以下是 Cursor 的使用教程： 1. 下载：访问 https://www.cursor.com/ 进行下载。 2. 注册账号：可以使用 google/github/163/qq 等邮箱直接登录，接受二维码登录。 3. 安装中文包插件。 4. 配置需求： 做一个贪吃蛇游戏，在网页中玩。在设置中 Rule for AI 配置，按 ctrl/cmd+i 输入需求，如“帮我做一个贪吃蛇游戏，在网页中玩”。清晰表达需求，包括游戏界面、蛇的移动、食物、增长、死亡条件、得分、难度递增和游戏结束等规则和逻辑。 5. 实践操作： 打开 Cursor 官网下载和安装，不用魔法上网也可访问。安装后打开，页面左侧是代码文件，右侧是提示对话框，可通过 commd+L 调起 AI 对话输入需求或想实现的效果。提前创建文件，点击对话框代码块旁的“Apply”“Accept”将代码保存在左侧文件里。 不断在对话框里追问，完善需求。对话时可@本地代码文件进行问答，得到更精准回答。本地存一份需求说明文档，遇到报错或不理解的地方，截图或复制在对话框询问，直到验证成功。 6. 课程学习： 学习 Python 是什么、Cursor 使用、notebook 远程编程等内容，包括 Python 简介、发展历史和特点、在数据分析和人工智能等领域的优势和应用，以及数字人文领域的 Python 项目介绍。了解 Cursor 是结合 AI 功能的编程编辑器，具有 AI 辅助代码补全和生成、实时语法和错误检查、简洁友好用户界面等优势。还可了解 Bohrium 在线编程平台的相关知识。 希望以上教程对您有所帮助。

在当前的办公环境中，有许多做 PPT 的 AI 工具，以下为您介绍一些： 1. Gamma：这是一个在线 PPT 制作网站，允许用户通过输入文本和想法提示快速生成幻灯片。它支持嵌入多媒体格式，如 GIF 和视频，以增强演示文稿的吸引力。网址：https://gamma.app/ 2. 美图 AI PPT：由知名图像编辑软件“美图秀秀”的开发团队推出。用户通过输入简单的文本描述来生成专业的 PPT 设计，包含丰富的模板库和设计元素，可根据需求选择不同风格和主题的模板，适用于多种场合。网址：https://www.xdesign.com/ppt/ 3. Mindshow：一款 AI 驱动的 PPT 辅助工具，提供一系列智能设计功能，如自动布局、图像选择和文本优化等，还可能包括互动元素和动画效果。网址：https://www.mindshow.fun/ 4. 讯飞智文：由科大讯飞推出的 AI 辅助文档编辑工具，利用科大讯飞在语音识别和自然语言处理领域的技术优势，提供智能文本生成、语音输入、文档格式化等功能。网址：https://zhiwen.xfyun.cn/ 5. 爱设计 PPT：在国内 AI 辅助制作 PPT 的产品中表现出色，背后有实力强大的团队，把握住了 AI 与 PPT 结合的市场机遇，已确立市场领先地位。

以下是关于利用 AI 收集资料和整合网站链接的相关内容： 利用 AI 收集资料： 明确文章主题后，可借助 AI 高效收集相关资讯。例如使用 Perplexity.AI，访问其网站并使用搜索功能，为获取更专业深入的结果，可启用 Pro 功能（每天有一定次数免费使用，常使用可考虑开通会员）。在搜索框输入具体 Prompt 如“查找关于 OpenAI 对马斯克言论回应的博客文章”，快速定位相关资讯。获取搜索结果后，点击回答内容下方的拷贝按钮获取引用网站链接。同理，微软的 Bing 搜索引擎等具备联网搜索功能的工具也能实现类似功能，帮助快速搜集大量资料，提升文章专业度和说服力。 整合网站链接： 1. 整理资料时，可使用月之暗面开发的 Kimi 这个 AI 会话助手。它具备读取网页内容并生成一定内容的能力，读取完毕会显示绿色标点提示。但它阅读能力有限，可能无法一次性处理大量资讯或读取某些网站内容，可分批次提供资料确保有效读取和理解。 2. 以下是一些收录 GPTs 的网站： Hallidai：，特点是索引了周日为止 ? 上公开提及的全部 GPTs 数据，后面会每天持续更新，用提及每个 GPTs 的点赞数最高的 tweet 作为初始的 upvotes 来展示热度，也提供了大家 upvote 自己喜欢的 GPTs 的功能，支持搜索，用 Semantic Search 的方式方便大家快速找到想要的 GPTs。 GPTStore：，特点是内容全，有搜索，有热度。 Aigenthub：，特点是有搜索，可讨论，内容全。 GPTs Hunt：，特点是 9557 GPTs。 GPTsPartner：，特点是每日更新，有搜索。 GPTseek：，特点是用户可投票筛选高质量 GPTs，有分类筛选和提交自己的 GPTs 功能，有热度，内容全。

