DeepSeek 在世界上具有一定的水平： 1. 华尔街分析师的反应：展示出媲美领先 AI 产品性能的模型，成本仅为一小部分，在全球主要市场的 App Store 登顶。但也有不同观点，如 Jefferies 警告其技术可能打破资本开支狂热，Citi 对其技术突破提出质疑，高盛预测其可能改变竞争格局并降低行业进入门槛。 2. 实际使用体验：在文字能力上表现突出，尤其在中文场景中符合日常写作习惯，但在专业论文总结方面稍弱。数学能力经过优化表现不错，编程能力略逊于 GPT。 3. 在文学创作方面：很火，在 Benchmark 表现出色，做数学和代码题达 O1 标准，处于国际领先。文风优秀，有哲学思考，能触动人情感，文创能力顶尖，甚至因其“发疯”在创作上更出色。但使用时需在控制和自由间平衡，旧模型在文学创作时存在一些弊端。

以下是一些生成漫画动作参考图的方法： 1. 喂参考图：先上传喜欢的参考图，复制其链接。在关键词处填写“图片链接+这张图的关键词”，例如“链接图片.png,a Super cute sports girl,wearing a basketball vest,blueshortsbig watery eyes,clean bright basketball court background,super cute boy IP by pop mart,Bright color,mockup blind box toydisney stylefine luster,3D render,octane render,best quality,8k brightfront lightingFace Shot,fine luster,ultra detail,ar 9:16”。还可以通过修改关键词改变服装颜色等细节。 2. 使用 panels 命令：此命令可生成连续的动作和表情设计，将模型设置改为 niji mode 画动漫角色效果更好。例如“a Super cute sports anime girl,style by Miyazaki Hayao,6 panels with different poses 8K”，也可以使用“continuous running”生成更稳定的连续动作，甚至做成 gif 动画。 3. 利用 character sheet 命令：创建一个角色的多角度以及特写细节，例如“a Super cute sports anime girl,style by Miyazaki Hayao,character sheet,full body,8k”。 4. 使用 emoji、expression sheet：emoji 代表表情包，expression sheet 代表各种表情组合，可用此核心关键词设计出表情包。例如“图片链接.png a Super cute sports anime girl,style by Miyazaki Hayao,emoji,expression sheet,8k”。 另外，使用 ControlNet 插件也能生成漫画动作参考图。首先进入文生图，填写提示词生成一张图。然后将图片拖入到 ControlNet 中，预处理器选择 reference only，控制模型选择“均衡”，保真度数值越高，对图片的参考越强。可以通过添加关键词的方式给人物换装、更改服装和表情、更改动作和表情、更改姿态、环境和表情等。这个功能在绘制系列插画、漫画、小说插图等工作时，能保持主角形象的统一，也能根据情况实时调整，后期配合 lora 潜力巨大。

AI 的数学原理包括以下几个重要方面： 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。 在算法和模型方面： 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）等，其目标是通过有标签的训练数据学习输入和输出之间的映射关系，包括分类和回归。 2. 无监督学习：熟悉聚类、降维等算法，此类学习的数据没有标签，算法需自主发现规律，例如对新闻文章进行聚类。 3. 强化学习：从反馈里学习，以最大化奖励或最小化损失，类似训练小狗。 在神经网络基础方面： 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）等。 2. 激活函数：了解常用的激活函数，如 ReLU、Sigmoid、Tanh 等。 此外，2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它完全基于自注意力机制（SelfAttention）来处理序列数据，比 RNN 更适合处理文本的长距离依赖性。对于生成式 AI，生成的内容称为 AIGC，相关技术名词众多，如 AI 即人工智能，机器学习包括监督学习、无监督学习、强化学习等。

