直达「 通往AGI之路 」飞书知识库 →
首页/问答列表/问答详情

如何编写爬虫插件

回答

如何编写爬虫插件

  1. 登录扣子
  2. 在左侧导航栏的工作区区域,选择进入指定团队。
  3. 在页面顶部进入插件页面,或者在某一 Bot 的编排页面,找到插件区域并单击+图标。
  4. 单击创建插件。
  5. 在新建插件对话框,根据以下信息完成配置并单击确认。 | 配置项 | 说明 | | :-------- | :----------------------------------------------- | | 插件图标 | 单击默认图标后,您可以上传本地图片文件作为新的图标。 | | 插件名称 | 自定义插件名称,用于标识当前插件。建议输入清晰易理解的名称,便于大语言模型搜索与使用插件。 | | 插件描述 | 插件的描述信息,一般用于记录当前插件的用途。 | | 插件工具创建方式 | 选择基于已有服务创建。 | | 插件 URL | 插件的访问地址或相关资源的链接。例如:https://www.example.com/api | | Header 列表 | HTTP 请求头参数列表。您需要根据 API 自身的参数配置要求来填写。 |

另外,还可以通过 JSON 或 YAML 文件导入插件,具体操作步骤如下:

  1. 在页面顶部进入插件页面,并在右上角单击导入。另外支持在存量的插件详情页内导入工具。您需要进入插件详情页,在工具列表右上角单击导入。
  2. 在导入插件对话框,选择以下任一导入方式,并单击下一步。
    • 在本地文件页签内,通过拖拽或点击的方式,上传保存在本地的 JSON 或 YAML 文件。
    • 在 URL 和原始数据页签内,填写存放 API JSON 或 YAML 文件的 URL 地址。
    • 在 URL 和原始数据页签内,填写 JSON 或 YAML 格式的 API 原始数据。 如果您需要单次导入多个 API,则需要确保各个 API 有相同的 URL 路径前缀,该路径前缀将会作为插件 URL 来使用。如果单次导入的 API URL 路径前缀不一致,则会导入失败。
内容由 AI 大模型生成,请仔细甄别(powered by aily)
其他人在问
trae 推荐安装那个版本的 vscode插件
在 Trae 中安装 VS Code 插件可以通过以下方式: 1. 从 Trae 的插件市场安装: 在左侧导航栏中,点击插件市场图标,界面左侧显示插件市场面板。 搜索您想要的插件并在未安装列表中将其选中,界面上显示该插件的详情窗口,展示该插件的详细说明、变更日志等信息。 点击安装,Trae 开始安装该插件。安装完成后,该插件会出现在已安装列表中。 2. 从 VS Code 的插件市场安装: 前往。 搜索您想要的插件,例如:Pylance。 在搜索结果中,点击您所需的插件,您会前往该插件的详情页。 在详情页中,点击 Version History。 结合插件页的 URL 和 Version History 中的信息,提取出以下信息(以 Pylance 为例): itemName:URL Query 中的 itemName 字段,如截图中的 mspython.vscodepylance,并将小数点(.)前后的内容分成以下两个字段: fieldA:mspython fieldB:vscodepylance version:如截图中的 2025.1.102 使用提取出来的 3 个字段的值替换下方 URL 中的同名字段。 在浏览器中输入修改后的 URL,然后按下回车键,浏览器开始下载该插件。 下载完成后,返回 Trae 并打开插件市场。 将下载的.vsix 文件拖拽至插件市场面板中,Trae 开始自动安装该插件。安装完成后,该插件会出现在已安装列表中。 此外,如果 VS Code 插件市场中某个版本的插件依赖了新版 VS Code 中的某些接口,则可能会导致该插件与 Trae 不兼容。您可以查看该插件的 Version History,然后下载该插件的历史版本。 管理插件还包括禁用插件和卸载插件: 1. 禁用插件: 在 Trae 中,打开插件市场。 在已安装列表中,找到需禁用的插件。 鼠标悬浮至列表中的插件,然后点击设置>禁用。或点击该插件以打开其详情窗口,然后点击禁用。 2. 卸载插件: 在 Trae 中,打开插件市场。 在已安装列表中,找到需卸载的插件。 鼠标悬浮至该插件,然后点击卸载。或点击该插件以打开其详情窗口,然后点击卸载。
