如果您是做抖音运营且不想学习代码来学习 AI，以下是一些建议： 1. 您可以从 AI agent 领域的 coze 开始学和练习。因为您从事互联网运营工作，coze 能让您短时间接触大量应用场景练习和 prompt 练习，而且不需要代码基础和图文审美，只要能发现智能体的需求，就可以用工作流来实现。 2. 如果您希望更系统地了解 AI 知识，即使不想学习代码，也可以尝试了解以下内容作为基础： AI 背景知识，包括基础理论（人工智能、机器学习、深度学习的定义及其关系）、历史发展（回顾 AI 的发展历程和重要里程碑）。 数学基础，如统计学基础（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）。 算法和模型，包括监督学习（了解常用算法，如线性回归、决策树、支持向量机）、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）。 评估和调优，如性能评估（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）。 神经网络基础，包括网络结构（理解神经网络的基本结构，如前馈网络、卷积神经网络、循环神经网络）、激活函数（了解常用的激活函数，如 ReLU、Sigmoid、Tanh）。 不过，如果您想在 20 分钟内快速上手 Python 和 AI 的相互调用，可以循序渐进地完成以下任务： 1. 完成一个简单程序。 2. 完成一个爬虫应用，抓取公众号文章。 3. 完成一个 AI 应用，为公众号文章生成概述。

以下是在 Coze 上搭建工作流的步骤： 1. 进入 Coze ，点击「个人空间 工作流 创建工作流」，打开创建工作流的弹窗。 2. 根据弹窗要求，自定义工作流信息，点击确认完成工作流的新建。 3. 新建完成后，可以看到整个编辑视图与功能。在左侧「选择节点」模块中，根据子任务需要，实际用到的有： 插件：提供一系列能力工具，拓展 Agent 的能力边界。例如本案例中涉及的思维导图、英文音频，因无法通过 LLM 生成，需依赖插件实现。 大模型：调用 LLM ，实现各项文本内容的生成。如本案例中的中文翻译、英文大纲、单词注释等都依赖大模型节点。 代码：支持编写简单的 Python、JS 脚本，对数据进行处理。 4. 编辑面板中的开始节点、结束节点，分别对应分解子任务流程图中的原文输入和结果输出环节。 5. 按照流程图，在编辑面板中拖入对应的 LLM 大模型、插件、代码节点，即可完成工作流框架的搭建。 此外，在“用 Coze 搭建一个神奇宠物诞生器”的工作流中，“定制召唤”工作流是“随机召唤”工作流的变种。对于“定制召唤”工作流，需要修改的节点包括： 开始节点：新增一个输入变量，定义为 keywords ，用于接收用户输入的宠物种类（动物或者植物）。 代码节点：要将特定的宠物种类关键词嵌入到描述 prompt 里。例如，如果召唤师输入“熊猫”，R 属性的宠物描述就要修改为“一个朴素小熊猫宠物，可爱，圆滚滚的，大眼睛，毛茸茸的。画风参考著名动画片《神奇宝贝》”，SR 和 SSR 依次类推。描述 prompt 变成三段字符串相加的情况，即原描述第一段+宠物种类+原描述第二段。其余节点均与“随机召唤工作流一致”。

以下是关于图片识别的相关内容： 神经网络在图片识别中的应用： 对于印刷体图片的识别，通常会先将图片变为黑白、调整大小为固定尺寸，然后与数据库中的内容进行对比以得出结论。但这种方法存在多种问题，如字体多样、拍摄角度不同会引入例外情况，且整体是基于不断添加规则，对于复杂情况如围棋难以应对。神经网络专门处理未知规则的情况，其发展得益于生物学研究和数学的支持，能够处理如手写体识别等未知情况。推荐阅读《这就是 ChatGPT》一书，了解更多相关知识。 判断图片是否为 AI 生成： 要培养判断图片是否为 AI 生成的技能，需要训练大脑模型。对于不善于此的朋友，可以借助一些网站，如 ILLUMINARTY（https://app.illuminarty.ai/），通过对大量图片数据的抓取和分析来给出画作属性的判断可能性。但在测试中可能存在误判，如结构严谨的真实摄影作品可能被识别为 AI 作图，这是因为鉴定 AI 自身的逻辑算法不能像人类一样综合考虑各种不符合逻辑的表现。同时，介绍了通过画面风格、物品 bug 等细节辨别图像是否为 AI 生成的方法，但需注意 AI 在不断学习，这些方法可能随时失效。