以下是一些直播实时语音转文字的软件及相关信息： Vidnoz AI：支持 23 多种语言的配音，音质高保真，支持文本转语音和语音克隆功能，提供语音参数自定义和背景音乐添加工具，并提供面向个人和企业的经济实惠的定价方案。 OpenAI 的 wishper：https://huggingface.co/openai/whisperlargev2 ，还有在 JAX 上运行的相关项目：https://huggingface.co/spaces/sanchitgandhi/whisperjax ，此项目后端支持 TPU v48，与 A100 GPU 上的 PyTorch 相比，速度快 70 多倍，是目前最快的 Whisper API。 语音识别（Automatic Speech Recognition，ASR）可以将音视频中包含的人类声音转换为文本，适用于多种场景，如会议记录、客户服务、媒体制作、市场研究及多样化的实时交互场景，包括会议、课堂录音记录、客服电话分析、字幕生成、市场研究与数据分析等，能显著提升工作效率、服务质量与人机交互体验。在实时语音模型方面，可应用于会议、直播、客服、游戏、社交聊天、人机交互等场景，为直播带货、赛事直播等提供实时字幕。

以下是关于生图后保持原图改尺寸扩展的方法： 对于 SD ： 1. 将原图导入到图生图界面。 2. 根据情况选择大模型，卡通类一般选“revAnimated”，真实类选“Realistic Vision”，效果不好可尝试其他模型。 3. 图生图中重要参数设置：“缩放模式”选择“缩放后填充空白”；根据扩展方向增加宽度或高度；单批数量按需填写；“重绘幅度”加大到“0.8”以上。 4. 升级到最新的 controlnet 版本，将图片导入。 5. 启用插件，“控制类型”选择“局部重绘”，预处理器选择“inpaint_only+lama”，控制模式选择“更倾向 Controlnet”，缩放模式选择“缩放后填充空白”。 6. 为了出图更统一，可增加一个 reference_only 的通道巩固扩图风格。 7. 设置好后点击生成，选择满意的结果。 对于 Midjourney ： 1. 放大（Upscale）：包括精细放大（Subtle）尽量保持原样，创意放大（Creative）会调整或改变某些细节。 2. 重混（Remix）：微妙（Subtle）为较小微调，较强（Strong）有较大差异。若没看到 Remix 按钮，点击右上方 More options 文字把常用的打上对勾。 3. 扩展（Pan）：根据选定方向自动扩展图像边界。若没看到此按钮，可能是图像已在 Discord 中生成最满意的一张不可再扩展，或 More options 文字里没打上 Pan 对勾。 4. 缩放（Zoom）：实际为“缩小视图”，会在图像周围添加额外空间展示更多内容。 5. 更多（More）：包括重新运行提示词，或打开图像的编辑模式。重新生成（Rerun）再次运行相同提示，编辑器（Editor）编辑图像特定部分。 对于星流一站式 AI 设计工具： 1. 应用图生图：在 prompt 输入框下点击“图生图”上传本地文件，或在无限画布中图片功能区进行选择。 2. 调整“图生图”功能区参数：参考程度分为更像原图（小幅度修改基底图像，有限增加元素）、更创意（大幅度修改基底图像，可搭配增强模型加入更多元素）、自定义（可自定义修改重绘幅度）。 3. 增加参考纬度：点击添加按钮，会自动应用并打开“生成器”的图片参考功能。 4. 替换图像：鼠标滑动到图像，点击“选择参考图”即可重新选择图片。 5. 转换提示词：反推参考图信息填入进提示词框中。 6. 同步生图尺寸：同步参考图尺寸到“生成器”的生图尺寸中。 需要注意的是，新生成的部分和原图可能会存在色差，需要通过调整各项参数来修正，且不是每一次效果都能非常好。只要记住这个工作流，扩图还是很快的，只要替换图片改尺寸就可以了。