2025-04-19
我们是搜索团队的产品经理,团队定位倾向于“对于插件的建设与调用”定位,现在要做AI相关的产品规划,请以通俗易懂的方式对以下问题做出回答 1、请通过流程图的方式,介绍【插件/工具】能力在大模型生态架构中的环节、定位、实现流程是什么 2、调研下对于我们搜索团队而言,插件应该做什么,可以做什么 3、思考对于大模型来说,有哪些(通用或垂类)的模块/功能/插件是无法绕开的,或高频使用的,作为我们团队后续争取的发力点(如搜索推荐对于传统综合搜索结果页)
以下是为您提供的关于 AI 相关产品规划的回答: 一、插件/工具能力在大模型生态架构中的环节、定位、实现流程 从 2023 年 3 月份 OpenAI 宣布插件计划开始,到 5 月份上线,其中包括联网、代码、画图三个插件。其实现流程大致为: 1. 经过对模型的微调,检测何时需要调用函数(取决于用户的输入)。 2. 使用符合函数签名的 JSON 进行响应。 3. 在接口层面声明可调用的工具。 4. 使用函数和用户输入调用模型。 5. 使用模型响应调用 API。 6. 将响应发送回模型进行汇总。 二、对于搜索团队,插件可以做和应该做的事 目前没有直接针对搜索团队插件具体可做和应做事项的明确内容,但可以参考 OpenAI 的插件计划,例如开发与搜索相关的特定功能插件,或者探索如何将现有的搜索推荐功能与大模型更好地结合。 三、对于大模型无法绕开或高频使用的模块/功能/插件 目前没有直接指出对于大模型无法绕开或高频使用的具体模块、功能或插件。但从相关信息中可以推测,例如与数据获取和处理相关的插件(如联网)、与技术开发相关的插件(如代码)以及与内容生成相关的插件(如画图)可能是较为重要和高频使用的。对于搜索团队来说,可以考虑在这些方向上寻找发力点,结合搜索推荐等传统功能,开发出更具竞争力的插件。
2025-04-08
找一下翻译插件
以下为您介绍一些翻译插件和方法: 1. 提示词翻译副本 Alekpet: 插件地址:安装后重启 ComfyUI 即可。 将 CLIP 文本编码器转换为输入,连接翻译文本节点即可使用。 链接:https://github.com/kingzcheung/ComfyUI_kkTranslator_nodes 2. 提示词翻译副本 Prompt_Translate_to_English: 用的百度翻译 API 方法如下: 下载节点压缩包,并将它放在 custom_nodes 文件夹。 去百度翻译 Api 和登记册开发人员的帐户中得到您的 appid 和 secretKey。 百度翻译平台地址:https://fanyiapi.baidu.com/manage/developer 。 打开文件 config.py 在记事本/其他编辑,填您的 secretKey 在引号的 secretKey ="",保存文件重启 Comfy 即可。 3. 翻译一份英文 PDF 完整地翻译成中文的方法: DeepL(网站): 点击页面「翻译文件」按钮,上传 PDF、Word 或 PowerPoint 文件即可。 沉浸式翻译(浏览器插件): 安装插件后,点击插件底部「更多」按钮,选择「制作双语 BPUB 电子书」、「翻译本地 PDF 文件」、「翻译 THML/TXT 文件」、「翻译本地字幕文件」。 calibre(电子书管理应用): 下载并安装 calibre,并安装翻译插件「Ebook Translator」。 谷歌翻译(网页): 使用工具把 PDF 转成 Word,再点击谷歌翻译「Document」按钮,上传 Word 文档。 百度翻译(网页): 点击导航栏「文件翻译」,上传 PDF、Word、Excel、PPT、TXT 等格式的文件,支持选择领域和导出格式(不过进阶功能基本都需要付费了)。 彩云小译(App):下载后点击「文档翻译」,可以直接导入 PDF、PDF、Word、Excel、PPT、TXT、epub、srt 等格式的文档并开始翻译(不过有免费次数限制且进阶功能需要付费)。 微信读书(App):下载 App 后将 PDF 文档添加到书架,打开并点击页面上方「切换成电子书」,轻触屏幕唤出翻译按钮。 浏览器自带的翻译功能:如果一些 PDF 太大,翻译工具不支持,除了将 PDF 压缩或者切分外,还可以转成 HTML 格式,然后使用浏览器自带的网页翻译功能。
2025-04-08
ai和office软件结合的插件有哪些
