要切换到 DeepseekR1 大模型，您可以参考以下步骤： 1. 对于新闻播报自动化工作流： 首先，输入新闻链接，系统会自动提取核心内容。添加网页图片链接提取插件，获取网页里的图片。 接着，利用调整图片的节点，将 url 属性的图片内容转化为 image 属性的图片。 然后，使用链接读取节点提取文字内容，并在提取链接后面接上一个大模型节点，使用 DeepseekR1 模型生成有吸引力的口播内容。 注意，DeepseekR1 基础版本限额使用，可在专业版手动接入。手动接入时，先点击 https://www.volcengine.com/experience/ark?utm_term=202502dsinvite&ac=DSASUQY5&rc=A6NPZ83H 领取 375 万 R1 模型的 tokens（手机用户可扫描二维码），再到 https://www.volcengine.com/，根据相关截图自行接入推理点。为了后续批处理，需将输出格式设置为 Array<String>格式。 2. 对于飞书多维表格相关操作： 可参考教程“”。 例如，在制作【AI 书单】时，可把图书的封面图复制到多维表格里，AI 能自动识别【书名和作者】；用字段捷径【AI 搜索】找到豆瓣评分；用字段捷径【自定义 AI 自动填充】识别图书的内容概述、适用人群、推荐理由；用【信息提取】分别把主题、核心观点、故事梗概、适用人群、推荐理由提取出来。

搭建知识库可以采用以下几种方式和涉及的相关语言： 1. 基于 GPT API 搭建定制化知识库： 需给 GPT 输入（投喂）定制化知识，但 GPT3.5（当前免费版的 ChatGPT）一次交互（输入和输出）只支持最高 4096 个 Token，约等于 3000 个单词或 2300 个汉字，容量对于多数领域知识不够。 为处理大量领域知识，OpenAI 提供了 embedding API 解决方案，embeddings 是浮点数字的向量（列表），两个向量之间的距离衡量关联性，小距离表示高关联度，大距离表示低关联度。 2. 本地部署大模型搭建个人知识库： 利用大模型的能力搭建知识库是 RAG 技术的应用，在实操前需了解 RAG。 RAG 应用包括文档加载（从多种来源加载文档，LangChain 提供 100 多种文档加载器）、文本分割（把 Documents 切分为指定大小的块）、存储（将切分好的文档块嵌入转换成向量形式并存储到向量数据库）、检索（通过检索算法找到与输入问题相似的嵌入片）、Output（把问题及检索出的嵌入片提交给 LLM 生成答案）。 3. 用 Coze 免费打造微信 AI 机器人： 设计 AI 机器人时创建知识库，整理“关键字”与“AI 相关资料链接”的对应关系并存储。 知识库文档类型支持本地文档、在线数据、飞书文档、Notion 等，可使用本地文档，按照操作指引上传文档、分段设置、确认数据处理。 知识库好不好用与内容切分粒度有关，可在内容中加特殊分割符如“”，分段标识符号选择“自定义”并填入“”。

Dify 是一个开源的大模型应用开发平台： 理念：结合后端即服务和 LLMOps 的理念。 特点：为用户提供直观界面，能快速构建和部署生产级别的生成式 AI 应用。具备强大工作流构建工具，支持广泛模型集成，有功能丰富的提示词 IDE 和全面的 RAG Pipeline 用于文档处理和检索。允许用户定义 Agent 智能体，通过 LLMOps 功能持续监控和优化应用程序性能。 部署选项：提供云服务和本地部署，满足不同用户需求。 优势：开源特性确保对数据完全控制和快速产品迭代。设计理念注重简单性、克制和快速迭代，能帮助用户将 AI 应用创意快速转化为现实。 适用场景：个人研究推荐单独使用，企业级落地项目推荐多种框架结合。 Dify 官方手册：https://docs.dify.ai/v/zhhans

以下是一些关于图片生成的智能体： 1. 藏师傅教你用 AI 三步制作任意公司周边图片的智能体，流程包括获取 Logo 图片的描述、生成图片提示词、输入 Comfyui 工作生成。相关链接：https://www.coze.cn/s/iDec2U13/ 2. Coze 的图像工作流智能体，包括创建 Bot、图像工作流、图像流分类（智能生成、智能编辑、基础编辑）、空间风格化插件等。相关网站：https://www.coze.cn/home 3. Pika 智能体，作为 MidJourney 图片生成大师，能够根据故事内容创作全面的分镜提示词，包括分镜描述、环境描述、氛围描述等。