以下是为您推荐的一些游戏编程相关的 AI 工具和应用： 1. 生成性 AI 方面：建议现在就开始探索生成性 AI，一些工作室已经启动内部实验项目来探索其对生产的影响。 2. AI 游戏道具推荐系统：在一些游戏中，利用数据分析和机器学习为玩家推荐合适的游戏道具，如武器、装备等。 3. 游戏开发 AI 工具集合： 语音生成：Coqui Studio（https://coqui.ai）、Bark（https://github.com/sunoai/bark）、Replica Studios（https://replicastudios.com） 语音识别：OpenAI Whisper（https://huggingface.co/openai/whisperbase）、Facebook Wav2Vec2（https://huggingface.co/facebook/wav2vec2largexlsr53） 对话模型：ChatGPT（https://chat.openai.com）、HuggingChat（https://huggingface.co/chat） 故事讲述模型：MPT7BStoryWriter65k+（https://huggingface.co/mosaicml/mpt7bstorywriter）、Claude 100k（https://www.anthropic.com/index/100kcontextwindows）、GTP4 32k（https://platform.openai.com/docs/models/overview） 游戏设计：Ludo.ai（https://ludo.ai） 搜索引擎：Haddock（https://www.haddock.ai） AI NPC：Inworld（https://inworld.ai） 希望这些推荐能够满足您的需求，帮助您在游戏编程中更好地运用 AI 技术。

智能体（Agent）在人工智能和计算机科学领域是一个重要概念，指能够感知环境并采取行动以实现特定目标的实体，可以是软件程序或硬件设备。 智能体的定义： 智能体是一种自主系统，通过感知环境（通常通过传感器）并采取行动（通常通过执行器）来达到某种目标。在 LLM 支持的自主 Agent 系统中，LLM 充当 Agents 的大脑，并辅以几个关键组成部分，包括规划、子目标和分解、反思和完善、记忆（短期记忆和长期记忆）、工具使用等。 智能体的类型： 1. 简单反应型智能体（Reactive Agents）：根据当前的感知输入直接采取行动，不维护内部状态，也不考虑历史信息。例如温控器，根据温度传感器的输入直接打开或关闭加热器。 2. 基于模型的智能体（Modelbased Agents）：维护内部状态，对当前和历史感知输入进行建模，能够推理未来的状态变化，并根据推理结果采取行动。例如自动驾驶汽车，不仅感知当前环境，还维护和更新周围环境的模型。 3. 目标导向型智能体（Goalbased Agents）：除了感知和行动外，还具有明确的目标，能够根据目标评估不同的行动方案，并选择最优的行动。例如机器人导航系统，有明确的目的地，并计划路线以避免障碍。 4. 效用型智能体（Utilitybased Agents）：不仅有目标，还能量化不同状态的效用值，选择效用最大化的行动，评估行动的优劣，权衡利弊。例如金融交易智能体，根据不同市场条件选择最优的交易策略。 5. 学习型智能体（Learning Agents）：能够通过与环境的交互不断改进其性能，学习模型、行为策略以及目标函数。例如强化学习智能体，通过与环境互动不断学习最优策略。 以下是一些关于智能体 Agent 的相关链接：

以下是一些能够帮助进行 AI 室内设计平面图的工具： 1. HDAidMaster：这是一款云端工具，在建筑设计、室内设计和景观设计领域表现出色，搭载自主训练的建筑大模型 ArchiMaster，软件 UI 和设计成果颜值在线，建筑师可使用主流 AIGC 功能进行方案创作。 2. Maket.ai：主要面向住宅行业，在户型设计和室内软装设计方面有探索，设计师输入房间面积需求和土地约束，软件能自动生成户型图并查看详细设计结果。 3. ARCHITEChTURES：AI 驱动的三维建筑设计软件，在住宅设计早期阶段可引入相关标准和规范约束生成的设计结果，保证设计合规性。 4. Fast AI 人工智能审图平台：形成全自动智能审图流程，能自动导入、划分区域、识别构件、审查强条和导出结果，将建筑全寿命周期内信息集成，实现数据汇总与管理。 每个工具都有特定应用场景和功能，建议根据具体需求选择合适的工具。 关于使用 AI 进行室外设计的最佳实践包括： 1. 充分利用 AI 的创意生成能力，使用图像生成工具输入关键词生成多种方案，获取新颖灵感。 2. 结合 AI 的模拟和可视化功能，利用 AR/VR 等技术在实际环境中模拟和可视化设计方案。 3. 运用 AI 的分析和优化能力，对采光、动线、材料等方面进行优化，确保符合使用者需求。 4. 借助 AI 的自动化设计功能，自动生成符合设计规范的平面图、立面图等，提高效率。 5. 融合 AI 与人工设计的协作模式，形成良性互补，发挥各自优势。 此外，有开发者用 GPT 开发了一个相机 APP，其产品场景是利用室内设计规则和现实布局特点，重新渲染更协调的室内设计方案。优点包括自动选定室内设计主要风格和色系，找出风格不协调家具并指导调整；缺点是 Stable Diffusion 出图成功率不高，大约只有 10%，且细节存在崩坏情况，不能指导整个装修工程。

以下是在服务器进行 DeepSeek 本地部署的相关步骤： 1. 安装 AnythingLLM 软件：其安装地址为 https://useanything.com/download 。安装完成后进入配置页面，主要分为三步： 第一步：选择大模型。 第二步：选择文本嵌入模型。 第三步：选择向量数据库。 2. 构建本地知识库： 在 AnythingLLM 中创建自己独有的 Workspace 与其他项目数据进行隔离。 首先创建一个工作空间。 上传文档并且在工作空间中进行文本嵌入。 选择对话模式，AnythingLLM 提供了两种对话模式： Chat 模式：大模型会根据自己的训练数据和上传的文档数据综合给出答案。 Query 模式：大模型仅仅会依靠文档中的数据给出答案。 测试对话。 3. 实现联网版的 DeepSeek R1 大模型的核心路径：通过工作流 + DeepSeek R1 大模型。 4. 拥有扣子专业版账号：如果是普通账号，请自行升级或注册专业号后使用。 5. 开通 DeepSeek R1 大模型：访问地址 https://console.volcengine.com/cozepro/overview?scenario=coze ，打开火山方舟，找到开通管理，找到 DeepSeek R1 模型，点击开通服务，添加在线推理模型，添加后在扣子开发平台才能使用。 6. 创建智能体：点击创建，先完成一个智能体的创建。 需要注意的是，看十遍不如实操一遍，实操十遍不如分享一遍，如果您对 AI Agent 技术感兴趣，可以联系相关人员或者加免费知识星球（备注 AGI 知识库）。

写好 Prompt 可以参考以下要点： 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：避免模糊或歧义词汇，用简单清晰的表述。 4. 给出具体要求：明确格式、风格等要求。 5. 使用示例：提供期望结果的示例，助 AI 理解需求。 6. 保持简洁：避免过多信息导致 AI 困惑。 7. 使用关键词和标签：帮助 AI 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。 优化和润色 Prompt 可尝试以下方法： 1. 明确具体描述：使用更具体、细节的词语和短语。 2. 添加视觉参考：插入相关图片参考。 3. 注意语气和情感：用合适的形容词、语气词调整整体氛围。 4. 优化关键词组合：尝试不同搭配和语序。 5. 增加约束条件：如分辨率、比例等限制。 6. 分步骤构建：将复杂需求拆解为子 Prompt 逐步引导。 7. 参考优秀案例：借鉴有效的范例和写作技巧。 8. 反复试验、迭代优化：多次尝试并根据效果反馈完善。 在即梦 AI 视频生成中，Prompt 是直接描述或引导视频生成的文本或指令，类似给 AI 的提示，包含主体、运动、风格等信息，影响视频内容和质量，可将输入的文字变成对应的画面和运动形式。在图片生视频和文本生视频中都有相应的输入位置。