以下是一些可用于旧照片翻新的 AI 工具： 1. Stable Diffusion：可以用 AI 给老照片上色，但可能存在颜色提示词相互污染、背景不统一等问题。为解决这些问题，可启用 cutoff 插件进行控制。相关文章可参考。此外，还能将低像素照片变得更高清。 2. Dreamina 即梦： 网址：https://dreamina.jianying.com/aitool/home?subTab= 优点：不需要?，每天有免费额度。 注册：抖音号或手机号。 时间：5min。 3. Sora： 网址：https://openai.com/sora 优点：发布的成果好，集成在 openai 一套里可用。 限制：需要?，需要 gmail 注册，需要订阅后才能使用。 时间：30 60min。 价格：GPT 4 20$一个月。

以下为一个使用了 Coze 的事件触发器和工作流的案例： 在为 Bot 设置触发器时，可选择定时触发或事件触发。事件触发会生成 Webhook URL，当服务端向该 URL 发送 HTTPS 请求时触发任务执行。触发任务的执行方式包括 Bot 提示词、调用插件和调用工作流。 例如，添加一个审批工作流作为触发器，当触发后执行工作流完成业务审批。在 Stuart:0 基础教学系列之 Coze“用户界面”创建初体验中，上传图片并点击“上传图”按钮，可触发把图片传递给右边的图片框这一事件。调用 workflow 时需要传入工作流需要的参数，可通过选择双向箭头找到要传递过来的数据。但传文件存在一些问题，目前好多浏览器（尤其是 safari）的事件触发工作流可能会失败，可换用 chrome 或 edge 浏览器。 使用限制方面，一个 Bot 内的触发器最多可添加 10 个，且触发器仅当 Bot 发布飞书时生效。

以下是关于如何用 Coze 的触发器让触发器接收到内容并发送到工作流的详细说明： Coze 的触发器可以在特定时间或接收到特定事件时自动执行任务。可配置的触发器类型有定时触发和事件触发。 定时触发能让 Bot 在指定时间执行任务，无需编写代码。事件触发会生成 Webhook URL，当服务端向该 URL 发送 HTTPS 请求时触发任务执行。 触发器触发时执行任务的方式包括 Bot 提示词、调用插件和调用工作流。 Bot 提示词：通过自然语言设置提示词，触发时提示词自动发送给 Bot，Bot 据此向用户发送提醒消息。 调用插件：为触发器添加插件，触发时 Bot 调用插件获取结果并发送给用户。 调用工作流：为触发器添加工作流，若工作流有输入参数需传入参数值。触发时 Bot 调用工作流获取结果并发送给用户。 此外，Coze 支持用户在与 Bot 聊天时设置定时任务，当用户在会话内点击推荐任务后，Bot 会确认并创建定时任务。 使用限制方面，一个 Bot 内的触发器最多可添加 10 个，且触发器仅当 Bot 发布飞书时生效。 具体操作如设置自动总结公众号内容并定时推送到微信： 1. 在 Bot 中绑定工作流，设置定时任务，然后发布到飞书渠道。 人设和回复逻辑：由于 Bot 主要依托工作流，设置提示词，直接调用工作流。 工作流：添加刚刚创建的工作流。 设置触发器：选择“定时触发”，选择触发时间，如希望每天 18 点收到微信推送，就选择 18 点。任务执行时选择工作流，输入 key 和 rss_list 等工作流中开始节点的输入参数。 2. 点击右上角“发布”，注意渠道选择飞书，因为目前 Coze 平台触发器只对飞书渠道生效。可以同时设置多个触发器，最多 10 个，可推送给不同的人或在不同时间段给自己推送不同内容。

