以下是将 Claude 做成扣子插件的步骤： 1. 公众号私信“TC”获取插件，下载完成后解压。 2. 进入 Chrome 浏览器的扩展程序管理界面，打开右上角的开发者模式。 3. 左上角加载解压完的文件夹。 另外，关于在扣子中手搓插件： 1. 点击个人空间，选择插件，点击创建插件。 插件名称：中文，根据插件需求起名。 插件描述：告诉观众插件的用途和使用方法等。 插件工具创建方式： 云侧插件基于已有服务创建：使用现成的 API 来创建插件，需填入所使用 API 的 URL。 云侧插件在 Coze IDE 中创建：使用 Coze 的服务器写代码来直接搭建 API（支持 Python 和 Node.JS）。 2. 在新的界面点击创建工具。 填入第一个插件工具的基本信息： 工具名称：只能使用字母、数字和下划线来命名。 工具描述：根据工具的使用方法、功能填写，提醒用户如何使用。 工具路径：填写对应完整的 API 以“/”开始，如果后面使用 path 的方式传参，则可以使用“{}”包裹的方式把变量包含在其中。 请求方法：根据 API 的调用方式选择对应的请求方法。 3. 配置输入参数：点击新增参数，把所有需要使用的参数填写进工具。 4. 配置输出参数：如果一切都填对了没有问题，可以直接点击自动解析，会自动调用一次 API 给出对应的输出参数。 5. 调试与校验：测试工具是否能正常运行，运行后查看输出结果，“Request”为输入的传参，“Response”为返回值，点击“Response”就可以看到解析后的参数。

以下是关于 AI 评估 GPU 大模型性能指标中输入 token 和输出 token 能力区分的相关内容： 大模型是通过输入大量语料进行训练，从而获得类似人类的“思考”能力，能够进行文本生成、推理问答、对话、文档摘要等工作。在大模型的训练和使用过程中： 1. 训练需要大量计算，GPU 更合适，只有具备大量 GPU 的才有资本训练大模型。 2. 大模型需要大量数据量，几千亿序列（Token）的输入基本是标配。 3. 要用合适的算法让大模型更好理解 Token 之间的关系。 4. 为让大模型更好胜任某一行业，需要进行微调（fine tuning）指导。 5. 完成上述步骤后，大模型就可以进行如翻译、问答等推导（infer）工作。 Token 是大模型语言体系中的最小单元，人类语言发送给大模型时，会先转换为其自身语言，推理生成答案后再翻译输出。不同厂商的大模型对中文的文本切分方法不同，通常 1Token 约等于 1 2 个汉字。大模型的收费计算方法以及对输入输出长度的限制，都是以 token 为单位计量的。 在评估 GPU 大模型性能时，显卡的常规指标很重要。大部分模型默认采用 FP16 的加载方式，因此显卡的性能指标主要关注 FP16 的算力和显存大小。算力影响推理速度，包括输入数据处理和持续吐出数据的速度，会体现在从提示词输入后到第一个输出的 token 的等待时间间隔，以及流式输出下每秒吐字的字数，通常每秒 10 token 以上能获得较好的用户体验。显存大小影响能否装载模型，可通过“参数大小乘 2”简化判断所需显存大小，但实际显存需求还会受其他因素影响。

以下是一些关于论文润色的相关知识： 常见的文章润色 AI 工具： Wordvice AI：集校对、改写转述和翻译等功能于一体，基于大型语言模型提供全面的英文论文润色服务。 ChatGPT：由 OpenAI 开发的大型语言模型，可用于学生和写作人员的多方面写作辅助。 Quillbot：人工智能文本摘要和改写工具，可用于快速筛选和改写文献资料。 HyperWrite：基于 AI 的写作助手和大纲生成器，可帮助用户在写作前进行头脑风暴和大纲规划。 Wordtune：AI 驱动的文本改写和润色工具，可以帮助用户优化文章的语言表达。 Smodin：提供 AI 驱动的论文撰写功能，可以根据输入生成符合要求的学术论文。 总的来说，这些 AI 工具涵盖了文章润色的各个环节，包括校对、改写、大纲生成、内容生成等，可以有效提高写作效率和质量。科研人员和学生可以根据自身需求选择合适的工具进行使用。 学术场景数据处理中的论文润色： 论文内容总结：阅读完整篇文章之后需要花费大量时间总结和梳理文章内容，而大模型可以结合有效的提示词，迅速总结概括文档，从而节省时间。例如，GLM4Plus 结合良好的提示词能够帮助学生快速总结论文内容，提高论文梳理的效率。 论文内容翻译：学生在阅读文献时，由于语言差异，常常需要依赖翻译工具。市面上的翻译软件由于字数限制不能直接对整篇文章进行处理，大模型可以弥补这一不足，帮你更快更好地理解原文，让你高效掌握论文核心内容。例如，GLM 结合良好的提示词能够帮助学生快速翻译论文内容，提高论文阅读效率。 论文内容扩写润色：我们可以继续将论文内容转化为社交媒体的科普内容，将复杂学术知识普及化。这不仅仅是简单的翻译，而是需要将那些充满术语和专业词汇的学术语言，转换成普通大众能够轻松理解、并且感兴趣的表达方式。精心设计的润色提示词可以根据特定场景进行调整，以便生成与特定平台风格相匹配的多样化润色结果。比如针对小红书的使用场景，调整提示词以匹配其特有的口语化、轻松愉快的氛围，从而将论文中的结论部分润色成适合在小红书上分享的生活化内容。 蓝衣剑客提到：完成逐级扩写之后，便可以开始对文章进行润色。润色是一个再加工的过程，其重要性不言而喻。在润色过程中，应选择多种不同的风格进行加工，而不是仅凭一时的灵感随意选择润色风格，因为这种做法往往难以达到理想的效果。

