LangChain 目前不太可能被淘汰。它是 LLM 应用程序编排框架中的领导者，在提示链细节抽象、与外部 API 接口、上下文数据检索以及维持内存等方面表现出色，为业余爱好者和初创公司广泛使用，并已开始有构建的应用转入生产。 虽然 LangChain 仍是相对新的项目，一些开发者特别是 LLM 的早期采用者，更愿意在生产中切换到原生 Python 以消除额外的依赖性，但预计这种自行制作的方法在大多数用例中的使用会随时间减少，这与传统的 web 应用堆栈情况类似。 同时，高级提示词工程技术的普及促进了一系列工具和框架的发展，LangChain 已成为提示词工程工具包景观中的基石，最初专注于链条，后扩展到支持包括智能体和网络浏览功能在内的更广泛功能，其全面的功能套件使其成为开发复杂 LLM 应用的宝贵资源。

以下是关于 DeepSeek 的相关知识： 媒体报道和网络文章： 作者“通往 AGI 之路”的《关于 DeepSeek 的所有事情【知识库持续更新中】》，类型为基础认知，链接：https://mp.weixin.qq.com/s/n0WrrJL0fVX6zLeTBWpZXA 。 作者“数字生命卡兹克”的《DeepSeek 的提示词技巧，就是没有技巧。》，类型为基础认知，链接：https://mp.weixin.qq.com/s/KwFfItlMvS9FCDwNbvVWu7A 。 作者“宝玉”的《教你如何破解 DeepSeek R1 系统提示词》，类型为提示词破解，链接：https://mp.weixin.qq.com/s/vAp2wI5ozTw7R6jreLMw 。 作者“橘子汽水铺”的《中国开源，震撼世界：DeepSeek R1 的变革、启示与展望》，类型为基础认知，链接：https://mp.weixin.qq.com/s/yGUgehbxKisVaHlOkxhuaw 。 作者“橘子汽水铺”的《自学成才之路，DeepSeek R1 论文解读》，类型为基础认知，链接：https://mp.weixin.qq.com/s/gmdHyh6fsUdj1JhM1sV9bg 。 作者“新智元”的《史上首次，DeepSeek 登顶中美 AppStore！NYU 教授：全球「AI 霸权」之争已结束》，类型为基础认知，链接：https://mp.weixin.qq.com/s/ybvV8RMX0yyS5YfG1qNWgg 。 作者“一支烟花 AI”的《用流程图对比 DeepSeekR1,OpenAI O1,Claude 说明强化学习在 AI 大模型训练、推理的创新和意义》，类型为基础认知，链接：https://mp.weixin.qq.com/s/mdGtOcg1RuQOEBn31KhxQ 。 作者“腾讯科技”的《一文读懂｜DeepSeek 新模型大揭秘，为何它能震动全球 AI 圈》，类型为基础认知，链接：https://mp.weixin.qq.com/s/cp4rQx09wygE9uHBadI7RA 。 作者“张小珺腾讯科技”的《一场关于 DeepSeek 的高质量闭门会：比技术更重要的是愿景》，类型为进阶思考，链接：https://mp.weixin.qq.com/s/a7C5NjHbMGh2CLYk1bhfYw 。 【今晚 8 点】聊聊你怎么使用 DeepSeek！2025 年 2 月 6 日： DP 模型的功能：能进行自然语言理解与分析、编程、绘图，如 SVG、MA Max 图表、react 图表等。 使用优势：可以用更少的词让模型做更多事，思维发散，能给出创意思路和高级内容。 存在问题：思维链长不易控制，可能输出看不懂或胡编乱造的内容，增加纠错成本。 审核方法：可以用其他大模型来解读 DP 模型给出的内容。 使用建议：使用时要有自己的思维雏形，多看思考过程，避免被模型冲刷原有认知。 使用场景：包括阅读、育儿、写作、随意交流等方面。 案例展示：通过与孩子共读时制作可视化互动游戏，以及左脚踩右脚式的模型交互来展示 DP 模型的应用。 音系学研究：对音系学感兴趣，通过对比不同模型的回答来深入理解，如 bug 和 DIFF SIG，探讨语言概念在音系学下的心理印象等。 大模型取队名：与大模型进行多轮对话来取队名，通过不断约束和披露喜好，最终得到满意的队名及相关内容。 Deepseek 文档分享：在 3 群和 4 群分享了 Deepseek 的相关文档，也可在 v to a gi 的飞书知识库中搜索获取。 Deepseek 使用介绍：介绍了 Deepseek 的模型、收录内容、提示词使用技巧和好玩的案例等。 未来活动预告：明天后天在摩纳社区提供免费算力资源带大家学习炼丹，周一晚上学习多维表格中接入 Deepseek。