以下是为您规划使用 AI 开展第二职业的一些建议： 1. 深入了解 AI 领域：明确自己的兴趣点，比如是对 AI 提示词、AI 绘画、AI 智能体还是其他方面感兴趣。 2. 评估自身技能：确定自己现有的技能与 AI 领域的结合点，以及还需要提升哪些技能。 3. 学习与提升：根据职业目标，获取个性化的学习建议和资源，提升在 AI 领域的专业技能。 4. 选择研究课题：有意识地选择有潜力和市场需求的研究方向。 5. 宣传工作成果：让更多人了解您在 AI 领域的工作和成果。 6. 合作与交流：与能力强且您钦佩的人合作，学习他们的研究品味和思考方式。 7. 关注行业趋势：了解 AI 领域的最新发展和未来方向，比如更事实性不会产生幻觉的语言模型、可以使用工具与世界进行交互的多模态模型等。 8. 制定职业规划：明确短期和长期的职业目标，制定详细的发展计划。 同时，您可以利用一些职业规划服务产品，比如： 1. 对于学生和应届毕业生，可以通过产品了解 AI 技术在不同职业中的应用，评估兴趣和技能，选择合适职业路径并制定规划，根据职业目标获取个性化学习建议和资源提升技能。 2. 对于职场新人和职业转换者，可根据自身职业目标和市场需求制定发展计划，明确短期和长期目标，获取职业转型支持和必要技能培训资源。 3. 对于企业，可利用产品评估应聘者 AI 技能水平，为现有员工提供职业发展规划和技能提升建议，培养内部 AI 人才。 4. 对于教育机构，可将产品作为学生职业指导一部分，帮助了解 AI 领域职业机会和发展路径，优化课程设置提供针对性培训。 5. 对于职业咨询师，可将产品作为辅助工具为客户提供更精准规划建议和技能评估，基于产品数据提供更全面前瞻性指导。

以下是关于使用 AI 开展第二职业的规划实施建议： 1. 努力工作：不仅要增加工作时间，还要提升专注程度。可以有意识地与能力强且令人钦佩的人合作，学习他们的研究品味和思考方式。 2. 研究本身及周期：涉及研究课题的选择、研究工作的开展以及成果的宣传等所有部分。 3. 了解模型：深入了解 AI 模型的行为和局限性，以便更好地引导研究方向和做出正确决策。 4. 评估能力：明确语言模型在各种任务中的评价指标，这是研究人员需要优化的目标函数。 5. 针对自身情况： 学生和应届毕业生：通过产品了解 AI 技术在不同职业中的应用，评估兴趣和技能，选择合适职业路径并制定详细规划；根据职业目标获得个性化学习建议和资源，提升 AI 领域技能。 职场新人和职业转换者：职场新人根据自身职业目标和市场需求制定发展计划，明确短期和长期目标；职业转型者可获取详细转型路径和必要技能培训资源。 企业：利用产品评估应聘者 AI 技能水平，为现有员工制定个性化职业发展计划，提供持续指导和培训。 教育机构：将相关产品作为学生职业指导一部分，优化课程设置，提供针对性 AI 技能培训。 职业咨询师：使用产品为客户提供更精准规划建议和技能评估，基于市场数据和趋势分析提供全面前瞻性指导。

