在 MacBook 上部署 AI 工具的方法如下： 方法一：接入微信 1. 打开菜单中的“终端”。 2. 按照以下步骤依次粘贴代码并回车： 第一步：cd/root||exit 1 第二步：粘贴下方两行代码，等待下载完成。若有卡点，可能是服务器网络问题，可手动下载文件并上传至 root 文件夹。 第三步：rm f Anaconda32021.05Linuxx86_64.sh 第四步：/root/anaconda/bin/conda create y name AI python=3.8 第五步：依次粘贴并回车：echo'source /root/anaconda/bin/activate AI'>>~/.bashrc 3. 执行完成后，刷新重新进入终端，若最左侧出现“（AI）”字符，则部署成功。 方法二：安装 Trae 1. 科学上网，因为 Trae AI 官网部署在海外，且需要使用海外的大模型。 2. 在官网直接点击下载，Trae 会自动识别电脑芯片。 3. 对于 Mac，将下载完后的左侧 Trae 应用拖动到右侧文件夹内；对于 Windows，双击 Trae 图标完成安装。 4. 安装完成后，点击图标启动，进行简单设置，如选择主题背景和默认语言为中文，根据情况选择“Skip”选项等。 5. 选择合适的登录方式，如 Google 账号或 Github 账号（推荐注册 Github 账号：https://github.com/ ）。 方法三：选择合适的平台 目前市面上有线上和线下本地部署的两种 AI： 线上的优势为出图速度快，不吃本地显卡配置，无需下载大模型，能看其他创作者的作品，但出图分辨率有限。 线下部署的优势为可添加插件，不卡算力，出图质量高，但使用时电脑基本宕机，配置不高可能出问题。 可充分发挥线上和线下平台的优势，线上用于找参考、测试模型，线下作为主要出图工具。例如，在线上绘图网站的绘图广场上发现想要的画风，点击创作获取模型和标签，截取游戏人物底图，多次尝试不同画风得出合适的模型和组合，最后在 C 站（https://civitai.com/ ）下载对应模型到本地加载部署后开始生图。

以下是关于 DeepSeek 思维导图的相关内容： 性能监测体系： 1. 需求理解准确率：复杂需求首轮响应匹配度 2. 知识迁移能力：跨领域案例应用的合理性 3. 思维深度指数：解决方案的因果链条长度 新一代交互范式建议： 1. 采用“人机共谋”模式：先陈述思路梗概，再让 AI 补充完善“我想从这三个方向切入，你觉得哪个最有潜力？为什么？” 2. 启动“思维可视化”指令：“用思维导图形式展示当前推理过程” 3. 实施“苏格拉底式对话”：“连续追问五个‘为什么’来挖掘根本原因” 通过将深度思考能力与场景化需求结合，可解锁 DeepSeek 的“认知增强”模式，在商业决策、创新设计、技术攻坚等场景实现思维能效的指数级提升。建议通过 3 轮迭代测试（需求表达→深度追问→方案优化）建立个性化交互模式。 R1 带来的提示词使用新步骤： 1. 首先明确场景和任务 2. 其次选择模型类型 3. 之后再写提示词 效果对比：用 Coze 做了个小测试，大家可以对比看看。 如何使用： 1. 搜索 www.deepseek.com，点击“开始对话” 2. 将装有提示词的代码发给 Deepseek 3. 认真阅读开场白之后，正式开始对话 设计思路： 1. 将 Agent 封装成 Prompt，将 Prompt 储存在文件，保证最低成本的人人可用的同时，减轻自己的调试负担 2. 通过提示词文件，让 DeepSeek 实现：同时使用联网功能和深度思考功能 3. 在模型默认能力的基础上优化输出质量，并通过思考减轻 AI 味，增加可读性 4. 照猫画虎参考大模型的 temperature 设计了阈值系统，但是可能形式大于实质，之后根据反馈可能会修改 5. 用 XML 来进行更为规范的设定，而不是用 Lisp（对我来说有难度）和 Markdown（运行下来似乎不是很稳定） 完整提示词：v 1.3 特别鸣谢： 李继刚：【思考的七把武器】在前期为我提供了很多思考方向 Thinking Claude：这个项目是我现在最喜欢使用的 Claude 提示词，也是我设计 HiDeepSeek 的灵感来源 Claude 3.5 Sonnet：最得力的助手 案例：卫夕指北 最简单的提问：“玄武门之变结束的当天，李世民在深夜写下一段独白，你觉得他会写什么？” DS 分析：它需要考虑玄武门之变的历史背景、要考虑李世民愧疚、挣扎、野心、抱负等可能的复杂心理，要考虑行文的语气和身份的合一，要考虑“深夜”、“独白”等问题设定。我们看最近震惊 AI 圈的 DeepSeek R1 模型是如何思考的，以下是它在给出一个惊艳回答之前同样惊艳的思考过程——好的，用户让我思考李世民在玄武门之变结束的深夜写下的独白。首先，我需要回顾玄武门之变的历史背景。这场政变发生在 626 年，李世民杀死了自己的兄弟李建成和李元吉，随后迫使父亲李渊退位，自己登基成为唐太宗。接下来，用户的问题是关于李世民当晚的心理活动。要写一段独白，需要深入他的内心世界。首先，要考虑他的情感：胜利后的复杂心情，可能有释然、愧疚、恐惧、自责等多种情绪交织。他是被迫发动政变，还是早有预谋？然后，用户可能希望这段独白不仅反映历史事实，还要有文学性，表现出人性的复杂。需要考虑李世民作为历史人物的多面性：他既是杀兄逼父的篡位者，也是后来开创贞观之治的明君。因此，独白中需要平衡他的野心与自责，对未来的抱负与对过去的悔恨。还需要考虑当时的文化背景，比如儒家思想对孝悌的重视，李世民的行为显然违背了这些伦理，他可能会有内心的挣扎。

