ppt 相精编教程之 ai 数字人动态走路闯关路线图如何做出这样高清的数字人透明背景视频呢？ 首先先生成数字人侧面走路的绿底图片，用这张图继续生成走路视频指令词，复制我这段生成好的视频，检查下 没问题，上传到抠像转 gif 动图网页，按照这些调整，自动给我们生成透明背景的视频了，插入 ppt 就 可以完美呈现。大家有什么好奇的 ai 技巧告诉小将帮你解决。
粉丝266获赞1058
相关视频
02:27查看AI文稿AI文稿最近还有很多大一还有准研一的同学啊，都渴望在我们的暑假期间系统把 ai 学一学。那我给大家列一份吧，就是按照咱们一个半月来去说 最快速最详细的一个路线图。首先第一件事， python 和数学，我建议大家咱们花一周的时间快速去了解，就是不要说你浪费很多时间啊，学怎么写代码，学数学当中什么公式推导，因为后续用不上， 后续已经没人说自己写代码，自己推导公式了。第一步，咱们一周时间快速学 python 数学。接下来呢，咱们再花一周时间 把机器学习当中四个算法我们快速过一过啊，建立回归逻辑，回归树模型，随机分离。大家都知道老师，为什么这四个，因为是最简单最基本的，但是老师让其他呢？ 其他的我觉得用上的机会非常小的。嗯，你补基础不用学太多啊，这四个我们花一周时间快速了解熟悉就行，不用说你去会公式推导，能理解基本逻辑，能知道大概流程即可。为了方便大家学习，我把要学的内容整理成了一份详细的学习路线，还有对应的学习教程， 每天学什么算法，做什么项目，看什么论文，都给你定好了。想学评论区留个六六六就能暴走摄影师啊，可能我们现在已经过了两周是不是？那可能接下来 我们还有一个月的时间，这一个月时间咱们稍微拆分，拆分前半个月呢，我们学深度学习基础。后半个月呢，我们去啊做一些专题的应用，拿基础来说，就是神经网络、计算机网络传输中码，先把这几个算法学会， 然后呢再有时间我们熟悉熟悉拍套框架，因为后选咱们所有的任务，所有代码都是结合拍套框架去写的啊，所以说基础算法包括拍套框架一定得学会。那再有半个月，我建议大家咱们先做一个小项目，就是会抵 bug 原码。 我最近给大家推荐两个我觉得非常简单的，就是可以开箱即用的。第一个叫 v i t， 它是一个视觉 transform 结构，就是后续你做什么都能用上的啊，它是一个基本结构，你们不仅要去看这些论文，还要能去理解原码的流程， 比如说啊，第一步怎么做，第二步怎么做，编码器怎么实现的，解码器怎么实现的，把原码的细节学会才行。第二个呢，叫做一个 u n t u n 这个东西啊，它是个分割模型，为什么选这个呢？就是我让大家抵 bug 也好，看论文也好， 你初学者我不能跟你选特别难的，你看不懂的就选这些最经典最简单的，就是往往越经典越简单的东西，他是你后面你 无论做啥都能用得上的，这些思想都可以套用的。所以说我们先把这样这样算法模型，咱们的 bug 过一遍原码好不好？如果大家你们找不到这些项目，也不知道这些路径按顺序该怎么去学，我有写好每天详细规划，欢迎大家评论区留言。
3398迪哥带你学AI
05:54查看AI文稿AI文稿暑假只有一个半月，零基础，能不能把 ai 系统学一遍完全可以。当然，不是说六周就能成为 ai 高手，而是带你完成一次真正的系统入门。前提是你每天都稳定投入两到三小时，而且每周都必须交出一个可以验收的成果。 很多人学 ai 第一步就走错了，一上来就啃高数，然后上网收藏了十几套课程，结果一周过去，连一段模型代码都没有跑通。不是你不够努力，而是你的学习顺序错了。 ai 入门最有效的顺序应该是编程和数学基础记忆学习，深度学习框架模型原理，最后再进入项目实战。 为了避免大家学到一半又不知道下一步做什么，我已经把要选的内容整理成了一份四十二天的学习路线，还有对应的学习教程。 每天学什么，跑哪段代码，用什么数据集，看什么论文，以及每周交付什么成果，我都给你列好了，想学的评论区留个六六六就能暴走。按照我这套路径，学完六周，你至少能拿到三样东西， 一套完整的 ai 知识框架，两个可以独立运行和讲明白的项目，一份可以持续迭代的代码仓库。第一周的目标不是让你把 python 和高数一口气学完，而是让你具备看懂代码、修改代码、排查问题的基本能力。 type n， 重点掌握变调循环函数、列表和字典，以及当代宿主 panda 数据处理和 map 技术可转化熟练使用 jupiter notebook， 学会创建虚拟环境，安装依赖和提取数据文件。 数学部分，只需要抓住模型中最常用的向量和矩阵代表什么？矩阵乘法在计算什么？导数？偏导数和梯度有什么关系？均值、方差和概率分部分别解决什么问题？ 这一周结束时，你必须完成一个小任务，读取一份 c、 s、 v 数据，处理缺失值，完成记录、统计和格式化，并且能够解释每一步代码在做什么，这才算真正完成。第一周第二周，跑通记学习完成流程先不要急着碰复杂申请网络，重点掌握四个经典算法， 限行、回归逻辑、回归决策树和随机森林。