以下是关于学习 Stable Diffusion 的相关内容： 学习 Stable Diffusion 的提示词： 学习 Stable Diffusion 的提示词是一个系统性的过程，需要理论知识和实践经验相结合。具体步骤如下： 1. 学习基本概念：了解 Stable Diffusion 的工作原理和模型架构，理解提示词如何影响生成结果，掌握提示词的组成部分（主题词、修饰词、反面词等）。 2. 研究官方文档和教程：通读 Stable Diffusion 官方文档，了解提示词相关指南，研究来自开发团队和专家的教程和技巧分享。 3. 学习常见术语和范例：熟悉 UI、艺术、摄影等相关领域的专业术语和概念，研究优秀的图像标题和描述，作为提示词范例。 4. 掌握关键技巧：学习如何组合多个词条来精确描述想要的效果，掌握使用“（）”、“”等符号来控制生成权重的技巧，了解如何处理抽象概念、情感等无形事物的描述。 5. 实践和反馈：使用不同的提示词尝试生成各种风格和主题的图像，对比提示词和实际结果，分析原因，总结经验教训，在社区内分享结果，请教高手，获取反馈和建议。 6. 创建提示词库：根据主题、风格等维度，建立自己的高质量提示词库，将成功案例和总结记录在案，方便后续参考和复用。 7. 持续跟进前沿：关注 Stable Diffusion 的最新更新和社区分享，及时掌握提示词的新技术、新范式、新趋势。 学习 Stable Diffusion Web UI： 学习 Stable Diffusion Web UI 可以按照以下步骤进行： 1. 安装必要的软件环境：安装 Git 用于克隆源代码，安装 Python 3.10.6 版本，确保勾选“Add Python 3.10 to PATH”选项，安装 Miniconda 或 Anaconda 创建 Python 虚拟环境。 2. 克隆 Stable Diffusion Web UI 源代码：打开命令行工具，输入命令 git clone https://github.com/AUTOMATIC1111/stablediffusionwebui.git，将源代码克隆到本地目录。 3. 运行安装脚本：进入 stablediffusionwebui 目录，运行 webuiuser.bat 或 webui.sh 脚本，它会自动安装依赖项并配置环境，等待安装完成，命令行会显示 Web UI 的访问地址。 4. 访问 Web UI 界面：复制命令行显示的本地 Web 地址，在浏览器中打开，即可进入 Stable Diffusion Web UI 的图形化界面。 5. 学习 Web UI 的基本操作：了解 Web UI 的各种设置选项，如模型、采样器、采样步数等，尝试生成图像，观察不同参数对结果的影响，学习使用提示词（prompt）来控制生成效果。 6. 探索 Web UI 的扩展功能：了解 Web UI 支持的各种插件和扩展，如 Lora、Hypernetwork 等，学习如何导入自定义模型、VAE、embedding 等文件，掌握图像管理、任务管理等技巧，提高工作效率。 Stable Diffusion 软件原理傻瓜级理解： Stable Diffusion 的工作原理可以这样理解：好比学习画画，比如学梵高的风格，要先看梵高的画并临摹。AI 绘画也是类似逻辑，人们把成千上万美术风格的作品练成一个模型放在 AI 里，AI 就能依照这个模型画出类似风格的作品。想要画出符合心意的作品，首先要选对合适的大模型。大模型的下载，可以去 C 站（https://civitai.com/），有真实系的、二次元的、游戏 CG 风的等等，但需要科学上网。

以下是关于学习 Stable Diffusion 的相关内容： 学习 Stable Diffusion 的提示词： 学习 Stable Diffusion 的提示词是一个系统性的过程，需要理论知识和实践经验相结合。具体步骤如下： 1. 学习基本概念： 了解 Stable Diffusion 的工作原理和模型架构。 理解提示词如何影响生成结果。 掌握提示词的组成部分（主题词、修饰词、反面词等）。 2. 研究官方文档和教程： 通读 Stable Diffusion 官方文档，了解提示词相关指南。 研究来自开发团队和专家的教程和技巧分享。 3. 学习常见术语和范例： 熟悉 UI、艺术、摄影等相关领域的专业术语和概念。 研究优秀的图像标题和描述，作为提示词范例。 4. 掌握关键技巧： 学习如何组合多个词条来精确描述想要的效果。 掌握使用“（）”、“”等符号来控制生成权重的技巧。 了解如何处理抽象概念、情感等无形事物的描述。 5. 实践和反馈： 使用不同的提示词尝试生成各种风格和主题的图像。 对比提示词和实际结果，分析原因，总结经验教训。 在社区内分享结果，请教高手，获取反馈和建议。 6. 创建提示词库： 根据主题、风格等维度，建立自己的高质量提示词库。 将成功案例和总结记录在案，方便后续参考和复用。 7. 持续跟进前沿： 关注 Stable Diffusion 的最新更新和社区分享。 及时掌握提示词的新技术、新范式、新趋势。 学习 Stable Diffusion 的 Web UI： 学习 Stable Diffusion Web UI 可以按照以下步骤进行： 1. 安装必要的软件环境： 安装 Git 用于克隆源代码。 安装 Python 3.10.6 版本，确保勾选“Add Python 3.10 to PATH”选项。 安装 Miniconda 或 Anaconda 创建 Python 虚拟环境。 2. 克隆 Stable Diffusion Web UI 源代码： 打开命令行工具，输入命令 git clone https://github.com/AUTOMATIC1111/stablediffusionwebui.git ，将源代码克隆到本地目录。 3. 运行安装脚本： 进入 stablediffusionwebui 目录。 运行 webuiuser.bat 或 webui.sh 脚本，它会自动安装依赖项并配置环境。 等待安装完成，命令行会显示 Web UI 的访问地址。 4. 访问 Web UI 界面： 复制命令行显示的本地 Web 地址，在浏览器中打开，即可进入 Stable Diffusion Web UI 的图形化界面。 5. 学习 Web UI 的基本操作： 了解 Web UI 的各种设置选项，如模型、采样器、采样步数等。 尝试生成图像，观察不同参数对结果的影响。 学习使用提示词（prompt）来控制生成效果。 6. 探索 Web UI 的扩展功能： 了解 Web UI 支持的各种插件和扩展，如 Lora、Hypernetwork 等。 学习如何导入自定义模型、VAE、embedding 等文件。 掌握图像管理、任务管理等技巧，提高工作效率。 安装 Stable Diffusion 的电脑配置要求： 1. 查看电脑配置： 对于 Windows 系统，可以查看专用 GPU 内存。 4GB：说明电脑勉强可以跑动 SD，出图的时间会比较长。 6GB：出一张图的时间是 20 50 秒，SD 的大部分功能都可以使用。 8GB：5 20 秒可以出一张图，基本上 SD 的所有功能都对你开放。 2. Mac 系统：可以参考下面的视频进行一键安装：https://www.bilibili.com/video/BV1Kh4y1W7Vg/?spm_id_from=333.788&vd_source=6f836e2ab17b1bdb4fc5ea98f38df761