以下是一些 AI 和 Office 软件结合的插件: 1. Excel Labs:这是一个 Excel 插件,新增了基于 OpenAI 技术的生成式 AI 功能,可用于数据分析和决策支持。 2. Microsoft 365 Copilot:微软推出的 AI 工具,整合了 Word、Excel、PowerPoint、Outlook、Teams 等办公软件,能通过聊天形式完成用户需求,如数据分析和格式创建。 3. Formula Bot:提供数据分析聊天机器人和公式生成器两大功能,用户可通过自然语言交互式地进行数据分析和生成 Excel 公式。 4. Numerous AI:支持 Excel 和 Google Sheets 的 AI 插件,能进行公式生成、生成相关文本内容、执行情感分析、语言翻译等任务。 随着技术发展,未来可能会有更多 AI 功能集成到 Office 软件中,进一步提高工作效率和智能化水平。内容由 AI 大模型生成,请仔细甄别。
2025-04-01
coze上提取视频文案的插件有哪些?都是怎么调用的
以下是关于在 coze 上提取视频文案的插件及调用方法: 1. 进入 coze 个人空间,选择插件,新建一个插件并命名,如 api_1。 2. 在插件的 URL 部分,填入通过 ngrok 随机生成的 https 的链接地址。 3. 配置输出参数和 message 输出。 4. 测试后发布插件。 需要注意的是: 1. 如果在生产环境中已有准备好的 https 的 api,可直接接入。 2. 本案例中使用的是 coze 国内版,且案例中的 ngrok 仅供娱乐,在生产环境中勿用。
2025-04-01
如何综合运用插件、工作流、知识库,搭建满足各种需求的智能体,尤其是调用多个智能体,组成像Manus这样的工具?
要综合运用插件、工作流、知识库搭建满足各种需求的智能体,尤其是调用多个智能体组成类似 Manus 的工具,需要了解以下内容: 插件:插件如同一个工具箱,里面可放置一个或多个工具,称为 API。扣子平台有多种类型的插件,如看新闻、规划旅行、提高办公效率、理解图片内容的 API 及能处理多种任务的模型。若平台现有插件不符合需求,还可自行制作添加所需 API。 工作流:工作流类似可视化拼图游戏,可将插件、大语言模型、代码块等功能组合,创建复杂稳定的业务流程。工作流由多个节点组成,开始和结束节点有特殊作用,不同节点可能需要不同信息,包括引用前面节点信息或自行设定信息。 知识库:可上传私有文件作为回答参考。 智能体:智能体是对自定义操作的封装,用于解决特定场景问题。以 ChatGPT 的 GPTs 为例,包括描述作用和回复格式的提示词、作为回答参考的知识库、请求第三方 API 获取实时数据的外挂 API 以及个性化配置等。 例如,在“竖起耳朵听”的智能体中添加了插件和工作流的相关设置。创建智能体时,输入人设等信息,并配置工作流。但需注意,如工作流中使用的插件 api_token 为个人 token 时,不能直接发布,可将其作为工作流开始的输入,由用户购买后输入使用再发布。 此外,在 AI 搜索中,可预置 after_answer 钩子,将请求大模型的上下文和回答发给第三方插件整理成文章或思维导图等格式同步到第三方笔记软件。全流程中有很多节点可做 Hook 埋点,多个插件构成可插拔架构,常用功能可抽离成标准插件用于主流程或辅助流程,还可自定义智能体 Agent 等。
2025-03-29
有没有好的AI爬虫工具
以下是为您推荐的一些 AI 爬虫工具: FireCrawl 开源爬虫工具:无需站点地图,可抓取任何网站的所有可访问子页面。抓取内容可转换为 Markdown 格式,支持 JavaScript 动态内容,并提供易用 API,简化内容爬取和转换。链接:https://x.com/imxiaohu/status/1780592067586269465 MediaCrawler:支持小红书、抖音、快手、B 站和微博等平台内容抓取,集成 IP 代理池防封,支持视频、图片、评论等多种数据格式保存。链接:https://github.com/NanmiCoder/MediaCrawler 、https://x.com/imxiaohu/status/1769569874601546034?s=20
2025-03-28
小红书爬虫智能体
