Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

腾讯agent开发

Answer

AppAgent 是由腾讯开发的一种基于大型语言模型（LLM）的多模态 Agent 框架。

其主要特点和功能包括：

  • 多模态代理：能够处理和理解多种类型的信息（如文本、图像、触控操作等）。
  • 直观交互：通过模仿人类的直观动作（如点击和滑动屏幕）来与手机应用程序交互，能够在手机上执行各种任务，例如在社交媒体上发帖、帮用户撰写和发送邮件、使用地图、在线购物，甚至进行复杂的图像编辑等。

对于之后模仿数据的反利用也有不错的应用场景，例如互联网或 AI 或涉及到原型+UE 的工作都可以在基于模仿数据的基础上进行反推，进而让设计出的产品原型和 UE 交互更优解。

AppAgent 在 50 个任务上进行了广泛测试，涵盖了 10 种不同的应用程序。该项目由腾讯和德州大学达拉斯分校的研究团开发。

相关链接：

  • 官方网站：https://appagent-official.github.io
  • 相关报道：https://x.com/xiaohuggg/status/1738083914193965528?s=20
Content generated by AI large model, please carefully verify (powered by aily)

References

Han：基于现有能力项目应用的思考

|技术名称|应用场景|技术类型|简介|主要特点|工作原理|其他|官方网站|项目及演示|论文|Github|在线体验|附件|最后更新时间||-|-|-|-|-|-|-|-|-|-|-|-|-|-||AppAgent：让AI模仿人类在手机上操作APP|通过appagent的模仿能力不断提升，<br>对于之后模仿数据的反利用也有不错的应用场景，<br>例如互联网或AI或涉及到原型+UE的工作都可以在基于模仿数据的基础上进行反推，<br>进而让设计出的产品原型和UE交互更优解。|AI学习模型|AppAgent可以通过自主学习和模仿人类的点击和滑动手势，能够在手机上执行各种任务。<br>它可以在社交媒体上发帖、帮你撰写和发送邮件、使用地图、在线购物，甚至进行复杂的图像编辑...<br>AppAgent在50个任务上进行了广泛测试，涵盖了10种不同的应用程序。<br>该项目由腾讯和德州大学达拉斯分校的研究团开发。|主要功能特点：<br>-多模态代理：AppAgent是一个基于大语言模型的多模态代理，它能够处理和理解多种类型的信息（如文本、图像、触控操作等）。这使得它能够理解复杂的任务并在各种不同的应用程序中执行这些任务。<br>-直观交互：它能通过模仿人类的直观动作（如点击和滑动屏幕）来与智能手

质朴发言：视觉-语言理解模型的当前技术边界与未来应用想象｜Z 研究第 2 期

Gemini是由Google开发的一系列新的多模态模型，其最大亮点之一是其原生多模态大模型的设计。它能够处理不同形式的数据（语言+听力+视觉），并在一开始就在不同模态上进行预训练，利用额外的多模态数据进行微调以提升有效性。Agent能力：调用多模态，完成实时场景交互，通过不同模态之间的准确推理，能够概括和无缝理解、操作以及结合不同类型的信息，包括文本、代码、音频、图像和视频，为用户提供了自然的交互体验演示案例：在烹饪场景中，Gemini Ultra通过一系列图像和音频的交互展示了其在处理用户提问、图像细节以及多模态推理中的出色表现，模型准确回答了用户的问题，体现其调用多模态能力的统一性腾讯：AppAgent多模态Agent框架AppAgent是由腾讯开发的一种基于大型语言模型（LLM）的多模态Agent框架，由大型语言模型驱动，能够掌握并使用任何应用程序来执行复杂任务。它通过直观的点击和滑动手势与应用程序交互，模仿类似人类的动作，操作复杂功能演示案例：在使用Adobe Lightroom进行图像编辑的测试中，AppAgent通过实时截图和展示应用程序UI的XML文件，可以准确感知、推理并响应任务要求的能力

