人工智能的发展前景十分广阔。 在日常生活中，我们已与人工智能频繁互动，如交通、天气预测及电视节目推荐等，其发展速度惊人，使计算机能以过去难以想象的方式观察、理解和与世界互动。 从产业发展现状来看，人工智能是引领科技革命和产业变革的基础性和战略性技术，正与实体经济深度融合，改变工业生产和经济发展形态。其产业链包括基础层（算力、算法和数据）、框架层（深度学习框架和工具）、模型层（大模型等）和应用层（行业场景应用）。近年来，我国人工智能产业在技术创新、产品创造和行业应用方面快速发展，形成庞大市场规模。同时，以大模型为代表的新技术加速迭代，呈现出创新技术群体突破、行业应用融合发展、国际合作深度协同等新特点，也亟需完善产业标准体系。 从未来进化的角度，当计算机超过人类时，可能会在不断改进的进化螺旋中导致超级智能的出现。届时，机器可能具有自我意识和超级智能，我们对机器意识的概念将发生重大转变，可能会出现真正的数字生命形式，这也带来了关于合作与竞争、伦理等一系列有趣的问题。

RAG（RetrievalAugmented Generation）即检索增强生成，是一种结合检索和生成能力的自然语言处理架构。它旨在为大语言模型（LLM）提供额外的、来自外部知识源的信息。 具体来说： 利用大模型的能力搭建知识库本身就是一个 RAG 技术的应用。 当需要依靠不包含在大模型训练集中的数据时，可通过 RAG 实现。在这个过程中，首先检索外部数据，然后在生成步骤中将这些数据传递给 LLM。 一个 RAG 的应用可抽象为 5 个过程：文档加载（从多种不同来源加载文档）、文本分割（把文档切分为指定大小的块）、存储（包括将切分好的文档块进行嵌入转换成向量的形式以及将 Embedding 后的向量数据存储到向量数据库）、检索（通过某种检索算法找到与输入问题相似的嵌入片）。 通用语言模型通过微调可完成常见任务，而完成更复杂和知识密集型的任务时，基于语言模型构建的能访问外部知识源的系统更具优势，如 RAG。RAG 把信息检索组件和文本生成模型结合在一起，可微调，内部知识修改高效，无需重新训练整个模型。RAG 接受输入并检索出相关/支撑的文档，给出来源，这些文档作为上下文和输入的原始提示词组合送给文本生成器得到最终输出，能让语言模型获取最新信息，产生可靠输出。Meta AI 的研究人员引入了这种方法来完成知识密集型任务。

图像生成是利用人工智能技术实现的一种应用。以下是关于图像生成的一些信息： Sora 是一种可作为世界模拟器的视频生成模型，也能够生成图像。通过在具有一个帧的时间范围的空间网格中排列高斯噪声的分块来实现，该模型可以生成不同大小的图像，分辨率高达 2048x2048。 如果想用 AI 把小说做成视频，其中图像生成的步骤为：使用 AI 图像生成工具根据对角色和场景的描述创建图像。 AIGC（人工智能生成内容）中的图像生成，可使用 Stable Diffusion、DALLE 等模型生成艺术作品、照片等。 和 MJ V6 的对比博主：https://twitter.com/doganuraldesign/status/1758444092328194217 。请注意，具体的操作步骤和所需工具可能会根据项目的具体需求和个人偏好有所不同。此外，AI 工具的可用性和功能也可能会随时间而变化，建议直接访问上述提供的工具网址获取最新信息和使用指南。内容由 AI 大模型生成，请仔细甄别。

在多智能体（MultiAgent）系统中，常见的调度模式主要有以下几种： 1. 集中式调度：有一个中央控制器负责收集所有智能体的信息，并做出整体最优的决策和资源分配。常见于需要全局协调的场景，如机器人协作、交通管制等。 2. 分布式调度：每个智能体根据本地信息和与其他智能体的交互来做出决策，无需中央控制器。常用于大规模、动态、开放的系统，如传感器网络、P2P 网络等。 3. 市场驱动调度：智能体通过竞价机制获取资源和任务分配。类似于现实市场的供需规律，常用于电力负载调度、计算资源分配等领域。 4. 约束优化调度：将多智能体协作问题建模为分布式约束优化问题，通过启发式或完全算法求解近似最优解。适用于任务分配、资源规划等约束严格的场景。 5. 组织结构调度：根据特定的组织拓扑结构（层级、同辈、联盟等）对智能体角色和协作模式进行规范，实现有序调度。常见于多机器人协作、组织自动化系统中。 6. 基于规范协议的调度。 在惊人算力成本背后，对于 AI 混战下基础设施的选择，需要注意以下方面：AI 任务的调度可能造成巨大的性能瓶颈或改进。以一种最小化权重交换的方式将模型分配给 GPU，如果有多个 GPU 可用，选择最适合任务的 GPU，以及通过提前批量处理工作负载来最小化停机时间，都是常用的技术。总之，模型优化仍然有点像黑魔法，大多数创业公司都与第三方合作来处理一些软件方面的问题。通常，这些不是传统的 MLops 供应商，而是专门针对特定生成模型进行优化的公司（例如 OctoML 或 SegMind）。