以下是关于小红书爬虫智能体的相关内容: 创建智能体: 1. 输入人设等信息,放上创建的工作流。 2. 配置完成后进行测试。 工作流配置及注意事项: 1. 工作流 2 中【所有视频片段拼接】节点使用的插件 api_token 填的是您的 token,为避免他人调用消耗您的费用,可将 api_token 作为工作流 2 最开始的输入,用户购买后输入 token 再发布。 2. 对于 Coze 智能体,使用单 Agent 对话流模式,编排对话流时注意配置 cookie 等,使用代码节点进行数据处理,注意代码节点输出的配置格式。测试时找到一篇小红书笔记,试运行对话流,确保成功。发布时选择多维表格,注意输出和输入类型等配置。 智能体示例: 小众打卡地智能体,输入旅游目的地城市可推荐 3 个小众打卡地的小红书类文案及精美配图。其核心价值包括发掘特色景点、提供个性化建议、帮助获取高质量旅行参考信息及提供小红书文案。搭建思路重点包括录入小红书相关文案参考知识库、通过文本模型组成搜索词搜索并提取相关 url、滤除需安全认证网站等、提取小众地点输出及进行图片搜索等。
2025-03-15
使用llm的爬虫工具推荐下,开源免费
以下是为您推荐的开源免费的使用 LLM 的爬虫工具: 1. Jina 开源的网页内容爬取工具:Reader API 能从网址提取出核心内容,并将其转化为干净、易于大语言模型处理的文本,确保为您的 AI 智能体及 RAG 系统提供高品质的数据输入。 2. Scrapy 库(Python 语言):在 crawlab 可以做到分布式爬取,非常高效。 3. GPT Crawler:主要运用 typescript 进行数据爬取。 4. 在开源的项目中,为实现对含有 JavaScript 内容的网页抓取,不使用 Python 自己的 request 库,而是使用 playwright 之类的浏览器,并将网页内容按照一定规则转化成 markdown 格式,方便 LLM 后续的理解和抓取。 同时,对于爬虫工具的选择,还需根据您的具体需求和技术熟悉程度来决定。
2025-03-06
ai爬虫
以下是关于 AI 爬虫的相关信息: Firecrawl Extract 是一款只需文字提示就能爬取任意网络数据的工具。它具有以下特点: 1. 通过自然语言提示,能轻松将网页内容转换为结构化数据,无需手动写脚本。 2. 支持复杂数据提取,例如联系人信息、任务描述、动态价格等。 3. 兼容多语言与国际网站,能够抓取 JavaScript 渲染的动态页面内容。 4. 提供 API 集成,支持大规模数据处理,可提取数千个结果,解决上下文限制问题。 相关链接: 另外,对于不会代码的人,也可以尝试使用 Python 和 AI 来完成爬虫应用。例如,可以让 ChatGPT 帮忙写抓取特定文章(如地址为 https://mp.weixin.qq.com/s/KUnXlDlgRs_6D5RFpQbnQ )正文内容的程序,然后在 Colab 里运行。
2025-02-08
免费的网页爬虫相关Ai工具
以下是一些免费的网页爬虫相关 AI 工具: Hexomatic:https://hexomatic.com/ WebscrapeAI:https://webscrapeai.com/ Kadoa:https://www.kadoa.com/ GPT Crawler:https://github.com/BuilderIO/gptcrawler 能够利用爬虫,自动抓取与整合指定 URL 地址中的各种信息,并生成一个 output.json 的数据文件。将其喂给 ChatGPT,便可快速定制您的专属 GPT,打造个人知识库或者智能助理。 此外,在开源项目方面: 在里有用 Cursor 做的网页浏览工具的参考实现。其中为实现对含有 JavaScript 内容的网页抓取,使用 playwright 之类的浏览器而非 Python 自己的 request 库,同时为方便 LLM 理解和抓取,将网页内容按规则转化成 markdown 格式保留细节基础信息。 对于搜索工具,duckduckgo 的免费 API 被用于参考实现,因其搜索质量优于 Bing 和 Google 的 API。
2025-01-25
有与网页爬虫相关的AI工具吗
