要让 AI 对自己的写作做出精确的建议，可以从以下几个方面入手： 1. 提供清晰且具有指导性的提示词（prompt）：一个好的提示词能够帮助 AI 更准确地理解您的需求，并生成更符合预期的内容。如果已有基本提示词，AI 能生成基础文章；若想进一步提升质量，可尝试提供更详细、更具创意的提示词，以便 AI 更好地捕捉文章的语气、风格和重点。例如，“请根据我们收集的关于 OpenAI 回应马斯克言论的资讯，创作一篇既深入又易于理解的科技资讯文章。文章应该有一个吸引人的标题，开头部分要概述事件的背景和重要性，主体部分详细分析 OpenAI 的回应内容及其可能产生的影响，结尾处提出一些引人深思的问题或观点。” 2. 与 AI 互动改进写作：将文本粘贴到 AI 中，要求它改进内容，或就如何为特定受众提供更好的建议。可以要求它以截然不同的风格创建多个草稿，使事物更生动，或者添加例子，以激发自己做得更好。 3. 利用 AI 完成任务：把 AI 当作实习生，让其协助写邮件、创建销售模板、提供商业计划的下一步等。 4. 借助 AI 保持动力：当在任务中遇到困难挑战而分心时，AI 可以提供让自己保持动力的方式。

以下是在 coze 中写插件的步骤： 1. 进入 coze 个人空间，选择插件，新建一个插件并起个名字（如 api_1），随意或根据需求命名，同时填写描述（如 test）。 2. 在插件的 URL 部分，填入 ngrok 随机生成的 https 的链接地址。如果服务还开着则继续，否则需重新开始。 3. 按照 coze 的指引配置输出参数，完成后进行测试并发布插件。 4. 手捏插件搞定之后，就可以开始创建 bot。创建一个测试 api 的 bot，并将自己创建的插件接进来，在 prompt 里面让其调用插件。 另外，具体的创建插件步骤还包括： 点击个人空间，选择插件，点击创建插件。 插件名称使用中文，根据需求起名。 填写插件描述，告知其用途和使用方法。 选择云侧插件基于已有服务创建，填入所使用 API 的 URL。 在新的界面点击创建工具。 填入工具的基本信息，如工具名称（只能使用字母、数字和下划线）、工具描述、工具路径（以/开始，若使用 path 方式传参，可用“{}”包裹变量）、请求方法（根据 API 调用方式选择）。 配置输入参数，点击新增参数，填写所有需要使用的参数，填写完成后选择保存并继续。 需要注意的是： 本案例中使用的是 coze 国内版，反正是玩插件，对模型没啥要求。 如果在生产环境中已有准备好的 https 的 api，可直接接上来。 本案例中 ngrok 仅供娱乐，生产环境中勿用。

以下是主流大语言模型擅长领域的相关信息： 1. Encoderonly 模型：通常适用于自然语言理解任务，如分类和情感分析，代表模型是 BERT。 2. Encoderdecoder 模型：同时结合 Transformer 架构的 encoder 和 decoder 来理解和生成内容，用例包括翻译和摘要，代表是 Google 的 T5。 3. Decoderonly 模型：更擅长自然语言生成任务，如故事写作和博客生成，众多 AI 助手基本采用此结构，包括 ChatGPT。 大模型的特点： 1. 预训练数据非常大，往往来自互联网上的论文、代码、公开网页等，先进的大模型一般用 TB 级别的数据进行预训练。 2. 参数非常多，如 Open 在 2020 年发布的 GPT3 就已达到 170B 的参数。 国内大模型分类： 1. 通用模型：如文心一言、讯飞星火等，处理自然语言。 2. 垂直模型：专注特定领域，如小语种交流、临床医学、AI 蛋白质结构预测等。 大型模型主要分类： 1. 大型语言模型：专注于处理和生成文本信息。 2. 大型多模态模型：能够处理包括文本、图片、音频等多种类型的信息。 大型多模态模型与大型语言模型的不同： 1. 处理的信息类型不同：大型语言模型专注于文本信息，大型多模态模型能处理多种类型信息。 2. 应用场景不同：大型语言模型主要用于自然语言处理任务，大型多模态模型可应用于更广泛领域，如图像识别与描述、视频分析、语音识别与生成等。 3. 数据需求不同：大型语言模型主要依赖大量文本数据训练，大型多模态模型需要多种类型数据训练。 相对大型模型的“小模型”：是在相对比较下规模较小的模型，实际是被设计来完成特定任务的，如最初用于图像分类的模型，只能分辨是或不是某一个东西。