XiaoHu.AI日报

?Xiaohu.AI日报「12月22日」✨✨✨✨✨✨✨✨1⃣️?OpenSaaS-免费开源的SaaS模板：提供预配置的功能丰富平台，便于构建应用。包含用户认证、内置博客、支付系统等。特别适合小型团队和个人开发者。?http://opensaas.sh?https://x.com/xiaohuggg/status/1738129354243383719?s=202⃣️?TasteTime Machine-味道时光机：宮下芳明教授开发，模拟不同时间段食物味道。可使新鲜食物味道变成放置数日的味道，反之亦然。例：即刻享受放置一晚的咖喱浓郁味道。?https://x.com/xiaohuggg/status/1738113688794763739?s=203⃣️?AppAgent-人类操作模拟AI：自主学习模仿人类手势，执行多种手机任务。由腾讯和德州大学达拉斯分校研究团队开发。?https://appagent-official.github.io?https://x.com/xiaohuggg/status/1738083914193965528?s=204⃣️?️DREAM-Talk-照片说话项目：字节跳动开发，单张图片生成说话面部动画。支持多种情感表达和多语言。?https://magic-research.github.io/dream-talk/?https://x.com/xiaohuggg/status/1738061130034266560?s=205⃣️

Others are asking
有关 ai agent 的科普文章
以下是为您提供的关于 AI Agent 的科普内容： AI Agent 是一个融合了多学科精髓的综合实体，包括语言学、心理学、神经学、逻辑学、社会科学和计算机科学等。它不仅有实体形态，还有丰富的概念形态，并具备许多人类特有的属性。 目前，关于 AI Agent 存在一些情况。例如，网络上对其的介绍往往晦涩难懂，让人感觉神秘莫测，其自主性、学习能力、推理能力等核心概念，以及如何规划和执行任务、理解并处理信息等方面，都像是笼罩在一层神秘面纱之下。 另外，以国与国之间的外交为例来解释相关协议。假设每个 AI 智能体（Agent）就是一个小国家，它们各自有自己的语言和规矩。各国大使馆试图互相沟通、做生意、交换情报，但现实中存在诸多问题，如协议各异、要求不同等。 如果您想了解更多关于 AI Agent 的详细内容，可访问： 。
2025-04-15
，AI agent 发展趋势，技术状态，商业模式
以下是关于 AI Agent 的发展趋势、技术状态和商业模式的相关信息： 发展趋势： 2024 年内，办公场景“AI 助手”开始有良好使用体验，实时生成的内容开始在社交媒体内容、广告中出现。 2025 2027 年，接近 AGI 的技术出现，人与 AI 配合的工作方式成为常态，很多日常决策开始由 AI 来执行。 技术状态： 目标实现基于 ReAct、SFT、RAG、强化学习等实现自主规划能力的 AI Agent，构建具备认知、决策智能的 Agent 智能体框架。 专注文本/多模态大模型、AI Agent 技术创新与应用。 商业模式： 依据不同类型销售市场的特点，结合一站式 AI 搭建平台将销售部署的产品化和模版化，让企业更容易落地和应用 AI 能力。 销售智能体 Blurr.AI 占位交易环节，解决 2B 销售获客的痛点，且具有向前后端环节延展的势能。
2025-04-13
ai agent有哪些技术
AI Agent 涉及的技术包括以下方面： 1. 长期任务执行技术：能够将复杂、跨度长的任务分解为小步骤，并在执行中保持目标导向和适时调整策略。 2. 多模态理解技术：能同时理解文字、图像、声音等多种交流方式，通过多种感官理解世界和任务上下文。 3. 记忆与行动技术：通过先进的记忆机制积累经验，记住对话、操作步骤和效果，使行动更精准高效。 4. 自适应学习技术：从每次交互中吸取经验，不断完善策略，实现“智慧成长”。 在技术层面，AI Agent 的发展有两条技术路线： 1. 以自主决策为核心的 LLM 控制流，代表了 AGI 的探索方向。 2. 以工作流（Workflow）编排为重点的工具集成系统，加速了 AI 落地应用。 特别值得关注的是 Anthropic 提出的 MCP（Model Context Protocol），其本质是一个通用接口协议，能解决让 AI 模型以标准化、可扩展方式与外部世界交互的问题。 