以下是关于 Coze 开发的相关教程： 1. Coze AI 应用开发教学： 背景：智能体开发从最初的 chatbot 只有对话框，到有了更多交互方式，因用户需求扣子推出了 AI 应用，其低代码或零代码的工作流等场景做得较好。 现状：AI CODING 虽强，但目前适用于小场景和产品的第一个版本，复杂应用可能导致需求理解错误从而使产品出错。 案例：以证件照为例，说明以前实现成本高，现在有客户端需求并做了相关智能体和交互。 学习过程：创建 AI 应用，学习操作界面、业务逻辑和用户界面，包括布局、搭建工作流、用户界面及调试发布，重点熟悉桌面网页版的用户界面。 2. Coze 使用教程： 概述：字节的官方解释为 Coze 是新一代一站式 AI Bot 开发平台。无论是否有编程基础，都可以在 Coze 平台上快速搭建基于 AI 模型的各类问答 Bot，从解决简单的问答到处理复杂逻辑的对话。并且，可以将搭建的 Bot 发布到各类社交平台和通讯软件上，与这些平台/软件上的用户互动。个人认为 Coze 是字节针对 AI Agent 这一领域的初代产品，在 Coze 中将 AI Agent 称之为 Bot。字节针对 Coze 这个产品部署了两个站点，分别是国内版和海外版。 国内版： 网址：https://www.coze.cn 官方文档教程：https://www.coze.cn/docs/guides/welcome 大模型：使用的是字节自研的云雀大模型，国内网络即可以正常访问。 海外版： 网址：https://www.coze.com 官方文档教程：https://www.coze.com/docs/guides/welcome 大模型：GPT4、GPT3.5 等大模型（可以在这里白嫖 ChatGPT4，具体参考文档：），访问需要突破网络限制的工具，参考文档：https://www.coze.com/docs/zh_cn/welcome.html AI Agent 的开发流程：Bot 的开发和调试页面布局主要分为如下几个区块，包括提示词和人设的区块、Bot 的技能组件、插件、工作流、Bot 的记忆组件、知识库、变量、数据库、长记忆、文件盒子、一些先进的配置、触发器（例如定时发送早报）、开场白（用户和 Bot 初次对话时，Bot 的招呼话语）、自动建议（每当和 Bot 一轮对话完成后，Bot 给出的问题建议）、声音（和 Bot 对话时，Bot 读对话内容的音色）。 3. Coze 应用技巧： 操作步骤： 创建一个 Coze。 在“用户界面”拖入一个 markdown 组件。 在 markdown 中写入 html（对于了解前端页面的同学来说可能不难理解，用 html 写一个音乐播放器。不懂前端、不会写前端代码可问 AI，习惯使用智谱清言，大家可以选择自己习惯的 AI 工具）。 调整代码获取在线音乐：将 markdown 自带的内容全部删除，将生成的代码写入进 markdown 组件的内容中。此时的播放器还无法正常播放音乐，需要找一个在线音乐播放平台，获取到歌曲的 url，再将 url 复制进上面的代码。网上很多在线音乐的网站，随便找一个，打开浏览器的控制台（按 F12）找到 network（网络），选择播放的请求，将带有.mp3 格式的 url 复制出来。找到上面代码中的<source src=\"song.mp3\"type=\"audio/mpeg\">部分，将 song.mp3 换成复制的音乐地址。刷新开发页面，播放器即可使用。