深度神经网络是机器学习文献中的一类模型，受到生物神经网络的启发。一般来说，深度神经网络可分为以下几类： 1. 前馈神经网络：这是实际应用中最常见的类型。第一层是输入，最后一层是输出。若有多个隐藏层，则称为“深度”神经网络。各层神经元的活动是前一层活动的非线性函数。 2. 循环网络：在其连接图中有定向循环，可能具有复杂动态，训练较难，但更具生物真实性。 深度神经网络具有以下特点和应用： 1. 可以计算一系列改变样本相似性的变换，几乎能应用于任何从输入到输出空间复杂映射的机器学习问题。 2. 能够用于模拟大脑工作方式、了解并行计算风格以及解决实际问题。 在其发展过程中，如感知机的出现推动了机器学习的问世，展示了其对简单形状分类的学习能力。神经网络本质上是多层感知机，早期只有输出层，而典型应用如分辨手写数字。 同时，在深度神经网络的研究中，还涉及到如深度玻尔兹曼机、受限玻尔兹曼机、深度信念网络等相关内容。但使用反向传播等方法存在需要有标签的训练数据、学习时间不理想、可能陷入局部最小等问题。

对于小白了解 AI ，以下是一些关键内容： 1. 概念方面： 生成式 AI 生成的内容称为 AIGC。 AI 即人工智能。 2. 相关技术名词及关系： 机器学习：电脑找规律学习，包括监督学习、无监督学习、强化学习。 监督学习：使用有标签的训练数据，目标是学习输入和输出之间的映射关系，包括分类和回归。 无监督学习：学习的数据无标签，算法自主发现规律，经典任务如聚类。 强化学习：从反馈中学习，以最大化奖励或最小化损失，类似训小狗。 深度学习：参照人脑，有神经网络和神经元，因层数多被称为深度，神经网络可用于多种学习方式。 生成式 AI：能生成文本、图片、音频、视频等内容形式。 LLM：大语言模型，生成图像的扩散模型不属于大语言模型，如谷歌的 BERT 模型可用于语义理解（不擅长文本生成），像上下文理解、情感分析、文本分类。 3. 技术里程碑：2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出 Transformer 模型，它基于自注意力机制处理序列数据，无需依赖循环神经网络（RNN）或卷积神经网络（CNN），且 Transformer 比 RNN 更适合处理文本的长距离依赖性。

数字人是运用数字技术创造出来的人，虽现阶段不能像科幻作品中的人型机器人那样高度智能，但已在生活各类场景中常见，且随着 AI 技术发展正迎来应用爆发。目前业界对其尚无准确定义，一般可根据技术栈分为真人驱动和算法驱动两类。 真人驱动的数字人重在通过动捕设备或视觉算法还原真人动作表情，主要用于影视行业及直播带货，其表现质量与手动建模精细程度及动捕设备精密程度直接相关，不过视觉算法进步使在无昂贵动捕设备时，通过摄像头捕捉人体骨骼和人脸关键点信息也能有不错效果。 制作数字人的工具主要有： 1. HeyGen：AI 驱动的平台，能创建逼真数字人脸和角色，使用深度学习算法生成高质量肖像和角色模型，适用于游戏、电影和虚拟现实等。 2. Synthesia：AI 视频制作平台，允许创建虚拟角色并进行语音和口型同步，支持多种语言，用于教育视频、营销内容和虚拟助手等场景。 3. DID：提供 AI 拟真人视频产品服务和开发，上传人像照片和输入内容，平台的 AI 语音机器人自动转换成语音并合成逼真会说话的视频。 更多数字人工具请访问网站查看：https://www.waytoagi.com/category/42 。使用这些工具时，请遵守相关使用条款和隐私政策，注意生成内容的版权和伦理责任。 以下是一些包含数字人的节目单示例： 1. 猜真人：2 个、8 个数字分身，判断哪个是真正的我，属于魔术互动类表演，需求技术为 AI 数字人。 2. 亲情的应用场景（逝者）：女儿打扫房间扫到去世父亲的二维码再次对话，涉及 AI 分身的积累准备。 3. AI 转绘：对最酷的电影进行混剪，涉及短片素材、AI 转绘、Lora 等。 4. AI 贺岁：晚会中场，数字人与团队致谢，包括共创团队记录、新年祝福等。 5. 打工人共情：涉及 AI 素材、共情脚本、炫技视频剪辑等。

以下是关于智能客服的相关信息： GPT 智能客服： GPTs 是 GPT 的一种 ID 账号形态，类似微信公众号，用户可开发自己垂类应用。其开放门槛低，基本是 0 代码，开发方式包括自然语言（prompt）、知识库（knowledge）、第三方 API 对接（Action）。GPTs 实现了目前最强的智能客服，具有对话流畅、多观点融合、答案准确等特点，但不太擅长推理计算。实现原理是将 FAQ 上传到知识库，让 GPTs 具有客服应答能力。猜测类似检索增强生成技术（RAG），将知识库（knowledge）和问题（prompt）一起做 embedding，扔给 LLM 作答。 源地址： 零成本、零代码搭建智能微信客服： 平台选择扣子（官网地址：https://www.coze.cn）。扣子是新一代一站式 AI Bot 开发平台，无论是否有编程基础，都可以在扣子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，还可以将搭建的 Bot 发布到各类社交平台和通讯软件上，让更多用户与搭建的 Bot 聊天。