此外，强化学习（RL）也是 AI Agent 的重要技术，起初主要依托策略搜索和价值函数优化等算法，如 Qlearning 和 SARSA。随着深度学习技术兴起，深度神经网络与强化学习结合形成深度强化学习，赋予 Agent 从高维输入中学习复杂策略的能力，如 AlphaGo 和 DQN 等。但强化学习面临训练周期长、采样效率低和稳定性等问题。其特点是通过试错学习最优行为策略以最大化累积奖励，时间始于 20 世纪 90 年代至今，技术包括 Qlearning、SARSA、深度强化学习（结合 DNN 和 RL），优点是能够处理高维状态空间和连续动作空间，缺点是样本效率低、训练时间长。
2025-04-09
AI chatbot、agent、copilot区别
AI chatbot、agent、copilot 主要有以下区别： 1. 定义和角色： Copilot：翻译成副驾驶、助手，在帮助用户解决问题时起辅助作用。 Agent：更像主驾驶、智能体，可根据任务目标自主思考和行动，具有更强的独立性和执行复杂任务的能力。 Chatbot：具备基本对话能力，主要依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 2. 核心功能： Copilot：更多地依赖于人类的指导和提示来完成任务，功能很大程度上局限于在给定框架内工作。 Agent：具有更高的自主性和决策能力，能够根据目标自主规划整个处理流程，并根据外部反馈进行自我迭代和调整。 3. 流程决策： Copilot：处理流程往往依赖于人类确定的静态流程，参与更多是在局部环节。 Agent：解决问题的流程由 AI 自主确定，是动态的，不仅可以自行规划任务步骤，还能根据执行过程中的反馈动态调整流程。 4. 应用范围： Copilot：主要用于处理简单、特定的任务，更多是作为工具或助手存在，需要人类引导和监督。 Agent：能够处理复杂、大型的任务，并在 LLM 薄弱的阶段使用工具或 API 等进行增强。 5. 开发重点： Copilot：主要依赖于 LLM 的性能，开发重点在于 Prompt Engineering。 Agent：同样依赖于 LLM 的性能，但开发重点在于 Flow Engineering，即在假定 LLM 足够强大的基础上，把外围的流程和框架系统化。 以下是一些 Agent 构建平台： 1. Coze：新一代一站式 AI Bot 开发平台，适用于构建基于 AI 模型的各类问答 Bot，集成丰富插件工具。 2. Mircosoft 的 Copilot Studio：主要功能包括外挂数据、定义流程、调用 API 和操作，以及部署 Copilot 到各种渠道。 3. 文心智能体：百度推出的基于文心大模型的智能体平台，支持开发者根据需求打造产品能力。 4. MindOS 的 Agent 平台：允许用户定义 Agent 的个性、动机、知识，以及访问第三方数据和服务或执行工作流。 5. 斑头雁：2B 基于企业知识库构建专属 AI Agent 的平台，适用于多种场景，提供多种成熟模板。 6. 钉钉 AI 超级助理：依托钉钉强大的场景和数据优势，在处理高频工作场景方面表现出色。 以上信息由 AI 大模型生成，请仔细甄别。
2025-04-07
有没有可以抓取公众号文章的 agent
以下是一些可以抓取公众号文章的方法和相关信息： 1. 可以通过读 SQLiteDB 或者获取 RSS XML 页面（http://127.0.0.1:4000/feeds/all.atom）来获取更新的公众号。个人选择在公众号订阅不太多时，建议使用分析 XML 页面，比较简单。可以写个程序获得公众号的更新文章，由于本地部署，无法直接将文章同步到 Coze，所以选择使用多维表格（当在线数据库，事实飞书多维表格后台也是使用类似 redis 或 TiDB 这样的数据库实现的）及飞书机器人 API 的方式来实现中间数据的传递。只要在多维表格中设置一个状态转换，就可以知道文章是否已经被解读和推送。 2. 可以通过文章链接订阅公众号，定时推送情报消息，并实现情报 CoT 问答。例如使用 Docker 浏览器打开：http://127.0.0.1:4000 也可以 http://wewerss 服务的 IP:端口为上面设置的外部端口。先点帐号管理，然后点“添加读书帐号”（即使用微信读书来实现公众号订阅），扫码添加帐号。然后在公众号源上，点添加。然后将想订阅的公众号的一篇文章链接粘贴并点确定即可订阅公众号文章。但建议不要短时间订阅太多公众号（经测试最好不要超 40 个）。 3. 瓦斯阅读平台可以抓取公众号的内容，但平台上公众号不太全。 4. GitHub 上的 WeWe RSS 工具可以通过微信读书的方式订阅公众号。
