以下是一些优质的法律大模型数据集： 1. ChatLaw： 地址： 简介：由北大开源的一系列法律领域的大模型，包括 ChatLaw13B（基于姜子牙 ZiyaLLaMA13Bv1 训练而来），ChatLaw33B（基于 Anima33B 训练而来，逻辑推理能力大幅提升），ChatLawText2Vec，使用 93w 条判决案例做成的数据集基于 BERT 训练了一个相似度匹配模型，可将用户提问信息和对应的法条相匹配。 2. LaWGPT： 地址： 简介：该系列模型在通用中文基座模型（如 ChineseLLaMA、ChatGLM 等）的基础上扩充法律领域专有词表、大规模中文法律语料预训练，增强了大模型在法律领域的基础语义理解能力。在此基础上，构造法律领域对话问答数据集、中国司法考试数据集进行指令精调，提升了模型对法律内容的理解和执行能力。 3. LexiLaw： 地址： 简介：LexiLaw 是一个基于 ChatGLM6B 微调的中文法律大模型，通过在法律领域的数据集上进行微调。该模型旨在为法律从业者、学生和普通用户提供准确、可靠的法律咨询服务，包括具体法律问题的咨询，还是对法律条款、案例解析、法规解读等方面的查询。 4. Lawyer LLaMA： 地址： 简介：开源了一系列法律领域的指令微调数据和基于 LLaMA 训练的中文法律大模型的参数。Lawyer LLaMA 首先在大规模法律语料上进行了 continual pretraining。在此基础上，借助 ChatGPT 收集了一批对中国国家统一法律职业资格考试客观题（以下简称法考）的分析和对法律咨询的回答，利用收集到的数据对模型进行指令微调，让模型习得将法律知识应用到具体场景中的能力。

对于零基础学习 AI，您可以参考以下步骤： 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，您将找到一系列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。 此外，还有一些个人的学习经历供您参考： 二师兄来自上海，计算机零基础。2024 年 2 月在售后群接触到 AI 绘画，下载安装包和教学视频，迈出学习第一步。3 月啃完相关教程并开始炼丹。4 月与小伙伴探讨 AI 变现途径，5 月因工作变动在无硬件支持下继续学习。 参加「AI 编程共学」活动，包括 10 月 28 日麦橘的 0 基础做小游戏分享、10 月 29 日梦飞的 0 编程基础入门 Cursor 极简使用指南、10 月 30 日银海的 0 基础学做 AI 拍立得、10 月 31 日的 0 基础做小游戏分享等。

以下是关于学习 Coze 的一些参考资料和方法： 推荐方法：可以通过 Claude + Coze 来学习。Claude 是目前最强的 AI 大模型，而 Coze 是一款 AI Agent 的衍生产品。其最大价值在于跟进当前 AI Agent 工具的发展情况、发现商业化机会以及做产品 Demo。 公开分享： 共学资料： 地址： Coze 国内版地址：https://www.coze.cn/home Coze 海外版地址：https://www.coze.com/home 在学习 RAG 的过程中，可以先通过 Claude 帮助了解细节概念，然后通过 Coze 搭建 Demo 来实践学习。此外，还创建了一些相关的 Bot，如产品资料问答机器人等。如果对数据库概念有困惑，可参考。

在不同的 AI 设计工具中，上传图片的情况有所不同： 星流一站式 AI 设计工具：顶部图像编辑工具中有上传图片的功能。可以通过以下方式上传图片到画布： 直接点击“上传图片”按钮。 上传大于 20482048 的图片到画布，将会自动压缩到 20482048 以内。 直接拖动图像到画布进行上传。同时，左键点击图像进行选中，才能使用图像智能工具。 Poe 上的 Claude3Opus 之前不支持上传图片，只支持上传文本文件，但备注显示已经可以上传附件了。 Midjourney：喂图过程中可以上传图片，有两种方法： 点击输入框前方的加号上传。 鼠标选择图片或一组拖到软件里，回车，点击上传后的图片，在左下角“在浏览器打开链接“打开后复制浏览器上的链接，返回主界面，在输入框里“/imagine：粘贴刚才复制的链接+所描述的关键词。上传图片目前只支持 jpg/png 格式。

