AI 充当专业顾问和知识助教的角色主要体现在以下几个方面： 1. 在医疗保健领域，AI 可能通过元学习更快地获取知识，并通过深入探索其内部工作机制，成为下一代专家的教师，最终超越领域专家的角色。 2. 当需要大模型充当专属客服时，如依据特定书籍内容回答问题或作为公司客服了解相关信息，为大模型提供知识背景可减少其幻觉，更高级的方式是使用 RAG 知识内容增强检索。 3. 在其他领域，如搭配服装、提供职业建议、提升沟通能力等方面，已经出现了专门设计的 AI 驱动工具和教练。未来，每个人可能拥有理解自身生活独特背景的个性化聊天机器人，为生活变化和实现目标提供建议与支持，如在离婚、上大学、生孩子、锻炼、改善财务状况等方面。

以下是使用 MJ 进行文生图的 Prompt 模板： 1. 定主题：明确您需要生成一张什么主题、什么风格、表达什么信息的图。 2. 选择基础模型 Checkpoint：按照主题，找内容贴近的 checkpoint。一般喜欢用模型大佬麦橘、墨幽的系列模型，如麦橘写实、麦橘男团、墨幽人造人等，效果较好。 3. 选择 lora：在想要生成的内容基础上，寻找内容重叠的 lora，以控制图片效果及质量。可多参考广场上好看的帖子中使用的 lora。 4. ControlNet：用于控制图片中特定的图像，如人物姿态、生成特定文字、艺术化二维码等，属于高阶技能，可后续学习。 5. 局部重绘：下篇再教。 6. 设置 VAE：无脑选择 840000 这个即可。 7. Prompt 提示词：用英文写想要 AI 生成的内容，使用单词和短语的组合，不用管语法，单词、短语之间用英文半角逗号隔开。 8. 负向提示词 Negative Prompt：用英文写想要 AI 避免产生的内容，同样不用管语法，只需单词和短语组合，中间用英文半角逗号隔开。 9. 采样算法：较复杂，一般选 DPM++ 2M Karras 较多。最稳妥的是留意 checkpoint 的详情页上模型作者是否有推荐采样器，使用推荐的采样器更有保障。 10. 采样次数：根据采样器特征，选 DPM++ 2M Karras 后，采样次数一般在 30 40 之间，多了意义不大且慢，少了出图效果差。 11. 尺寸：根据个人喜好和需求选择。 另外，使用 Stability AI 基于 Discord 的媒体生成和编辑工具进行文生图时： 1. 点击链接进入官方 DISCORD 服务器：https://discord.com/invite/stablediffusion 。 2. 进入 ARTISAN 频道，任意选择一个频道。 3. 输入/dream 会提示没有权限，点击链接，注册登录，填写信用卡信息以及地址，点击提交，会免费试用三天，三天后开始收费。 4. 输入/dream 提示词，这部分和 MJ 类似。 5. 和 MJ 手工输入参数不同，可选参数有五类： prompt：提示词，正常文字输入，必填项。 negative_prompt：负面提示词，填写负面提示词，选填项。 seed：种子值，可以自己填，选填项。 aspect：长宽比，选填项。 model：模型选择，SD3，Core 两种可选，选填项。 Images：张数，1 4 张，选填项。完成后选择其中一张。 在 MJ 应用篇儿童绘本制作、人物一致性方面： 1. 生成人物图片：确定人物形象，如“a little girl wearing a yellow floral skirt + 人物动作 + 风格词”，在 mj 中生成直到得到满意的人物图像。垫图 URL + “In the forest,a little girl wearing a yellow floral skirt is playing happily,super high details,HDsmooth,by Jon Burgerman,s 400 ar 3:4 niji 5 style expressive iw 2”，iw 取值范围，不填写默认 iw = 1，iw 值越大越接近垫的图像，反之更接近提示词。为确保人物一致性，取 iw 2 。 2. 合成人物和场景，垫图并重新生成：使用 PS 或者 Canva 将人物和场景合成到一张图，若色调不和谐（若画面和谐或 PS 技术足够，也可不用图生图），将合成后的图作为垫图（iw 2），mj 重新生图，如“prompt：垫图 url + Little girl wearing a yellow floral skirt,and her friend brown bear,taking shelter in the cave,rainstorm,super high details,HDsmooth,by Jon Burgerman,s 400 ar 3:4 niji 5 style expressive iw 2”。 3. 绘本展示。