2025-04-05
dify工作流中agent节点怎么使用
在 Dify 工作流中使用 Agent 节点的步骤如下： 1. 搭建工作流框架： 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。 根据弹窗要求自定义工作流信息，点击确认完成新建。 左侧「选择节点」模块中，根据子任务需要，实际用上的有插件（提供能力工具拓展 Agent 能力边界）、大模型（调用 LLM 实现文本内容生成）、代码（支持编写简单脚本处理数据）。 按照流程图在编辑面板中拖入对应的 LLM 大模型、插件、代码节点完成框架搭建。 2. 测试 Agent 节点功能： 完成任何一个节点的配置后，都需要进行试运行测试以验证节点的运行效果。 步骤一：点击「测试该节点」。 步骤二：按格式要求输入待测试的输入内容，如果是 array 等其他格式，请自行对话 AI 或搜索网络确认格式要求。 步骤三：点击「展开运行结果」，检查输入、输出项是否有误。如果有误，请依次检查“测试输入内容”、“节点配置”是否有误，以及优化“提示词”以提升对生成内容的约束力。当多次测试时输入与输出都符合预期，就可以进入下一个子任务的配置。
2025-04-05
未来ai发展尤其对于腾讯的发展有什么方向性的可能
以下是关于腾讯在未来 AI 发展方向的一些可能： 1. 2024 年数字科技趋势：从连接、交互、计算和智能四个维度，对 100 多项未来技术和重点方向给出趋势性判断。包括星地直连的卫星互联网、垂直起降飞机的未来交通网、能源、信息和交通的多网协同，使未来网络连接的广度和深度都迎来无限可能。报告下载地址：（发布时间：2024/01/23） 2. 金融业大模型应用：强调大模型技术对金融业带来的革命性影响，包括提高效率、降低成本、创新服务和优化风险管理等方面。通过深入分析多个案例，展示大模型在金融服务、风险管理、客户服务和营销策略等领域的应用，同时指出实施大模型技术面临的挑战，如数据隐私、算法偏见和监管合规等。报告下载地址：（发布时间：2023/11/30） 3. 在基础模型和开源生态方面： 合成数据方面：量变不能直接产生质变，质量和结构至关重要；需要从扩充数据转向创造知识，通过系统化方法提升训练数据质量。 游戏开发、影视制作、工业设计、VR 构建等领域：面临数据积累和模型优化以实现产业赋能的挑战，当前瓶颈包括训练数据稀缺和泛化能力有限，未来方向可能是 GANs 数据生成和迁移学习优化。 材质还原方面：基于几何模型的空间结构特征生成真实感材质与纹理映射，纹理生成方法多元化，核心技术不断突破，AI 赋能加速发展，应用场景持续扩展。
2025-04-10
腾讯元器智能体
智能体是随着 ChatGPT 与 AI 概念爆火而出现的新名词，如“智能体 Agent”“bot”和“GPTs”等。简单理解，智能体就是 AI 机器人小助手，参照移动互联网，类似 APP 应用的概念。AI 大模型是技术，面向用户提供服务的是产品，因此很多公司关注 AI 应用层的产品机会。 在做智能体创业的公司有不少，C 端案例中，比如在社交方向，用户注册后先捏一个自己的智能体，然后让其与他人的智能体聊天，两个智能体聊到一起后再真人介入。B 端案例中，如果字节扣子和腾讯元器是面向普通人的低代码平台，类似 APP 时代的个人开发者，还有机会帮助 B 端商家搭建智能体。 国内有很多智能体开发平台，如字节的扣子 Coze、Dify.AI 等。个人常用的是扣子，本篇主要对比字节扣子和腾讯元器。 在 2025 年 1 月的国内月活榜中，腾讯元器排名 A101+1，分类为智能体，网址是 yuanqi.tencent.com，活跃用户为 5 万人，环比变化为0.1748，所属公司为腾讯。
2025-02-14
腾讯 Hunyuan