以下是一些消费行业的 AI 案例： 《2024 生成式 AI 商业落地白皮书》由火山引擎、RollingAI 和 InfoQ 研究中心联合发布，为 CXO 提供 AI 转型战术指南。书中通过 240 个应用场景地图，展示了 AI 在消费零售等行业的落地案例，探讨了 AI 基础设施构建、项目落地准备和快速补齐能力差距等关键问题，并提出了八步实施大模型接入的方法论。 关于 AI 的最强大之处之一是它能使产品个性化用户体验。这方面的早期应用已经出现在教育科技和搜索中，预计这种定制将是许多 AI 启用产品的核心价值主张。 此外，人工智能在汽车行业也有广泛应用： 自动驾驶技术：利用 AI 进行图像识别、传感器数据分析和决策制定，自动驾驶汽车能够自主导航和驾驶。 车辆安全系统：AI 被用于增强车辆的安全性能，如自动紧急制动、车道保持辅助和盲点检测系统。 个性化用户体验：AI 可以根据驾驶员的偏好和习惯来调整车辆设置。 预测性维护：通过分析车辆的实时数据，AI 可以预测潜在的故障和维护需求。 生产自动化：在汽车制造过程中，AI 被用于自动化生产线，提高生产效率和质量控制。 销售和市场分析：汽车公司使用 AI 来分析市场趋势、消费者行为和销售数据。 电动化和能源管理：AI 在电动汽车的电池管理和充电策略中发挥作用。 共享出行服务：AI 支持的共享出行服务，使用 AI 来优化路线规划、调度车辆和定价策略。 语音助手和车载娱乐：AI 驱动的语音助手允许驾驶员通过语音命令控制车辆功能、获取信息和娱乐内容。 车辆远程监控和诊断：AI 系统可以远程监控车辆状态，提供实时诊断和支持。

要查看大模型排名，您可以通过以下几种方式： 1. 查阅相关的科技新闻网站、学术论坛或关注人工智能领域的社交媒体平台，这些渠道通常会及时发布最新的排名和评价。 2. 在通往 AGI 之路的知识库里，在会定期更新相关的排名报告，可以供您查阅。 3. 例如，您可以访问聊天机器人竞技场网站，输入一些问题，根据两个模型的响应选择获胜者，通过这种方式根据胜率计算 ELO 分数来确定排名。越高越好。目前表现最好的模型多为专有模型，如 OpenAI 的 GPT 系列，以及 Anthropic 的 Claude 系列等。 4. 斯坦福发布的大模型排行榜 AlpacaEval 也可作为参考，其支持两种模式的模型评估方式： alpaca_eval：直接根据目标模型输出的响应来评估模型。 alpaca_eval evaluate_from_model：根据 HuggingFace 已注册模型或这 API 提供商来端到端评测模型。评测过程分为以下 3 步： 选择一个评估集，并计算指定为 model_outputs 的输出。默认情况下，使用来自 AlpacaEval 的 805 个示例。 计算 golden 输出 reference_outputs。默认情况下，在 AlpacaEval 上使用 textdavinci003 的输出。 通过 annotators_config 选择指定的自动标注器，它将根据 model_outputs 和 reference_outputs 计算胜率。这里建议使用 alpaca_eval_gpt4 或 claude。根据不同的标注器，使用者还需要在环境配置中设定 API_KEY。 需要注意的是，内容由 AI 大模型生成，请仔细甄别。

以下是关于转型为 AI 产品经理的学习建议： 1. 入门学习： 可以通过 WaytoAGI 等开源网站或相关课程了解 AI 的概念。 多使用 AI 产品并尝试动手实践应用搭建。 2. 研究阶段： 技术研究路径：对某一领域有认知，能根据需求场景选择解决方案，或利用 Hugging face 等工具手搓出一些 AI 应用来验证想法。 商业化研究路径：熟悉产品运营不分家的理念，关注场景、痛点、价值。 3. 落地应用： 积累成功落地应用的案例，产生商业化价值。 了解传统互联网产品经理的三个层级：负责功能模块与执行细节、负责整体系统与产品架构、熟悉行业竞争格局与商业运营策略。 对技术框架有一定了解，不一定要了解技术细节，但要对技术边界有认知，最好能知道一些优化手段和新技术的发展。 您还可以参考以下案例和学习资源： 《雪梅 May 的 AI 学习日记》：其中提到用 ComfyUI 的工作流加上 Cursor 的前端网页，完整制作个人 AI 产品的方向。 《放下傲慢！停止自欺欺人！与其做 AI 的主人，不如做它的搭档》：讲述了在与 AI 合作过程中，放下执念让 AI 主导以及全程让 AI 参与的经验。