学习每个算法时，你都要搞懂三个问题，它是解决回归问题还是分类问题？输入什么数据？输出什么结果？用什么指标判断模型好坏，然后用斯科尔完整做一个实战项目， 比如访下预测、用户流失预测或者原点化分类向往必须包含数据清洗、特征处理、训练级和测试级划分模型、训练结果评估以及过滤和分析。这周学完，你必须搞明白数据是怎么进入模型的，模型是怎样产生预测结果的， 为什么训练级表现很好，测试级却可能表现很差？理解过你和欠你和的问题与原因。第三周，神经网络与 pose 式这周我们正式进入深入学习，不需要追求模型有多复杂，先把一条完整的训练流程跑通。你需要掌握 pose 中的几个核心模块， penaser 数据集、 data load 网络定义、损失函数优化器、反向传播以及训练模式和测试模式。最重要的是，你要彻底看懂一整套训练逻辑数据如何按批次进入模型，模型如何完成前向计算 学生函数如何衡量预测误差，提朵如何通过反向传播更新参数。然后可以用 minisk 完成一个基础的图像分类项目最重要，你不仅要看到准确率，还要保存模型，绘出训练曲线，并分析模型预测错误的样本。第四周 c n 与 control flow 模型 学 cnn 别死磕网络结构，重点是搞清楚卷积盒怎么提取出特征，特征图尺寸为什么会发生变化，矢化层解决什么问题？网络为什么能够从边缘逐渐学到更复杂的图像特征？ 学成方面，你要搞懂四个核心输入为什么要转上 token， 位置编码什么，用 separation 再计算哪些信息之间的关系。多个你 code 模块是怎样逐层提取特征需要的？ 记住不要只满足于代码运行成功，每经过一个关键模块都打印一次数据维度。只有当你能够说清楚每个张亮的形状为什么发生变化，才算真正掌握了模型。第五周，完成第一个正式项目 changeforever， 也就是 vip。 核心思路是把一张图片切分成多个 patch， 再把这些 patch 当做一组世界 token， 送入 toforever in code， 完成特殊提取和分类。这个项目至少要完成四件事，画出完整的数据流和模型结构图，打印每个关键模块前后的张量维度， 调整学习率、批次大小或者数据增强策略，记录结果变化。在 readme 中写清楚环境配置、运行方法、实验结果和改进方向。不要只接一张代码运行成功的图片，真正有价值的项目是别人拿到你的代码也能按照你的说明复验结果第六周用。 net 向分割项目 缺优待的时，重点理解五个模块，编码器、解码器、下彩页、上彩页和跳跃连接。分类任务只需要判断图片属于哪个类别，而分割任务需要对图片中的每一个像素进行预测，因此，你不仅要输出一个类别，还要生成一张完整的分割眼膜。项目完成后，至少展示三组结果， 原始图片真实标注和模型预测结果。同时使用 i、 o、 u 或者代斯等指标评估分隔效果，观察模型在哪些边界或者小目标上容易出错。最后尝试修改数据增强方式、损失函数或者渲染轮数， 并整理一份实验。对于表，在项目阶段，可以开始阅读 v i t 和 u n t 原始论文，但不要一上来就逐字翻译权文。第一遍只看四个部分，这还要讲的什么问题？模型结构图是怎样设计的？实验表格证明了什么？ 作者还存在哪些没有解决的问题？然后用页纸写清楚这篇论文解决了什么问题，用了什么方法，为什么有效，以及能否在代码中找到对应模块， 这比单纯划重点更有用。六周之后，你不一定要成为 ai 高手，但你一定能回答四个最关键的问题，数据是怎样进入模型的？模型是怎样完成，计算的？参数是怎样被更新的？最终结果应该怎样评估和改进。 能够回答这四个问题，你才算真正迈进了 ai 的 大门。所以，不要再收藏一堆课程，然后继续焦虑。今天就从第一步开始，配置环境，打开 notebook， 跑通你的地段，代码从今天开始逆袭！
457迪哥带你学AI
02:04查看AI文稿AI文稿准大一和准研一的同学啊，现在都在暑假期间啊，说想去自学 ai， 是 不是我们另一个吧，就是也不用太多负担的。一个半月，咱们高校的学习方案应该长什么样子？首先第一件事，就如果说你时间比较多，因为我觉得准大一准研一你时间挺多的啊，你先把记忆学习了解了解， 不用学太多，继续学当中啊，学四个算法就够用了，宪性回归、逻辑回归、随机森林、树模行。为什么？因为这四个是为你后续学习做铺垫的。像是宪性逻辑回归啊，是为了咱们学神经网络，因为它是单层神经网络。然后呢，树模型，随机森林学点其中算法，是为了以后做做数据挖掘，做究挖数据。 大家主要是其他算法呢？暂时就不用了啊，因为其他算法你学了更多的负担，他对你的帮助其实不是特别大。第二件事呢，我们就直奔深入学习，深入学习当中啊，神经网络，卷积网络、 transfer。 咱们理解完之后，学一个拍套式框架，为了方便大家学习，我把要学的内容整理成了一份详细的学习路线，还有对应的学习教程，每 每天学什么算法，做什么项目，看什么论文，都给你编好了，想学评论区留个六六六就能暴走。