以下是新手学习 AI 的方法： 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，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。 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，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 对于中学生学习 AI，建议如下： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始，学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习打下基础。 2. 尝试使用 AI 工具和平台： 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识： 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目： 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。 5. 关注 AI 发展的前沿动态： 关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 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。

AI 在电商中的应用场景和落地方案主要包括以下方面： 1. 产品推荐：通过分析客户数据，为每个客户推荐可能感兴趣的产品。 2. 搜索和个性化：改善搜索结果，为客户提供个性化的购物体验。 3. 动态定价：根据市场需求动态调整产品价格。 4. 聊天机器人：提供服务，回答客户问题并解决他们的问题。 以下是一些具体的案例： 1. 品牌提升品牌价值：涉及品牌洋葱图思维模型、产品信息、人群等 19 个关键词库。 2. 品牌分析品牌舆论传播：涵盖舆论传播、数据分析等 25 个关键词库。 3. 推广制定上市推广方案：包含品牌、产品信息等 28 个关键词库。 在生成式 AI 方面，像 Flair、Booth 和 Bloom 等工具帮助品牌创建引人注目的产品照片。AdCreative、Pencil 可以制作用于电子邮件或社交媒体的营销材料，Frase 或 Writesonic 可以编写经过 SEO 优化的产品描述。未来，用户有望仅通过描述期望的审美并点击按钮，就能创建一个完整的电商商店及用于市场营销的材料。

目前常见的大模型包括以华为为代表的工业大模型，在教育领域也有望出现更多相关大模型。在企业方面，存在如面试大模型、员工评估大模型等不同场景的大模型。然而，企业做大模型存在一些误区，如总想搞宏大的产业大模型、用万能大模型解决所有问题、认为有了大模型原来的 IT 系统就淘汰了、认为大模型不用做数字化就能直接一步到位弯道超车等。同时，在 2023 年的百模大战中，通用大模型越做越大，但不一定适合普通企业。

以下是市面上常见的 AI 写作助手： 辅助创作与学习方面：AI 智能写作助手帮助用户快速生成高质量文本；AI 语言学习助手、诗歌创作助手、书法字体生成器、漫画生成器等为用户的学习和创作提供支持。 文章排版工具方面： Grammarly：不仅是语法和拼写检查工具，还提供排版功能，可改进文档风格和流畅性。 QuillBot：AI 驱动的写作和排版工具，能改进文本清晰度和流畅性。 Latex：常用于学术论文排版，使用标记语言描述文档格式，有许多 AI 辅助的编辑器和插件。 PandaDoc：文档自动化平台，使用 AI 帮助创建、格式化和自动化文档生成，适合商业和技术文档。 Wordtune：AI 写作助手，可重新表述和改进文本，使其更清晰专业。 Overleaf：在线 Latex 编辑器，提供丰富模板和协作工具，适合学术写作和排版。 营销领域方面： Synthesia：允许创建由 AI 生成的高质量视频，包括数字人视频，可用于营销视频、产品演示等。 HeyGen：基于云的 AI 视频制作平台，可通过输入文本生成数字人视频，适合制作营销视频和虚拟主持人等。 Jasper AI：人工智能写作助手，用于生成营销文案、博客内容、电子邮件等。 Copy.ai：AI 营销文案生成工具，可快速生成广告文案、社交媒体帖子、电子邮件等营销内容。 Writesonic：AI 写作助手，专注于营销内容创作，如博客文章、产品描述、视频脚本等。 更多的营销产品可以查看 WaytoAGI 网站：https://www.waytoagi.com/sites?tag=8 。总之，这些 AI 工具能够帮助用户高效创作各种内容，提高工作效率。用户可根据实际需求选择合适的工具。需注意，以上内容由 AI 大模型生成，请仔细甄别。