GPTSoVITS 是一个用于声音克隆和文本到语音转换的开源 Python RAG 框架，具有以下特点和使用方法： 特点： 零样本 TTS：输入 5 秒的声音样本即可体验即时的文本到语音转换。 少量样本训练：只需 1 分钟的训练数据即可微调模型，提高声音相似度和真实感，模仿出的声音更接近原声且自然。 跨语言支持：支持英语、日语和中文等不同语言的推理。 易于使用的界面：集成了声音伴奏分离、自动训练集分割、中文语音识别和文本标签等工具，方便初学者创建训练数据集和模型。 适用于不同操作系统：可在包括 Windows 在内的多种操作系统上安装和运行。 提供预训练模型：可直接下载使用。 使用： 开源数字人组合方案中，第一步先剪出音频，使用 https://elevenlabs.io/speechsynthesis 或 GPTSoVITS 克隆声音，做出文案的音频。 前置数据获取处理时，选择音频并切割，有噪音时进行降噪处理，完成降噪后开启离线 ASR。 在 GPTSowitsTTS 中，进行训练集格式化，包括微调训练（开启 SoVITS 训练和 GPT 训练）和推理（开始推理、刷新模型、选择微调后的模型），成功后会出现新的 URL，表示声音微调完毕。 可以实现跨多语种语言的声音复刻，例如 AIyoyo 普通话和粤语版的《满江红》。 GitHub 地址： 视频教程： 基础 wav2lip+高清修复整合包下载地址： 相关产品：

以下是关于如何更好创建提示词的相关内容： 创建提示词是一个关键步骤，决定了 AI 模型如何理解并生成文本。以下是一些建议： 1. 明确任务：清晰定义任务，如写故事时包含背景、角色和主要情节。 2. 提供上下文：若任务需特定背景知识，提供足够信息。 3. 使用清晰语言：用简单、清晰的语言描述，避免模糊或歧义词汇。 4. 给出具体要求：如有特定格式或风格，在提示词中明确指出。 5. 使用示例：提供期望结果的示例，帮助 AI 模型理解需求。 6. 保持简洁：简洁明了，避免过多信息导致模型困惑。 7. 使用关键词和标签：有助于模型理解任务主题和类型。 8. 测试和调整：生成文本后检查结果，根据需要调整提示词，可能需多次迭代。 此外，不同的工具和场景中创建提示词还有一些特定要点： 在星流一站式 AI 设计工具中： 输入语言方面，通用大模型与部分基础模型使用自然语言，部分基础模型使用单个词组，支持中英文输入。 写好提示词要做到内容准确，包含人物主体、风格、场景特点、环境光照、画面构图、画质等。 可调整负面提示词，帮助 AI 理解不想生成的内容。 利用“加权重”功能让 AI 明白重点内容，还可使用预设词组、辅助功能如翻译、删除所有提示词、会员加速等。 在文本补全（Text completion）中： 遵循展示和告诉、提供高质量数据、检查设置这三个基本准则。 故障排除时，需明确生成的预期结果、提供足够示例、检查示例有无错误、正确使用温度和 top_p。 希望这些内容能帮助您更好地创建提示词。

以下是快速学习 AI 进行数据分析的方法： 1. 了解数据分析流程： 逻辑流程图包括 SQL 分析和个性化分析。 SQL 分析：用户描述分析内容，后台连接数据库，让 AI 输出并校验 SQL 语句，执行后将数据传给 GPT 分析，最后返回分析结论和建议并在前端展示。 个性化分析：用户上传文件并描述，前端解析后传给 GPT 分析，后续步骤与 SQL 分析一致。 2. 掌握提示词技巧： 提供大模型可访问的数据源或上传数据表格。 用清晰的提示词说明分析维度和结果输出格式。 观察生成结果，迭代优化提示词，满意后导出结果。 3. 分环节处理： 将数据清洗、提取、模型选择、训练和结果解释等环节分开处理，便于优化性能和发现问题。 4. 逐步深化和细化提问： 先提出宽泛问题，再根据回答进一步细化。 5. 提供学习内容： 为 AI 系统提供大量数据、示例、高质量参考材料和详细流程、知识（knowhow）。 6. 利用专业术语引导： 在 Prompt 中使用专业领域术语引导 AI 回答方向。 7. 进行验证与反馈： 大模型语料有滞后性，使用 AI 回答后要交叉验证，结合自身专业知识筛选判断，确保符合法律伦理等要求。

