我主要专注于 AI 相关的知识和问题。在 AI 领域，涵盖的内容非常广泛，包括但不限于以下方面： 基础理论：如人工智能、机器学习、深度学习的定义及其相互关系。 历史发展：AI 的发展历程和重要里程碑。 数学基础：统计学基础（熟悉均值、中位数、方差等统计概念）、线性代数（了解向量、矩阵等基本概念）、概率论（掌握条件概率、贝叶斯定理等知识）。 算法和模型：监督学习（了解线性回归、决策树、支持向量机等算法）、无监督学习（熟悉聚类、降维等算法）、强化学习（知晓其基本概念）。 评估和调优：性能评估（知道如何运用交叉验证、精确度、召回率等评估模型性能）、模型调优（学会使用网格搜索等技术优化模型参数）。 神经网络基础：网络结构（理解前馈网络、卷积神经网络、循环神经网络等）、激活函数（了解 ReLU、Sigmoid、Tanh 等常用激活函数）。 同时，AI 在各行各业有着广泛的应用场景，例如： 医疗保健：医学影像分析、药物研发、个性化医疗、机器人辅助手术等。 金融服务：风控和反欺诈、信用评估、投资分析、客户服务等。 零售和电子商务：产品推荐、搜索和个性化、动态定价、聊天机器人等。 制造业：预测性维护、质量控制、供应链管理、机器人自动化等。 交通运输：等等。

AGI 即通用人工智能（Artificial General Intelligence），指能够像人类一样思考、学习和执行多种任务的人工智能系统。 OpenAI 在其内部会议上分享了 AGI 的五个发展等级： 1. 聊天机器人（Chatbots）：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. 推理者（Reasoners）：具备人类推理水平，能够解决复杂问题，如 ChatGPT，能根据上下文和文件提供详细分析和意见。 3. 智能体（Agents）：不仅具备推理能力，还能执行全自动化业务，但目前许多 AI Agent 产品在执行任务后仍需人类参与，尚未达到完全智能体的水平。 4. 创新者（Innovators）：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 5. 组织（Organizations）：最高级别的 AI，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 此外，AI 分为 ANI 和 AGI，ANI 即弱人工智能，只可做一件事，如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等。而 AGI 能做任何人类可以做的事。

在 Coze 创建一个符合需求的智能体（带工作流）之前，需要梳理以下内容： 1. 规划： 总结任务目标与执行形式。 将任务分解为可管理的子任务，确立逻辑顺序和依赖关系。 设计每个子任务的执行方法。 2. 实施： 在 Coze 上搭建工作流框架，设定每个节点的逻辑关系。 详细配置子任务节点，并验证每个子任务的可用性。 3. 完善： 整体试运行 Agent，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。 例如，在搭建“结构化外文精读专家”Agent 时，要从制定关键方法与流程开始梳理任务目标。另外，搭建整理入库工作流时，新建工作流“url2table”，包括开始节点输入 url（无需额外配置）、变量节点引入 bot 变量中保存的飞书多维表格地址、插件节点获取页面内容等。

