DeepSeek 是一家具有独特特点和优势的公司： 1. 秘方具有硅谷特色： 早在 2024 年 5 月 DeepSeekV2 发布时，其多头潜在注意力机制（MLA）架构的创新就在硅谷引发小范围轰动。 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味儿的。 2. 产品特点： 核心是推理型大模型，无需用户提供详细步骤指令，能通过理解用户真实需求和场景提供答案。 更懂人话，能理解用户用“人话”表达的需求，无需学习特定提示词模板。 能够深度思考，回答问题时不是简单罗列信息。 可以模仿不同作家的文风进行写作，适用于多种文体和场景。 3. 使用技巧： 可以扔掉提示词模板，用自然语言描述，直接描述真实场景和具体需求，使用提示词模板也完全没问题。 在提问时加上“说人话”“小学生能听懂”“菜市场大妈能听懂的话”等，让回答更加通俗易懂。 激发深度思考，如让其进行批判性思考、反面思考和复盘，以恢复深度思考能力。 通过指定模仿的作家和文体，让其生成符合特定风格的文本。 如果 V3 是 DeepSeek 的 GPT3 时刻，接下来的发展充满未知，但有趣的事还在后头，DeepSeek 理应为全人类的人工智能事业做出更大贡献。将其比喻成“AI 界的拼多多”是偏颇的，认为其秘方是多快好省也不全面。

RAG 即检索增强生成（RetrievalAugmented Generation），是一种结合了检索模型和生成模型的技术。 其核心目的是通过某种途径把知识告诉给 AI 大模型，让大模型“知道”我们的私有知识，变得越来越“懂”我们。 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。 一个 RAG 的应用通常包含以下 5 个过程： 1. 文档加载：从多种不同来源加载文档，如 PDF 在内的非结构化数据、SQL 在内的结构化数据，以及 Python、Java 之类的代码等。 2. 文本分割：文本分割器把 Documents 切分为指定大小的块，称为“文档块”或者“文档片”。 3. 存储：涉及将切分好的文档块进行嵌入转换成向量的形式，并将 Embedding 后的向量数据存储到向量数据库。 4. 检索：通过某种检索算法找到与输入问题相似的嵌入片。 5. 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一起来生成更加合理的答案。 RAG 的最常见应用场景是知识问答系统，用户提出问题，RAG 模型从大规模的文档集合中检索相关的文档，然后生成回答。 LangChain 是一个用于构建高级语言模型应用程序的框架，它与 RAG 的关系为： 1. LangChain 作为框架，提供了实现 RAG 所必需的工具和组件。 2. RAG 作为技术，可以在 LangChain 框架内得以实施和利用。 3. LangChain 允许开发者通过其模块化组件来构建 RAG 应用程序。 4. LangChain 通过提供现成的链和提示模板，简化了 RAG 应用程序的开发过程。 5. 利用 LangChain 实现 RAG 可以帮助开发者创建更高效、更准确的应用程序，特别是在需要大量外部信息来辅助决策的场景中。 6. LangChain 通过其丰富的 API 和组件库，支持开发者构建复杂的 RAG 应用，如智能问答系统、内容推荐引擎等。

waytoagi 知识库的对话功能开发涉及以下方面： 1. 提示词的运用：建议从最佳实践中的收录内容开始了解，像李继刚老师的结构化提示词很有意思，使用此类提示词能让模型给出更优质、完整的答案。操作过程中有很多有趣的提示词，如“酷老师”“抬杠高手”等，可点开并复制，将其丢进大源模型对话会有不同效果。近期提示词有升级，李金刚老师将其玩到新高度，cloud 等大语言模型可直接显示编译结果内容。输入特定提示词可生成卡片，小创业项目可利用并改变提示词形成独到见解或小应用。 2. 基于飞书 aily 搭建：在飞书 5000 人大群里内置了智能机器人「waytoAGI 知识库智能问答」，它能自动问答、进行知识搜索、提供文档引用、开展互动教学、更新最新动态、促进社区互动、实现资源共享以及支持多语言问答。用户在飞书群里发起话题时即可，它会根据 waytoAGI 知识库的内容进行总结和回答。 3. 解决知识库使用问题：整个知识库内容庞大，传统搜索基于关键词及相关性存在不足，需要用更先进的办法如 RAG 技术来解决，在群中提供快速检索信息的方式，使用更加便捷。

