以下是为您准备的关于使用 AI 写短篇小说的提示词相关内容： 1. 对于初步写作，您可以直接让 AI 草拟初稿，包括博客文章、论文、宣传材料、演讲、讲座、选择自己的冒险、剧本、短篇小说等。但基本提示可能导致无聊的写作，提高提示并不难，需要与系统互动。 2. 用大模型草拟大纲时，包含标题、主旨、世界观、主要角色、小说背景、情节概要等方面。 3. 写小说本身的提示词相对简单，同时搜索是一个很值得学习的思路，将搜索的结果结构化，方便大模型更好地理解需求。 4. 可以通过 prompt 中的描述与词语映射到预训练数据中的特定类型的文本，从而得到想要的相似样本。比如明确指出小说类型，如“充满张力的女性复仇文，可能会出现在晋江文学城或者起点中文网的古代言情分类中”。 5. 对于特殊的创作任务，如短剧剧本创作，可以命令模型写一种特殊格式的网络小说，并尽量显式地描述想要的东西的特征。 6. 往 prompt 里面塞例子也是一个有效的办法。

以下是为新手提供的 AI 学习路径： 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，通过实践巩固知识，尝试使用各种产品做出作品。 在知识库分享实践后的作品和文章。 5. 体验 AI 产品： 与现有的 AI 产品（如 ChatGPT、Kimi Chat、智谱、文心一言等）进行互动，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。 另外，如果您偏向技术研究方向，学习路径包括： 1. 数学基础：线性代数、概率论、优化理论等。 2. 机器学习基础：监督学习、无监督学习、强化学习等。 3. 深度学习：神经网络、卷积网络、递归网络、注意力机制等。 4. 自然语言处理：语言模型、文本分类、机器翻译等。 5. 计算机视觉：图像分类、目标检测、语义分割等。 6. 前沿领域：大模型、多模态 AI、自监督学习、小样本学习等。 7. 科研实践：论文阅读、模型实现、实验设计等。 如果您偏向应用方向，学习路径包括： 1. 编程基础：Python、C++等。 2. 机器学习基础：监督学习、无监督学习等。 3. 深度学习框架：TensorFlow、PyTorch 等。 4. 应用领域：自然语言处理、计算机视觉、推荐系统等。 5. 数据处理：数据采集、清洗、特征工程等。 6. 模型部署：模型优化、模型服务等。 7. 行业实践：项目实战、案例分析等。 无论是技术研究还是应用实践，数学和编程基础都是必不可少的。同时需要紧跟前沿技术发展动态，并结合实际问题进行实践锻炼。 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。

多模态应用是生成式人工智能领域的重要突破点，具有以下特点和潜力： 能够无缝处理和生成多种音频或视觉格式的内容，将交互扩展到超越语言的领域。如 GPT4、Character.AI 和 Meta 的 ImageBind 等模型已能处理和生成图像、音频等模态，但能力还较基础，不过进展迅速。 随着 LLMs 不断进化，能更好地理解和与多种模态交互，使用依赖 GUI 的现有应用程序，为消费者提供更引人入胜、连贯和全面的体验，改变娱乐、学习与发展以及跨各种消费者和企业用例的内容生成。 与工具使用密切相关，使 LLMs 能够使用设计给人类使用但没有自定义集成的工具，如传统的企业资源计划（ERP）系统等。从长远看，多模态特别是与计算机视觉的集成，可通过机器人、自动驾驶车辆等应用程序，将 LLMs 扩展到物理现实中。 关键突破点在于多模态模型能够在没有重大定制的情况下推理图像、视频甚至物理环境。 基于多模态大模型的应用能够迅速解释现实世界，如将手机置于车载摄像机位置，实时分析当前地区新春的流行趋势。其架构中后端采用 llama.cpp 挂载 LLaVA 模型提供推理服务，部署 Flask 应用用于数据处理，前端页面采用 HTML5 采集画面和用户输入。

以下是关于如何正规系统地学习 AI 应用技能并找到好工作的相关内容： 在 WayToAGI 有众多垂直板块，可针对您想学习的 AI 应用技能找到对应板块和社群进行学习。这里并非系统性学习之地，而是一起做有趣之事的场所。解决问题时学习对应技能更高效。 我们做事的动机常落在有用和有趣两点。多数时候我们用 AI 做对自己有用之事，如用 LLM 学习、用 Midjourney 做公众号头图等。若能对他人有用，可能打造出成功产品。 那些改变世界的创新往往始于有趣的想法。整活区就是让您无需证明想法有用，可尽情发挥对 AI 的天马行空想象，把 AI 玩出新花样。 为在医疗保健领域产生真正改变，应投资创建像优秀医生和药物开发者那样学习的“专家”AI 模型生态系统。成为领域顶尖人才通常从多年密集信息输入开始，如正规学校教育和学徒实践，从出色实践者处面对面学习获取教科书未写明的信息。 通过学校教育和经验获得复杂情况下确定最佳答案的直觉具挑战性，AI 因当前学习方式及技术人员对待方式使问题更严重。应通过堆叠模型训练 AI，而非仅靠大量数据和生成模型。如先训练生物学、化学模型，再添加医疗保健或药物设计数据点。 预医学生课程从基础开始，新疗法科学家也需多年学习和指导，这种方式培养处理细微差别决策的直觉很重要。 总之，学习 AI 应用技能需结合实践和基础学习，不断探索创新，提升自身能力，以找到好工作。