在 Coze 中调用 bot 商店中未公开配置的 bot，您可以参考以下步骤： 1. 访问。 2. 在页面的搜索框中，输入您想要的 bot 名称，然后单击展示的相应 bot。 3. 您会被引导至该 bot 的编排页面，编排页面分为以下 4 个区域： 顶部区域：显示 bot 所用的大型语言模型。 人设与回复逻辑区域：设置 bot 的人物设定与回复逻辑。 技能区域：展示 bot 配置的功能，例如插件、工作流、开场白等。 预览与调试区域：展示与 bot 交互的运行结果。 4. 在预览与调试区域中发送一条消息，查看 bot 的回复效果。 此外，如果您想复制一个预置的 bot 在此基础上进行修改来创建自己的 bot，可以按照以下步骤操作： 1. 访问，单击目标 bot。 2. 在 bot 的编排页面右上角，单击创建副本。 3. 在弹出的对话框中，设置 bot 名称、选择 bot 的所属团队，然后单击确定。 4. 您可以在新打开的配置页面修改复制的 bot 配置。 在人设与回复逻辑区域，调整 bot 的角色特征和技能。您可以单击优化使用 AI 帮您优化 bot 的提示词，以便大模型更好的理解。 在技能区域，为 bot 配置插件、工作流、知识库等信息。 5. 在预览与调试区域，给 bot 发送消息，测试 bot 效果。 6. 当您完成调试后，可单击发布将 bot 发布到社交应用中，在应用中使用 bot。 另外，关于 API 授权，然后再点击右上角发布，这里会发现多了一个 Bot as API，意思就是自己定义的 API 发布取到了。勾选 Bot as API 并确定应用已经成功授权 Bot as API 。创建了一个机器人、这个机器人是画小二的（令牌），画小二下面有很多个应用，您想调用的是“画小二智能小助手（Bot ID）”。

AI Agent 是一个融合了语言学、心理学、神经学、逻辑学、社会科学、计算机科学等多个学科精髓的综合实体，不仅拥有实体形态，还蕴含丰富的概念形态，并具备许多人类特有的属性。因为这些学科大多以人为研究对象，致力于探索人类内在的本质。 同时，AI Agent 也是基于大型语言模型（LLM）和其他技术实现的智能实体，其核心功能在于自主理解、规划决策、执行复杂任务。它包括以下几个概念： 1. Chain：通常一个 AI Agent 可能由多个 Chain 组成。一个 Chain 视作是一个步骤，可以接受一些输入变量，产生一些输出变量。大部分的 Chain 是大语言模型完成的 LLM Chain。 2. Router：可以使用一些判定（甚至可以用 LLM 来判定），然后让 Agent 走向不同的 Chain。例如：如果这是一个图片，则 a；否则 b。 3. Tool：Agent 上可以进行的一次工具调用。例如，对互联网的一次搜索，对数据库的一次检索。 此外，还需要三个 Agent： 1. Responser Agent：主 agent，用于回复用户（伪多模态）。 2. Background Agent：背景 agent，用于推进角色当前状态（例如进入下一个剧本，抽检生成增长的记忆体）。 3. Daily Agent：每日 agent，用于生成剧本，配套的图片，以及每日朋友圈。 这三个 Agent 每隔一段时间运行一次（默认 3 分钟），运行期间会分析历史对话，变更人物关系（亲密度，了解度等），变更反感度，如果超标则拉黑用户，抽简对话内容，提取人物和用户的信息成为“增长的记忆体”，按照时间推进人物剧本，有概率主动聊天（与亲密度正相关，跳过夜间时间）。