以下是可能用于生成您所描述的视频效果的两种 AI 工具及方法： 即梦： 1. 打开即梦 AI，选择图片生成。 网址：https://jimeng.jianying.com/ 2. 输入提示词，格式为“Jellycat 风+毛茸茸的 XXXX……”，发挥创意。 3. 选择最新的模型，将精细度拉到最大值。 4. 点击生成，几秒钟后就能看到图片效果。 剪映： 1. 在剪映右侧窗口顶部，打开“数字人”选项，选取一位免费且适合的数字人形象，如“婉婉青春”。 2. 软件会播放数字人的声音，判断是否需要，点击右下角的“添加数字人”，将其添加到当前视频中，剪映会根据提供的内容生成对应音视频并添加到轨道中。 3. 左下角会提示渲染完成时间，然后点击预览按钮查看生成的数字人效果。 4. 增加背景图片： 直接删除先前导入的文本内容，因为视频中的音频已包含文字内容。 点击左上角的“媒体”菜单，点击“导入”按钮，选择本地图片上传。 点击图片右下角的加号，将图片添加到视频轨道上（会覆盖数字人）。 点击轨道最右侧的竖线，向右拖拽直到与视频对齐。

以下为您推荐几款抠图 AI 工具： 1. Remove：可以直接抠图，也可以安装在 PS 里进行操作，图片上传即可抠图，可用于制作一些素材。 2. 吉梦智能画板：具有消除、图层、一键抠图等功能，抠图效果较好。 3. Segment Anything：Figma 抠图插件，能够在几秒钟内仅保留或去除图像背景，利用了 Mate 的 SAM 模型的能力。

要在图生图中保持幻想生物形象的一致性，可以参考以下方法： 1. 对于 Midjourney ，可以采用特定的名人或有特殊属性的人物形象，先确定好影片风格，比如皮克斯动画风格，然后确定好人物形象，如角色的发型、穿着等细节。 2. 利用 Midjourney 的新功能 Cref ，先跑一张主角的定妆照，在需要出现主角人物的地方扔进去 Cref ，以保持发型、人脸、衣服等的一致性。但需要注意的是，Midjourney 对亚洲人脸的 Cref 一致性，尤其是亚洲老人的一致性效果相对较差，且 Cref 在画面的审美和构图上有一定的破坏性，所以原则上能不用就不用，比如只有背影时，简单描述即可。 3. 生成动物形象，动物相对更容易保持一致性。

在图生图中保持生物形象一致性，有以下几种方法： 1. 对于人物和场景一致性问题，可以采用生成动物的方式，动物相对容易保持一致性。 2. 选择特定的名人或具有特殊属性的人物。 3. 确定好影片风格，如皮克斯动画风格。 4. 先确定好人物形象，如明确角色的发型、穿着等特征。 5. 使用 Midjourney 的新功能 Cref，在需要出现主角人物的地方，保持发型、人脸、衣服等特征。但需要注意的是，Midjourney 对亚洲人脸的 Cref 一致性效果相对较差，尤其对于亚洲老人，而且 Cref 在画面的审美和构图上有一定破坏性，原则上能不用则不用。例如只有背影时，简单描述特征即可。