学完之后啊，就是你要想一想接来你的倾向性，你想选择哪个方向，比如说再去学什么东西，看你导师给你规划，如果你的导师没给你规划，我建议大家先从视觉开始去，因为视觉学起来简单， 它更多情况下就是能看得着摸得着的东西，不像你做 a r p， 你 这个东西做起来比较抽像，是不是视觉入门比较容易？我建议大家入门的时候啊，你们去啊看几个经典项目，就是趁暑假期间，咱不说太多，你就看几个经典项目。第一个咱们看什么？第一个咱们先看一个分类项目，叫做 v i t， 第二个我们看做一个检测项目，叫做优喽，看这两个项目啊，趁着大家暑假有时间，我觉得够用了，但是你在理解这两个项目过程当中我告你们怎么学啊， 不是说去看一遍算法，也不是说去读一遍论文，而是打开我们的拍唱或者集合你的 vs code， 打开一个编辑器干什么？咱们去 develope 源码，你把这样源码咱们从头到尾过一遍。我现在对大家自己的提升是比较大的， 如果大家你还不知道到哪去找这些论文，找这些算法，找这些源码，欢迎评论区留言，我都给大家准备好了要去学习全部的资源。
234学AI的唐劳斯
00:11查看AI文稿AI文稿一件科研路线图，把画图从负担变成顺手的事。上传文档， ai 出图、流程图、机制图、框架图全部一键生成。
24柒柒同学搞科研
01:17查看AI文稿AI文稿你们记住俯视站位图一定是高阶的 ai 视频导演用到的一个图，它一定是有一个宏观思维的，那么我们今天继续来讲俯视站位图当中的人物运动来怎么卡？ 我们都知道我们做这个 ai 视频的时候，先搞人物资产，比如说我们搞两个人物资产， a 和 b 两个人物资产， 那么我们在这个画面之中怎么运动？比如说这里是一个门，这是一号门，这里是二号门，那么我想的方法是，比如说我们让 a 运动，从一号门运动到二号门，我们可以标一个箭头的一个路线提示词的一个线， 我们让 b 从二号门穿过这里运动到一号门，我们标一个虚线，这个把我们的俯拍的场景图定好以后，我们自己用手动的虚线把这个东西标出来，最后生成的时候把这个路径抹掉就可以，这样你就非常好的就能够确定你人物运动的一个路线。 方法呢也特别简单，我们在写提示词的时候艾特一下，比如说把第一个 a 的 场景资产按照红线进行运动， b 的 场景资产 b 人物按照黑线进行运动， 这样我们整个的运动的轨迹就特别清晰，不会出错了，这是我们俯视站位图的人物运动，下一期我们讲摄影机运动。
122青禾AI—猫腻
00:21查看AI文稿AI文稿给大家推荐一款 ai 智能绘图软件，数据图多种图表随心选，不用搜集整理数据， ai 一 键同步生成结构图，各式结构图轻松绘制成意图，覆盖多种学科。完成后下载保存， 全程没有复杂操作，不用繁琐调整，只需要输入绘图内容， ai 智能绘图即刻完成，简单好用。
124小野来啦
02:33查看AI文稿AI文稿搞科研的谁还没有被技术路线图折磨过，两步带你搞定像这样的逻辑严谨，还完全贴合你内容的技术路线图啊，直接搭建一个 skill， 我 把这个完整流程拆给大家，你照着做一次之后只要上传内容就能生成不同版本的像这样这样这样的技术路线图。 第一步，我们这打开豆包的办公任务，点击本地电脑，点技能里边的文档，我们把你的研究内容和你预期想得到的这个技术路线图的参考模板都在本地新建一个文件夹放到这个里边，然后在豆包这直接选中这个文件夹，它就可以直接阅读你这个里面的所有内容，之后它生成的产物也会放到这个文件夹里边，非常方便。 我们直接用下边这条指令，让他先作为科研方法学专家，根据我们文件夹里的研究内容，按照研究目标、核心研究内容、技术方法、数据分析路径和预期产出这个逻辑，先把我们的研究内容给梳理出来， 他就自动把这个研究拆成了几个部分。第一个我这个研究他主要要解决什么问题，特别让这个目标的具体做了哪几块的研究内容。第三个，他就对每一块内容都具体展开了，去拆解他到底都用了什么方法，怎么研究的。 最后再把完整的分析路径和预期的产出串起来，逻辑核对没有问题了，我们就来到第二步这个办公任务下边，咱们点这个技能里边的格式化技能，让生成格式化看板。刚刚我们不是在那个文件夹里面已经把我们参考的这个技术路线图放进去了吗？它就可以直接读取。我们接着用这个第二条指令， 这个核心是让它按照咱们上传的模板，把上面梳理好的内容绘制成图式。 ok， 之后它就会直接在这个画板上从上到下逐步给你输出，直到你 get 到这一整份的完整的技术路线图。 你就说他出来的完整这个效果是不是就特别有顶刊的感觉了？他出来的这个图就完全按照咱们的模板构架来的，相当于把你捋顺的研究内容自动套进了这个规范的格式里边，不用你一个个拖框、调颜色、对齐箭头等等，他一步直接出图。 要是想调整细节或者说去做不同版本的，也不用重新画，直接让他从不同的侧重点直接再输出三版。这有这个逻辑闭环版，重点突出研究的学理性和因果机制，把供给需求这个理论闭环讲清楚。 