AI 能做的事情包括： 瞬间完成的工作，如翻译、判断车的位置、查看手机是否有划痕、转化他人意思、判断客户问题是退货还是换货等。 类似于应届生能做的事。 AI 不能做的事情包括： 让 AI 项目成功是艰难而复杂的，例如在学习“复杂”概念、没有大量可用数据、使用新类型数据时表现不佳。 存在时间限制，如 GPT3 只有 2022 年 1 月前的数据。 会出现幻觉。 接受有限的 prompt。 输出有限制。 不可以很好处理结构化数据。 可能输出有害的信息。 尽管 AI 在某些方面表现优秀，如 GPT4 在美国医学执照考试中超过及格分数 20 分，但它在所有方面都没有做得非常出色。为了在医疗保健领域产生真正的改变，需要创建像优秀医生和药物开发者那样学习的模型生态系统。

以下为您推荐国内好用的 AI 产品： 聊天对话类： Kimi： 特点：是 ChatGPT 的国产平替，不用科学上网、不用付费、支持实时联网，是国内最早支持 20 万字无损上下文的 AI，目前已提升到 200 万字，对长文理解能力强。 优势：适合处理长文本或大量信息的任务，能帮助从事文案工作且需要处理大量文字或文件的用户更有效地处理和分析大量信息，提高工作效率，对于需要长期记忆或参考大量背景信息的任务很有用。 不足：文字生成和语义理解、文字生成质量方面可能不如国内其它产品好，不支持用户自定义智能体。 下载链接： PC 端： 移动端（Android/ios）： 图像类： 通义万相： 特点：在中文理解和处理方面表现出色，用户可选择多种艺术风格和图像风格，生成的图像质量高、细节丰富，操作界面简洁直观、用户友好度高，可与阿里其他产品和服务无缝整合。 优势：重点是现在免费，每天签到获取灵感值就可以。 不足：为符合国内监管要求，某些类型的图像无法生成，限制了创作自由度；在处理非中文语言或国际化内容方面可能不如国际 AI 图像生成工具出色，处理多元文化内容时可能存在偏差。

以下是一些关于让 ChatGPT 成为专业编程指导者的提示词相关内容： 1. 协助用户完成提示词优化：您是一名优秀的 Prompt 工程师，熟悉的转化步骤包括思考 ChatGPT 最适合扮演的角色、问题的上下文说明以及任务陈述等。 2. 逆向提示词工程概念：可以给 ChatGPT 提供简洁的提示词，让它更准确地理解“逆向提示词工程”的意思，并通过思考过程帮它构建专业知识领域。 3. 一线医生使用 ChatGPT 的案例：如 ChatGPT 用长篇富有同情心的回答向摩尔医生提供对朋友解释缺乏有效治疗选择的措辞，还提供了传递坏消息的方式，并在最后用奇怪而亲密的口吻给予总结和鼓励。

在飞书使用 Coze 创建的聊天机器人，步骤如下： 1. 通过 Coze 建立定时任务，执行工作流二，并添加如分析文章和搜索文章等能力，使其成为一个消息情报官的 Agent。 2. 将其发布到飞书等平台即可使用。可以构建多个分身，收集整理不同领域和行业的情报信息。 3. 创建 Bot 时，系统默认创建一个 Personal 的个人团队，该团队内创建的资源无法分享给其他团队成员。您也可以创建团队或加入其他团队，更多信息请参考。 4. 进入团队空间后，默认打开 Bots 页面。在 Bots 页面，单击创建 Bot，输入 Bot 名称和介绍，然后单击图标旁边的生成图标自动生成一个头像，最后单击确认。 5. Bot 创建后，会直接进入 Bot 编排页面。可以在左侧人设与回复逻辑面板中描述 Bot 的身份和任务，单击复制可使用模板格式添加描述；在中间技能面板为 Bot 配置各种扩展能力；在右侧预览与调试面板中，实时调试 Bot。 chatgptonwechat（简称 CoW）项目是基于大模型的智能对话机器人，支持飞书接入，可选择多种模型，能处理文本、语音和图片，通过插件访问操作系统和互联网等外部资源，支持基于自有知识库定制企业 AI 应用。配置时，点击“Docker”中的“编排模板”中的“添加”按钮，将编译好的内容复制进来，在“容器编排”中“添加容器编排”，选择在“编排模板”里创建的“coze2openai”，提示运行成功，如果无法正常启动，请看文档后面的“常见问题”。