AI 的就业方向主要包括以下几种： 1. 产品经理：负责 AI 相关产品的规划、设计和推广。要求具备对市场需求的敏锐洞察力、良好的沟通协调能力以及一定的技术理解能力。工作地点如北京、上海等地，薪酬范围较广，从 30 70k 不等，工作年限要求从经验不限到 5 10 年，学历通常要求本科。 2. AI 应用架构岗：专注于 AI 技术在特定领域的应用架构设计。例如在杭州的金融城商行，要求 3 5 年工作经验，统招本科学历，薪酬为 40 60k·13 薪。 需要注意的是，不同企业和岗位对具体的技能和经验要求可能会有所差异。

以下是关于图片去除背景的相关内容： 使用 Stable Diffusion 去除背景： 1. 安装 REMBG 插件：安装地址是 https://github.com/AUTOMATIC1111/stablediffusionwebuirembg.git 。安装好之后重启，就有选项框。 2. 选择模型：使用时模型选第一个 u2net ，直接点击生成。 3. 调整参数：若有黑边，点击 Alpha matting 调整参数，推荐通用参数设置为 Erode size：6、Foreground threshold：143、Background threshold：187 ，可得到无黑边图像。 4. 生成蒙版：点击相应按钮可直接生成蒙版。 5. 服装和动漫抠图模型：有专门做服装抠图和动漫抠图的模型。 使用 ControlNet 去除图像人物： 1. 将图像放入 WD 1.4 标签器（Tagger）中，裁剪只保留背景部分，反推提示词。 2. 开启 ControlNet ，使用 inpaint 模型，涂抹人物部分，点击生成。可调整控制权重和控制模式以优化效果。 另外，RMBG 1.4 是高精度背景去除模型，适用于电商、广告等场景，支持视频背景批量去除和蒙版输出功能，相关链接：https://github.com/ZHOZHOZHO/ComfyUIBRIA_AIRMBG 。

以下是为您提供的关于大模型研究的相关信息： 1. 1 月 25 日的 XiaoHu.AI 日报中提到： 有 26 种多模态大模型研究报告，全面分析了市面上的 26 种多模态大语言模型，涵盖模型架构、训练流程设计，每种模型具有独特设计和功能。相关链接：https://arxiv.org/abs/2401.13601 、https://x.com/xiaohuggg/status/1750400886676070495?s=20 研究了使用红外线激光攻击自动驾驶车辆，针对摄像头系统尤其是识别道路标志的部分，攻击成功率高达 100%。相关链接：https://x.com/xiaohuggg/status/1750391646121017610?s=20 ChatGPT 新增小功能，包括自动展开代码输出、批量移动对话历史记录到存档，设置路径为设置>General。相关链接：https://x.com/xiaohuggg/status/1750367771446345834?s=20 哈佛大学 CS50x 2024 课程是计算机科学和编程入门课程，面向各类学生，重点包括问题解决、计算思维、编程语言等，讲师为 David J.Malan，可通过 edX 平台注册和完成课程。相关链接：https://cs50.harvard.edu/x/2024/ 、https://x.com/xiaohuggg/status/1750331575081026039?s=20 Poe 聊天机器人推广活动，创建并分享聊天机器人，每带来一个订阅者奖励 50 美金。相关链接：https://x.com/xiaohuggg/status/1750173470946988230?s=20 Lumiere 视频生成技术是 Google Research 开发的文本到视频模型，具有创新的空间时间 UNet 架构，能一次性生成完整视频，确保连贯和逼真，支持多种视频生成和编辑功能。相关链接：https://lumierevideo.github.io 、https://x.com/xiaohuggg/status/175014 2. 《质朴发言：视觉语言理解模型的当前技术边界与未来应用想象｜Z 研究第 2 期》中指出： 近期生成式 AI 领域的浪潮催化了多模态模型的探索，研究人员不断尝试使用更多模态数据的编码，以训练出能够理解和处理多种类型数据的模型。 本份研究报告集中讨论了基于 Transformer 架构的视觉语言模型，优化了从视觉输入到语言输出的转换过程。报告范围专注于视觉和语言之间的交互，不考虑单纯的视觉到视觉的计算机视觉任务。 报告包括视觉分析技术（Transformer 视觉模型优点和局限）、图像语言模型、视频语言模型、LLM 多模态 Agent、应用场景（多模态内容理解与处理、智能交互与自动化、具身智能、未来发展趋势（2024?）、视频生成模型 mapping）、未来发展方向（技术路径而言：利用预训练 LLMs 进行指令调整；应用场景而言：赋予机器理解多模态的能力）、References、附录等内容。原文链接：https://mp.weixin.qq.com/s/dYLqW8dNOcQw59UtQwXNgA