第二个呢，它出了一个方法流程版的重点展示了这个研究方法、数据来源和具体的这个技术步骤，你方便评审，快速看懂你的研究设计嘛，适合开题答辩或者项目申报的时候。 最后一个是时间阶段版，它就是按照你的研究进度、任务安排和里程碑这个节点来展开的，更适合你。在申报书里边儿，它不是专门有一个 part 要放那个时间安排吗？你可以放进去 整体，你看这个效果不就出来了啊，非常直观啊。 ok， 之后我们点击这个技能创建技能，让它直接把上面这个流程给我们内化成一套完整的技术路线图 skill， 你 看这儿创建着好之后，我们下次用的时候直接点击就可以按照这个流程给你出新的技术路线图图示，快去试试，非常好用。
602jiarui的读博笔记
00:35查看AI文稿AI文稿摆脱地图焦虑，轻松拿捏不是梦。随便画几根小线，冒充大路，全选线路， control 家具捆绑成组窗口打开外观面板，点效果里的路径选轮廓，画描边 全选。再次主家记编组点效果里的路径查找器选择相剪，再用风格化里面的圆角修改参数，优化边缘，最后用小白工具选中端点路线随意改，地图绘制不再难选，你学会了吗？
02:33查看AI文稿AI文稿如果有人告诉你，企业做知识库一定要上 web， 那 大概率是在赚你的钱，百分之九十的中小型企业根本不需要用到 web。 今天我用两分钟告诉你，企业想做知识库，到底该怎么一步一步搭起来。 很多老板现在都有一个误区，以为 ai 知识库就是买一套系统，上一套平台，然后把各式各样的 pdf、 word 全部扔进去就完事了。其实不是这样的，企业 ai 知识库真正的目的只有一个，就是让 ai 越来越懂你的企业。 为什么很多老板用了 dipstick 叉 gpt 以后觉得不好用？不是模型不够聪明，而是也根本不知道你们公司的产品，不知道你们的客户，不知道你的销售话术，更不知道你们公司的流程，所以他回答的再好，对你来说也没有什么价值。 那企业应该怎么做？其实我这里可以把它分成五个阶段。第一阶段，直接投喂，我觉得这大部分人都会，就是把产品资料、 pdf 方案上传给 ai， 让他帮你完成任务，这是最低成本的尝试。 第二阶段，也是我最推荐中小企业先做的就是目录化知识库，把产品资料、客户案例、销售话术、 sop、 会意、制药等分类整理好，让 ai 知道遇到什么样的问题，该去哪里找资料。 很多企业做到这一步， ai 的 效果已经完全不一样了。永远记住这句话，企业知识库第一步不是建平台，而是整理资料。 第三阶段，当资料越来越多以后，就需要建立知识。所以简单理解就是 ai 开始会把你的文件串起来，知道哪些内容相关，哪些资料应该一起使用？找资料回答问题的效率会越来越高。 第四阶段才是视频一开始提到的 red， 当企业已经有几万份资料的时候，通过 red 技术提前先把这些资料做好切片和向量化，然后 ai 能够通过语义快速的去找到相关的答案。它的优点是解锁效率高，回答速度快，但是中小型企业需要做 red， 还是需要成本的。 最后第五阶段就是把它建好的 reg 知识库真正接入到你的业务系统，比如客服系统 a i a 等等。这个时候 ai 已经不仅仅是回答问题，而是真正开始参与工作，帮助员工完成业务。 如果你现在准备做企业 ai， 我 建议你不要一上来就研究 work， 而是先把第二步做好，把企业的知识整理出来。 ai 知识库从来不是一个技术项目，它真正沉淀的是企业最有价值的资产和经验。等你的资料真正多起来，再考虑后面的技术方案。 如果大家有兴趣，我后面会安排一期针对中小型企业都能落地的 ai 知识库的分享。我是米咖学长，下期再见。
94米咖学长
03:43查看AI文稿AI文稿二、 a g 的 全流程，一条视频讲明白从文件进来，答案出去，每一步都有什么技术，我们来过一下，一共八步，先系这一条线接进来，图和表一起扒洗干净，切块，向量化存好， 剪出来重排，最后丢给大模型。第一步，接入和解析，我放在这一步一起说，纯文本求快，直接用 python pdf 中文扫描件，表格公式多的上 mini 优， 它内置了 python 的 和版面分析，基本一把缩。嗯，英文文档或者代码类用 mark 还原的最干净。还有一类 图里那种 ocr 也抠不出来的图表，丢给千万二点五 l 或者 gpt 出一段图注，这段图注就相当于是普通文字，然后一起进到缩印里边，到这一步，文字表格图里边的信息就都齐了。 第二步，清洗，这个得看量级别，一刀切百分以内的部门制度规则，粗洗加人工抽检微调就够了，不用搞复杂流程。千分级的全公司业务库得上自动化规则清洗， 再让大模型批量清洗配个人抽样质检。到了万分以上的全域企业制度库，就需要搭一条数据清洗流水线才能够扛得住。第三步，切块， 默认先按固定大小切，最简单真上生产环境，我建议第规字符切分最稳。