以下是关于 AI 项目变现的一些方式和建议： 写作方面： 1. 项目启动：确定目标客户群体，如大学生、职场人士、自媒体从业者等，并选择合适的 AI 写作工具满足不同客户需求。 2. 准备阶段：学习并实践 AI 写作技术，通过书籍、在线课程等资源提升写作技能，同时构建团队，培养和扩充团队成员以提高运营效率。 3. 商业模式构建：确定服务内容，如提供论文、报告、文案等直接写作服务，并制定质量控制标准确保写作内容满足客户要求。 4. 运营与推广：在淘宝等电商平台开设店铺展示并销售写作服务，建立写作培训社群分享写作技巧和 AI 应用经验提升品牌影响力，通过社交媒体和线下活动进行品牌和社群建设，与绘画团队、其他写作工作室等合作共同开发新项目。 5. 项目优化与发展：持续关注 AI 技术进展提升服务质量和效率，根据市场需求拓展新的服务和产品，收集客户反馈不断优化和改进服务。 电商方面： 针对宝妈群体，如婴儿的四维彩超 AI 预测，后续还可以有头像定制、绘画收徒、宝宝起名字、售胎毛纪念品、母乳纪念品、宝宝出生后的相关产品等变现方式。如果懂私域的精细化运营，做好朋友圈的运营，宝妈群体具有超高的经济价值。 深圳 AI 变现沙龙中的项目： 1. AI 抖音发广告：借助抖音平台对实体商家的流量扶持，每年对实体商家有 100 万多的基础曝光量，有几万家实体商家会花 3000 元、9000 元、10800 元购买 AI 抖音发广告的软件。需求是懂软件开发的技术人员，熟悉抖音。 2. AI 私域做客户培育/用户旅程：AI 软件可以帮助不同的商家自动跟进/培育客户。需求是懂软件开发的技术人员，熟悉微信。 3. AI 绘本：2 4 岁儿童的睡前故事，图文结合，以幼儿理解的解释方式在故事中表达出来。 4. 大学生社群，高校对接商家，商家广告推广需群。 5. Al + 绘本 + 视频，3 10 岁儿童阅读教育，通过 Bot 实现自动化流程。 6. 海外跨境电商和外贸，需要对接 ToB 服务资源。 7. 法律咨询，制作劳动合同法 bot，个人机器人对接到 AI，建立数据库回复。 8. 体检报告解读，有企业资源，探索打通企业培训。 总之，AI 项目的变现方式多样，需要结合自身优势和市场需求，通过合理的推广与精细化的运营来实现盈利，并不断拓展和优化业务。

对于小白系统学习 AI，以下是一些建议： 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，比如图像、音乐、视频等，可根据自己的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，实践是巩固知识的关键，尝试使用各种产品做出作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，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。 6. 持续学习和跟进： AI 是快速发展的领域，新的研究成果和技术不断涌现。关注 AI 领域的新闻、博客、论坛和社交媒体，保持对最新发展的了解。 考虑加入 AI 相关的社群和组织，参加研讨会、工作坊和会议，与其他 AI 爱好者和专业人士交流。 对于中学生学习 AI，建议如下： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始学习，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： 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 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。 总之，中学生可以从编程基础、工具体验、知识学习、实践项目等多个方面入手，全面系统地学习 AI 知识和技能，为未来的 AI 发展做好准备。