人工智能主要有以下三个技术派别： 1. 符号主义：通过符号和逻辑推理来实现智能。 2. 联结主义：基于神经网络和深度学习等方法，强调神经元之间的连接和信息传递。 3. 行为主义：注重智能体与环境的交互和行为表现。 自 1956 年“人工智能”的概念在美国的达特茅斯学会上被提出后，其所涵盖的理论范围及技术方法不断扩展，如今已发展出多个技术分支并应用于不同领域。欧盟对人工智能的定义也在不断变化和发展，例如 2021 年《AI 法案》提案对人工智能的定义采取了更宽泛的界定标准，而 2022 年《AI 法案》妥协版本中，欧盟理事会及欧洲议会认为“AI 系统”的定义范围应适当缩窄，并侧重强调机器学习的方法。

RAG（RetrievalAugmented Generation）即检索增强生成，是一种结合信息检索和文本生成能力的技术，由检索器和生成器两部分组成。检索器从外部知识中快速找到与问题相关的信息，生成器利用这些信息来制作精确和连贯的答案，非常适合处理需要广泛知识的任务，如问答系统，能够提供详细而准确的回答。 LLM 需要 RAG 进行检索优化的原因在于 LLM 存在一些缺点： 1. 无法记住所有知识，尤其是长尾知识，受限于训练数据和学习方式，对长尾知识的接受能力不高。 2. 知识容易过时且不好更新，微调模型的接受能力不高且慢，甚至有丢失原有知识的风险。 3. 输出难以解释和验证，最终输出内容黑盒且不可控，可能受到幻觉等问题干扰。 4. 容易泄露隐私训练数据。 5. 规模大，训练和运行成本高。 RAG 具有以下优点： 1. 数据库对数据的存储和更新稳定，不存在学不会的风险。 2. 数据库的数据更新敏捷，增删改查可解释，对原有知识无影响。 3. 数据库内容明确、结构化，加上模型本身的理解能力，大模型输出出错的可能大大降低。 4. 知识库存储用户数据，便于管控用户隐私数据，且可控、稳定、准确。 5. 数据库维护可降低大模型的训练成本，新知识存储在数据库即可，无需频繁更新模型。 RAG 性能提升的策略和方法包括： 1. 优化索引： 按照子部分索引，将文本块再拆分为较小的文本（例如单句），然后对这些小块进行多次索引，适用于有多个主题、有冲突信息的复杂长文本信息。 按照文本框可以回答的问题索引，让 LLM 生成与拆分的文本块相关的假设性问题，并将这些问题用于索引，适用于用户没有提出非常明确问题的情况，可减少模糊性。 按照文本块的摘要进行索引，适用于文本框中有多余信息或者与用户查询无关细节的情况。 2. 重排 rerank：搜到相似信息后选择合适的信息，大部分场景下选择最相似的即可。

以下是为您提供的 AI 入门指导： 一、背景 在深入学习 AI 时，许多朋友因需要编程且各类教程默认会打命令行而感到入门困难。因此有了简明入门教程，旨在让大家更快掌握 Python 和 AI 的相互调用。 二、关于 Python Python 就像哆拉 A 梦，拥有装满各种道具的标准库，遇到问题可直接使用。若标准库道具不够，还能通过 pip 一类的工具从 GitHub 一类的分享代码平台订购新道具。Python 被全世界广泛使用，在 AI 领域更是如此。 三、关于 OpenAI API OpenAI 通过两种方式提供服务： 1. 通过 ChatGPT，提供开箱即用的服务，直接对话即可，简单直观。 2. 通过 OpenAI API，提供更加灵活的服务，通过代码调用，来完成更多自动化任务。 四、学习方法 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，了解其主要分支及联系。 浏览入门文章，了解 AI 的历史、应用和发展趋势。 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）上的课程按自己节奏学习，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，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习，一定要掌握提示词的技巧。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库有很多实践后的作品、文章分享，欢迎您实践后分享。 5. 体验 AI 产品： 与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解其工作原理和交互方式，获得对 AI 实际应用表现的第一手体验，激发对 AI 潜力的认识。 在接下来的 20 分钟内，您可以循序渐进地完成以下任务： 1. 完成一个简单程序。 2. 完成一个爬虫应用，抓取公众号文章。 3. 完成一个 AI 应用，为公众号文章生成概述。