带结构的文档，比如有标题层级的 markdown 代码就按结构切，别硬砍 精度要求高的场景用语，一分块长文档还是 light chunking 最合适。先诊断编码，再切中文，简缩明显更准。 还有一条我得强调，不管你用上面哪一种，我都建议相邻块之间叠加一部分，给每个块补一段上下文，召回能再上一个台阶。第四步，向量化 中文可以选 bgm 三模型，用模型把稀疏稠密多一种全包了，正好为后面的混合解锁。想省本地内存本地跑的用 bgm。 阿里这里还有 tekken betting 系列， 也是中文场景的常用选择，还可以试试 open ai 的 大模型。第五步，存储本地用 colorma 或者 fas， 生产用 mirwars、 kdelink 等这些懒一点的直接用 pg 塞进 postgrace。 图片向量，想单独查的可以再开一个 clip 或者 bgvl 的 库。 第六步，解锁别只差项链上混合重密加 bm 二五， bm 二十五，用 emes 或者润可 bm 二十五都行。快热改写 h i d e。 把召回拉起来，解锁之前先按来源和时间做个原数据过滤，这部成本低，见效大。 第七步，重排召回的一大头用 b g e 润润可 v 二 m 三或者 c 润润可过一遍， 把最相关的顶上来，顺序是先捡一大票，再重排挑 top 的 n， 别搞反。第八步，生成，把挑出来的片段拼进题词，带上出处和页码，丢给大模型出答案。没页码就等于没有引用，这点别偷懒。 基础版到这就通了，真上生产你还得加评估，用 regas 或者 dbwall 看效果，加护栏防注入，过滤个人敏感信息，再加缓存和买点这些内容以后单独讲。八步走完一条能上生产的 rou 接口流水线，股价就有了。
01:05查看AI文稿AI文稿我只是在图片上画了一条线， ai 竟然直接生成了无人机都难拍的 fpv 穿越镜头！更夸张的是，这不是随机生成的镜头，我的线画到哪里， ai 就 飞到哪里，从起点到路线再到终点，全部可以控制。今天就教你怎么用一张图片做出这种高速 fpv 航拍视频。首先准备一张高清城市建筑图片，也可以是风景图， 重点是画面里面要有明确主体，打开任意图片编辑工具，想让镜头怎么飞就怎么画。然后上传到孟老师里，选择 sd 二点零模型，全能参考十六比九 十五秒点击生成。但是很多人会卡在这个地方，明明画了路线，为什么 ai 还是乱飞？我们打开大语言模型， 上传你准备好的图片，输入，帮我描述一下这个画线的位置，经过的轨迹， ai 就 会自动帮我们生成。直接复制粘贴，点击生成搞定。你看，只要掌握了画线控制，再配上这个万能提示词，替换成你自己的素材，一键就能生成好莱坞级别的视觉大片。
744昭仪AI（华小二团队）
01:39查看AI文稿AI文稿深度学习，正确的学习顺序是什么？我建议大家绕这条路来啊，就是前期一定要不要给自己找太多的负担。前期呢，咱也不用说往死了学特别多的东西，我们以什么？以应用为导向，以边学边查，边学边练为导向，这样咱的效率能比较高 啊。第一种建议大家咱先学社会学，当中经典的算法，包括神经网络、卷积网络、 tomforeman， 第一周理解三个算法基本的原理即可。第二周呢，咱们学个框架，叫拍头框架， 理解 python 框架，基本的使用为主。这就半个月时间了，为了方便大家学习，我把要学的内容整理成了一份详细的学习路线，还有对应的学习教程，每天学什么算法，做什么项目，看什么论文，都给你定好了，想学评论区留个六六六就能暴走。 那接下来我建议大家，咱们要选一个方向了，就是深入学习啊，能作用太多了，一般就两个分支，计算机视觉，或者三元处理，或者数据挖掘。三个分支吧。啊，我给你们举个例子，如果说你想做视觉相关的，那你可能接下来要去花很多时间去看算法，去读论文，去抵八个原码， 包括检测、分割、行为识别的，都要去过一遍。如果你以自然元处理为主呢，你可能要直奔大模型了。学什么？学一些 transformer 这个包学大模型，微商量化部署学整体搭建。就说你以数据挖掘为主呢，那你可能要拓展一些，比如说时间序列啊，同城的网络啊，怎么处理这些结构化数据的东西？ 若大家借来，你想把生活学习分支自己选一个，请我去学这三个分支，无论大家选哪一个，我都有详细立好的规划，具体读哪些论文，具体跑哪些卷码，具体咱每天做什么东西。欢迎大家评论留言，留下你的需求，你要去选哪一个，我来给大家呈现出来完整的一套方案。
366迪哥带你学AI