以下是关于大模型评测的相关信息： 招聘信息：有大模型算法工程师/产品经理（实习）岗位在北京，工作包括大模型效果评测，要求研究生及以上学历，相关专业优先，有相关实习经验、代码能力强等。 开源评测体系及平台： FlagEval（天秤）：旨在建立科学、公正、开放的评测基准、方法、工具集，创新构建了“能力任务指标”三维评测框架。 CEval：构造了覆盖多学科的中文知识和推理型测试集，并给出主流中文 LLM 的评测结果。 SuperCLUElyb：中文通用大模型匿名对战评价基准，发布了初步结果和基于 Elo 评级系统的排行榜。 测评示例：小七姐对文心一言 4.0、智谱清言、KimiChat 进行小样本测评，包括测评机制、目标、能力考量和多轮测评任务，如复杂提示词理解和执行、推理能力、文本生成能力、提示词设计能力、长文本归纳总结能力等，每轮测评都有不同的任务和模型参与。

AI agent 在 2024 年实现了从概念到实践的关键突破，能够重构以下场景： 1. 手机操作场景：例如对着手机说“帮我给同事的朋友圈点赞”，AI 就能识别屏幕，找到相应按钮并完成操作。 2. 工作流搭建场景：可以通过自然语言构建 DSL 并还原工作流，降低用户上手门槛，例如用于 MVP 的产品测试。 3. 文案生成场景：像“Pailido｜AI 拍立得”这样的产品，各个场景由 AI Agent 驱动，仅需选中场景后点击拍摄即可快速生成对应文案，包括小红书文案、外卖点评写作、闲鱼商品发布文案等。

以下是一些学习 ChatGPT 的方法： 1. 利用推特博主分享的 GPT 工作流： 把特定的 prompt 喂给 ChatGPT（建议开新对话专门用于学习英文）。 ChatGPT 会扮演美国好朋友，对输入的英文和中文表达返回更地道的表达，对俚语部分加粗，还会举一反三给出更多例子。 输入特定语句，ChatGPT 会输出对话回顾并建议 3 个推荐任务强化记忆。 建议开一个窗口复制 prompt，手机端打开历史记录，点右上角耳机图标打电话，既能练口语又能练听力，结束后看回顾帮助阅读。 群友在讯飞上尝试了类似版本，效果不错。 2. 深入了解相关知识： 从基础到实践，学习使用 GPT 的 Action，包括了解 OpenAI 对智能体能力模型的定义，深入探讨 ChatGPT 中的 Action（搜索、画图、代码解释器）以及 GPT 系列中的不同 Action。 初步了解 API 的概念，以及 GPT 如何通过 Action 与外部数据进行交互和使用。 对 Action 感兴趣可以从系统学习 API 相关知识、网上寻找可用 API 练习、发掘 GPT Action 更多潜力等方向继续前进。 3. 借鉴他人经验： 数据科学博士研究生杰森·方将其用作双向交流途径，有时用中文写一段话请 ChatGPT 帮忙润色，有时观察 ChatGPT 写的内容并据此写作。 企业家罗纳尔多·马那克在想不起特定单词时，简单描述让 GPT 找出。 作家和喜剧演员贝萨妮·格瑞斯·浩薇在需要灵感时让 ChatGPT 处理头韵、韵脚等。

RAG（RetrievalAugmented Generation）即检索增强生成，是一种结合检索和生成能力的自然语言处理架构。 大模型需要 RAG 进行检索优化的原因在于其存在一些缺点： 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，微调效果不佳且有丢失原有知识的风险。 3. 输出难以解释和验证，存在内容黑盒、不可控及受幻觉问题干扰的情况。 4. 容易泄露隐私训练数据。 5. 规模大，训练和运行成本高。 RAG 的优点包括： 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. 数据更新敏捷，可解释且不影响原有知识。 3. 数据库内容明确、结构化，加上模型的理解能力，能降低大模型输出出错的可能。 4. 便于管控用户隐私数据，且可控、稳定、准确。 5. 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 的核心流程是根据用户提问，从私有知识中检索到“包含答案的内容”，然后把“包含答案的内容”和用户提问一起放到 prompt 中，提交给大模型，让其回答充分考虑到“包含答案的内容”。其最常见应用场景是知识问答系统。RAG 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制作精确连贯的答案，适合处理需要广泛知识的任务，如问答系统，能提供详细准确的回答。