以下是一些常见的深度学习 AI 模型： 1. 生成式 AI：能够生成文本、图片、音频、视频等内容形式。 2. LLM（大语言模型）：例如谷歌的 BERT 模型，可用于语义理解，如上下文理解、情感分析、文本分类等，但不太擅长文本生成。 3. Transformer 模型：2017 年 6 月由谷歌团队提出，完全基于自注意力机制处理序列数据，不依赖于循环神经网络或卷积神经网络。 深度学习是一种参照人脑神经网络和神经元的方法，其中的神经网络可用于监督学习、无监督学习、强化学习等。在机器学习中，包括监督学习（有标签的训练数据，目标是学习输入和输出之间的映射关系，包括分类和回归）、无监督学习（学习的数据没有标签，算法自主发现规律，经典任务如聚类）、强化学习（从反馈里学习，最大化奖励或最小化损失，类似训小狗）。而 AI 即人工智能，机器学习是其重要组成部分。

以下是关于 AI 与未来经济相关的一些信息： AGI 实现后，未来 20 年人类社会可能会发生以下变革： 1. 社会结构变化：劳动力、经济与治理方面，AGI 带来的超高生产率可能挑战现有经济体系基础。传统市场经济建立在稀缺性和劳动力参与之上，而 AGI 可能令充裕成为常态，人工劳动不再是主要创造价值手段，现行的资本主义或社会主义模式都将受到冲击。 2. 经济体系与分配：可能迈向“后稀缺经济”，在 AGI 和自动化极大降低生产成本后，许多商品和服务近乎免费，人类基本需求容易满足，金钱和竞争在某些领域的重要性下降。例如，未来也许会出现“零工资经济”，人人无需为了生计而工作，AGI 带来的丰富产出能够满足全社会需求。 Sam Altman 对 AI 的相关观点包括： 1. 人类是工具的创造者，每一代人都在前人的发现基础上创造出更强大的工具，AGI 是人类进步脚手架上的又一个工具，也可能是某种开端。未来面临的经济增长看起来令人惊叹，十年后，也许地球上的每个人都能完成的成就将超过今天最具影响力的个人所能达到的水平。 2. 关于 AI 经济学的三点观察： AI 模型的智能水平大致等于用于训练和运行它的资源的对数，花费足够多的资金能获得连续且可预测的收益。 AI 成本每年下降 10 倍，使用门槛正以前所未有的速度降低。 智能增长带来超指数级经济价值，AI 代理人的出现将颠覆知识型工作，经济体系将随之变革。 同时，Sam Altman 强调 AGI 影响力的扩散将不均衡，科学研究可能成为最先受益的领域，而社会如何适应这种转变将成为未来最大的挑战。

以下是关于 AI 基础的知识： 一、背景知识 了解人工智能、机器学习、深度学习的定义及其之间的关系，简要回顾 AI 的发展历程和重要里程碑。 二、数学基础 1. 统计学基础：熟悉均值、中位数、方差等统计概念。 2. 线性代数：了解向量、矩阵等线性代数基本概念。 3. 概率论：掌握基础的概率论知识，如条件概率、贝叶斯定理。 三、算法和模型 1. 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 2. 无监督学习：熟悉聚类、降维等算法。 3. 强化学习：了解强化学习的基本概念。 四、评估和调优 1. 性能评估：了解如何评估模型性能，包括交叉验证、精确度、召回率等。 2. 模型调优：学习如何使用网格搜索等技术优化模型参数。 五、神经网络基础 1. 网络结构：理解神经网络的基本结构，包括前馈网络、卷积神经网络（CNN）、循环神经网络（RNN）。 2. 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。 六、学习资源和方法 1. 了解 AI 基本概念：阅读「」部分，熟悉 AI 的术语和基础概念，浏览入门文章。 2. 开始学习之旅：在「」中找到为初学者设计的课程，通过在线教育平台（如 Coursera、edX、Udacity）按自己节奏学习，推荐李宏毅老师的课程。 3. 选择感兴趣模块深入学习：AI 领域广泛，可根据兴趣选择特定模块，如掌握提示词技巧。 4. 实践和尝试：理论学习后进行实践，尝试使用各种产品做出作品，在知识库分享实践成果。 5. 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。 七、书籍推荐 1. 《认知神经学科：关于心智的生物学》（作者:Michael S.Gazzaniga;Richard B.Lvry;George R.Mangun）：世界权威的认知神经科学教材，系统了解认知神经科学的发展历史、细胞机制与认知、神经解剖与发展、研究方法、感觉知觉、物体识别、运动控制、学习与记忆、情绪、语言、大脑半球特异化、注意与意识、认知控制、社会认知和进化的观点等。 2. 《神经科学原理》（作者：Eric R.Kandel;James H.Schwartz）：系统介绍神经元的细胞和分子生物学、突触传递、认知的神经基础、感觉、运动、神经信息的加工、发育及行为的出现、语言、思想、感动与学习。 3. 《神经生物学:从神经元到脑》（作者：John G.Nicholls 等著）：神经生物学领域内的一本世界级名著，涵盖了神经科学的方方面面，系统介绍了神经生物徐的基本概念、神经系统的功能及细胞和分子机制。