以下是在 Coze 创建一个符合您需求的智能体（带工作流）的全流程： 1. 打开 Coze 官网 https://www.coze.cn/home ，注册并登录。 2. 点击页面左上角的⊕，通过【标准创建】填入 bot 的基本信息。 3. 了解 Bot 开发调试界面： 人设与回复逻辑（左侧区域）：设定 Bot 的对话风格、专业领域定位，配置回复的逻辑规则和限制条件，调整回复的语气和专业程度。 功能模块（中间区域）： 技能配置：插件可扩展 Bot 的专业能力，如计算器、日历等工具；工作流可设置固定的处理流程和业务逻辑；图像流可处理和生成图像相关功能；触发器可设置自动化响应条件。 知识库管理：文本可存储文字类知识材料，表格可存储结构化数据，照片可作为图像素材库。 记忆系统：变量可存储对话过程中的临时信息，数据库可管理持久化的结构化数据，长期记忆可保存重要的历史对话信息，文件盒子可管理各类文档资料。 交互优化（底部区域）：开场白可设置初次对话的问候语，用户问题建议可配置智能推荐的后续问题，快捷指令可设置常用功能的快速访问，背景图片可自定义对话界面的视觉效果。 预览与调试（右侧区域）：实时测试 Bot 的各项功能，调试响应效果，优化交互体验。 4. 创建图像工作流： 图像流分类：图像流分为智能生成、智能编辑、基础编辑三类。Coze 的图像流很像 ComfyUI，但是比 ComfyUI 更普世化，更简单易上手。 空间风格化插件：空间风格化插件有个参数，image_url 就是毛坯房的图片地址；Strength 提示词强度，就是提示词对效果图的影响度；Style 生成效果的风格，比如新中式、日式、美式、欧式、法式等等。 工作流流程：按照构架配置工作流，调试工作流，毛坯房测试用例：https://tgi1.jia.com/129/589/29589741.jpg 。 开始节点解析：开始节点就对应配置三项内容，提示词优化。 5. 搭建整理入库工作流： 新建工作流「url2table」，根据弹窗要求，自定义工作流信息。 工作流全局流程设置： 开始节点：输入 url，由于希望收到用户输入的待收藏 url，就开始流程，所以不需要额外配置（至于如何判断哪些用户输入是需要收藏的 url，则交由外层 bot 的大模型判断）。 变量节点：引入 bot 变量中保存的飞书多维表格地址，为了便于维护充当稍后读存储地址的飞书多维表格链接，我们需要将这个链接存储在 bot 的变量中，并在工作流运行时进行引用。 插件节点：获取页面内容，这一步直接把开始节点的{{BOT_USER_INPUT}}，引入到参数{{url}}中；随便设置{{timeout}}为 60000。 6. 人设和回复逻辑：技能 1 中 3 项中的编译数字来源，然后点击右上角发布，机器人就可以不知疲倦地给您出图了。

以下是用 Coze 创建带工作流的智能体的全流程： 1. 打开 Coze 官网（https://www.coze.cn/home）。 2. 创建图像工作流： 图像流分为智能生成、智能编辑、基础编辑三类。 空间风格化插件有相关参数，如 image_url 是毛坯房的图片地址；Strength 是提示词强度，影响效果图；Style 是生成效果的风格，如新中式、日式、美式、欧式、法式等；user_prompt 是用户输入的 Promot 提示词。 按照构架配置工作流，调试效果，可使用调试工作流毛坯房测试用例：https://tgi1.jia.com/129/589/29589741.jpg 。 开始节点对应配置三项内容，包括提示词优化。 人设和回复逻辑中，技能 1 中 3 项中的编译数字来源，然后点击右上角发布。 3. 搭建整理入库工作流： 新建工作流「url2table」，根据弹窗要求自定义工作流信息。 工作流全局流程设置： 3.1 开始节点：输入 url，由于希望收到用户输入的待收藏 url 就开始流程，所以不需要额外配置。 3.2 变量节点：引入 bot 变量中保存的飞书多维表格地址，将链接存储在 bot 的变量中，并在工作流运行时进行引用。 3.3 插件节点：获取页面内容，把开始节点的{{BOT_USER_INPUT}}引入到参数{{url}}中，随便设置{{timeout}}为 60000。