RPA（机器人流程自动化）是一种软件技术，能够模仿人类在电脑上执行的重复性任务。以下是关于 RPA 的一些信息： 应用目的：减少中小企业在日常运营中的重复性劳动，提高工作效率和准确性。 识别流程：评估和识别日常重复性高的任务，通过分析工作流程、观察和记录员工工作来确定可自动化的任务。 确定目标：如提高效率、减少错误率、优化工作流程等。 引入工具：根据企业需求和预算选择合适的自动化工具，如 RPA 技术，它可用于自动化各种标准化、规则性的任务，如数据录入、文件处理等。 发展历程：10 年前就已出现，用于办公领域，可控制桌面软件、操作 Web 端，代码被封装成组件，普通用户可搭建机器人，解决办公标准化、重复工作，还可结合人工智能，底层语言为 Python 但使用不需代码。 应用场景：在财务领域，如数据操作、与多个信息化系统结合等场景有相应 SOP；在工作中，如出租车公司查询违章、朋友圈点赞等；企业无人化办公专区，如方太集团节省人力成本。 工作流编排：使符合某些适用性标准的基于桌面的业务流程和工作流程实现自动化，一般是重复、数量多、可通过严格规则和结果定义的操作。现在越来越多的 RPA 软件带上了 LLM。

以下是关于阿里云上的 DeepSeek 玩法的相关信息： 课程安排： 2025 年 2 月 25 日 20:00 ：阿里云百炼篇：用 DeepSeek 搭建智能体，包括阿里云百炼满血版 DeepSeek 介绍，基于阿里云百炼的 DeepSeek 智能体搭建。课程文档： 2025 年 2 月 26 日 20:00 ：人工智能平台 PAI 篇：本地部署满血版 DeepSeek，包括 DeepSeek R1 技术原理，解锁 DeepSeek 的不同玩法（问答助手、蒸馏、微调），实战演练：DeepSeek R1 满血版快速部署&蒸馏训练。课程文档： 讲师：许键，AI 产品经理，创业公司联合创始人，WayToAGI 社区 Agent 版主，各大 Agent 平台奖项“杀手” 课程内容亮点： 第一节：用 DeepSeek 搭建智能体 第二节：全网最简单的 DeepSeek 的部署和蒸馏手把手教程 相关链接： 飞书会议链接：https://vc.feishu.cn/j/254331715 共学文档链接： 阿里云百炼地址:https://bailian.console.aliyun.com/ 开通满血版 R1 模型： 在模型广场找到 DeepSeekR1 并授权。页面上有免费的 100w 额度和已使用量，每人免费送 100w 额度，过期则浪费。此模型是阿里云自主部署，经推理优化，性能强于多数满血版本地部署。用完还有免费的蒸馏版 R1 模型，也是 100w token。这些模型可在“首页”或“直接体验”直接使用，也可通过 API 调用，如 chatbox 直接使用，还可进行模型效果对比。

以下是关于 DeepSeek 的相关文档和内容： 章节： 知识点： 申请： 接入： 此外，还有以下相关内容： 【今晚 8 点】聊聊你怎么使用 DeepSeek！2025 年 2 月 6 日的智能纪要，包括关于 DP 模型的使用分享、音系学和与大模型互动的分享、DeepSeek 的介绍与活动预告等。 DP 模型的功能、使用优势、存在问题、审核方法、使用建议、使用场景和案例展示。 音系学研究、大模型取队名。 DeepSeek 文档分享、使用介绍、未来活动预告。

以下是一些关于旅游规划智能体项目的学习内容： 对于旅游路线规划的 Bot 智能体，其自带插件可根据目的地做出合适规划，包括路线规划、周边规划、历史文化普及及热门打卡点搜索等。通过输入 Prompt 描述并使用官方优化功能，能获得不错效果。 在多智能体模式设置方面，包括全局设置和多个代理之间的编排协调。全局设置涉及角色设定与回复逻辑、记忆管理及对话体验等。在全局设置中，人物设定与回复逻辑应侧重于角色塑造。智能体的交互流程应形成完整互动链条，设计为闭环结构，以确保用户能自由在不同智能体间切换。以旅游场景为例，可设计分别负责景点推荐、路线规划和食宿安排的三个智能体，并写好提示词和做好全局人物设定。