续运行）、竞争格局、市场动态、投资趋势和未来前景等方面。 5. 《夙愿：AI 工作流，赋能我的十倍增长》中的“三、怎么搭建 AI 工作流 3.1 搭建 AI 工作流的三种能力 3.1.3 搭建 AI 智能体”：介绍了搭建 AI 智能体，指出其能根据设定的工作流自动调用不同的 AI 工具完成全流程任务，以写文章为例说明了其工作流程，并强调了其提高效率的作用。

AI 智能体在多个领域有着重要的应用和发展： 1. 在品牌卖点提炼中，AI 智能体可以成为引导型的助手。AI 在逻辑推理、数据分析、内容理解和输出上有强项，能为品牌卖点提炼提供分析和灵感。但在搭建智能体前，要明确其能力边界，如它对公司的主要产品、产品解决的用户需求、独特之处、获得的认可、核心渠道、核心购买人群、营销手段、新渠道期望结果等了解程度接近于 0。因此，智能体更适合做灵感提问助手，在思考路径停滞时提供更多思考维度。 2. OpenAI 分享的 AGI 五个发展等级中，智能体是其中之一。它不仅具备推理能力，还能执行全自动化业务，但目前许多 AI 智能体产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 3. 在企业自动化方面，生成式 AI 应用有搜索、合成和生成三个核心用例。Menlo Ventures 投资的公司在这些类别中有早期突破性代表，其中心是 LLMs 的少样本推理能力。借助新型构建块，下一波智能体正在拓展 AI 能力边界，实现端到端流程自动化。在深入探讨中，将定义智能体及使其成为可能的因素，追溯现代人工智能技术栈的架构演化过程，并探讨其对应用和基础设施层面的影响。

AI 或者智能体是可以部署在个人 NAS 上的。端侧大模型能部署在手机端等设备，参数量小，可利用自带芯片或处理器运算，主要通过压缩来解决存储和性能问题，如减少模型参数量和计算复杂度。此外，像 coach 等 AI 工程平台新版本有很多模板，可创建智能体，还能通过工作流节点调用和 prompt 构建提示词，调用插件、图像流、知识库等。OpenAI 会陆续更新 ChatGPT 应用，让其具备 Assistant Agent 能力，Google 也计划推出类似功能。智能体除了端到端的多模态和实时性特点外，还能让终端参与分担一部分模型的计算量。在这种趋势下，能设计新硬件产品或重新设计现有产品，如让 Google Glass 复活，改变手机的设计和交互方式等。

搭建 AI 智能体的步骤如下： 1. 创建一个智能体，输入人设等信息，并放上创建的工作流。 2. 配置完成后进行测试。需要注意的是，工作流中使用的插件 api_token 不能直接发布，可将其作为工作流的输入，由用户购买后输入使用，然后再发布。 3. 学会搭建 AI 智能体是搭建 AI 工作流的能力之一。AI 智能体如同员工或智能助手，能根据设定的工作流自动调用不同的 AI 工具完成全流程任务，例如设计“写作助手”智能体，输入文章主题、风格和要求，它就能自动完成大纲处理、初稿撰写、修改润色和排版等工作。 4. 逐步搭建 AI 智能体的具体配置过程包括： 创建 Bot。 填写 Bot 介绍。 切换模型为“通义千问”（测试效果较好）。 将配置好的工作流添加到 Bot 中。 新增变量{{app_token}}。 添加外层 bot 提示词（可根据需求和实际效果优化调整）。配置完成后，可在「预览与调试」窗口与 AI 智能体对话并使用全部功能。

以下是使用阿里 PAI 部署大模型的步骤： 1. 模型部署： 选中模型卡片，出现部署按钮。 选择 vLLM 部署。 小插曲：竞价系统（用更便宜的价格部署模型）。 部署完成后在 EAS 服务中可以找到 API 的 endpoint 和 key 信息。 同样在 EAS 服务中可以查看部署情况和日志，如果竞价获得不了资源，可以适当调整价格。 在 EAS 服务中可以直接尝试试用模型。 调试方法：Get models 方法需要用 vllm 框架部署才能支持；chat 方法，比如 7b 的蒸馏模型就换成相应的设置。 尝试部署一个 qwen2.5 7b instruct 的原生模型，并测试问题“9.11 和 9.9 的大小?” 2. 蒸馏>数据： 在本地的 python 环境中或 notebook gallery 里建立一个实例来执行 python。 执行相关代码，最终会获得一个 json 文件，即蒸馏出来的数据集。通常需要检查数据的正确性，再进行下一步的训练微调过程。 3. 作业： 在阿里云 PAI 平台上部署一个模型，并调试验证确认自己的部署成功。 调试信息中修改 content 的内容，必须在 content 内容中带上自己的钉钉“昵称”来向大模型对话。 在截止时间 2025/03/05 之前，将自己调试成功的效果截图（截图中的“content”内必须带着自己的钉钉），提交到「问卷地址」。 4. 模型蒸馏微调： 由于上一步中蒸馏的数据集很小，不足以改变模型权重，因此使用一个别人做好的数据集。在使用前可以打开看下里面的结构，和蒸馏出来的数据结构一致。 建立用于训练的数据集：下载并解压数据集，然后在 PAI 平台的数据集中找到 OSS 存储，建立数据集，然后上传数据集。 开始部署模型进行训练：选择 7b instruct 的原生模型，选择训练。选择全参微调，并选择自定义数据集。注意超参配置。 训练要求需要使用灵骏的资源，比如 8 卡 H100，需要的显存比较大。点击训练，在 DLC 里看到相应状态就是训练成功。 训练完成就可以测试模型效果：在 model gallery 里面找到训练好的模型，点击右上角的部署，使用 vllm 部署。部署完成后，使用相应命令调试。