生成式 AI 搜索具有以下特点和应用： 有可能彻底改变互联网的核心功能之一——搜索。传统搜索中，用户在 Google 输入问题后常被大量链接及不准确信息淹没，而由大型语言模型驱动的搜索引擎可提供自然语言写成的简洁答案，并能在用户感兴趣时提供更多链接阅读。 一些公司为一般搜索查询提供服务，如 You 和 Neeva。还有公司采取更垂直化的方法，如 Consensus 跨越研究论文进行搜索，Perplexity 的 Bird SQL 产品针对 Twitter 进行搜索。 对于产品推荐尤为有价值，能根据特定需求提供策划过的选项列表。 在企业内部搜索应用中具有巨大潜力，如 Glean 允许团队跨应用搜索，Vowel 允许用户查询视频会议记录。 以下是一些推荐的 AI 搜索引擎： 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。 Perplexity：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。 360AI 搜索：360 公司推出，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。 天工 AI 搜索：昆仑万维推出，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。 Flowith：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。 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。 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。 在生成式人工智能方面，近年来大型语言模型的飞速进步为信息检索领域带来新机遇和挑战。2022 年 OpenAI 发布 ChatGPT 引发轰动，其在对话中展现出理解复杂问题和生成连贯文本的能力，被视为对传统搜索引擎的颠覆性竞争。ChatGPT 的成功引发搜索引擎巨头的紧迫感，谷歌推出 Bard 并逐步向 180 多个国家开放服务，百度推出文心一言等生成式 AI 搜索功能，微软将 GPT4 集成到必应搜索中推出新版本的 Bing Chat。早期观察指出，聊天机器人式的搜索在提供直接答案的同时，存在回答不准确甚至“幻觉”信息的问题，现阶段许多用户对 AI 答案的准确性和可靠性仍存疑虑。

以下是关于飞书多维表格 x DeepSeek R1 实用提示词的相关信息： 《雪梅 May 的 AI 学习日记》中，在专题“飞书多维表格 + deepseek R1”的 DAY107 练习中，提到可在相关链接中找到与短视频相关的模板，使用如【视频脚本生成】【企业家 IP 视频脚本生成】等提示词制作多维表格，还可模仿，感受是制作体验丝滑流畅，仅用提示词就能编排多维表格实现强大功能。 同样在该专题的 DAY108 练习中，针对直播场景，可参考的直播相关多维表格，作者将小红书、短视频制作、直播等场景都做了一套放入同一个飞书多维表格，形成媒体内容生产与管理系统。 此外，还有 deepseek 论文解读的相关内容，包括直播视频回放、相关论文下载以及万能提示词的技巧分享等。若官网搜索不能用一直崩溃，可使用火山的满血版，其在视频最后 10 分钟左右有手把手教程。

以下是关于多维表格入门的相关内容： 智浦清流工作流与多维表格：元子将介绍多维表格的使用，CT 会介绍如何将 code 连进多维表格。 多维表格创建问卷：在飞书云文档中通过点击加号新建问卷，可用于收集信息。 多维表格与 Excel 对比：Excel 处理数据有一定门槛，而多维表格有丰富插件，可与 AI 协作处理数据，更方便易用。 多维表格的应用场景：可提取网页和电话等信息，留存透视所有信息，还能实现微信收集信息自动存入多维表格等功能。 智普工作流接入：逻辑上智普工作流可接入多维表格，但目前没有直接可用插件，可能需要自行开发。 多维表格的主要构成：包括输入（框子里能装的数据类型）、数据处理（重点，有插件、AI、自动写公式等）、视图（透视功能）、看板（可视化）、工作流（自动化）、和飞书联动。 飞书多维表格字段捷径中接入 COS 的 agent 能力及相关话题分享：ct 分享了如何将 cos 中的 bot 导入飞书多维表格的字段捷径，包括发布 bot 到飞书多维表格、配置相关内容、注意发布范围等操作，还展示了多个案例。