以下是关于 AI 前端开发的相关内容： 白九龄在 0 基础使用 Cursor 开发微信小程序时，遇到了诸多问题。如添加背景元素营造氛围、实现自适应和滑动效果、处理意图分析页面的信息展示和排版风格、生成海报时的字数显示和行数限制以及位置和视觉呈现的调整等。由于大模型自身的限制，无法很好地理解一些需求，导致开发过程中出错频繁。此外，还存在模型 token 费用和变现困难等问题。 Yeadon 以“Windsurf 学习共创社区”为例，演示了如何借助 AI 能力快速构建现代化 Web 应用。技术选型为 Vue + TypeScript，目标用户为零基础开发学习者，参考项目为 Cursor101。开发流程包括需求分析与代码生成、环境配置自动化、问题诊断与修复、界面优化与细节打磨、功能迭代与完善。在开发过程中，输入需求让 Windsurf 进行代码生成，可能会出现报错，将报错信息返回给 Cascade 进行自动检查和修复。之后对网页进行细节优化，如导航栏和首页。 齐码蓝开发一个可以承载离谱生物档案的网站，每个页面包含生物介绍、图片、头像、文字介绍，并支持打字和语音对话以及展示相关离谱事件。项目初始化与配置方面，推荐的技术栈包括前端的 React.js 或 Vue.js，后端的 Node.js 加上 Express.js，数据库选择 MongoDB，语音处理使用 Google Cloud SpeechtoText 和 TexttoSpeech API。开发环境配置方面，选择 Visual Studio Code 作为 IDE，安装 Node.js 时会一并安装 npm 用于管理项目依赖。项目目录结构可能如下所示。

人工智能会带来多方面的影响，主要包括以下几点： 1. 劳动力市场：预计在未来几年对劳动力市场产生重大影响，包括工作的变化，但大多数工作的变化速度会比人们想象的慢。 2. 社会服务和福利：在获得和享受特定的必要的私人和公共服务和福利方面，如医疗保健服务、社会保障福利等，使用人工智能系统可能会对人们的生计产生重大影响，也可能侵犯基本权利。 3. 应用场景不断扩展： 交通领域：用于自动驾驶、交通管理等，提高交通安全性和效率，缓解交通拥堵。 物流配送：优化物流路线和配送计划，降低运输成本，还包括无人机送货。 其他领域：在教育中提供个性化学习体验，在农业中分析农田数据提高农作物产量和质量，在娱乐中开发虚拟现实和增强现实体验，在能源中优化能源使用提高效率等。 总之，人工智能如同其他技术一样，既有积极影响也有负面影响，我们需要努力发挥其优势，减少危害，以实现其对社会的最大价值。

以下是关于 Midjourney 的一些教程： 1. 利用一致性 MJ 出海马体写真： 超低学习成本，会用任意手机修图软件即可。 得益于 cref，能迅速达成角色一致性目的，无需 Lora。cref 代表 character reference（角色参考），cw 代表 character weight（参考权重），默认为 100，会参考角色的人脸和服装特点。若只想关注人脸，可调低到 0。 风格复制和服装替换，用提示词（prompt）和 sref，默认值 100，越高越接近参考图像的风格。 用 /describe 指令反推海马体的提示词，配合 sref复制图像风格。回车前检查提示词，避免出现和 sref 风格差异过大的 prompt，也可增加有用的 prompt。 对最满意的图进行 Upscale，解决“形似而神不似”的问题，即 MJ 直出和原人物在五官等地方的细微差距。 2. 线稿上色 Midjourney + Stable Diffusion： 用 Midjourney 生成线稿，PS 修正错误，再用 ControlNet 控制，Stable Diffusion 上色，多套 AI 组合提高出图质量和效率。 例如生成可爱猫卡通 IP 角色的线稿，mj 关键词：Black and white line drawing illustration of a cute cat cartoon IP character,black line sketch,wearing a fortune hat,wearing a collar around the neck,Carrying a huge bag containing scrolls and ingots,matching rope and straps at his wrists,Chinese element style,popular toys,blind box toys,Disney style,white backgroundniji 5style expressive。 3. 小白 30min 加入离谱村： 选工具，如 SD 或 Midjourney。 抄 prompt，从教程和导航中找喜欢的风格，摘取提示词。 找 ChatGPT 改写提示词。 把提示词喂给 Midjourney 机器人，初学者可多按 VU 让其自由修改，先弄出满意的图，如 V1V4 基于某图修改出 4 张，U1U4 选定某图细节调整。