以下是最近一周 AI 在 B 端的部分新闻： 一位投资人分享了其用于深化人工智能/机器学习知识的工具和资源，包括简报（如 TLDR AI、The Sequence 等）、播客（如 No Priors podcast 等）、会议（如工业界 World AI Cannes Festival）。 AIGC Weekly32 提到：Netflix 列出年薪 90 万美元的机器学习平台产品经理岗位；Shopify 的 AI 助手 Sidekick 上线；Artifact 推出自定义内容阅读语音功能；OpenAI、谷歌、微软和 Anthropic 组建前沿模型论坛；OpenAI 下线 ChatGPT 生成内容的检测器。 XiaoHu.AI 日报中：Hebbia 获得近 1 亿美元 B 轮融资，其 AI 技术能一次处理多达数百万份文档，主要面向金融服务公司等专业领域；Character AI 推出与 AI 角色通电话的新功能，支持多种语言且可在通话和短信间无缝切换；微软文本转语音虚拟数字人上线，支持 GPT4o 的集成。

系统学习 LLM 开发是一个系统性的过程，涵盖以下方面： 1. 掌握深度学习和自然语言处理基础：包括机器学习、深度学习、神经网络等基础理论，以及自然语言处理中的词向量、序列模型、注意力机制等。相关课程有吴恩达的深度学习课程、斯坦福 cs224n 等。 2. 理解 Transformer 和 BERT 等模型原理：熟悉 Transformer 模型架构及自注意力机制原理，掌握 BERT 的预训练和微调方法，阅读相关论文如 Attention is All You Need、BERT 论文等。 3. 学习 LLM 模型训练和微调：进行大规模文本语料预处理，使用 LLM 预训练框架如 PyTorch、TensorFlow 等，微调 LLM 模型进行特定任务迁移。相关资源有 HuggingFace 课程、论文及开源仓库等。 4. LLM 模型优化和部署：掌握模型压缩、蒸馏、并行等优化技术，进行模型评估和可解释性研究，实现模型服务化、在线推理、多语言支持等。相关开源工具有 ONNX、TVM、BentoML 等。 5. LLM 工程实践和案例学习：结合行业场景进行个性化的 LLM 训练，分析和优化具体 LLM 工程案例，研究 LLM 新模型、新方法的最新进展。 6. 持续跟踪前沿发展动态：关注顶会最新论文、技术博客等资源。 以下是 2 月 19 日的 Xiaohu.AI 日报相关内容： 1. Large World Model探索：介绍了百万 Token 的通用世界大模型，旨在理解长视频和超长文本。LWM 在 100 万个令牌的上下文中超越 GPT4V 和 Gemini Pro 的检索精度，特色能力包括长视频理解、高精度事实检索和多格式内容生成。相关链接：https://largeworldmodel.github.io 、https://github.com/LargeWorldModel/LWM 、https://x.com/xiaohuggg/status/1759566391693504940?s=20 2. 世界上最快的大型语言模型：Mixtral 8X7B 输出速度为 500 token/s，Llama 2 7B 的速度是 750 tokens/s，速度快但准确性有待提高。相关链接：http://groq.com 、http://wow.groq.com 、https://x.com/xiaohuggg/status/1759457147962941852?s=20 3. Reddit 用户自制 GLIGEN GUI：由于缺少直观的 GUI，一个 Reddit 大佬自己动手制作了一个。用户可以自定义图像中对象的大小、位置和空间关系，强调了用户对生成图像细节的控制能力。相关链接：https://github.com/mutex/gligengui 、https://gligen.github.io 、https://x.com/xiaohuggg/status/1759431911951450437?s=20

