以下是 2 月 13 日的 AI 产业资讯： 在巴黎 AI 峰会上，斯坦福教授李飞飞强调当前是“真正的第一个 AI 时代”。她追溯五亿年生命演化，探讨现代 AI 的三大支柱：感知算法突破、认知科学启示和计算能力提升。李飞飞提到，“数据是让神经网络真正活起来的关键”，呼吁以人为本的 AI，维护尊严、增强能力、促进社区发展，构建健康的 AI 生态系统。另附《全球 AI 竞争白热化：巴黎峰会上，欧盟宣布 2000 亿欧元追赶，美国：全球技术规则听我的》。 推理模型代表了一种新范式，专注于解决复杂、多步骤的问题。与传统模型不同，推理模型通过思考输入意图，逐步提供答案，擅长解谜和高级数学等挑战性任务。然而，其成本高昂且容易出错，适用场景有限。DeepSeek 推出的多种变体（如 R1Zero 和 R1Distill）展示了不同的训练策略和性能表现。 来自社区伙伴 Hua 的投稿，手把手指导您在微软 Azure AI Foundry 平台上完成 DeepSeek R1（671B）模型的完整部署流程，包含环境准备、资源管理、模型测试及 API 调用说明。 Anthropic 正式发布 Anthropic AI Economic Index，聚焦 AI 对经济的长期影响。该指数直观展现 AI 如何融入现代经济的各类实际任务，并从职业（occupation）和具体工作任务（task）两个维度，量化 AI 对劳动力市场的影响。 DeepSeekR1 的火爆现象背后，企业可以获得显著提升。其强化学习和联网搜索能力，改变了信息获取方式，从“检索—阅读—摘要”转变为“提问—获得答案”，大幅提升工作效率。同时，DeepSeek 的开源策略打破了技术垄断，让国内大模型能力迅速提升。 中美 AI 创业者的闭门讨论聚焦于 DeepSeekR1 的技术创新与行业趋势。DeepSeek 以其混合专家模型和强化学习优化推理能力，显著降低了成本，推动 AI 应用的普及。与传统模型不同，DeepSeek 将用户体验置于核心，未来的 AI 产品不再局限于语言交互，而是向更广泛的垂直应用扩展。 雪佬精心撰写了一份超详细的 AI 配音工具教程，历时 10 小时，专为新手设计，涵盖剪映、DubbingX、海螺 AI 三大主流配音工具的全流程实操指南。文章不仅讲解了音频导入、AI 音色克隆、文本朗读、语速调整、情绪选择、背景音优化等核心功能，还分享了进阶骚操作，如克隆自己的声音并更换成影视角色音色，让 AI 配音更具个性化和专业感。此外，文章还介绍了多语种 AI 朗读、自动歌词生成、音效匹配、语音克隆等功能，让 AI 配音真正做到“零门槛、全自动”。

以下是一些适合学生上课辅导用的 AI 软件： 1. Character.ai：其愿景是让每个人都能获得深度个性化超级智能。在教育培训方面，可让历史人物作为数字教师进行授课，实现一对一辅导，还能提供个性化学习计划和资源，也能作为数字陪伴促进儿童成长。 2. 可汗学院出品的 Khanmigo：接入 4.0 的 API，采用苏格拉底式教学法，引导学生思考，所有模块都不直接给答案。可做到全科目随问随答，能为用户总结视频内容、启发完成题目，且费用相对较低。 3. 北京市新英才学校在探索中使用的 AIGC：跨学科项目老师带着学生用其做学校地图桌游，英语老师借助其备课和授课，生物和信息科技老师合作带着学生用训练 AI 模型用以识别植物。

以下是 2 月 13 日的 AI 新闻资讯： 1. 在巴黎 AI 峰会上，斯坦福教授李飞飞强调当前是“真正的第一个 AI 时代”。她追溯五亿年生命演化，探讨现代 AI 的三大支柱：感知算法突破、认知科学启示和计算能力提升。李飞飞提到，“数据是让神经网络真正活起来的关键”，呼吁以人为本的 AI，维护尊严、增强能力、促进社区发展，构建健康的 AI 生态系统。另附《全球 AI 竞争白热化：巴黎峰会上，欧盟宣布 2000 亿欧元追赶，美国：全球技术规则听我的》。 2. 中美 AI 创业者的闭门讨论聚焦于 DeepSeekR1 的技术创新与行业趋势。DeepSeek 以其混合专家模型和强化学习优化推理能力，显著降低了成本，推动 AI 应用的普及。与传统模型不同，DeepSeek 将用户体验置于核心，未来的 AI 产品不再局限于语言交互，而是向更广泛的垂直应用扩展。 3. 雪佬精心撰写了一份超详细的 AI 配音工具教程，涵盖剪映、DubbingX、海螺 AI 三大主流配音工具的全流程实操指南，讲解了音频导入、AI 音色克隆、文本朗读、语速调整、情绪选择、背景音优化等核心功能，还分享了进阶操作。 4. 社区伙伴 Hua 投稿了在微软 Azure AI Foundry 平台上完成 DeepSeek R1（671B）模型的完整部署流程，包含环境准备、资源管理、模型测试及 API 调用说明。 5. Anthropic 正式发布 Anthropic AI Economic Index，聚焦 AI 对经济的长期影响。该指数从职业和具体工作任务两个维度，量化 AI 对劳动力市场的影响。 6. DeepSeekR1 的火爆现象背后，企业可以获得显著提升。其强化学习和联网搜索能力，改变了信息获取方式，从“检索—阅读—摘要”转变为“提问—获得答案”，大幅提升工作效率。同时，DeepSeek 的开源策略打破了技术垄断，让国内大模型能力迅速提升。