以下为您推荐的 AI 换衣相关的 API 并进行多维度对比： Comfyui_Object_Migration： 特点：可高精度迁移服装样式到目标人物图像，保持高一致性和细节完整性，支持从卡通到写实的风格互相转换，甚至可将平面角色图像转换为可 3D 打印的模型。 应用场景：虚拟角色服装设计迁移到真实照片、为动画角色添加写实服装、微调权重生成独特服装设计。 详细介绍及教程： GitHub： 在选择适合的 AI 大模型 API 服务时，需要考虑以下因素： 对于像开发 AI Share Card 插件这类情况，如果将模板生成功能设计为固定的代码组件，让大模型专注于内容总结的功能，那么对模型的要求就不会过高。 选型要求包括：较长的上下文窗口，因为内容总结类任务需要较大的上下文长度；响应速度要快、并发支持要高，以在多人使用插件时保持良好性能；免费或尽量低价，以减少模型 token 费用。例如，AI Share Card 选用的是 GLM4flash（截至 202412，长达 128k 的上下文窗口，完全免费的调用价格，200 RPM 高并发支持）。

目前常见的 AI Agent 框架主要有以下几种： 1. LangChain 的 LangGraph：通过简化标准底层任务，如调用 LLM、定义和解析工具、链接调用等，使入门变得容易，但可能创建额外抽象层，增加调试难度。 2. 亚马逊 Bedrock 的 AI Agent 框架。 3. Rivet：拖放式 GUI 的 LLM 工作流构建器。 4. Vellum：用于构建和测试复杂工作流的 GUI 工具。 此外，行业里常用于为 LLM 增加工具、记忆、行动、规划等能力的框架是 LangChain，它把 LLM 与 LLM 之间以及 LLM 与工具之间通过代码或 prompt 的形式进行串接。AutoGPT 被描述为使 GPT4 完全自主的实验性开源尝试，也是一种重要的框架。但需要注意的是，当前大多数代理框架都处于概念验证阶段，还不能可靠、可重现地完成任务。

利用多轮对话做 Agent 问答可以从以下几个方面考虑： 1. 从产品角度： 思考用户为何想使用，例如通过探索历史新闻让用户更好地了解自身背景、成长环境，从中学习成长并获得有趣互动体验。 明确 Agent 是谁及其性格，比如设定为知识渊博、温暖亲切、富有同情心的历史新闻探索向导，负责新闻解析和历史背景分析。 确定提供新闻的时间，如用户出生那天及那一周的重要新闻事件。 规划除新闻外的能力，如提供历史背景分析、相关画作、生活方式分析，甚至加入神秘主义者和心理学家角色回应用户。 设计多 Agent 出场顺序和使用方式，通过多角色互动设计，让用户体验多层次对话，从基本问答到深度讨论，逐步引导用户探索。 2. 基于 LLM 的大脑模块： 自然语言交互方面：LLM 应具备多轮对话能力，能理解自然语言并生成连贯、上下文相关的回复，还应具备出色的生成能力和意图理解能力，但要注意模糊指令可能带来的挑战。 知识方面：包括语言知识（词法、句法、语义学和语用学）、常识知识（如药和伞的用途）、专业领域知识（如编程、医学），但要注意知识可能过时或错误，需通过重新训练或编辑 LLM 解决。 记忆方面：具备记忆机制，存储过去的观察、思考和行动，通过提高输入长度限制、记忆总结、用向量或数据结构压缩记忆等策略提升记忆，Agent 能检索记忆以访问相关信息，包括自动检索和交互式记忆对象。 推理和规划方面：基于证据和逻辑进行推理，这对解决问题和决策至关重要。