腾讯混元是腾讯推出的一系列模型，包括腾讯混元视频生成模型。以下是关于腾讯混元的一些重要信息： 上个月 5 号，宣布开源大语言模型混元 Large 和 3D 大模型 Hunyuan3D1.0。 近期开源了超大混元视频生成模型 HunyuanVideo，具备 130 亿参数，表现出色。该模型支持文生视频生成，未来将支持图生视频，特点包括超强的真实质感、很强的语义理解、可以切换镜头。 开源地址：https://github.com/Tencent/HunyuanVideo 。普通用户也可以去腾讯元宝 APP，进入 AI 应用查看，可能需要申请资格，但腾讯处理速度较快。 2024 年 12 月 4 日有相关报道。 1 月 24 日，腾讯宣布推出 Hunyuan3D1.0 ，地址为 https://github.com/Tencent/HunyuanLarge 。
2025-02-10
腾讯系ai生成视频的平台
腾讯系生成视频的平台主要有以下两个： 1. 腾讯 Hunyuan：这是一个 130 亿参数的开源视频模型。具有高质量视频生成能力，动作连贯自然，镜头切换灵活。具备强大语义跟随能力，适配新一代语言模型作为文本编码器，采用类似 Sora 的 DiT 架构，显著提升影视级动态表现力。其官网为：https://aivideo.hunyuan.tencent.com ，代码：https://github.com/Tencent/HunyuanVideo 2. 腾讯智影：具有数字人播报功能。 此外，通过 ChatGPT 生成文案，将文案复制到支持 AI 文字转视频的工具内，也可实现短视频自动生成。比如手机版剪映的图文成片功能。区别于专业剪辑软件复杂的操作页面，这类 AI 视频制作工具让大众生产视频更轻松上手。
2025-02-10
腾讯智影的功能
腾讯智影具有以下功能： 1. 数字人播报功能：可实现通过文字生成数字人的播报内容。 2. 短视频自动生成：通过 ChatGPT 生成文案，将文案复制到工具内实现短视频自动生成。当系统匹配的素材不符合要求时可手动替换。与专业剪辑软件相比，操作更简便，让大众生产视频更轻松。 此外，在 AI 领域还有其他相关产品和应用，如： 1. 彩云天气 APP：利用 AI 技术提供准确的天气预报预警，保障生命财产安全。 2. 腾讯觅影：对医疗影像进行分析，辅助医生诊断。 3. 钉钉会议管理功能：利用 AI 技术管理会议流程，提高会议效率。 4. 微拍堂书法作品拍卖频道：利用 AI 技术对书法作品进行鉴定和评估，为书法爱好者提供作品销售渠道。 在制作 PPT 方面，好用的 AI 工具包括： 1. Gamma：在线 PPT 制作网站，通过输入文本和想法提示快速生成幻灯片，支持嵌入多媒体格式。 2. 美图 AI PPT：通过输入简单文本描述生成专业 PPT 设计，包含丰富模板库和设计元素。 3. Mindshow：AI 驱动的 PPT 辅助工具，提供智能设计功能，包括自动布局、图像选择和文本优化等。 4. 讯飞智文：由科大讯飞推出的 AI 辅助文档编辑工具，利用语音识别和自然语言处理技术优势，提供智能文本生成、语音输入、文档格式化等功能。
2025-01-10
有没有能分析拆解腾讯视频的AI工具？
目前有使用 Gemini 1.5 Pro 来分析和拆解腾讯视频的工具。以下是一些相关信息： 大家可以放自己的案例，本文档可编辑。 郑跃葵：拿个库布里克的电影来分析，连大师手法都学会了。 大峰 AI 绘画：太酷啦又多了一个 AI 视频创作助手。 Jones：b 站大学复习有救了。 对！：拉片太方便了。 Shock：而且可以干掉人工标注了，安徽那边数据标注众包要失业了。 清慎：1. 影视二创长剪短，一键生成小帅、小美、大壮、丧彪的故事；2. 警察叔叔查监控，一句话找出监控中的可疑现象；3. 替代 Opus 等长剪短工具。 测试者阿强：好用，准确度很高，把前几天用 AI 做的功夫熊猫之离谱村版丢进去分析，效果很好。拆解作品。 测试者张余和 Ling、洋洋也有拆解结果，Gemini 1.5 Pro 给出了全文。 您可以尝试使用 Gemini 1.5 Pro 来满足您对腾讯视频的分析拆解需求。
2024-12-11
stable video diffusion开发