以下为您推荐一些可入门学习 AI 的动画和漫画： 《如果让我推荐一门 AI 课》：预习周课程包括 AI 绘画电脑配置要求、高效 AIGC 创意者的数字人工具包、SD 插件安装方法、画静为动的 AIGC 视频制作讲解等。基础操作课涵盖 AI 绘画通识课、AI 摄影虚拟的真实、AI 电影穿越的大门等内容。核心范式课程涉及词汇的纸牌屋、核心范式应用、控制随机性等方面。SD WebUi 体系课程包括 SD 基础部署、SD 文生图、图生图、局部重绘等。ChatGPT 体系课程有 ChatGPT 基础、核心文风、格式、思维模型等内容。ComfyUI 与 AI 动画课程包含部署和基本概念、基础工作流搭建、动画工作流搭建等。应对 SORA 的视听语言课程涉及通识欢迎参加电影的葬礼、影像赏析、基础戏剧影视文学等。您可以通过参与 video battle 免费获得课程，获胜者有不同等级的课程奖励。扫码添加菩萨老师助理，了解更多课程信息。 《哆啦 A 梦》：其中的一些道具集成了目前 AI 技术中的图像扫描，文本识别，图像训练 lora 或 checkpoint，文本嵌入大型语言模型，思维链控制大型语言模型生成故事、切分台词、生成绘画提示词，绘画模型根据提示词绘画，如果台词不能直接画进画面里还需要叠加图层，最后打印输出。 《奥运前夜》：由通往 AGI 之路 x 离谱村与广州广播电视台联合制作的 AI 动画短片，将于本周末在广州台综合频道周六 17:05、广州台新闻频道周六 21:10、广州台南国都市频道周日 22:00 欢乐上映。

以下是关于培养小学生学习 AI 知识的建议： 1. 了解 AI 基本概念 引导小学生阅读简单易懂的科普资料，熟悉 AI 的基本术语和概念，例如什么是人工智能、它有哪些常见的应用等。 观看有趣的科普视频或动画，以生动形象的方式介绍 AI 的发展历程和未来趋势。 2. 从编程语言入手 可以让小学生接触简单的编程语言，如 Scratch 等，学习编程的基本逻辑、数据结构等知识，为后续理解 AI 打下基础。 3. 尝试使用 AI 工具和平台 体验适合儿童的 AI 生成工具，如一些简单的图像生成或故事生成工具，感受 AI 的应用场景。 4. 学习 AI 基础知识 以故事、游戏等形式，让小学生了解 AI 在生活中的应用案例，如智能家居、智能交通等。 5. 参与 AI 相关的实践活动 参加学校或社区组织的简单的 AI 创意活动，如设计一个智能小装置等。 6. 课堂互动与讨论 设计类似“当 AI 走进小学课堂（全套课程设计）”中的 Q&A 环节，例如： 你们最喜欢哪一个 AI 应用？为什么？引导他们思考技术如何影响生活，并强调科技的多样性和创新。 AI 能不能替代人类的艺术家或者作家？探讨人类创造力与机器效率的关系，倡导对技术的负责任使用。 你想不想有一个 AI 机器人朋友？你想让它帮你做什么？想象与 AI 机器人的互动场景，讨论友谊的意义。 如果 AI 可以帮你完成家庭作业，你希望它帮你做哪部分？为什么？探讨依赖技术的潜在风险，强调诚实和自我驱动的学习态度。 总之，培养小学生学习 AI 知识要注重趣味性、互动性和简单易懂，让他们在轻松愉快的氛围中逐步了解和接触 AI 领域。

以下是关于建筑抠图 AI 的相关信息： AI 绘画常用提示词中与建筑相关的有：architectural sketching（建筑素描）、interior design（室内设计）等。 能够帮助建筑设计师审核规划平面图的 AI 工具包括： HDAidMaster：云端工具，在建筑、室内和景观设计领域表现出色，搭载建筑大模型 ArchiMaster。 Maket.ai：面向住宅行业，在户型和室内软装设计方面有探索。 ARCHITEChTURES：AI 驱动的三维建筑设计软件，能引入标准和规范约束设计结果。 Fast AI 人工智能审图平台：形成全自动智能审图流程，实现建筑全寿命周期内信息集成与管理。 需要注意的是，每个工具都有特定应用场景和功能，建议根据具体需求选择合适的工具。