以下是 2 月 13 日的部分 AI 新闻资讯： 在巴黎 AI 峰会上，斯坦福教授李飞飞演讲称当前是“真正的第一个 AI 时代”。她追溯五亿年生命演化，探讨现代 AI 的三大支柱：感知算法突破、认知科学启示和计算能力提升。李飞飞提到“数据是让神经网络真正活起来的关键”，呼吁以人为本的 AI，维护尊严、增强能力、促进社区发展，构建健康的 AI 生态系统。相关报道：《》 全球 AI 竞争白热化，巴黎峰会上，欧盟宣布 2000 亿欧元追赶，美国称全球技术规则听它的。相关报道：《》 《》介绍推理模型代表了一种新范式，专注于解决复杂、多步骤的问题。与传统模型不同，推理模型通过思考输入意图，逐步提供答案，擅长解谜和高级数学等挑战性任务。然而，其成本高昂且容易出错，适用场景有限。DeepSeek 推出的多种变体（如 R1Zero 和 R1Distill）展示了不同的训练策略和性能表现。

以下是一些与电影运镜相关的提示词： 1. POV（Point of View）：展示角色从他们的角度所看到的事物，让观众感觉与角色的经历有更多联系。常用于增强角色的主观感受，使观众更加身临其境，如《黑客帝国》中的第一人称视角战斗场景。 2. Two Shot：双人镜头，指画面中出现两个角色的相机镜头，常用于捕捉角色之间的互动或关系，常用于展现角色之间的对话或情感交流，增强人物关系的表现，如《罗马假日》中的主角对话场景。 3. Whip pan：快速移动拍摄，以高速移动摄像机来切换场景或角度，产生快速而动态的画面转换效果。常用于创造紧张刺激的氛围或快速转换故事情节，如《疯狂的麦克斯：狂暴之路》中的追逐场景。 4. Establishing shot：在电影中用来介绍场景或环境的开场镜头，通常通过广阔的景象或特征性建筑来帮助观众理解故事的背景和地点。常用于设定故事的背景和氛围，如《指环王》中展示中土世界的广阔场景。 5. Deep focus：深焦是一种影视拍摄技法，通过调整镜头和光圈等参数，使得镜头前景、中景和远景同时清晰对焦，在单个镜头中传达多层叙事。常用于增强画面的层次感和细节，如《公民凯恩》中的复杂场景构图。

AGI 对普通人具有多方面的意义： 1. 带来积极影响： 经济增长可能令人惊叹，设想一个治愈所有疾病、有更多时间与家人共享、并能充分发挥创造潜力的世界。 个人能够比以往任何时候都产生更大的影响。 十年内，地球上的每个人都可能做到比今天最有影响力的人做得更多。 人类创新的稳定前进，使人们的生活在各个方面获得前所未有的繁荣和改善。 2. 带来挑战： 可能造成极端垄断，拥有 AGI 的公司/团体可能跨越行业、国家进行最大规模的垄断，包括对“智慧”资源的独占和对个体、公司、政府的精细信息操控。 一些行业可能变化不大，而科学进步速度可能更快，对社会的影响可能超过其他一切。 许多商品价格大幅下降，奢侈品及一些内在数量有限的资源（如土地）价格可能显著上涨。 3. 对个人的要求： 主动性、意志力和毅力可能会变得极其宝贵。 正确决定要做什么，并在不断变化的世界中摸索出前进的道路，将具有巨大的价值；韧性和适应能力将是值得培养的技能。 需要注意的是，虽然 AGI 带来了种种变化，但公共政策和社会对如何将 AGI 融入人类社会的看法非常重要。同时，我们需要思考在 AGI 降临的世界中，个体如何生存、如何寻找并创造自己的价值，以及探索新的分配方式。