以下是关于 Stable Video Diffusion 开发的相关信息： SVD 介绍： 简介：Stable Video Diffusion 是 Stability AI 于 2023 年 11 月 21 日发布的视频生成式大模型，用于高分辨率、先进的文本到视频和图像到视频生成的潜在视频扩散模型。它支持多种功能，用户可调整多种参数，但对硬件要求较高，支持的图片尺寸较小，应用场景受限。 模型版本：开源了两种图生视频的模型，一种能生成 14 帧的 SVD，另一种是可以生成 25 帧的 SVDXL，发布时通过外部评估超越了人类偏好研究中领先的封闭模型。 主要贡献：提出系统的数据管理工作流程，将大量未经管理的视频集合转变为高质量数据集；训练出性能优于现有模型的文本到视频和图像到视频模型；通过特定领域实验探索模型中运动和 3D 理解的强先验，预训练的视频扩散模型可转变为强大的多视图生成器，有助于克服 3D 领域数据稀缺问题。 部署实战避坑指南： 直接使用百度网盘里准备好的资源，可规避 90%的坑。 若一直报显存溢出问题，可调低帧数或增加 novram 启动参数。 云部署实战中，基础依赖模型权重有两个 models–laion–CLIPViTH14laion2Bs32Bb79K 和 ViTL14.pt，需放到指定路径下。 总结： Sora 发布后，此前的视频生成模型相形见绌，但 Stable Video Diffusion 作为开源项目可在自己机器上自由创作无需充值。SVD 生成的视频画质清晰，帧与帧过渡自然，能解决背景闪烁和人物一致性问题，虽目前最多生成 4 秒视频，与 Sora 的 60 秒差距大，但在不断迭代。我们会持续关注其技术及前沿视频生成技术，尝试不同部署微调方式，介绍更多技术模型，更多精彩内容后续放出。 同时，您还可以加入「AIGCmagic 社区」群聊交流讨论，涉及 AI 视频、AI 绘画、Sora 技术拆解、数字人、多模态、大模型、传统深度学习、自动驾驶等多个方向，可私信或添加微信号：【m_aigc2022】，备注不同方向邀请入群。
2025-04-15
stable diffusion开发公司
Stable Diffusion 是由初创公司 StabilityAI、CompVis 与 Runway 合作开发的。其核心技术来源于 AI 视频剪辑技术创业公司 Runway 的 Patrick Esser 以及慕尼黑大学机器视觉学习组的 Robin Romabach。该项目的技术基础主要来自于他们之前在计算机视觉大会 CVPR22 上合作发表的潜扩散模型（Latent Diffusion Model）研究。 Stable Diffusion 是一种基于潜在扩散模型（Latent Diffusion Models）的文本到图像生成模型，能够根据任意文本输入生成高质量、高分辨率、高逼真的图像。其原理包括使用新颖的文本编码器（OpenCLIP）将文本输入转换为向量表示，利用扩散模型将随机噪声图像逐渐变换为目标图像，在扩散过程中以文本向量和噪声图像作为条件输入给出变换的概率分布，最后使用超分辨率放大器将生成的低分辨率图像放大到更高分辨率。 Stable Diffusion 总共有 1B 左右的参数量，可以用于文生图、图生图、图像 inpainting、ControlNet 控制生成、图像超分等丰富的任务。在文生图任务中，将一段文本输入到模型中，经过一定迭代次数输出符合文本描述的图片；图生图任务则在输入文本基础上再输入一张图片，模型根据文本提示对输入图片进行重绘。输入的文本信息通过 CLIP Text Encoder 模型编码生成与文本信息对应的 Text Embeddings 特征矩阵，用于控制图像生成。源代码库为 github.com/StabilityAI/stablediffusion ，当前版本为 2.1 稳定版（2022.12.7），其代码模型权重已公开发布，可以在大多数配备有适度 GPU 的电脑硬件上运行。
2025-04-15
runway的开发公司
Runway 是由一家总部位于旧金山的 AI 创业公司开发的。其在 2023 年初推出的 Gen2 代表了当前 AI 视频领域最前沿的模型。目前 Runway 支持在网页（https://runwayml.com/ ）、iOS 访问，网页端目前支持 125 积分的免费试用额度（可生成约 105s 视频），iOS 则有 200 多，两端额度貌似并不同步。
2025-04-15
stable diffusion开发公司