要建立自己的知识库，可以参考以下两种方法： 方法一：用 GPT 打造个人知识库 1. 理解 embeddings： Embeddings 是一个浮点数字的向量（列表），两个向量之间的距离衡量它们的关联性。小距离表示高关联度，大距离表示低关联度。 向量是数学中表示大小和方向的一个量，通常用一串数字表示。在计算机科学和数据科学中，向量通常用列表（list）来表示。 向量之间的距离是一种度量两个向量相似性的方法，最常见的是欧几里得距离。 2. 使用 embeddings： 将大文本拆分成若干个小文本块（chunk），通过 embeddings API 将小文本块转换成 embeddings 向量。 在一个地方（向量储存库）中保存这些 embeddings 向量和文本块，作为问答的知识库。 当用户提出一个问题时，该问题先通过 embeddings API 转换成问题向量，然后将这问题向量与向量储存库的所有文本块向量比对，查找距离最小的几个向量，把这几个向量对应的文本块提取出来，与原有问题组合成为新的 prompt（问题/提示词），发送给 GPT API。 方法二：用 Coze 免费打造自己的微信 AI 机器人 1. 设计你的 AI 机器人： 确定功能范围。 编写【prompt】提示词，设定 Bot 的身份和目标。 2. 创建知识库： 整理“关键字”与“AI 相关资料链接”的对应关系，并将信息存储起来。 创建知识库路径：个人空间 知识库 创建知识库。 知识库文档类型支持：本地文档、在线数据、飞书文档、Notion 等，本次使用【本地文档】。 按照操作指引上传文档、分段设置、确认数据处理。 小技巧：知识库好不好用，跟内容切分粒度有很大关系，可以在内容中加上一些特殊分割符，比如“”，以便于自动切分数据。分段标识符号要选择“自定义”，内容填“”。最终的知识库结果中，同一颜色代表同一个数据段，如果内容有误需要编辑，可以点击具体内容，鼠标右键会看到“编辑”和“删除”按钮，可以编辑或删除。

AGI 即通用人工智能（Artificial General Intelligence），通常指一种能够完成任何聪明人类所能完成的智力任务的人工智能系统，能够在许多领域内以人类水平应对日益复杂的问题。例如，像 GPT3 及其半步后继者 GPT3.5 在某种程度上是朝着 AGI 迈出的巨大一步。OpenAI 致力于 AGI 的研发，其开发的 ChatGPT 就是相关成果之一。我们的使命是确保 AGI 造福全人类，从某种意义上说，AGI 是人类进步脚手架上的另一个工具。

AI 目前不能完全代替人工数控编程。虽然 AI 编程技术在不断发展，辅助编程效率也有所提高，但在复杂和商业化的应用中仍存在困难。 初级程序员可能会受到一定冲击，但中高级岗位仍有需求。软件开发需要人工主导复杂流程，AI 更像是“助手”而非“接管者”。代码编写只是开发中的一环，程序员的工作还包括需求评估沟通、架构设计、调试部署等多个模块。而且，大语言模型面对复杂项目可能面临改好一个 bug，产生一个新 bug 的情况。 例如，Cursor 是一款不错的编程工具，集代码编写、报错调试、运行于一体，能让小白无压力入门代码，但它比较适合简单、原型类的项目，在复杂和商业化应用时会面临挑战。 总之，在目前，AI 不能完全替代人工数控编程，未来可能会是一种人工和智能混合的工作模式。

以下是为您整理的关于 AI 与安防行业应用的相关内容： 在安防行业中，AI 有着多方面的应用。一方面，创业公司虽然在 AI 视觉识别方面更具优势，但需要从头学习研发硬件产品和搭建营销体系。而像海康这样的安防行业巨头，每年能卖出数百亿元硬件产品，拥有完善的供应链和销售体系，只是需要引入 AI 技术。 大模型时代，创业公司面临的对手从海康威视换成了资源更多、决心明确的 BAT 和字节等大公司。新技术的创业如同与大公司赛跑，竞赛结果取决于新技术颠覆原有体验的程度、进入门槛的高低、赛道的长短，以及能否找到新生态，包括新的供应链、新的硬件载体、新的渠道和新的需求与用户来源。 此外，AI 已经在安防的许多方面带来了重大进展和效率提升。例如，AI 可以安静地自动化我们日常活动的某些方面，从监控交通以使通勤更顺畅，到检测银行账户中的欺诈行为。AI 还在工业中的大规模安全关键实践中发挥了作用，如控制核聚变过程，并被用于加速科学进步，如发现新药或应对气候变化所需的技术。 同时，AI 工具可用于自动化、加速和放大高度针对性的网络攻击的影响，增加恶意行为者威胁的严重性。大模型的出现使技术知识或技能较少的黑客能够生成具有恶意软件交付能力的网络钓鱼活动。