14:37查看AI文稿AI文稿哈喽，大家好，我们接着讲 luncheon 系列的课程，这是第十六课，也就是最后一课，我们看一下这个 luncheon 这个东西呢，如何在企业里边一步一步的去落实这里呢？有一个落地的路线图，也就是我们本节课需要讲的内容， 我们做一个就是类比，就是呃就像你在盖不同的楼，然后每一栋楼上去逐层的叠加这样一个渐进式的一个阶段。我们在第一个阶段的时候呢，我们就像打地基一样，我们可以用这种就是 rug 问答的这种方式，把企业的知识我们喂给 ai， 然后呢我们就 呃实现一个 rap 问答这样的一个功能就可以了。那第二个阶段呢，我们就类似于接通这种水电煤气，就是我们可以把这个工具调用，然后呢赋能给 ai， 让 ai 呢可以调用工具能做一些事情，比如说调用我们的业务系统去查一些工单，查一些订单这样一些事情。 第三个阶段呢，就是这种盖多层，就是我们可以设计这样一些楼层，一些动线，然后呢我们可以设置这种多部的这种 agent， 让 ai 呢自己去规划一些任务，比如说让他去做一个研究报告，或者是找一个呃完成一项工作任务。 第四个阶段就相当于精装修加这种智能家居的这种阶段，比如说我们有代表性的这种 deep client， 就是 带记忆的这种数字员工，你的你的任何工作偏好，他都可以记忆下来，方便后续的一个呃使用。 那下面的话就是我们分阶段，再说一下，就是从 ai 工具到数字员工的这样一个进化的路线图，就在第一阶段呢，就是 log 问答，这种的话就是我们可以就是在两周啊，两周到四周这样一个时间之内呢，就可以上线，并且呢每一个员工都可以体验到它，体验到它的一个便利。 第二个阶段呢，我们可以加上这种工具要用，我们一般就是花一到两个月的时间，然后去迭代加上这样一些功能。第三个阶段呢就是多倍 int， 我 们以在两到三个月的时候再迭代加入这样的功能，三到六个月的时候可以再加上这种低配 int， 就是 有记忆的推理的，进化的这样一些能力。 那我们先看第一个 rock 生存解锁，这个的话是让 ai 读懂你的企业，它的基本原理呢，其实就是用户提问，然后呢我们的 ai 去解锁器，通过解锁器去解锁我们相关的文档，然后呢把解锁到的文档 结果反馈给大模型，大模型根据你用户提问和检测到的结果进行一个回答，然后回答的时候还会给你引用这个呃，参考的哪份这个手册文档，他这个典型的形态的话，像我们内部的这种知识问答，比如说 hr 的 这种手册，我们员工问的时候，比如说问年假政策等等，他有多，他有多少年假等等这类的场景就比较适合他，就是对外的这种客服，客服的辅助以及就是文档助手，我们传用文档的时候，让他把你总结或者提炼这样的一些业务场景， 那在这个的时候我们有些验证的一些点吧。就第一个就是减速质量，就是我们看前三条，前三条的减速结果命中率怎么样？他是不是有百分之七十的这种命中率正确的文档，这就回答的准确性，就是我们可以人工去抽查他回答的这个这个问题到底准确不准确， 以及用户的满意度，就是用户是不是满意啊？用户有没有点这个链接看全文，看原文以及延迟怎么样？它的时间是不是很长啊？还是说很短？ 那这边一这边有些常见的一些坑，比如说垃圾进垃圾出，就是你这个知识库本来就做的很烂，对吧？ ai 它也就分片切块 做的也很烂，那你接下来就是最后的效果就不好，最后就是这样一个规则吧，以及上下文窗口的限制和就是回退的这种策略。 我们再看一下，就是投入产出比的一个衡量，就是我们在知识库整理的时候，可能需要一到两周的时候，我们把所有的知识库给它整理好，比如说我们就用 这种行政的文档或者是 hr 这种文档相关政策我们可以整理，整理出来之后呢我们再去用技术去支撑这个集成，然后呢再去用 api 或者是这种硬件去实现啊，这样的话我们就这样一个投产出， 那这个阶段需要问自己的问题是什么？就是有没有一个整理好的结构化的这种知识库，就很清楚很清晰，然后呢人也能看懂， ai 也能看懂啊， 这是需要注意的，这里呢需要给大家就是提示的，就是说你整理这个文档呢，最好是一个 md 格式的，就是你可以用那个 type pro 这种 md 格式，这种编辑器去整理你这个文档，这样的话，因为 md 格式呢，是这个 ai 原生的天然的支持的这种东西。 那这里有里程碑，就是说用户开始主动使用这个产品查东西的时候，哎，这个就算达到你第一阶段这个目标了，而不是说再去问同事啊什么的，哎，这样就把人工解放出来了，这就是一个效果。 那第二个就是让 ai 能动手干活，这就是在第一个阶段的基础上，让他去查我们的数据库，比如说查一下用户的订单，或者是查一下用户的我员工的工资啊，我这个月发多少工资呀？然后呢？利用我们内部的这种这种 hr 系统， hr 萨斯，如果有的话啊， 如果就是 hr 吧，还有就是这种发通知啊，创建公单啊，这种你就可以接入这样的订单系统，这样的 a p i 去查询，去实现。那在这个阶段的就是 它的原则，什么就说权限，就是我们一定要是就是敏感操作，比如说付款删除啊，这样的操作也是有人工的，这种介入的就是 interrupter 这种机制，人类兜底啊，失败的时候要有这种处理啊。 那这里有一个投入产出比的这个产出，一个产出，那在这个阶段的话，就是我们 api 的 对接，开发权限体系的设计以及 fork api 的 成本的这个控制，这是需要做的。 然后我们这个阶段里程碑，什么就说当 ai 完成某件事的时候，这个我们用户说，卧槽，这也能自动做呀？