DeepSeek 是一家具有独特特点和影响力的公司： 1. 其秘方具有硅谷风格： 不是“中国式创新”的产物，不能简单地将其比喻成“AI 界的拼多多”或认为其秘方只是多快好省。 早在 2024 年 5 月 DeepSeekV2 发布时，就以多头潜在注意力机制（MLA）架构的创新在硅谷引发轰动。 已成为中国最全球化的 AI 公司之一，赢得全球同行甚至对手尊重的秘方也是硅谷风格。 2. V3 可能是 DeepSeek 的 GPT3 时刻，未来发展充满未知，但有望为全人类的人工智能事业做出更大贡献。 3. 关于提示词 HiDeepSeek： 效果对比：可通过 Coze 做小测试并对比。 使用方法：包括搜索网站、点击“开始对话”、发送装有提示词的代码、阅读开场白后开始对话等步骤。 设计思路：将 Agent 封装成 Prompt 并储存于文件以减轻调试负担，实现联网和深度思考功能，优化输出质量，设计阈值系统，用 XML 进行规范设定等。 完整提示词：v 1.3。 特别鸣谢：李继刚的【思考的七把武器】提供思考方向，Thinking Claude 是设计灵感来源，Claude 3.5 Sonnet 是得力助手。

以下是一些可以优化 PPT 的 AI 工具： 1. Gamma：这是一个在线 PPT 制作网站，允许用户通过输入文本和想法提示快速生成幻灯片。它支持嵌入多媒体格式，如 GIF 和视频，以增强演示文稿的吸引力。网址：https://gamma.app/ 2. 美图 AI PPT：由知名图像编辑软件“美图秀秀”的开发团队推出。用户通过输入简单的文本描述来生成专业的 PPT 设计，包含丰富的模板库和设计元素，可根据需求选择不同风格和主题的模板，适用于多种场合。网址：https://www.xdesign.com/ppt/ 3. Mindshow：AI 驱动的 PPT 辅助工具，提供一系列智能设计功能，如自动布局、图像选择和文本优化等，还可能包括互动元素和动画效果。网址：https://www.mindshow.fun/ 4. 讯飞智文：由科大讯飞推出的 AI 辅助文档编辑工具，利用语音识别和自然语言处理领域的技术优势，提供智能文本生成、语音输入、文档格式化等功能。网址：https://zhiwen.xfyun.cn/ AI 生成 PPT 的主要思路： 以爱设计为例，将大纲导入工具生成 PPT。其他工具操作方式大同小异，都是基于 Markdown 语法的内容来完成 PPT 的生成。具体步骤，可以移步到 MindShow、闪击、爱设计等章节。 优化整体结构： 按照公司要求，可以自行优化字体、图片等元素。针对下载后的 PPT，可以删改内容以达到心理预期。 此外，还有以下受欢迎的 AI PPT 工具： 1. 爱设计 2. 闪击 3. Process ON 4. WPS AI 每一款工具都有其独特的优势，能助您快速、高效地完成 PPT 设计。

以下是关于如何用 AI 赚钱的一些分析： 首先，对于 GPTs/GLMs 能否赚钱的问题，答案是能，但大多数人不能。从一个 AI 产品经理的角度复盘 2023 年的所见所闻所感来聊，虽然目前最大的第三方 GPTs 商店 BeBeGPTs 收录了大量数据，但结果显示赚钱并非易事。 其次，谈到靠 GPTs/GLMs 赚钱的方式，OpenAI 刚推出 GPTs 时，产品的核心竞争力和护城河在于数据和服务上（定制化 Tools），而非 Prompt。例如，像 WebPilot 的作者通过自己开发的搜索接口提供搜索服务接入 GPTs，或者像小红书写作专家的作者收集大量小红书数据和规则包装成 GPTs。这些案例表明，简单通过 Prompt 写出的同质化产品容易被复制，难以长久赚钱。 另外，大型语言模型虽然厉害，但有时会算错小学数学题，因为其主要基于语言理解和生成，并非专门设计用于数学计算。 最后，学了 AI 有可能赚钱，人工智能领域有很多高薪工作，如数据科学家、机器学习工程师等，掌握 AI 技术可增加在金融、医疗、制造业等行业的就业机会和职业发展可能性。但能否赚钱还取决于个人的学习能力、实际应用能力、对市场和商业的理解等诸多因素，仅学会基础知识可能不足以在竞争中脱颖而出，需要持续学习和实践。