Stable Diffusion 是由初创公司 Stability AI、CompVis 与 Runway 合作开发的。其核心技术来源于 AI 视频剪辑技术创业公司 Runway 的 Patrick Esser 以及慕尼黑大学机器视觉学习组的 Robin Romabach。该项目的技术基础主要来自于他们之前在计算机视觉大会 CVPR22 上合作发表的潜扩散模型（Latent Diffusion Model）研究。 Stable Diffusion 是一种基于潜在扩散模型（Latent Diffusion Models）的文本到图像生成模型，能够根据任意文本输入生成高质量、高分辨率、高逼真的图像。其原理包括使用新颖的文本编码器（OpenCLIP）将文本输入转换为向量表示，利用扩散模型将随机噪声图像逐渐变换为目标图像，在扩散过程中以文本向量和噪声图像作为条件输入给出变换概率分布，最后使用超分辨率放大器将生成的低分辨率图像放大到更高分辨率。 Stable Diffusion 总共有 1B 左右的参数量，可以用于文生图、图生图、图像 inpainting、ControlNet 控制生成、图像超分等丰富的任务。其代码模型权重已公开发布，可以在大多数配备有适度 GPU 的电脑硬件上运行，当前版本为 2.1 稳定版（2022.12.7），源代码库为 github.com/StabilityAI/stablediffusion 。
2025-04-15
对于用cursor来开发，有没有好好用prompt来使cursor变得更加好用
以下是关于如何用 prompt 使 Cursor 变得更好用的相关内容： 在 prompt 方面，Devin 有一个特别有帮助的文档（https://docs.devin.ai/learnaboutdevin/prompting），它会教您什么样的 prompt 在与 Devin 沟通时最有效，比如明确定义成功的标准，如跑通某个测试或访问某个链接能对得上等。将同样的原则应用到 Cursor 中，会发现 Cursor 变得聪明很多，能自主验证任务完成情况并进行迭代。 Cursor 在生成单测方面表现出色。相对 GPT 等工具，Cursor 解决了上下文缺失和难以实现增量更新的问题。它可以向量化整个代码仓库，在生成单测代码时能同时提供目标模块及对应的上下游模块代码，生成结果更精确。例如，使用适当的 Prompt 能返回基于 Vitest 的结果，调整成本较小。 Cursor 支持使用.cursorrules 文件设定项目的系统提示词，针对不同语言可设定不同的 Prompt。@AIChain 花生做了一个 Cursor 插件解决提示语管理问题，可选择不同的.cursorrules 文件，还可从 https://cursor.directory/ 和 https://cursorlist.com/ 寻找提示词。此外，还有一个提示语小技巧，给已有的提示语追加上特定规则，可使模型在搜索资源和思考时默认使用英语，回复转换成中文，或更灵活地根据提问语言进行回复。
2025-04-14
我是一个前端开发人员，在工作中，我可以使用哪些ai工具提效
以下是一些适合前端开发人员在工作中提效的 AI 工具： 1. 辅助编程工具： GitHub Copilot：由 GitHub 联合 OpenAI 和微软 Azure 团队推出，支持多种语言和 IDE，能快速提供代码建议。 通义灵码：阿里巴巴团队推出，提供多种编程辅助能力。 CodeWhisperer：亚马逊 AWS 团队推出，由机器学习技术驱动，实时提供代码建议。 CodeGeeX：智谱 AI 推出的开源免费编程助手，基于 130 亿参数的预训练大模型。 Cody：Sourcegraph 推出的代码编写助手，借助强大的代码语义索引和分析能力。 CodeFuse：蚂蚁集团支付宝团队推出的免费 AI 代码助手。 Codeium：通过提供代码建议等帮助提高编程效率和准确性。 更多辅助编程 AI 产品，可查看：https://www.waytoagi.com/category/65 。每个工具功能和适用场景不同，可根据需求选择。 2. 测试用例生成：AI 在生成测试用例方面具有显著优势，能自动化和智能化生成高覆盖率的测试用例，减少人工编写时间和成本。通过合理应用 AI 工具，可提高测试效率、增强测试覆盖率和发现潜在问题，从而提升软件质量和用户体验。 3. 网页原型图生成工具： 即时设计：https://js.design/ ，可在线使用的「专业 UI 设计工具」，注重云端文件管理和团队协作。 V0.dev：https://v0.dev/ ，Vercel Labs 推出的 AI 生成式用户界面系统，能通过文本或图像生成代码化的用户界面。 Wix： ，用户友好，无需编码知识即可创建和自定义网站，提供广泛模板和设计选择，以及多种功能。 Dora：https://www.dora.run/ ，通过一个 prompt，借助 AI 3D 动画生成强大网站。 请注意，以上内容由 AI 大模型生成，请仔细甄别。
2025-04-14