AI 伴侣目前处于起步阶段，未来两三年内，现有的工具将显得像玩具。我们已看到一些线索： 五月份，社交媒体影响者 Caryn Marjorie 推出“AI 女友”，使用其声音并通过在 YouTube 上的数千小时视频训练。用户每分钟支付 1 美元，在私人 Telegram 频道与虚拟形象交流，发送语音备忘录，虚拟形象以其声音回复。像 Forever Voices 这样的公司为其他影响者创建类似角色。对于通过订阅或打赏赚钱的创作者或名人，拥有 AI 伴侣将是自然延伸，消费者愿意付钱以更接近他们。最终，每个人拥有能与亲友和观众互动的人工智能角色可能合理，但要实现需考虑许可权、正确训练数据集及适当“模态”。 浪漫关系是自然起点，但还有空间构建适用于所有类型关系的人工智能伴侣平台。比如在缺乏经济实惠心理治疗师时，可想象专门设计的经过大量临床会话训练的化身。早期研究表明，人工智能在诊断准确性和医患关系方面能超过真正的医生。另外，娱乐也是潜在使用案例，如 Snapchat 的 MyAI 聊天机器人收到大量消息，其使用多轻松愉快且专注娱乐。

以下是一些优秀的智能体提示词案例和相关学习建议： 藏师傅教您用 AI 三步制作任意公司的周边图片： 整个流程分为三个部分：获取 Logo 图片的描述；根据 Logo 图片的描述和生成意图生成图片提示词；将图片和提示词输入 Comfyui 工作生成。 提示词示例：“The pair of images highlights a logo and its realworld use for a hitech farming equipment; this logo is applied as a black and white tattoo on lower back of an inmate” 学习提示词运用的建议： 理解提示词的作用：向模型提供上下文和指示，影响模型输出质量。 学习提示词的构建技巧：明确任务目标，用简洁准确语言描述，给予足够背景信息和示例，使用清晰指令，对特殊要求明确指示。 参考优秀案例：在领域社区、Github 等资源中寻找。 实践、迭代、优化：多与语言模型互动，根据输出提高提示词质量。 活用提示工程工具：如 Anthropic 的 Constitutional AI。 跟上前沿研究：关注最新研究成果和方法论。 相关网站分享： Learn Prompting：https://learnprompting.org/docs/intro AI Short：https://www.aishort.top/en/ AIPRM：https://www.aiprm.com/prompts/ Prompt Library：https://promptlibrary.org/

智能体（Agent）在人工智能和计算机科学领域是一个重要概念，指能够感知环境并采取行动以实现特定目标的实体，既可以是软件程序，也可以是硬件设备。 智能体的定义： 智能体是自主系统，通过感知环境（通常借助传感器）并采取行动（通常通过执行器）来达成目标。在 LLM 支持的自主 Agent 系统中，LLM 充当 Agents 的大脑，并包含以下关键组成部分： 规划 子目标和分解：将大型任务分解为更小、可管理的子目标，以有效处理复杂任务。 反思和完善：对过去行为进行自我批评和反思，从错误中吸取教训，完善未来步骤，提高最终结果质量。 记忆 短期记忆：利用模型的短期记忆进行上下文学习。 长期记忆：通过外部向量存储和快速检索实现长时间保留和回忆（无限）信息。 工具使用：学习调用外部 API 获取模型权重中缺失的额外信息，包括当前信息、代码执行能力、对专有信息源的访问等。 智能体的类型： 智能体可根据复杂性和功能分为以下几种类型： 简单反应型智能体（Reactive Agents）：根据当前感知输入直接采取行动，不维护内部状态，不考虑历史信息。例如温控器，根据温度传感器输入直接控制加热器。 基于模型的智能体（Modelbased Agents）：维护内部状态，对当前和历史感知输入建模，能推理未来状态变化并据此行动。比如自动驾驶汽车，不仅感知当前环境，还维护和更新周围环境模型。 目标导向型智能体（Goalbased Agents）：除感知和行动外，具有明确目标，能评估不同行动方案并选择最优行动。像机器人导航系统，有明确目的地并规划路线以避开障碍。 效用型智能体（Utilitybased Agents）：不仅有目标，还能量化不同状态的效用值，选择效用最大化的行动，评估行动优劣并权衡利弊。例如金融交易智能体，根据市场条件选择最优交易策略。 学习型智能体（Learning Agents）：能通过与环境交互不断改进性能，学习模型、行为策略以及目标函数。如强化学习智能体，通过与环境互动学习最优策略。 以下是一个关于智能体的应用案例： “买买买！?产品买点提炼神器强化版?”是一款智能体，其应用场景主要针对企业和品牌营销团队，尤其是活跃于小红书和抖音的市场推广者。当前痛点是难以精准提炼产品卖点，不能以更友好的用户侧表达讲述卖点，社交媒体营销文案和脚本创作没有以卖点为出发点，耗时且无系统。该智能体能够解决这些问题，提供系统化卖点提炼和一站式内容创作，简化小红书和抖音营销文案生成，主要功能包括产品卖点（供给侧视角）深度挖掘、优质买点（用户侧视角）文案生成、小红书笔记+抖音脚本生成以及所有内容一键同步到飞书。