哎，这个时候我们的用户呢，就会产生一个这个 ai 确实有用啊，确实能做一些事情，这样的话，哎，这个感受就非常好。 第三步就是多步 a 侦查，这样 a 侦查自己会想办法自己解决问题，核心的循环就是思考、行动、观察，再思考，再行动，一直这样的循环的完成。 这里面有四种编排模式，这也是我们前面四分，前边讲的就是顺序执行的，比如说这种报告生成的这种场景收集、数据分析及报告审核啊。这次第二种就是路由分发的这种方式，就是类似我们的医院里边这种分诊台，以不同的病这个表现啊，去不同的科室啊 啊。第三种就是并行执行的，就是用户同时搜竞品，用户评价去并行的。第四种就是循环迭代的啊，写审核改，再审核，再发布这样的类型。那什么时候用这个 long graph， 需要循环的，需要人为控制节点的，客户要加载记忆的，编辑的时候 m 就 可以用 long graph。 那这里边也有一个就是投入笔，投入产出笔的一个验证，就是前面这些都是我们的投入啊，我们的开发时间成本啊，我们验证的指标怎么验证？那这个阶段的里程碑就是什么？就是达成一个效果，当你给出一个模糊的需求的时候，比如说帮我做一品，做一份这个竞品分析，那这个时候 a 阵呢，会自己拆解， 自己拆解这个任务，自己查，自己写，自己改，哎，这个时候我们自第三阶段的这个目标就算达成了 啊。第四届呢就是 d programming， 就是 从工具真正意义上呢变成这个员工，它是一个有机意义，能学习，能绘画，能跨绘画执行这样的数字员工，这就是更高级的一个智能形态。 d programming 呢，它有六个核心的能力，就是执行上下文，执行环境，像我们的工具调用虚拟的文件系统代码的沙箱环境， 以上下文的管理的功能，自动的去加载这个技能，自动的去摘药压缩这个上下文。伪派就是自动的去生成子正子， a 正的处理子，这个子任务及任务的规划就是我们的人的这个控制啊，就是自我进化这样的一些技能。 那这边就是一个记忆的架构，回形差异式的在哪里？比如说这个短期记忆，就是这个短期记忆啊，单次绘画在在一次对话里边，它需要记住的这种单次画，绘画结束之后呢，它就丢失了。长期记忆呢，就是跨绘画的跨对话的这种记忆，我们可以长期的记忆， 这里面就是长期记忆。三种隔离级别，就是第一种用户级别的，就是每个用户他有自己独立的记忆，比如说我是 a 员工，他是 b 员工，我们的记忆都不相，都不一样，那就是做一个记忆的隔离助手级别就是同一个 agent 的， 所有的用户都共享的，比如说 我这个 agent 的 助手只能最多回复三百个字或者五百个字，这种的以及组织级别的就是所有用户，所有助手都是可以使用的，但是不对外批注啊， 那这里呢，就有个 deep link 生产部署的六个维度和这种部署的选择啊。像我们的记忆就是你是什么层级的记忆，你执行环境有没有代码杀箱以及文件的权限。多租户就是用户的身份，是不是相互之间隔离的啊？持久性如何？就是说 他有没有这种区块链这种自动化的，持续数小时或者是数天的这样机制及防护的护栏有哪些是自动的，哪些是人工审批的，这些需要去做一个区分和对应的防护前端他是一个聊天的，还是一个看法，还是一个公单这种形态， 那这就是部署的方式选择，比如说你可以用拳头管的，像 last miss cloud 云端那种，如果你自己团队有这种前端开发，后端开发的话，那你自己可以定制这个 ui， 以及就是自由化部署这样的一些这个部署的方式。 那这个四阶段的全景对比，就是我们在第一个 rock 啊，第二个是工具调用，第三个的 dividend 以及第四步的 dividend， 它们在不同的维度，像 ai 角色核心能力、自主程度，典型的延迟时间，单词的成本以及它的技术栈，就是使用什么样的技术。 然后团队的门槛就是我们对团队人员的要求，有怎样的一个要求，以及迪拜的周期，就是花费的时间，它有一个对比表在这里呢，可以截图保存，方便我们自己去查看。 那最后就是 ui 设计，就是每个阶段它的交互形态都是不一样的，就是比如在第一阶段的时候，我们用 draft 就 可能就是一个搜索卡片，搜索框或者答案，然后核心反馈就是给你引诱的溯源它应用哪个文档，哪个片段，我们可以用户可以去追问或者澄清。 第二个就是对话操作弹窗，就是我们可以知道用户的一些进度，当前正在做哪些事情？对一些敏感操作，我们可以审批，拒绝展示这样操作结果。 第三个阶段就是对话和进度面板，我们可以分布进度，用数据规划、暂停调整方向，展示我们的决策链，就是他是怎么决策的，我们可以接管随手的人工去接管这样一些手段。 第四阶段就是状态，在历史活动日记一块照设定目标，我们可以把这个目标设定给这个 agent， 他 自己去执行，自己去花进这个分布的计划，自己去 check 这个目标有没有实现。 那这里有个风险提示，五个全局大坑，每一个都可能让你前功尽弃。第一个就是月圈式升级，就是我们上来很多圈，上来就开始做 deep testing， 他 自己 rug 都没跑通，可能就是很多坑也太不知道怎么去解决，那你去上一个这样的东西的话，可能效果就没有那么那么好。 