AGI 即 artificial general intelligence，指的是通用人工智能，能够做任何人类可以做的事。 在 AI 领域，AI 分为 ANI 和 AGI，ANI（artificial narrow intelligence，弱人工智能）只可做一件事，如智能音箱、网站搜索、自动驾驶、工厂与农场的应用等；而 AGI 则涵盖了广泛的认知技能和能力，符合 1994 年心理学家等对智能的广泛定义，包括推理、规划、解决问题、抽象思维、理解复杂思想、快速学习和从经验中学习等能力，且这些能力在或超过人类水平。名词“通用人工智能”（AGI）在 2000 年代初流行起来，以强调从“狭义 AI”到更广泛的智能概念的追求。

对于新手学习 AI ，这是一个长期的过程，需要耐心和持续的努力，不要害怕犯错，每个挑战都是成长的机会。随着时间的推移，您将逐渐建立起自己的 AI 知识体系，并能够在这一领域取得成就。 完整的学习路径建议参考「通往 AGI 之路」的布鲁姆分类法，设计自己的学习路径。

编写提示词（prompt）是一个关键步骤，以下是一些建议： 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：用简单、清晰的语言描述，避免模糊或歧义词汇。 4. 给出具体要求：如有特定格式或风格，在提示词中指明。 5. 使用示例：如有期望结果，提供示例帮助理解需求。 6. 保持简洁：简洁明了，避免过多信息导致模型困惑。 7. 使用关键词和标签：有助于模型理解任务主题和类型。 8. 测试和调整：生成文本后检查结果，根据需要调整提示词，可能需多次迭代。 在 SD 绘画中，编写提示词时： 根据想画的内容写，多个提示词用英文半角符号隔开。 一般概念性、大范围、风格化的关键词写在前，叙述画面内容的其次，最后是描述细节的。 每个词语在模型中的自带权重可能不同，越靠后的权重越低。 可用括号人工修改提示词权重。 关键词应具特异性，措辞避免抽象和有解释空间。 在利用 Claude 制作 Crossword 小游戏时，提示词编写也很重要，复杂点在于代码，需根据需求分析逐步实现，包括单词和解释、卡片制作、难度设定等环节。

以下是关于 Coze 教程的相关内容： 可能是全网最好的 Coze 教程之一，能一次性带您入门 Coze 工作流。即使是非技术出身的爱好者也能上手跟学，一站式学会 AI Agent 从设计到落地的全流程方法论。 阅读指南： 长文预警，请视情况收藏保存。 核心看点： 通过实际案例逐步演示，用 Coze 工作流构建能够稳定按照模板要求生成结构化内容的 AI Agent。 开源 AI Agent 的设计到落地的全过程思路。 10+项常用的 Coze 工作流的配置细节、常见问题与解决方法。 适合人群： 任何玩过 AI 对话产品的一般用户（如果没用过，可以先找个国内大模型耍耍）。 希望深入学习 AI 应用开发平台（如 Coze、Dify），对 AI Agent 工作流配置感兴趣的爱好者。 注：本文不单独讲解案例所涉及 Prompt 的撰写方法。文末「拓展阅读」中，附有相关 Prompt 通用入门教程、Coze 其他使用技巧等内容，以供前置或拓展学习。 Coze 概述： 字节的官方解释：Coze 是新一代一站式 AI Bot 开发平台。无论是否有编程基础，都可在 Coze 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。并且，可以将搭建的 Bot 发布到各类社交平台和通讯软件上，与这些平台/软件上的用户互动。 个人认为：Coze 是字节针对 AI Agent 这一领域的初代产品，在 Coze 中将 AI Agent 称之为 Bot。 字节针对 Coze 这个产品部署了两个站点，分别是国内版和海外版。 国内版： 网址：https://www.coze.cn 官方文档教程：https://www.coze.cn/docs/guides/welcome 大模型：使用的是字节自研的云雀大模型，国内网络即可正常访问。 海外版： 网址：https://www.coze.com 官方文档教程：https://www.coze.com/docs/guides/welcome 大模型：GPT4、GPT3.5 等大模型（可以在这里白嫖 ChatGPT4，具体参考文档：），访问需要突破网络限制的工具。 参考文档：https://www.coze.com/docs/zh_cn/welcome.html AI Agent 的开发流程： Bot 的开发和调试页面布局主要分为如下几个区块： 提示词和人设的区块。 Bot 的技能组件。 插件。 工作流。 Bot 的记忆组件。 知识库。 变量。 数据库。 长记忆。 文件盒子。 一些先进的配置，如触发器（例如定时发送早报）、开场白（用户和 Bot 初次对话时，Bot 的招呼话语）、自动建议（每当和 Bot 一轮对话完成后，Bot 给出的问题建议）、声音（和 Bot 对话时，Bot 读对话内容的音色）。下面会逐一讲解每个组件的能力以及使用方式。