AI 的发展历史可以追溯到二十世纪中叶，大致经历了以下几个阶段： 1. 早期阶段（1950s 1960s）： 1943 年，心理学家麦卡洛克和数学家皮特斯提出机器的神经元模型，为后续的神经网络奠定基础。 1950 年，图灵最早提出图灵测试，作为判别机器是否具备智能的标准。 1956 年，在美国达特茅斯学院召开的会议上，人工智能一词被正式提出，并作为一门学科确立下来。这一时期专家系统、博弈论、机器学习初步理论等受到关注。 2. 知识驱动时期（1970s 1980s）：专家系统、知识表示、自动推理等是研究重点。 3. 统计学习时期（1990s 2000s）：机器学习算法如决策树、支持向量机、贝叶斯方法等得到发展。 4. 深度学习时期（2010s 至今）：深度神经网络、卷积神经网络、循环神经网络等技术兴起。 在发展过程中，AI 也经历了起伏。20 世纪 70 年代出现了“人工智能寒冬”，但随着计算资源变得便宜、数据增多，神经网络方法在计算机视觉、语音理解等领域展现出卓越性能。当前 AI 的前沿技术点包括： 1. 大模型如 GPT、PaLM 等。 2. 多模态 AI，如视觉 语言模型、多模态融合。 3. 自监督学习，如自监督预训练、对比学习、掩码语言模型等。 4. 小样本学习，如元学习、一次学习、提示学习等。 5. 可解释 AI，包括模型可解释性、因果推理、符号推理等。 6. 机器人学，涉及强化学习、运动规划、人机交互等。 7. 量子 AI，如量子机器学习、量子神经网络等。 8. AI 芯片和硬件加速。

以下是从短视频脚本创作到视频剪辑的全面解决方案： 制作流程： 1. 小说内容分析：使用 AI 工具（如 ChatGPT）分析小说内容，提取关键场景、角色和情节。 2. 生成角色与场景描述：根据小说内容，使用工具（如 Stable Diffusion 或 Midjourney）生成角色和场景的视觉描述。 3. 图像生成：使用 AI 图像生成工具根据描述创建角色和场景的图像。 4. 视频脚本制作：将提取的关键点和生成的图像组合成视频脚本。 5. 音频制作：利用 AI 配音工具（如 Adobe Firefly）将小说文本转换为语音，添加背景音乐和音效。 6. 视频编辑与合成：使用视频编辑软件（如 Clipfly 或 VEED.IO）将图像、音频和文字合成为视频。 7. 后期处理：对生成的视频进行剪辑、添加特效和转场，以提高视频质量。 8. 审阅与调整：观看生成的视频，根据需要进行调整，比如重新编辑某些场景或调整音频。 9. 输出与分享：完成所有编辑后，输出最终视频，并在所需平台上分享。 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，无需视频编辑或设计经验。用户提供文本描述，Pictory 将帮助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. Runway：AI 视频创作工具，能够将文本转化为风格化的视频内容，适用于多种应用场景。 6. 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。 案例参考： 桂大羊提供了保姆级教程，基于大语言模型和绘图模型，探索了文生图到图生视频的创作实践。例如，在一带一路背景下丝绸之路这个角度的创作中，选择了大语言模型 chatgpt、kimi 进行剧本分镜设定，文生图 midjourney 生成视觉画面，图生视频选择即梦 dreamina 制作动态画面，suno 音乐编曲，ondoku 主角台词配音，视频剪辑使用剪映，部分音效在网上无版权下载或使用剪映自带音效。同时确立了时长（1 分钟左右的 AI 生成画面，加上闭幕不超过 2 分钟）和风格（大致定义为中国风）。 请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。