以下是为您推荐的智能体学习教程： 1. 通往 AGI 之路知识库中提到，博主会精美地解释六大策略，小七姐在社区带来共学课程并有直播分享及回放，像喂饭教程般帮助理解 prompt。每个板块下有共学快闪，社区老师会带着大家动手操作并讲解思路，还提到官方最佳 prompt 有 6 个实践办法，看熟任意一个即可。同时，智能体由大语言模型衍生而来，因提示词不太可控才有此进阶。还讲述了智能体进阶案例拆解，推荐景淮老师的相关成果。扣子、千帆百炼属于智能体范畴，扣子更偏 ToC 应用，所以有专门讲解扣子相关内容。学习 AI agent 可能较痛苦，建议先吃透 prompt 再看相关内容。官方文档内容很全面，包含市面上 cos 的教程等。社区小伙伴参加 cos 比赛常拿大奖，有共学活动，获奖小伙伴会分享经验。cos 平台可用于工作生产，有很多功能，感兴趣可体验其官网，能进行对话感受功能。 2. 提示词培训课中，首先介绍了智能体是什么，指出现在接触到的智能体大多建立在大模型之上，具有强大的学习能力、灵活性和泛化能力。智能体的核心在于有效控制和利用大型模型，提示词设计直接影响智能体的表现和输出结果。之后深入探讨并动手实践制作智能体，鼓励基于公开的大模型应用产品（如 Chat GLM、Chat GPT、Kimi 等）尝试开发属于自己的智能体，包括点击“浏览 GPTs”“Create”按钮创建，使用自然语言对话或手工设置进行具体设置，然后调试并发布。 3. 元子的 WayToAGI 知识库中，对于纯小白，有现有常见 AI 工具小白扫盲的文章和视频，以及 AI 常见名词、缩写解释的内容。

以下是为您生成的适用于使用 DeepSeek 写微信公众号文章的提示词： 我要写一篇关于软件分享或技术分享的微信公众号文章，文章标题要足够吸引人，以便能广泛传播。文章内容要详细且有条理，先介绍分享的软件或技术的基本情况，包括其功能、特点和优势；然后结合实际案例或个人使用体验，阐述其在实际应用中的效果和价值；最后总结并展望其未来的发展前景。请为我生成这样一篇完整的文章。

以下是关于 DeepSeek 提示词的相关内容： 1. 核心原理认知： AI 特性定位：支持文本/代码/数学公式混合输入，具有动态上下文（约 4K tokens 上下文窗口）和任务适应性（可切换创意生成/逻辑推理/数据分析模式）。 系统响应机制：采用意图识别+内容生成双通道理，自动检测 prompt 中的任务类型、输出格式、知识范围，对位置权重（开头/结尾）、符号强调敏感。 2. 基础指令框架： 可以套用框架指令，如果不知道如何表达。 四要素模板示例。 格式控制语法：包括强制结构（使用```包裹格式要求）、占位符标记（用{{}}标注需填充内容）、优先级符号（>表示关键要求，!表示禁止项）。 3. 进阶控制技巧： 思维链引导：分步标记法（请逐步思考：1.问题分析→2.方案设计→3.风险评估）和苏格拉底式追问（在得出最终结论前，请先列举三个可能存在的认知偏差）。 知识库调用：领域限定指令和文献引用模式。 4. 关键诉求： 新一代 LLM 的正确打开方式是“关键诉求直通车”模式，在关键点进行引导，让模型自主发挥。 新旧提示法对比：传统方法像唠叨家长，新型技巧像对聪明助理打暗号。 5. 其他信息： DeepSeek 爆火，价格亲民却实力超群，智慧开源领航者，实时联网深度推理双冠王，用技术普惠重新定义 AI 边界。 相关地址：使用地址 https://chat.deepseek.com/（有手机客户端：扫描下面二维码）；模型下载地址 https://github.com/deepseekai/DeepSeekLLM?tab=readmeovfile；API 文档地址 https://apidocs.deepseek.com/zhcn/ 。 DeepSeek 的提示词使用方法比较长，单独列了一篇 ，魔改版本 https://huggingface.co/ValueFX9507/TifaDeepsex14bCoTGGUFQ4 https://huggingface.co/mradermacher/DeepSeekR1DistillQwen7BabliteratedGGUF 。

以下是为您整理的 AI 基础知识学习内容： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括人工智能、机器学习、深度学习的定义及其之间的关系，以及其主要分支和联系。 浏览入门文章，了解 AI 的历史、当前应用和未来发展趋势。 2. 开始 AI 学习之旅： 在「」中，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，如图像、音乐、视频等，可根据兴趣选择特定模块深入学习。 掌握提示词的技巧，它上手容易且很有用。 4. 实践和尝试： 理论学习后，实践是巩固知识的关键，尝试使用各种产品做出作品。 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，了解其工作原理和交互方式，获得对 AI 在实际应用中表现的第一手体验，并激发对 AI 潜力的认识。 6. 数学基础： 统计学基础：熟悉均值、中位数、方差等统计概念。 线性代数：了解向量、矩阵等线性代数基本概念。 概率论：基础的概率论知识，如条件概率、贝叶斯定理。 7. 算法和模型： 监督学习：了解常用算法，如线性回归、决策树、支持向量机（SVM）。 无监督学习：熟悉聚类、降维等算法。 强化学习：简介强化学习的基本概念。 8. 评估和调优： 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。 模型调优：学习如何使用网格搜索等技术优化模型参数。 9. 神经网络基础： 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）。 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh。