对于想学习 AI 应用的小白，以下是一些建议： 1. 了解 AI 基本概念： 阅读「」部分，熟悉 AI 的术语和基础概念，包括其主要分支（如机器学习、深度学习、自然语言处理等）以及它们之间的联系。 浏览入门文章，了解 AI 的历史、当前的应用和未来的发展趋势。 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，比如图像、音乐、视频等，可根据自己的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。 在知识库有很多实践后的作品、文章分享，欢迎实践后分享。 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。 对于技术纯小白用 AI 开发真正的应用，可以这样做： 1. 基础小任务： 从一个最基础的小任务开始，让 AI 先帮你按照 best practice 写一个 say hello 的示例程序，并解释每个文件的作用及程序运行的逻辑，学会必备的调试技能。 可以使用如“我在学习写 chrome 插件。请选择最适合小白上手的技术栈，按照 best practice 为我生成一个简单的示范项目，但要包含尽可能全面的典型文件和功能。请为我讲解每个文件的作用和程序运行的逻辑。”这样的提示。 如果用的是 o1mini，可以在 prompt 最后添加“请生成 create.sh 脚本，运行脚本就能直接创建插件所需要的所有文件。请教我如何运行脚本。”（如果 windows 机器则是 create.cmd），它会为你生成一段超级长的代码，并给出提示，你只需要复制粘贴并执行，一次性生成十多个目录和文件。 2. 明确项目需求： 通过和 AI 的对话，逐步明确项目需求。 让 AI 帮助梳理出产品需求文档，包含影响技术方案选择的细节，在后续开发时每次新起一个聊天就把文档发给 AI 并告知在做第几点功能。 对于中学生学习 AI： 1. 从编程语言入手学习： 可以从 Python、JavaScript 等编程语言开始，学习编程语法、数据结构、算法等基础知识。 2. 尝试使用 AI 工具和平台： 可以使用 ChatGPT、Midjourney 等 AI 生成工具，体验 AI 的应用场景。 探索一些面向中学生的 AI 教育平台，如百度的“文心智能体平台”、Coze 智能体平台等。 3. 学习 AI 基础知识： 了解 AI 的基本概念、发展历程、主要技术如机器学习、深度学习等。 学习 AI 在教育、医疗、金融等领域的应用案例。 4. 参与 AI 相关的实践项目： 参加学校或社区组织的 AI 编程竞赛、创意设计大赛等活动。 尝试利用 AI 技术解决生活中的实际问题，培养动手能力。 5. 关注 AI 发展的前沿动态： 关注 AI 领域的权威媒体和学者，了解 AI 技术的最新进展。 思考 AI 技术对未来社会的影响，培养对 AI 的思考和判断能力。 总之，中学生可以从编程基础、工具体验、知识学习、实践项目等多个方面入手，全面系统地学习 AI 知识和技能，为未来的 AI 发展做好准备。请注意，以上内容由 AI 大模型生成，请仔细甄别。

以下是用自己训练的卡通形象 lora 生成元宵节放孔明灯海报的制作方法： 1. 关键词： 模型：dreamshaper_8 正关键词：,white,white_background,CGposterrender bsw <lora:电商新年海报 2024_v1.0:0.4>,gold,<lora:新年红包封面_v1.0:0.6>,new year,<lora:gcbottle:0.3> 中文的关键词：（杰作，高分辨率，高品质，高分辨率）中国建筑，红色主题，剪纸，中国结,纸灯笼，中国图案，金色，中国元素，红色背景 2. ControlNet 设置： 预处理器：depth_leres 模型:control_v11f1p_sd15_depth 权重：0.75 预处理器：softedge_pidinet 模型:control_v11p_sd15_softedge 权重：0.3 3. lora 资源： https://www.liblib.ai/modelinfo/bddf824e232f4124991c05a26027504d https://www.liblib.ai/modelinfo/983703dd48134e43983b84abfcb44308 第三个东方瓷器 lora 已经下架（请至 AGI 之路百度云下载） 链接:https://pan.baidu.com/s/10hYM8i2y2Li9OlT2oD1qOQ 密码:asub 您可以参考以上步骤进行制作，同时您还可以访问以下链接获取更多相关信息： 作者小红书：https://www.xiaohongshu.com/user/profile/5cfd0e600000000016029764?wechatWid=803c253b00ed4224d3a2adcd80b46ed7&wechatOrigin=menu 通往 AGI 之路小红书教程：http://xhslink.com/OOeHsy AI 春晚阶段性纪实：https://waytoagi.feishu.cn/wiki/MI0UwhfXJiRH9ak4dwxcwqPVnIh

ComfyUI 是一个基于节点流程式的 stable diffusion AI 绘图工具 WebUI。 它们的关系是：ComfyUI 可以和 WebUI 共享环境和模型。 区别主要包括以下方面： 操作方面：ComfyUI 操作门槛高，需要有清晰的逻辑；WebUI 相对操作更简便。 性能方面：ComfyUI 对显存要求相对较低，启动速度快，出图速度快；系统资源占用更少。 自由度方面：ComfyUI 具有更高的生成自由度。 生态方面：WebUI 的生态比 ComfyUI 更多，但 ComfyUI 也有针对其开发的有趣插件。 种子处理和提示词权重处理：处理方式不同，会导致图像不同。例如种子处理，ComfyUI 通过 GPU 计算种子噪声，WebUI 通过 CPU。 硬件配置方面：ComfyUI 配置更低，最低可在小于 3G 的 GPU 上运行，甚至没有 GPU 光用 CPU 也可以运行，但速度极慢。而 SDXL 出来后，ComfyUI 运行配置提高，最低需要 8GB 显存+32GB 运行内存，12GB 流畅运行，推荐 16GB 以上。玩 SDwebui 和 ComfyUI 建议使用 6GB 以上的显存的 NVIDIA 显卡，内存在 16G 以上。硬盘最好使用 SSD 以提高加载模型速度。

以下是 ChatGPT 和 DeepSeek 的优劣势对比： DeepSeek 的优势： 1. 在 App Store 排名方面，DeepSeek R1 冲到了美国区 App Store 第一名，超越了 ChatGPT。 2. 依靠技术实力和口碑赢得用户认可，没有市场部和市场投放。 3. 效果比肩顶尖闭源模型，但价格仅为其 27 分之一。 4. 开源让行业认知整体拉齐，得到全世界的尊重和喜爱。 5. 创新模型 R1 Zero 跳过监督微调（SFT）阶段，直接采用强化学习（RL）进行训练，发现模型的思考能力可以自我涌现，具有革命性。 6. 发布引发美国科技界恐慌，让 Meta 内部感到震惊，对英伟达的市场地位产生挑战，导致其股价下跌。 7. 具备强大、便宜、开源、免费、联网和本土等优势。 DeepSeek 的劣势：目前相关信息中未明确提及。 ChatGPT 的优势： 1. 由 OpenAI 开发，具有较高的知名度和广泛的应用场景。 ChatGPT 的劣势： 1. 存在幻觉、瑞士奶酪式能力缺陷等问题。 需要注意的是，AI 模型的性能和表现会随着时间和技术的发展而变化，以上对比仅基于提供的信息。

ComfyUI 和 Stable Diffusion 的区别及关系如下： ComfyUI 是一个基于节点流程式的 Stable Diffusion AI 绘图工具 WebUI。 区别： 优势： 对显存要求相对较低，启动速度快，出图速度快。 具有更高的生成自由度。 可以和 WebUI 共享环境和模型。 可以搭建自己的工作流程，可以导出流程并分享给别人，报错的时候也能清晰的发现错误出在哪一步。 生成的图片拖进后会还原整个工作流程，模型也会选择好。 劣势：操作门槛高，需要有清晰的逻辑；生态没有 WebUI 多（常用的都有），也有一些针对 ComfyUI 开发的有趣插件。 关系：ComfyUI 集成了 Stable Diffusion 的功能，通过将 Stable Diffusion 的流程拆分成节点，实现了更加精准的工作流定制和完善的可复现性。 在从 WebUI 到 ComfyUI 过渡时，需要了解采样器与调度器。简单理解为：采样器负责生成图像，而调度器负责控制噪声减少的速度。可以将 Stable Diffusion 模型中的采样器和调度器理解为一个加噪和去噪的过程。在这个过程中，采样器负责向图像添加噪声，而调度器则负责控制去噪的速度。 Stable Diffusion 是一种扩散模型的变体，叫做“潜在扩散模型”。它最初称为潜在扩散模型，CLIP 将用户输入的 Prompt 文本转化成 text embedding，核心组件包括 VAE EncoderDecoder、UNET 等。ComfyUI 的存放路径为 models/checkpoints/，Stable Diffusion 有不同的模型实例，如 SD1.5、SDXL 等，还有不同的训练方法和模型格式。

使用 DeepSeek 的步骤如下： 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。 此外，DeepSeek 具有以下特点和相关信息： 设计思路： 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。 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。 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。 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。 用 XML 来进行更为规范的设定，而不是用 Lisp（对作者来说有难度）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：李继刚的【思考的七把武器】在前期为作者提供了很多思考方向；Thinking Claude 是作者现在最喜欢使用的 Claude 提示词，也是设计 HiDeepSeek 的灵感来源。 同时，在生成 2048 游戏代码方面，DeepSeek 很方便，国内能访问，网页登录很方面，目前完全免费。

Chat Excel 具有一定的实用性和便利性。 从应用场景来看，在数据分析工作中，Excel 是大家最为熟悉和常用的工具之一。写一些公式属于进阶用法，比如会用 vlookup 函数甚至能编写 Excel 宏（在 Excel 中运行 VBA 程序），这在 Excel 中属于非常高级的用法，能解决产品工作中的绝大部分需求。 此外，ChatGPT 新功能“ChatExcel”已开始灰度测试，包括与 Google Drive 和 OneDrive 的打通、双栏对话表格和自助图表生成等功能。 在办公中，如果需要对大量 Excel 文件进行批处理操作，如合并、标准化、删除无效数据等，可借助 ChatGPT 生成代码来实现。直接向 ChatGPT 提问，它能给出相应的帮助，甚至包括如何打开 Excel 中的开发工具等细节。 总之，Chat Excel 在不同的场景和需求下，能为用户提供一定的帮助和便利，但具体的好用程度还需根据个人的使用习惯和具体需求来判断。

以下是关于音效 AI 生成的一些信息和最佳方案： 音效是 AI 的一个具有吸引力的开放领域。目前已有学术论文探讨使用 AI 在电影中生成“现场效果音”，但在游戏中的商业产品尚属稀少。 在游戏中，为玩家角色生成脚步声音时，传统方法使用少量预先录制的声音，存在繁琐、重复和不真实的问题。更好的方式是使用实时的生成性 AI 模型来制作现场效果音，它能根据游戏参数实时生成略有不同且合适的音效。 在音乐方面，AI 生成音乐存在基于乐理规则的符号生成模型和基于音频数据的音频生成模型两种主流技术路线。开发者正在使用 AI 生成音乐来填充游戏过程与游戏 UI 中需要的各类音效、不同游戏场景中用以渲染氛围的各种音乐。像 MusicLM 等模型已支持生成多音轨作品，使用 AI 生成音乐为原型并佐以专业制作人的协调，可使其更快进入游戏制作与发行的生产线。 在实际应用中，如《新哪吒闹海》的配音一开始打算用 AI 但因情绪不够丰满而选择专业声音表演者，音效需求简单时可采用剪映中的音效资源库。同时，为您分享三个音效资源站： 1. https://www.lookae.com/sucai/sfx/ ，大部分免费且分好类的音效包可供下载。 2. https://www.epidemicsound.com/ ，专业的音效站点，Gen48 合作站。 3. https://sc.chinaz.com/yinxiao/ ，适合搜索单个音效下载的站点。

AI 提示词的使用方法如下： 1. 基本概念： 提示词用于描绘您想要的画面。 输入语言方面，星流通用大模型与基础模型 F.1、基础模型 XL 使用自然语言（如一个长头发的金发女孩），基础模型 1.5 使用单个词组（如女孩、金发、长头发），且支持中英文输入。 启用提示词优化后，能帮您扩展提示词，更生动地描述画面内容。 2. 写好提示词： 预设词组：小白用户可以点击提示词上方官方预设词组进行生图。 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，比如：一个女孩抱着小猫，背景是一面红墙，插画风格、孤独感，高质量。 调整负面提示词：点击提示框下方的齿轮按钮，弹出负面提示词框，负面提示词可以帮助 AI 理解我们不想生成的内容，比如：不好的质量、低像素、模糊、水印。 利用“加权重”功能：可在功能框增加提示词，并进行加权重调节，权重数值越大，越优先。还可对已有的提示词权重进行编辑。 辅助功能：包括翻译功能（一键将提示词翻译成英文）、删除所有提示词（清空提示词框）、会员加速（加速图像生图速度，提升效率）。 3. Prompt 技巧： 类比：要求 AI 用类比或示例阐明概念，如请用一个类比解释黑洞的概念。 引述：要求包含专家的相关引言或陈述，如在关于疫苗安全的文章中引用著名免疫学家的观点。 幽默：表明是否应融入幽默，如在一篇关于减压方法的文章中加入一些幽默元素。 轶事：要求包含相关轶事，如在关于跑步的文章中，分享一则有趣的关于马拉松选手的轶事。 隐喻：鼓励使用隐喻使复杂观点更具亲和力，如在讨论人工智能的复杂性时，用“AI 像洋葱一样有很多层次”这样的隐喻。 趣闻：鼓励包含有趣或令人惊讶的事实，如在谈论巧克力时，分享一些有趣的巧克力制作过程的事实。 关键词：列出需要包含的重要关键词或短语，如请在回答中包含“可再生能源”和“碳足迹”。 小贴士：鼓励 AI 分享与主题相关的小窍门和技巧，如分享几个关于照顾室内植物的小贴士。 保密性：说明保密要求或限制，如在回答关于保险方案的问题时，不要泄露客户的个人信息。 格式化：指定所需的格式元素（如标题、副标题、列表），如在写关于节能设备的文章时，使用列表来呈现节能设备的种类。 4. 其他相关： 设计提示词本质上是对模型进行“编程”，通常通过提供一些指令或几个示例来完成。 模型通过将文本分解为标记（Token）来理解和处理文本。Token 可以是单词，也可以是字符块。在给定的 API 请求中处理的 Token 数量取决于输入和输出长度。对于英文文本，1 个 Token 大约相当于 4 个字符或 0.75 个单词。您的文本提示词和生成的补全合起来不能超过模型的最大上下文长度（对于大多数模型，这是 2048 个 Token，或大约 1500 个单词）。可以查看分词器工具来了解有关文本如何转换为 Token 的更多信息。

以下是关于本地部署语言大模型后进行知识库训练的详细步骤： 1. 部署大语言模型： 下载并安装 Ollama：根据您的电脑系统，从 https://ollama.com/download 下载，双击打开后点击“Install”。安装完成后，将下方地址复制进浏览器中确认：http://127.0.0.1:11434/ 。 下载 qwen2:0.5b 模型（若设备充足，可下载更大的模型）： 如果是 Windows 电脑，点击 win+R，输入 cmd 后点击回车。 如果是 Mac 电脑，按下 Command（⌘）+Space 键打开 Spotlight 搜索，输入“Terminal”或“终端”，然后从搜索结果中选择“终端”应用程序。 复制相关命令行并粘贴进入，回车后等待自动下载完成。（若下载久了卡顿，可鼠标点击窗口并按空格键刷新） 2. 了解 RAG 技术：利用大模型的能力搭建知识库是 RAG 技术的应用。在这个过程中，首先检索外部数据，然后在生成步骤中将这些数据传递给 LLM。RAG 应用可抽象为 5 个过程： 文档加载：从多种不同来源加载文档，LangChain 提供了 100 多种不同的文档加载器，包括 PDF 在内的非结构化的数据、SQL 在内的结构化的数据，以及 Python、Java 之类的代码等。 文本分割：文本分割器把 Documents 切分为指定大小的块。 存储：包括将切分好的文档块进行嵌入转换成向量的形式，以及将 Embedding 后的向量数据存储到向量数据库。 检索：通过某种检索算法找到与输入问题相似的嵌入片。 输出：把问题以及检索出来的嵌入片一起提交给 LLM，LLM 会通过问题和检索出来的提示生成更合理的答案。 3. 本地知识库进阶： 安装 AnythingLLM：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：选择大模型、选择文本嵌入模型、选择向量数据库。 构建本地知识库：AnythingLLM 中有 Workspace 的概念，可创建自己独有的 Workspace 与其他项目数据隔离。首先创建一个工作空间，然后上传文档并在工作空间中进行文本嵌入，选择对话模式（包括 Chat 模式和 Query 模式），最后进行测试对话。