以下是为您制定的 AI 工作流学习计划： 1. 基础学习 了解图像生成的基本原理和相关概念。 学习提示词的基本结构框架。 2. 实践操作 在 config UI 里进行实践搭建工作流。 复刻他人优秀的工作流，并研究吃透，将模型替换为自己的。 3. 技能提升 参加图片加提示词的比赛，提升写提示词的能力。 学习节点功能，通过实践和需求寻找尝试，而非死记硬背。 4. 深入学习 学习复杂工作流的拆解方法。 掌握工作流设计的逻辑技巧。 5. 案例分析 研究图像生成与工作流相关的商业案例，如视频处理与 AI 应用、将视频中人物转变为动漫角色等。 6. 课程学习 参加后续关于工作流搭建技巧的课程。 7. 持续练习 多进行实践练习，不断提升整体搭建水平。 8. 关注更新 关注 AI 领域的最新动态和技术发展，及时更新知识和技能。

以下是一些可以辅助您生成中古风装修设计 CAD 图的 AI 工具： 1. CADtools 12：这是一个 Adobe Illustrator（AI）插件，为 AI 添加了 92 个绘图和编辑工具，涵盖图形绘制、编辑、标注、尺寸标注、转换、创建和实用工具。 2. Autodesk Fusion 360：这是 Autodesk 开发的一款集成了 AI 功能的云端 3D CAD/CAM 软件，有助于创建复杂的几何形状和优化设计。 3. nTopology：一款基于 AI 的设计软件，能够帮助创建复杂的 CAD 模型，包括拓扑优化、几何复杂度和轻量化设计等。 4. ParaMatters CogniCAD：这是一款基于 AI 的 CAD 软件，可根据用户输入的设计目标和约束条件自动生成 3D 模型，适用于拓扑优化、结构设计和材料分布等领域。 5. 生成设计工具：一些主流 CAD 软件，如 Autodesk 系列、SolidWorks 等，提供了基于 AI 的生成设计工具，能根据用户输入的设计目标和约束条件自动产生多种设计方案。 需要注意的是，这些工具通常需要一定的 CAD 知识和技能才能有效使用。对于 CAD 初学者，建议先学习基本的 3D 建模技巧，然后再尝试使用这些 AI 工具来提高设计效率。以上内容由 AI 大模型生成，请仔细甄别。

搭建 AI 工作流可以从以下几个方面入手： 1. 搭建 AI 工作流所需的能力： 熟悉各种 AI 工具：了解不同 AI 工具的特点和用途，根据具体任务选择合适的工具。例如，写标题可用 ChatGPT，写文章可用 Claude，检查文本中的错别字和病句可用秘塔写作猫的 AI 纠错功能。 编写提示词：提示词是搭建人与 AI 之间“沟通桥梁”的关键，要用 AI 能理解的语言清晰说明需求、任务内容和步骤。 搭建 AI 智能体。 2. 搭建 AI 工作流的工作流： 找到一个工作场景：选择熟悉的工作场景，如写文章、做 PPT 等。 拆解工作流程：将工作拆解成几个小步骤，如写文章可拆分为选题、写稿、改稿、写标题。 给每一个步骤嵌入工具：针对每个小步骤，选择合适的 AI 工具，可参考他人的做法，灵活选择最优解，以提高工作效率为目的。 此外，还有一些具体的操作示例，如在 Comfyui 界面中搭建工作流，包括打开界面后右键找到目录，手动连接节点或直接拖拽工作流文件一键复刻提示词工程实验。启动 ollama 时，从其 github 仓库找到对应版本并下载，在 cmd 中输入相应指令，将默认 base URL 和 api_key 填入 LLM 加载器节点即可调用模型进行实验。若出现 ollama 连接不上的报错，可能是代理服务器的问题，需将 127.0.0.1:11434 添加到不使用代理服务器的列表中。