以下是用 Coze 创建带工作流的智能体的全流程： 1. 规划 制定任务的关键方法。 总结任务目标与执行形式。 将任务分解为可管理的子任务，确立逻辑顺序和依赖关系。 设计每个子任务的执行方法。 2. 实施 打开 Coze 官网 https://www.coze.cn/home 。 在 Coze 上搭建工作流框架，设定每个节点的逻辑关系。 详细配置子任务节点，并验证每个子任务的可用性。 3. 完善 整体试运行智能体，识别功能和性能的卡点。 通过反复测试和迭代，优化至达到预期水平。 在创建图像工作流方面： 创建图像工作流，图像流分为智能生成、智能编辑、基础编辑三类。 空间风格化插件有相关参数，如 image_url 是毛坯房的图片地址；Strength 是提示词强度，影响效果图；Style 是生成效果的风格，如新中式、日式、美式、欧式、法式等；user_prompt 是用户输入的 Promot 提示词。 按照构架配置工作流，调试工作流效果，调试工作流毛坯房测试用例：https://tgi1.jia.com/129/589/29589741.jpg 。 开始节点对应配置三项内容，进行提示词优化。 配置好人设和回复逻辑，然后点击右上角发布，机器人就可以出图。

可以将图片中的文字进行转换。以下为您介绍一些相关工具和技术： 2txt：Image to text 转换工具，利用 AI SDK 将图片内容转换为文字，不仅限于 OCR，提供体验地址和开源代码链接：https://x.com/imxiaohu/status/1780101723719393780 。 DiT 技术：不仅训练过程高效，在实际应用中展现出强大的图像生成能力。能根据简单文字描述生成逼真图像，如输入“一只毛茸茸的棕色小猫，有着明亮的蓝色眼睛”可生成相应小猫图片；在图像修复方面表现出色，可智能识别图像瑕疵并修复，如修复老照片中被污渍遮挡的人物面部；还能赋予图像不同艺术风格，为图像创作和编辑提供全新可能性。 希望这些信息对您有所帮助。

目前难以直接明确可灵和即梦哪个生成视频的能力更强。 Google DeepMind 和 OpenAI 展示了强大的文本到视频扩散模型预览，但访问受限且技术细节披露不多。Meta 更进一步，将音频加入其 Movie Gen 模型。 在 2024 年，国内涌现出一系列 AI 生成视频工具，如可灵、即梦、智谱清影等，生成结果甚至远超国外。 即梦是剪映旗下的，生成 3 秒视频，动作幅度有很大升级，有最新的 S 模型和 P 模型。可灵支持运动笔刷，1.5 模型可以直出 1080P30 帧视频。 在图生视频方面，市面上主要的工具包括可灵、即梦、Luma，核心方法是穷举和不断调整 prompt 来设计人物动作、辅助镜头运镜等。

以下是一些文字生成视频的好的应用： 1. Pika：是一款出色的文本生成视频 AI 工具，擅长动画制作，并支持视频编辑。 2. SVD：如果熟悉 Stable Diffusion，可以安装这款最新插件，在图片基础上直接生成视频，它是由 Stability AI 开源的 video model。 3. Runway：老牌 AI 视频生成工具，提供实时涂抹修改视频的功能，但需要注意的是，Runway 是收费的。 4. Kaiber：视频转视频 AI，能够将原视频转换成各种风格的视频。 5. Sora：由 OpenAI 开发，可以生成长达 1 分钟以上的视频。 6. Genmo：相较于 Pika 和 Runway，生成视频的清晰度大幅提高，人像的稳定性和美观度强很多，支持镜头控制且控制粒度更细，但还没开放图片生成视频，只能用文字提示词。 7. VIGGLE：能直接通过文字描述让任何静态图动起来，能做各种动作，还能直接文字生成视频，进行各种角色混合和动作替换。其核心技术基于 JST1 模型，该模型是首个具有实际物理理解能力的视频3D 基础模型，能够根据用户需求，让任何角色按照指定方式进行运动。 更多的文生视频的网站可以查看这里：https://www.waytoagi.com/category/38 。内容由 AI 大模型生成，请仔细甄别。

以下是新手学习 AI 的方法和建议： 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，其上手容易且很有用。 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。 在知识库中有很多实践后的作品、文章分享。 5. 体验 AI 产品： 与现有的 AI 产品如 ChatGPT、Kimi Chat、智谱、文心一言等聊天机器人互动，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： 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： 使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索面向中学生的 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。