以下是一些可以通过 AI 画 3D 图形的工具： 1. CADtools 12：这是一个 Adobe Illustrator（AI）插件，为 AI 添加了 92 个绘图和编辑工具，包括图形绘制、编辑、标注、尺寸标注、转换、创建和实用工具。 2. Autodesk Fusion 360：Autodesk 开发的一款集成了 AI 功能的云端 3D CAD/CAM 软件，能帮助用户创建复杂的几何形状和优化设计。 3. nTopology：基于 AI 的设计软件，可帮助用户创建复杂的 CAD 模型，包括拓扑优化、几何复杂度和轻量化设计等。 4. ParaMatters CogniCAD：基于 AI 的 CAD 软件，能根据用户输入的设计目标和约束条件自动生成 3D 模型，适用于拓扑优化、结构设计和材料分布等领域。 5. 生成设计工具：一些主流 CAD 软件，如 Autodesk 系列、SolidWorks 等，提供了基于 AI 的生成设计工具，可根据用户输入的设计目标和约束条件自动产生多种设计方案。 此外，还有以下工具： 1. @CSM_ai：能将文本、图像或草图转换为 3D 素材，直接应用于游戏中，无需后期处理。体验地址：https://cube.csm.ai 2. Move AI 推出的 Move API：从 2D 视频生成 3D 运动数据，支持多种 3D 文件格式导出，为 AR 应用、游戏开发等提供高质量 3D 运动数据。网址：https://move.ai/api 3. ComfyUI 3D Pack：能快速将图片转换为 3D 模型，支持多角度查看，使用 3D 高斯扩散技术提升模型质量，支持多种格式导出，集成先进 3D 处理算法。网址：https://github.com/MrForExample/ComfyUI3DPack/tree/main 4. Medivis 的 SurgicalAR 手术应用：将 2D 医疗图像转化为 3D 互动视觉，提高手术精度，支持 3D 模型的放大、缩小、旋转，精确手术计划。网址：https://t.co/3tUvxB0L4I 5. MakeACharacter：一键生成 3D 数字人，可自定义面部特征，生成逼真 3D 角色，基于真实人类扫描数据，使用 Unreal Engine 渲染，支持中英文提示，兼容多个行业应用。网址：https://x.com/xiaohuggg/status/1743986486780076279?s=20 6. Rodin Gen1：3D 原生生成模型，拥有 1.5B 参数，可实现 3Dto3D 生成，生成 3D 模型及物理基础渲染材质，支持 3D LoRA 技术，类似于 Stable Diffusion。网址：https://x.com/xiaohuggg/status/1743638052097184102?s=20 7. Skybox AI 0.9 版本：可以从文本提示或草图生成 360 度 3D 世界，使用 NeRF 技术，增强图像的空间深度和真实感，提供不同分辨率的 3D 网格下载。网址：https://x.com/xiaohuggg/status/1739926702158225859?s=20 8. 扫描物体生成 3D 模型的 APP：使用 APP 扫描物体，完成 3D 全貌捕获，创建 AR QR 码，展示物体于任何地点。