以下是关于文生图的 Prompt 模板的相关内容： 通常描述逻辑包括人物及主体特征（如服饰、发型发色、五官、表情、动作），场景特征（如室内室外、大场景、小细节），环境光照（如白天黑夜、特定时段、光、天空），画幅视角（如距离、人物比例、观察视角、镜头类型），画质（如高画质、高分辨率），画风（如插画、二次元、写实）。通过这些详细的提示词，能更精确地控制 Stable Diffusion 的绘图。 对于新手，有功能型辅助网站帮助书写提示词，如 http://www.atoolbox.net/ ，可通过选项卡方式快速填写关键词信息；https://ai.dawnmark.cn/ ，每种参数有缩略图参考，方便直观选择提示词。还可以去 C 站（https://civitai.com/）抄作业，复制每一张图的详细参数并粘贴到正向提示词栏，然后点击生成按钮下的第一个按键，不过要注意图像作者使用的大模型和 LORA，不然即使参数一样，生成的图也会不同，也可只取其中较好的描述词使用。 在 Tusiart 中，文生图的操作流程如下： 定主题：确定要生成的图的主题、风格和表达的信息。 选择基础模型 Checkpoint：找内容贴近主题的 checkpoint，如麦橘、墨幽的系列模型。 选择 lora：寻找内容重叠的 lora 控制图片效果及质量。 ControlNet：控制图片中特定的图像，如人物姿态、特定文字、艺术化二维码等。 设置 VAE：无脑选择 840000 。 Prompt 提示词：用英文写需求，单词和短语组合，用英文半角逗号隔开，不用管语法和长句。 负向提示词 Negative Prompt：用英文写要避免的内容，单词和短语组合，用英文半角逗号隔开。 采样算法：如选 DPM++ 2M Karras，留意 checkpoint 详情页上模型作者推荐的采样器。 采样次数：根据采样器特征，如选 DPM++ 2M Karras 采样次数在 30 40 之间。 尺寸：根据喜好和需求选择。 在一些提示词中，括号和“:1.2”等是用来增加权重的，权重越高在画面中体现越充分，提示词的先后顺序也会影响权重。同时还有反向提示词，告诉 AI 不要的内容。

腾讯混元大模型（HunyuanLarge）是全球最大的 MoE 开源模型，具有以下特点： 拥有 3890 亿参数，其中活跃参数为 520 亿。 具备强大的长文本处理和常识推理能力，支持 256K 上下文窗口。 通过数据增强，使用合成数据提升对未见内容的理解。 详细介绍： 模型下载： 技术报告：

以下是为您推荐的国内 AI 工具： 图像类： 可灵：由快手团队开发，用于生成高质量的图像和视频，图像质量高，但价格相对较高，重度用户年费可达几千元，临时或轻度使用有免费点数和较便宜的包月选项。 通义万相：在中文理解和处理方面表现出色，可选择多种艺术和图像风格，生成图像质量高、操作界面简洁直观、能与阿里其他产品服务整合，目前免费，每天签到获取灵感值，但存在一些局限性，如某些类型图像无法生成、处理非中文或国际化内容可能不够出色、处理多元文化内容可能存在偏差。 内容仿写类： 秘塔写作猫：https://xiezuocat.com/ ，是 AI 写作伴侣，能推敲用语、斟酌文法、改写文风、实时同步翻译，支持全文改写、一键修改、实时纠错并给出修改建议，智能分析文章属性并打分。 笔灵 AI 写作：https://ibiling.cn/ ，是智能写作助手，支持多种文体写作，能一键改写/续写/扩写，智能锤炼打磨文字。 腾讯 Effidit 写作：https://effidit.qq.com/ ，由腾讯 AI Lab 开发，能提升写作效率和创作体验。 更多 AI 写作类工具可查看：https://www.waytoagi.com/sites/category/2 （内容由 AI 大模型生成，请仔细甄别） 思维导图类： GitMind：免费跨平台，支持多种模式，可通过 AI 自动生成思维导图。 ProcessOn：国内思维导图+AIGC 的工具，可利用 AI 生成思维导图。 AmyMind：轻量级在线，无需注册登录，支持自动生成节点。 Xmind Copilot：Xmind 推出的基于 GPT 的助手，可一键拓展思路、生成文章大纲。 TreeMind：输入需求由 AI 自动完成思维导图生成。 EdrawMind：提供包括 AI 驱动的头脑风暴等功能，帮助提升生产力。