AI 大模型本地化部署的逻辑主要包括以下步骤： 1. 选择合适的部署方式，如本地环境部署、云计算平台部署、分布式部署、模型压缩和量化、公共云服务商部署等，要根据自身的资源、安全和性能需求来决定。 2. 准备训练所需的数据和计算资源，确保有足够的训练数据覆盖目标应用场景，并准备足够的计算资源，如 GPU 服务器或云计算资源。 3. 选择合适的预训练模型作为基础，可以使用开源的预训练模型如 BERT、GPT 等，也可以自行训练一个基础模型。 4. 针对目标任务进行模型微调训练，根据具体应用场景对预训练模型进行微调训练，并优化模型结构和训练过程以提高性能。 5. 部署和调试模型，将训练好的模型部署到生产环境，并对部署的模型进行在线调试和性能优化。 6. 注意安全性和隐私保护，大模型涉及大量数据和隐私信息，需要重视安全性和合规性。 关于输入数据是否会外泄，这取决于本地化部署的安全性措施和配置。如果采取了严格的安全措施，如数据加密、访问控制、网络隔离等，输入的数据外泄的风险可以大大降低。但如果安全措施不到位，就存在数据外泄的可能。例如，赞成把一个训练好就不动的模型部署在端侧（如手机或家庭计算中心），记录所有知识和记忆的相关数据就不会跑到云端，能更好地保障数据安全。

以下是关于北大 DeepSeek 的相关使用资料： 全球数据资产理事会：《》 清华大学新闻与传播学院新媒体研究中心出品的《》，详细阐述了 DeepSeek 的功能，包括智能对话、文本生成、代码生成、自然语言理解等，并探讨了如何使用 DeepSeek，包括推理模型与通用模型的区别、提示语设计策略以及如何从入门到精通。文章还介绍了提示语设计的核心技能、常见陷阱及应对方法。 北京大学：《》讲座讲解了直接使用 DeepSeek 的三种方法，还分享诸多提示词技巧，如真诚直接、巧用通用公式等。在应用场景方面，DeepSeek 在专业场景提效、教育学术赋能、商业创新与生活服务等领域用途广泛，像辅助办公、教学设计、电商运营等。

以下是关于 AI 教育的相关内容： 《ShowMeAI 周刊 No.13》中提到了谷歌在 AI Native Education 方面的尝试，以及国区相关产品的对比等多个 AI 话题。 Character.ai 旨在让每个人获得深度个性化超级智能，在教育领域，人工智能生成的角色可以作为数字教师，如牛顿授课《牛顿运动定律》、白居易讲述《长恨歌》背后的故事等，不受时空限制，能实现一对一辅导，还能提供定制化学习计划和资源，缓解教育资源不平等问题。此外，虚拟角色也可以是数字陪伴，促进儿童成长和提高学习成绩。 Sam Altman 在 X 上发表的《The Intelligence Age》中提到人工智能将增强人类能力、放大共享智慧、深度学习的可扩展性是关键驱动力等要点，文中还提到孩子将拥有虚拟导师提供个性化教学，引发了对 AI 时代教育的深度思考。

以下是关于 AI 教育的相关内容： 1. ShowMeAI 周刊 No.13 中提到了谷歌在 AI Native Education 方面的尝试，以及国区一些相关产品的情况，还包括 Markdown 语言、优秀的 AI 编程教程、大模型的测评等内容。 2. Character.ai 旨在让每个人都能获得深度个性化超级智能，在教育领域，人工智能生成的角色可以作为数字教师，如牛顿、白居易等为学生授课，不受时空限制，还能实现一对一辅导和个性化教育，缓解教育资源不平等问题。虚拟角色也可以作为数字陪伴促进儿童成长。 3. Sam Altman 在 X 上发表的《The Intelligence Age》中提到人工智能将成倍增强人类能力、放大社会共享智慧、深度学习的可扩展性等要点，文中还对 AI 时代的教育进行了思考，指出孩子将拥有虚拟导师提供个性化教学，类似概念可应用于医疗保健等领域，带来前所未有的繁荣。