目前国内逻辑推理能力较强的大模型有以下几种： 1. Baichuan213BChat（百川智能）：是百川智能自主训练的开源大语言模型。在逻辑推理、知识百科、生成与创作、上下文对话等基础能力上排名 200 亿参数量级国内模型第一，其中逻辑推理能力超过 34B 参数量级的大模型，生成与创作能力超过 72B 参数量级的模型。可应用于小说/广告/公文写作等内容创作场景、智能客服/语音助手以及任务拆解规划等场景，还能部署在教育、医疗、金融等垂直行业中应用，同时可部署在低算力终端处理基础智能任务。 2. 智谱清言（清华&智谱 AI）：是智谱 AI 和清华大学推出的大模型产品，基础模型为 ChatGLM 大模型。在工具使用排名国内第一，在计算、逻辑推理、传统安全能力上排名国内前三。可应用于 AI 智能体方面相关的应用，包括任务规划、工具使用及一些长文本记忆相关的场景，在较复杂推理应用上的效果也不错，广告文案、文学写作方面也是很好的选择。 3. 文心一言 4.0API（百度）：在计算、逻辑推理、生成与创作、传统安全这 4 大基础能力上排名国内第一。另外在代码、知识与百科、语言理解与抽取、工具使用能力上排名国内前三。能力栈较为广泛，可应用于查询搜索知识应用、任务拆解规划 Agent、文案写作以及代码编写及纠错等方面，在科学研究、教育、工业方面的落地能力也值得关注。

以下是入门 AI 的一些建议： 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，比如图像、音乐、视频等，可根据自己的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，实践是巩固知识的关键，尝试使用各种产品做出作品。 知识库提供了很多实践后的作品、文章分享，欢迎实践后的分享。 5. 体验 AI 产品： 与现有的 AI 产品进行互动，如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解其工作原理和交互方式。 对于不会代码的朋友，20 分钟上手 Python + AI 可以这样做： 1. 了解一些背景： 关于 Python：Python 就像哆拉 A 梦，拥有标准库这个百宝袋，若不够用还能通过 pip 工具从 GitHub 等平台订购新道具，且在 AI 领域被广泛使用。 关于 OpenAI API：OpenAI 通过 ChatGPT 提供开箱即用的服务，也通过 OpenAI API 提供更灵活的服务，可通过代码调用完成更多自动化任务。 2. 完成以下任务： 完成一个简单程序。 完成一个爬虫应用，抓取公众号文章。 完成一个 AI 应用，为公众号文章生成概述。 另外，入门强化学习可以参考以下内容： 明确学习目的，比如以搞懂 DQN 算法作为入门目标。 可参考相关学习资料，如 https://github.com/ty4z2008/Qix/blob/master/dl.md 。

以下是通过 AI 来整理丰富 Excel 表格内容的一些方法和可用的工具： 1. 可以让 AI 一段一段地进行细节描写。为确保前后一致，先让 AI 帮助写故事概要和角色背景介绍，并在其基础上按自己的审美略做修改。 2. 采用让 AI 以表格形式输出细节描述的技巧，这样有三个好处： 打破 AI 原本的叙事习惯，减少陈词滥调。 按编号做局部调整容易，指哪改哪，其他内容能稳定不变。 确保内容都是具体的细节，避免整段输出时缩减导致丢光细节只剩笼统介绍。 3. 关于 Excel 的 AI 工具和插件： Excel Labs：Excel 插件，新增生成式 AI 功能，基于 OpenAI 技术，可在 Excel 中利用 AI 进行数据分析和决策支持。 Microsoft 365 Copilot：微软推出，整合了多种办公软件，通过聊天形式告知需求，自动完成任务。 Formula Bot：提供数据分析聊天机器人和公式生成器功能，可自然语言交互进行数据分析和生成 Excel 公式。 Numerous AI：支持 Excel 和 Google Sheets 的 AI 插件，能生成相关文本内容、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 Excel 中，进一步提高工作效率和数据处理的智能化水平。但请注意，内容由 AI 大模型生成，请仔细甄别。