以下为整合多家大语言模型的工具介绍： 1. Poe： 由 Quora 开发，有 APP 版本，支持跨端使用。 集成了 Chat GPT、GPT4、Claude+、Claude、Dragonfly 等模型，同时支持用户自建 Chatbot。 不同语言模型回复效果有差异，适合需要调用多种大语言模型的用户。 Dragonfly 擅长给出较短的回答，并擅长在输入中给出示例时遵循指示。 Claude 更擅长创造性回复，配合 Poe 中的提问引导，非常适合在查阅资料时使用，有时能够给出超越直接使用 Chat GPT 时的体验，但和 Chat GPT 一样，Claude 也时常会给出一些错误回复，一些问题可在两个模型中都问一遍提升信息准确性。 支持分享用户和模型的对话内容，但 GPT4、Claude+产品需要付费订阅使用。 访问地址： Poe 中的提问引导能够启发用户，支持 Explore Chatbot，但丰富度不如后续要介绍的 Character，midjourney prompt 扩写 Chatbot 能力很惊人。 2. Ollama： 支持多种大型语言模型，包括通义千问、Llama 2、Mistral 和 Gemma 等，适用于不同应用场景。 易于使用，适用于 macOS、Windows 和 Linux 系统，同时支持 cpu 和 gpu。 提供模型库，用户可从中下载不同模型，这些模型有不同参数和大小，以满足不同需求和硬件条件。模型库可通过 https://ollama.com/library 查找。 用户可通过简单步骤自定义模型，例如修改模型的温度参数来调整创造性和连贯性，或者设置特定的系统消息。 提供 REST API，用于运行和管理模型，以及与其他应用程序的集成选项。 社区贡献丰富，包括多种集成插件和界面，如 Web 和桌面应用、Telegram 机器人、Obsidian 插件等。 下载安装地址：https://ollama.com/download/ ，安装完后，在 mac 上启动 ollama 应用程序，在 linux 上通过 ollama serve 启动，可通过 ollama list 确认，未下载模型时正常显示空，可通过 ollama 命令下载模型。 3. 未来还会不断丰富大模型的外延能力，例如知识库检索、计算工具、WolframAlpha、操作软件等。首先集成了 LangChain 框架，可更方便地基于 Llama2 开发文档检索、问答机器人和智能体应用等。针对 LangChain 框架封装的 Llama2 LLM 类见，简单的调用代码示例如下。

AI（人工智能）是一门令人兴奋的科学，它是指让计算机表现出智能行为，例如做一些人类所擅长的事情。 对于没有理工科背景的文科生来说，可以把 AI 当成一个黑箱，只需要知道它是某种能模仿人类思维、理解自然语言并输出自然语言的东西。其生态位是一种似人而非人的存在。 对于三年级的孩子，可以用简单的语言来解释，即让计算机或机器能像人类一样思考和学习的技术。 在某些任务中，如根据照片判断一个人的年龄，由于我们无法明确大脑完成此任务的具体步骤，所以无法为计算机编写明确程序，而这类任务正是 AI 所感兴趣的。

以下是系统学习 AI 的方法： 1. 编程语言基础：从 Python、JavaScript 等编程语言开始学习，掌握编程语法、数据结构、算法等基础知识，为后续的 AI 学习奠定基础。 2. 工具和平台体验：使用 ChatGPT、Midjourney 等 AI 生成工具，体验其应用场景。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. 基础知识学习： 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、自然语言处理等）以及它们之间的联系。 阅读入门文章，熟悉 AI 的术语和基础概念，了解其历史、当前应用和未来发展趋势。 4. 实践项目参与：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，思考其对未来社会的影响，培养思考和判断能力。 6. 课程学习： 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。 7. 选择感兴趣模块深入：AI 领域广泛，可根据兴趣选择特定模块（如图像、音乐、视频等）深入学习，掌握提示词技巧。 8. 实践和尝试：理论学习后，通过实践巩固知识，尝试使用各种产品创作作品，并在知识库分享实践成果。 9. 体验 AI 产品：与 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人互动，了解其工作原理和交互方式，获得实际应用的第一手体验。

AI 能够回复的内容与其上下文限制有关。 首先，上下文在英文中通常翻译为“context”，指的是对话聊天内容前、后的信息。使用时，上下文长度和上下文窗口都会影响 AI 大模型回答的质量。上下文长度限制了模型一次交互中能够处理的最大 token 数量，而上下文窗口限制了模型在生成每个新 token 时实际参考的前面内容的范围。 不同的 AI 平台有不同的限制方式。例如，Claude 基于 token 限制上下文，简单理解就是每次和 AI 对话，所有内容字数加起来不能太多，如果超过了，它就会忘记一些内容，甚至直接提示要另起一个对话。ChatGPT 则限制会话轮数，比如在一天之中，和它会话的次数有限制，可能 4 个小时只能说 50 句话。 应对这些限制的策略包括将复杂任务分解为小模块、定期总结关键信息以及在新会话中重新引入重要上下文。

回复限制和上下文限制不是一样的概念。 上下文（英文通常翻译为 context）指对话聊天内容前、后的内容信息。使用时，上下文长度限制了模型一次交互中能够处理的最大 token 数量，而上下文窗口限制了模型在生成每个新 token 时实际参考的前面内容的范围。 回复限制通常是指对模型生成回复内容的各种约束条件，例如让模型基于一个固定知识片段去回复内容，为避免模型产生幻觉而对提示词进行优化，将 Constraints 前置以更好地控制模型行为。例如在一些测试中，会出现模型在没有上下文时不回复，按照提供的知识准确回复但透露原文，知识片段大小影响回复，以及有错误知识片段时不回复等情况，这表明模型在处理用户输入时会进行一定程度的推理和验证，生成回复时会考虑多种因素，包括上下文的准确性、问题的合理性以及模型内部的约束机制等。