以下是一些快速提高向 AI 工具提问能力的方法： 1. 先了解 AI 工具的功能和适用范围，明确其能解决的问题类型。 2. 学习相关的基础知识，例如 AIGC 背后的原理，以便更深入理解 AI 的可能性和局限性。 3. 避免拟人化的提问方式，而是直接清晰地描述问题。 4. 对于复杂的问题，逐步分解，分步骤进行提问。 5. 学会批判性地看待 AI 的输出结果，如有错误，分析原因并进一步优化提问。 6. 多参考他人成功的提问案例，如学生在春游前提问关于便携食物的规划。 7. 利用群里的交流氛围，如“公开问”，学习他人的提问技巧。 8. 对于不熟悉的领域，先进行一定的知识储备，再向 AI 提问。 9. 不断练习和尝试，在实践中总结经验，提高提问的准确性和有效性。

以下是关于学习 AI 的全面指导： 一、了解 AI 基本概念 首先，建议阅读「」部分，熟悉 AI 的术语和基础概念。了解什么是人工智能，它的主要分支（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。同时，浏览入门文章，这些文章通常会介绍 AI 的历史、当前的应用和未来的发展趋势。 二、开始 AI 学习之旅 在「」中，您将找到一系列为初学者设计的课程。特别推荐李宏毅老师的课程。您还可以通过在线教育平台（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。 三、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），您可以根据自己的兴趣选择特定的模块进行深入学习。同时，一定要掌握提示词的技巧，它上手容易且很有用。 四、实践和尝试 理论学习之后，实践是巩固知识的关键，尝试使用各种产品做出您的作品。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。 五、体验 AI 产品 与现有的 AI 产品进行互动是学习 AI 的另一种有效方式。尝试使用如 ChatGPT、Kimi Chat、智谱、文心一言等 AI 聊天机器人，了解它们的工作原理和交互方式。 六、中学生学习 AI 的建议 1. 从编程语言入手学习 可以从 Python、JavaScript 等编程语言开始学习，学习编程语法、数据结构、算法等基础知识，为后续的 AI 学习打下基础。 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 可以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，学习 AI 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，为未来的发展做好准备。 七、在医疗保健领域中让 AI 像我们一样学习 AI 将不可逆转地改变我们如何预防和治疗疾病。为了在医疗保健领域产生真正的改变，应投资于创建一个模型生态系统——“专家”AI，让它们像优秀的医生和药物开发者那样学习。成为某个领域顶尖人才通常以多年的密集信息输入开始，通过正规的学校教育和学徒实践，从该领域最出色的实践者那里学习。对于 AI 来说，应通过使用彼此堆叠的模型来训练，而不是仅仅依靠大量的数据。例如，先训练生物学的模型，然后是化学的模型，再添加特定于医疗保健或药物设计的数据点。预医学生和设计新疗法的科学家都需要经历系统的学习和实践，这种学习方式有助于培养处理细微差别决策的直觉。

以下是关于 liblib 的教程： 线稿提取教程： 1. 出两张彩色的稍连贯的图片。 2. 提取第一张的线稿图： 用 liblib 提取，进入 https://www.liblib.art/ 。 点击【在线生图】。 滑到下面找出【ControlNet】并点击右侧。 点击上传图片。 勾选【启用】、【允许预览】、【Lineart】，预处理器选择【写实线稿提取】，并点击【运行&预览】。 把右侧的黑白图拉到左侧栏，预处理器改为【invert（白底黑线反色）】，并点击【运行&预览】，线稿提取大功告成！右键图片另存即可。 文生图简明操作流程： 1. 定主题：确定要生成的图片主题、风格和表达的信息。 2. 选择 Checkpoint：根据主题选择贴近的 checkpoint，如麦橘、墨幽的系列模型。 3. 选择 lora：寻找内容重叠的 lora 以控制图片效果及质量。 4. 设置 VAE：选择 840000 那一串。 5. CLIP 跳过层：设成 2。 6. Prompt 提示词：用英文写需求，单词、短语之间用英文半角逗号隔开。 7. 负向提示词 Negative Prompt：用英文写避免产生的内容，单词、短语组合，中间用英文半角逗号隔开。 8. 采样方法：一般选 DPM++2M Karras，也可参考 checkpoint 详情页上模型作者推荐的采样器。 9. 迭代步数：选 DPM++2M Karras 时，在 30 40 之间。 10. 尺寸：根据喜好和需求选择。 11. 生成批次：默认 1 批。 此外，还有 Liblibai 简易上手教程，包含概念与功能说明、简明操作流程、prompt 简易技巧三部分。可通过进入免费在线生图。若有不明白之处，可在评论区交流或添加微信：designurlife1st 沟通。