以下是一些与网页爬虫相关的 AI 工具: Hexomatic:https://hexomatic.com/ WebscrapeAI:https://webscrapeai.com/ Kadoa:https://www.kadoa.com/ GPT Crawler:https://github.com/BuilderIO/gptcrawler 能够利用爬虫,自动抓取与整合指定 URL 地址中的各种信息,并生成一个 output.json 的数据文件。将其喂给 ChatGPT,便可快速定制专属 GPT,打造个人知识库或者智能助理。 此外,在开源项目中也有相关工具,如: 在里有用 Cursor 实现的网页浏览工具参考,其中为实现对含有 JavaScript 内容的网页抓取,使用了 playwright 之类的浏览器,将网页内容转化成 markdown 格式以支持 LLM 后续的爬虫。 对于搜索工具,duckduckgo 的免费 API 可避免一些质量问题。
2025-01-25
作为一个想要使用AI工具提升工作效率的AI小白,我已经学习了怎么编写prompt,接下来我应该学习什么
如果您已经学习了如何编写 prompt ,接下来可以学习以下内容: 1. 理解 Token 限制:形成“当前消耗了多少 Token”的自然体感,把握有效记忆长度,避免在超过限制时得到失忆的回答。同时,编写 Prompt 时要珍惜 Token ,秉承奥卡姆剃刀原理,精简表达,尤其是在连续多轮对话中。 熟练使用中英文切换,若 Prompt 太长可用英文设定并要求中文输出,节省 Token 用于更多对话。 了解自带方法论的英文短语或句子,如“Chain of thought”。 2. 学习精准控制生成式人工智能:重点学习提示词技术,编写更清晰、精确的指令,引导 AI 工具产生所需结果。 探索构建智能体(AI Agents),将工作单元切割开,赋予其特定角色和任务,协同工作提高效率。 在实际应用中遵循准则,如彻底变“懒人”、能动嘴不动手、能让 AI 做的就不自己动手、构建自己的智能体、根据结果反馈调整智能体、定期审视工作流程看哪些部分可用更多 AI 。 3. 若想进一步提升: 学习搭建专业知识库、构建系统知识体系,用于驱动工作和个人爱好创作。 注重个人能力提升,尤其是学习能力和创造能力。 您还可以结合自身生活或工作场景,想一个能简单自动化的场景,如自动给班级孩子起昵称、排版运营文案、安排减脂餐、列学习计划、设计调研问卷等。选一个好上手的提示词框架开启第一次有效编写,比如从基础的“情境:”开始。
2025-04-15
自动规划的prompt如何设计编写
自动规划的 prompt 设计编写可以参考以下要点: 对于简单任务场景: 设定人物:描述 Bot 所扮演的角色或职责、回复风格。 描述功能和工作流程:明确 Bot 的功能和工作流程,约定在不同场景下的回答方式,可通过自然语言强调调用工具以提升约束力,也可为 Bot 提供回复格式示例。 指示 Bot 在指定范围内回答:明确告知回答与不回答的内容。 对于复杂任务场景:推荐使用结构化格式编写提示,使用 Markdown 语法,增强可读性和对 Bot 的约束力。扣子支持将 Bot 的提示自动优化成结构化内容,您可直接使用或修改。 此外,PromptAgent 是一种将提示词优化视为策略性规划问题的方法,采用基于蒙特卡洛树搜索的规划算法,策略性地导航专家级提示词空间。它通过反思模型错误并生成建设性反馈,诱导出精确的专家级见解和深入指令,能高效制定专家级、详细且富有领域洞察力的提示词。 同时,当您理解 chatGPT 如何理解人类语言和文明后,有助于解决 prompt 编写中遇到的问题。比如,找到真正的需求来开始第一个 prompt 编写,这需要一定的洞察能力,可采用“如果某事重复做了三遍,就要思考如何将它自动化”的方法论。例如,若多次在群里发同样的自我介绍,可编写自动优化排版的 Prompt。
2025-04-08
投标书编写的免费AI工具
以下是一些与投标书编写相关的免费 AI 工具: 1. AutogenAI:伦敦初创公司开发的基于生成型人工智能的工具,可帮助企业撰写更强的提案,提高中标率。自成立不到一年已获 28 个客户,能将撰写强大提案的过程加快 800%,同时降低 10%的采购成本。网址:https://autogenai.com 。 此外,还有一些用于 AIGC 相关检测的网站: 1. :提供免费的 AI 内容检测工具,可识别文本是否由 AI 生成。使用方法为将文本粘贴到在线工具中点击检测按钮获取分析结果。 2. GPTZero:专门用于检测由 GPT3 生成内容的工具,适用于教育和出版行业。使用时上传文档或输入文本,系统会分析并提供报告显示是否由 GPT3 生成。 3. Content at Scale:提供 AI 内容检测功能,帮助识别文本是否由 AI 生成。使用时将文本粘贴到在线检测工具中获取分析结果。