以下是为您整合的相关内容： 大型语言模型（LLM）不仅能视为聊天机器人或单词生成器，更类似于新兴操作系统的内核进程，能协调大量资源解决问题。未来的 LLM 能读取和生成文本，拥有丰富知识，通过检索增强生成可浏览互联网或引用本地文件，利用现有软件基础架构，具备查看和生成图像与视频、听取发声创作音乐、利用系统 2 深入思考、在特定领域自我优化、针对任务定制和调整等能力，许多 LLM 专家可能存在于协同解决问题的应用程序商店中。 当前主要的大语言模型包括 OpenAI 的 3.5 和 4.0 版本，3.5 模型引发了 AI 热潮，4.0 功能更强大，新变种可使用插件连接互联网和其他应用程序，微软的 Bing 混合使用 4 和 3.5 版本，能创建和查看图像、在网页浏览器中阅读文档，谷歌的 Bard 由各种基础模型驱动，Anthropic 的 Claude 2 有较大的上下文窗口且不太可能恶意行事。 LLM 存在安全性问题，如单词优化、图像中的噪声模式等可能成为对抗性示例导致模型越狱，还有提示注入等攻击类型，如在微弱的白色文本中隐藏指令，模型可能会识别并遵循。

以下是关于 AI 搜索的相关知识： AI 模型的优化过程中的知识库： 活字典是针对知识库一个非常贴切的比喻。AI 的知识会“过期”，解决这个问题的一个好方法就是给 AI 配备一个随时更新的“活字典”，即知识库。它就像是 AI 可以随时查阅的百科全书，当 AI 遇到不确定的问题时，能从其中检索相关信息，给出更新、更准确的回答。比如很火的 AI 搜索，其实就是将整个互联网的实时数据作为知识库，每次被询问时都可以通过搜索引擎获取最新的信息。 推荐的 AI 搜索引擎： 1. 秘塔 AI 搜索：由秘塔科技开发，提供多模式搜索、无广告干扰、结构化展示和信息聚合等功能，旨在提升用户的搜索效率和体验。 2. Perplexity：一款聊天机器人式的搜索引擎，允许用户用自然语言提问，使用生成式 AI 技术从各种来源收集信息并给出答案。 3. 360AI 搜索：360 公司推出的 AI 搜索引擎，通过 AI 分析问题，生成清晰、有理的答案，并支持增强模式和智能排序。 4. 天工 AI 搜索：昆仑万维推出的搜索引擎，采用生成式搜索技术，支持自然语言交互和深度追问，未来还将支持图像、语音等多模态搜索。 5. Flowith：一款创新的 AI 交互式搜索和对话工具，基于节点式交互方式，支持多种 AI 模型和图像生成技术，提供插件系统和社区功能。 6. Devv：面向程序员的 AI 搜索引擎，专注于提供编程、软件开发和人工智能等领域的专业建议和指导。 7. Phind：专为开发者设计的 AI 搜索引擎，利用大型语言模型提供相关的搜索结果和动态答案，特别擅长处理编程和技术问题。 这些 AI 搜索引擎通过不同的技术和功能，为用户提供更加精准、高效和个性化的搜索体验。 AI 时代的搜索与知识库： 大模型做了两件事情：学习了全网公开的所有知识（不考虑训练数据的时效）；能根据问题快速找到对应的知识点，然后输出。但把 Kimi 和 ChatGPT 当作知识库也有缺点：大模型学习的是互联网公开的知识，针对个人或者企业等私有知识进行问答做不到；大模型学习的互联网知识内容良莠不齐，可能会影响针对某一个问题回答的准确性。为了解决这些问题，进入到下一个话题：AI 时代的私人知识库。