以下是为您提供的关于简历生成的相关信息： 一泽 Eze 的 Prompt 爆火全网中提到了个人简历生成的相关内容。 AI 智库的月度榜单中，Kickresume 是一款海外的简历生成工具。 GitHubDaily 开源项目列表中的 OpenResume 是一个功能强大的开源简历生成器，拥有简洁美观的 UI 设计，并支持导入与解析 PDF 简历文件，实时更新简历数据，能帮助您快速撰写出清晰直观的个人简历。

艾莉平台的功能主要包括以下几个方面： 1. 基础能力： 提示词（人设与回复逻辑功能）：可设定 Bot 的身份及其目标和技能，如产品问答助手、新闻播报员、翻译助理等，其决定了 Bot 与用户的互动方式。详情请参考。 插件：通过 API 连接集成各种平台和服务，扩展 Bot 能力。平台内置丰富插件，也可创建自定义插件，将所需 API 集成在扣子内作为插件使用。详情请参考。 工作流：一种用于规划和实现复杂功能逻辑的工具，可通过拖拽不同任务节点设计多步骤任务，提升 Bot 处理复杂任务的效率。详情请参考。 记忆库：扣子的记忆库功能可以保留和理解对话细节，并支持添加外部知识库给模型补充知识，使 Bot 与用户的互动更具针对性和个性化。 知识库：支持上传本地或线上内容，然后将这些内容分割成知识分片，通过语义匹配给模型补充知识。详情请参考。 数据库：用来存储和管理结构化数据，并支持用户通过自然语言方式对数据库中的数据进行增删改查。详情请参考。 2. 核心功能详述： 知识库功能： 数据上传与管理：开发者可通过平台界面轻松上传各种形式的数据，如文本、图片、视频等，包括 FAQ 文档、产品手册、行业报告等，并通过直观编辑工具整理和分类数据。 训练与优化：上传的数据用于训练 AI Bot，使其更好地理解用户问题并提供准确回答，平台机器学习算法会分析数据，提高回答准确性和相关性。 实时更新：知识库支持实时更新，对金融、法律等需频繁更新信息的行业尤为重要。 数据库功能： 用户交互记录：平台能够存储用户的交互历史，包括提问、AI Bot 的回答及反馈，这些数据对理解用户需求和优化对话流程至关重要，目前数据库的设置只能在创建 AI bot 时设置和修改，无需懂数据库语法或编程，用自然语言告诉 AI Bot 数据操作即可。 个性化服务：通过分析用户交互历史，AI Bot 能提供更个性化服务，如主动提供产品更新或相关推荐。 错误纠正与学习（进阶玩法）：当 AI Bot 回答出错，开发者可利用数据库交互记录进行错误分析并修正，持续学习提高整体性能。

提示词常见的逻辑框架包括以下方面： 1. Vidu Prompt 基本构成： 提示词基础架构：包括主体/场景、场景描述、环境描述、艺术风格/媒介。在描述时需调整句式和语序，避免主体物过多/复杂、分散的句式，避免模糊术语，使用流畅准确的口语化措辞，避免过度文学化叙述，丰富、准确和完整的描述有助于生成特定艺术风格、满足需求的视频。 提示词与画面联想程度：通过单帧图像示例介绍关系，如基础词“玻璃桌上的咖啡杯，杯子外面写着单词 LOVE”，适度联想扩充为“花园里的透明玻璃桌上的咖啡杯，杯子外面写着单词 LOVE，周围满是盛开的鲜花，和煦的阳光洒满整个花园，Claude Monet，印象派风格”。联想关键点包括具体详实的位置描述/环境描述，可帮助构建画面基本呈现效果，以及艺术风格描述，可进一步提升效果和氛围，统一画面风格。 2. Super Prompt： 来源：在 X 上爆火，有相关链接。 原文包括 prompt、flowchart、结合提示词的思考过程解释等。 提示词结构及作用：个人感受是只给方向的逻辑框架很棒，省 Token，可沿用深化和迭代。 逐句解析包括 META_PROMPT1 的多个部分以及二进制编码部分和 META_PROMPT2 等。最后的灵感来源有参考价值，是指导 LLM 思考逻辑的索引，在有具体应用场景时可针对性引入，抽象规则是指路灯。