2025-04-08
如何自动编写测试用例
AI 自动编写测试用例可以通过以下几种方式实现: 1. 基于规则的测试生成: 测试用例生成工具: Randoop:基于代码路径和规则生成测试用例,适用于 Java 应用程序。 Pex:微软开发的智能测试生成工具,自动生成高覆盖率的单元测试,适用于.NET 应用。 模式识别: Clang Static Analyzer:利用静态分析技术识别代码模式和潜在缺陷,生成相应的测试用例。 Infer:Facebook 开发的静态分析工具,自动生成测试用例,帮助发现和修复潜在错误。 2. 基于机器学习的测试生成: 深度学习模型: DeepTest:利用深度学习模型生成自动驾驶系统的测试用例,模拟不同驾驶场景,评估系统性能。 DiffTest:基于对抗生成网络(GAN)生成测试用例,检测系统的脆弱性。 强化学习: RLTest:利用强化学习生成测试用例,通过与环境交互学习最优测试策略,提高测试效率和覆盖率。 A3C:基于强化学习的测试生成工具,通过策略梯度方法生成高质量测试用例。 3. 基于自然语言处理(NLP)的测试生成: 文档驱动测试生成: Testim:AI 驱动的测试平台,通过分析文档和用户故事自动生成测试用例,减少人工编写时间。 Test.ai:利用 NLP 技术从需求文档中提取测试用例,确保测试覆盖业务需求。 自动化测试脚本生成: Selenium IDE + NLP:结合 NLP 技术扩展 Selenium IDE,从自然语言描述中生成自动化测试脚本。 Cucumber:使用 Gherkin 语言编写的行为驱动开发(BDD)框架,通过解析自然语言描述生成测试用例。 4. 基于模型的测试生成: 状态模型: GraphWalker:基于状态模型生成测试用例,适用于复杂系统的行为测试。 Spec Explorer:微软开发的模型驱动测试工具,通过探索状态模型生成测试用例。 场景模拟: Modelbased Testing :基于系统模型自动生成测试用例,覆盖各种可能的操作场景和状态转换。 Tosca Testsuite:基于模型的测试工具,自动生成和执行测试用例,适用于复杂应用的端到端测试。 实践中的应用示例: 1. Web 应用测试:使用 Testim 分析用户行为和日志数据,自动生成高覆盖率的测试用例,检测不同浏览器和设备上的兼容性问题。 2. 移动应用测试:利用 Test.ai 从需求文档中提取测试用例,确保覆盖关键功能和用户路径,提高测试效率和质量。 3. 复杂系统测试:采用 GraphWalker 基于系统状态模型生成测试用例,确保覆盖所有可能的状态和操作场景,检测系统的边界情况和异常处理能力。 总结:AI 在生成测试用例方面具有显著的优势,可以自动化和智能化生成高覆盖率的测试用例,减少人工编写测试用例的时间和成本。通过合理应用 AI 工具,前端开发工程师可以提高测试效率、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。 请注意,以上内容由 AI 大模型生成,请仔细甄别。
2025-04-01
帮我编写一个suno创作提示词模板
以下是为您编写的 Suno 创作提示词模板的相关内容: 在“离谱村”的案例中,首先收到台词素材和配音,确定“童趣”“欢乐”的风格,将相关描述投喂给 GPT4 生成音乐脚本,再输入给 SunoBeats 生成提示词。但初始提示词过长,后参考论坛网友分享的格式,通过调式变化和情节描述,使用和弦进展推动故事情节发展,这种格式的提示词质量和利用率更好。 在“博物馆文物玩法”的案例中,创作思路是给文物上色,参考攻略玩过变形,利用泼洒颜料玩法为雕像上色并使过程有趣。选择首尾帧模式,尾帧基于文物原图重绘为偏写实形象,通过可灵实现人物漂浮效果。涉及工具包括即梦、可灵、Runway、Suno、剪映,各有其优势。步骤为使用即梦图片生成功能上传图片,选择边缘轮廓或人物姿势,不添加景深,提升精细度并选择竖版切割。使用 GPTs 写 Runway 提示词。 希望以上内容对您有所帮助!
2025-03-27
编写炒股公式最好的AI
目前在编写炒股公式方面,没有特定被认定为“最好”的 AI 。编写炒股公式需要综合考虑多种因素,包括数据准确性、算法有效性、市场动态适应性等。不同的 AI 工具和技术在不同的应用场景中可能会表现出不同的效果。
2025-03-14