AGI（通用人工智能）具有多种能力和表现，主要包括以下方面： 1. 发展等级： 聊天机器人：具备基本对话能力，依赖预设脚本和关键词匹配，用于客户服务和简单查询响应。 推理者：具备人类推理水平，能解决复杂问题，如 ChatGPT，可根据上下文和文件提供详细分析和意见。 智能体：不仅具备推理能力，还能执行全自动化业务，但目前许多产品执行任务后仍需人类参与。 创新者：能够协助人类完成新发明，如谷歌 DeepMind 的 AlphaFold 模型，可预测蛋白质结构，加速科学研究和新药发现。 组织：最高级别，能够自动执行组织的全部业务流程，如规划、执行、反馈、迭代、资源分配和管理等。 2. 对未来人类社会的影响： 社会结构剧变：AGI 能胜任几乎所有工作，将导致大规模职业替代和产业重组。许多传统岗位被自动化取代，但也可能出现新职业。乐观者认为人类可像历次技术革命一样最终找到新工作机会；悲观者警告可能出现大批“无用阶级”失业者，必须靠全民基本收入（UBI）等保障生活。 3. Sora 与 AGI 的关系： 理解和模拟现实世界：具备分析和处理复杂环境数据的能力。 跨领域学习与适应：展示了从文本描述到视频内容生成的跨媒介能力，能够整合不同类型信息。 抽象思维与创造力：根据文本提示创造视觉内容，展现了一定程度的抽象思维和创造力。 动态环境交互：能够模拟现实世界中物体、人物和环境的相互作用，对于在不断变化的环境中做出适应性反应至关重要。Sora 的发展和完善将推动人工智能从专用 AI 向通用人工智能（AGI）的转变。

在 Coze 开发平台中，扣子 API 具有以下功能和使用方法： 获取 accessToken： 在 coze 界面右侧的扣子 API 授权，或者打开链接 https://www.coze.cn/open/oauth/pats 。 添加令牌，设置 token 的名称和过期时间（为安全起见，最多 1 个月）。 设置权限，可选择会话管理和对话，拿不准可全部选择，完成后点击“确定”按钮。 最后一定要点击按钮复制下拉获取令牌，此令牌只会出现一次。 获取 botid： 从“工作空间”打开一个 bot，点击商店按钮，查看地址栏中“bot/”之后的数字。 发布为 bot api： 注意在前端使用 bot 必须发布成为 API，点击发布，选择 API，等待审核通过。 此外，智能体沟通页面在 Zion 中采用 OAuth 鉴权机制，准备工作包括： 获取 Coze bot 应用鉴权密钥：在 Coze 主页点击左下方扣子 API，选择 Oauth 授权模式，添加新令牌并配置基本信息，创建 Key 过程中会生成公钥和私钥（私钥需单独下载保存），最后勾选全部权限。 获取 Bot ID：进入自己的智能体在地址栏内复制“bot/”之后的数字，且 bot 发布时要选择 Agent as API。 在 Coze 上发布 bot：发布时记得勾选 API 及 WEB SDK，Coze bot 发布有审核周期（1 30 分钟），需确认发布成功。 在扣子中手搓插件方面： Body：用于传递请求主体部分，GET 方法中通常不使用来传递参数。 Path：定义请求路径部分，GET 方法中可编码为 URL 一部分传递参数。 Query：定义请求查询部分，是 GET 方法中常用的参数传递方式。 Header：定义 HTTP 请求头信息部分，GET 方法中通常不用于传递参数。 配置输出参数：填对信息后可点击自动解析，若成功会显示并填好输出参数，然后保存并继续，建议填写参数描述。 调试与校验：测试工具能否正常运行，运行后查看输出结果，点击 Response 可看到解析后的参数。

以下是关于 Midjourney 的相关信息： 隐私政策： 适用于 Midjourney,Inc.、Midjourney.com 网站和 Midjourney 图像生成平台的服务。 个人数据指与个人相关、可用于识别个人身份的任何信息。 适用性包括通过服务、训练机器学习算法、网站及第三方来源收集的数据，但不适用于某些特定人员的个人数据。 可能会不时更新政策，适用法律要求时会通知变更。 定义了“您”或“您的”等相关表述。 收集和使用个人数据包括多种类型。 图像提示： 可将图像 URL 添加到提示中，通过特定操作实现。 隐私说明：使用 Midjourney Bot 在私信中上传图像可防止其他服务器用户看到，除非用户有隐身模式，否则图像提示在网站上可见。 给出了多个例子，包括不同的起始图像和模型版本。 提示将图像裁剪为与最终图像相同的宽高比可获得最佳效果。 社区准则： Midjourney 是默认开放的社区。 要友善尊重彼此和员工，禁止不尊重、攻击性或辱骂性内容，禁止成人和血腥内容，未经许可不得转发他人创作，分享时要小心。 违反规则可能导致服务被禁止，规则适用于所有相关内容。