以下是关于生成 PPT 的 AI 的相关信息： 目前市面上大多数 AI 生成 PPT 按照如下思路完成设计和制作： 1. AI 生成 PPT 大纲。 2. 手动优化大纲。 3. 导入工具生成 PPT。 4. 优化整体结构。 一些生成 PPT 的 AI 工具和方法包括： 1. 可以先让 GPT4 生成 PPT 大纲，然后把大纲导入到 WPS 当中，启用 WPS AI 一键生成 PPT。为了让 PPT 更有灵动性和观感，还可以让 chatPPT 添加一些动画，最后手动修改细节，比如字体、事实性错误等。 2. 用 Kimi.ai 思维导图图片转 PPT。 3. 几款 PPT 生成工具（网站）： https://zhiwen.xfyun.cn/ 讯飞智文 http://Mindshow.fun Markdown 导入 http://kimi.ai 选 PPT 助手暂时免费效果好 http://Tome.app AI 配图效果好 http://Chatppt.com 自动化程度高 https://wenku.baidu.com 付费效果好 同时，推荐 2 篇市场分析的文章供参考： 1. 《》 2. 《》 需要注意的是，内容由 AI 大模型生成，请仔细甄别。

知识库的商业化应用场景主要包括以下几个方面： 1. 生物医药领域： 医药企业研发立项：回答关于作用机制、目标治疗疾病的竞争格局、主流技术路径、同技术路径其他公司产品在临床试验阶段的安全性风险和有效性等问题。 科研机构临床转化评估：回答关于科学家研究方向的临床转化潜力等问题。 投资机构评估标的公司：回答关于国外对标技术的发展情况、融资情况、临床转化的可靠性等问题。 2. 其他工作场景： 可以替代大部分传统医药数据库的商业化场景。 在一般的工作场景中，通过提示词设定角色和技能，结合知识库，让大语言模型能够按照需求做出准确回复。例如设定角色为“美嘉”，知识库为《爱情公寓》全季剧情，能够回答相关问题。 此外，在知识库的检索原理方面： 1. 文本预处理：包括去除无关字符、标准化文本、分词等，以清洁和准备文本数据。 2. 嵌入表示：将预处理后的文本转换为向量，通常通过使用预训练的嵌入模型完成。 3. 特征提取：对于整个问题句子，应用进一步的特征提取技术，如句子级别的嵌入，或使用深度学习模型直接提取整个句子的表示。 4. 向量优化：在某些情况下，问题的向量表示可能会根据具体任务进行优化。 5. 知识库检索阶段：在大模型的检索中，依靠问题在空间中的向量位置，寻找距离这个向量最近的其他词句完成检索，知识库被转化成巨大的向量库。

以下是一些可以辅助学习的 AI 工作： 利用人工智能解释概念，例如可要求其解释学习中的各种概念，能获得较好的结果。您可以参考相关提示，如直接链接激活 ChatGPT 中的导师。但要注意，因人工智能可能产生幻觉，关键数据需依据其他来源仔细核查。 在 Obsidian 中结合 Cursor，利用 Trae 查询笔记内容。例如，若要在笔记库剪藏文件夹中找关于苹果的蒸馏研究，在 Trae 右侧的 Chat 输入框输入“”并选择剪藏文件夹后提问即可。还能对多个不同的笔记文件进行比较或综合整理研究，通过引用指定笔记文件或文件夹进行多轮问答。此外，还可用于学习和复习，如根据笔记生成测验、抽认卡或复习总结来巩固知识，若笔记包含结构化数据，AI 可帮忙分析。 对于英语学习： 利用 AI 写作助手（如 Grammarly）进行写作和语法纠错。 使用语音识别应用（如 Call Annie）练习口语和纠正发音。 借助自适应学习平台（如 Duolingo）获得量身定制的学习计划和个性化内容。 与智能对话机器人（如 ChatGPT）进行会话练习和对话模拟。 对于数学学习： 使用自适应学习系统（如 Khan Academy）获取个性化学习路径和练习题。 利用智能题库和作业辅助工具（如 Photomath）获取数学问题的解答和解题步骤。 借助虚拟教学助手（如 Socratic）解答问题、获取教学视频和答疑服务。 参与交互式学习平台（如 Wolfram Alpha）的课程和实践项目进行数学建模和问题求解。

以下是为您提供的新手学习 AI 的建议： 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，您可以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），您可以根据自己的兴趣选择特定的模块进行深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。 在知识库提供了很多大家实践后的作品、文章分享，欢迎您实践后的分享。 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，了解它们的工作原理和交互方式。 6. 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自己的成就。 7. 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。 8. 您还可以参考《雪梅 May 的 AI 学习日记》，其中提到： 适合纯 AI 小白，如果还在观望 AI，不知道从何入手，可以参考。 学习模式是输入→模仿→自发创造。 学习内容因 AI 节奏快可能不适用，可去 waytoAGI 社区发现自己感兴趣的 AI 领域，学习最新内容。 学习时间不固定，有空时学习即可。 保持良好的学习状态，能学多少算多少。 学习资源免费开源。