第二个就是这个成本幻觉，成本错觉，就是认为在第一个阶段呢，第一到第二个阶段的时候成本可以低呢。第三个阶段 到第四个阶段时候，这个可能就比较高了，这个时候你需要去核算这个 r y 投资成本，然后它这个是不是合适？然后如果人工做的话，它的成本是多少？时间是多少？任意的做时间和成本又是多少？ 第三个呢就是努力过度承诺，比如艾特做对十次你，你就很开心，然后第十次的时候犯第一次错误，用户就可能就不太信任你知道了，所以说叫设置合理的这种就是就黑幽默的 look， 就是 人工介入这样一些工作。 第四个就是忽略那种可可观才行，因为代码它也有 bug， 我 们需要定期的去 check， 就是 bug， 去修复我们的 bug。 第五呢就是组织准备度不够，就是 它这个 developing 呢？它不只是一个呃单纯的技术项目，而是一个组织的行为的，就是一个服务方式的一个变更，就是我们它是一个全流程的一个东西，它是更是一个数字员工，就是我们要在组织决策上发生一些变化，而去适配这种业务形态的改进， 那什么时候该停下来？就是不是所有项目都需要走到第四个阶段，就是我们去看每一个阶段它的一些情况，再去做决策。比如第一个阶段 我们准确率低于百分之七十的时候，你就先别往下走，先优化我们的知识库和剪辑的一些能力，比如说我们的切块准不准，我们材料准备的是不是细致，我们的召回是不是足够的准确，我们的排序是不是对的策略。 第二个阶段就是工具的失败率如何？就是我们先调了一工具，比如说查某一个人的工资，查自己的工具工资，或者提某一个工单，他这个调的失败率怎么样？你要去衡理啊。第三个阶段就是流程别太复杂，比如说做一个简单的这种流程 a t t 他 是不是 死循环了？有没有这样的问题？如果有的话需要去解决。第四个阶段就是将记忆的审查机制啊，就是 这个 agent 是 不是越用越聪明，还是说它越越来越用记忆越混乱，我们就需要调整我们的 agent， 而 md 这样的文档以及 memory 记忆啊这样一些操作去让它重新的去更新它的记忆。 那这里呢，本节课就是主要给大家讲的就是说我们这个 agent 它的一个实施的路线，我们可以从最基础的 rug， 然后工作流，然后 agent 以及 diviant 不 同的阶段去进化，然后每一个阶段都有对应的一些衡量的指标，或者是 阶段性的一个成果，已成倍的任务，大家可以对照的去核实好。以上课程呢，就是我们梁山系列的课程，就算结束了，后边呢我们会再加一些大家都能用的直接操作的这样的实操的课程，来给大家实际的提升这个工作效率。
04:072778阿九(提示词看主页)
01:14查看AI文稿AI文稿谁能最先逃出后事是大冤种笨哥天选之女祖怕扎卢怕还是凡事都讲逻辑的李兴哥。第一天，笨哥一进来就对着墙壁乱踢乱踹，指望能踹出个隐藏出口。祖怕姐则像走梯台一样，慢悠悠的在黄色房间里闲逛，完全没把逃生当回事。李 兴哥在发现有些走廊是无限循环后，开始仔细记下每一个地标，认真规划逃生路线。第三天，笨哥踩地毯太用力，不小心踩穿地板掉了下去，结果他居然刚好落在一堆叠起来的椅子上，毫发无伤。祖怕姐注意到墙上画着奇怪的箭头， 想都没想就跟着走了，完全不在乎是谁画的。李星哥发现不同房间的气味完全不一样，意识到后室的不同区域是在不同年代建造的。第五天，奔哥找到了一把旧的带轮办公椅， 直接玩嗨了，坐着椅子在长长的走廊里划来划去，划着划着就没影了。远处，祖帕姐随手推开了藏在两面黄墙之间的一扇粉色门，里面居然是一条崭新的走廊，灯光明亮，连后室标志性的嗡嗡声都没有。李星哥终于发现了荧光灯上方隐藏的监控摄像头，这才意识到 有人一直在全程监视着他们。第七天，笨哥还在某个黄色走廊里没完没了的划椅子。李信哥终于找到了一扇看起来像真正出口的门，可 当他推开门的那一刻，门后还是无尽的厚实。与此同时，祖帕杰走进了粉色走廊尽头那台奇怪的霓虹灯电梯，电梯里传来冰冷的声音，仅限 vip 祖帕进入。祖帕杰笑了笑，理了理头发，还是按下了发光的按钮，然后电梯居然真的带他离开了。
1.0万小一
01:02查看AI文稿AI文稿一张不会动的角色图，几步就开始挥手眨眼，这个角色动画技能会做出连续动作，再对其位置，最后交付透明循环素材。 普通做法最容易翻车，人物忽大忽小，腿还可能突然没了。他会固定同一张底图，逐帧直改动作，动作针做完再补中间针，抬手停顿落下，各自分配不同时间挥手，才不会机械抽动。 项目案例里，一张机器人图被做成挥手眨眼和待机背景，抠掉后可以直接叠进网页或视频。 我实际跑的是第二条路线，一小段视频抽出十八帧，按人物轮廓去背景，再拼成循环动图，本机完成。不需要图像生成权限，结果能用，但浅色人物遇上浅色背景，边缘可能漏细节，大幅跑跳和转身也要更多真实动作帧， 所以它更适合吉祥物、网页角色和纸片感贴纸。想靠一张图直接演完整剧情，期待别拉太高。
