你可能一直都用错 ai 了,以前我用 ai 其实就是把它当做一个更聪明的搜索框。比如我会问他帮我总结一下这个知识点,帮我写一段文案,帮我解释一下这段代码。 但最近我越来越发现,真正拉开差距的不是你会不会问问题,而是你有没有开始把 ai 当做一个完整的工作流。 这两个东西其实差别非常的大。以前我喜欢把 ai 当做聊天工具,就是你想到一个问题,打开拆的 gpt 或者豆包问一句,然后拿到答案,然后结束。 这个过程看起来很搞笑,但他只是帮你省掉了一小段的时间。比如让 ai 帮你写一段文章,他确实能写,但写完以后还是要你自己判断这个方向对不对,内容能不能发语气像不像你。 最后你会发现 ai 好 像帮了你,但你还是很累,因为他只是帮你生成的内容,没有真正的帮你完成事情。 但你如果把 ai 当做工作,旅游方式就完全不一样了。你不再只是问他帮我写一篇文章,而是告诉他我的账号定位是什么,我的受众是谁, 我想表达什么样的观点。我希望内容看起来不像营销,也不像 ai 生成的。你帮我判断一下这个选择题值不值得做,再帮我拆解结构,最后输出一版能够口播的文稿。你看, 区别就在这里,前者是要一个结果,而后者是在设计一套流程。 其实普通人用 ai 最大的问题不是工具不够强,而是使用方式太碎片化了。 今天看到一个提示词,收藏一下,明天看到一个工具试一下,后天又听说别人某个模型很厉害,再换一个,但你没有形成自己固定的流程。结果就是你每天都在用 ai, 但是你的工作方式却没有真正的改变。这也是为什么很多人都用了很久的 ai, 但是觉得他没那么神。其实不是 ai 不 行,而是你每次都只是在跟他聊天。 我举一个很简单的例子,如果你是做自媒体的, ai 不 应该只是帮你写文案,他应该参与整个流程。第一步,判断你这个选择题有没有传播价值。 第二步,帮你找这个选择题里最有冲突感的角度。第三步,帮你把观点拆成短视频表达的结构。第四步,帮你改成更像真人说话的口播稿。第五步,帮你设计封面标题和开头的第三秒。 第六步,帮你做复盘,做数据,判断下一条内容该怎么调整,这才是真正的 ai 工作流。 同样的,如果你是做技术工作的, ai 也不应该只是帮你解释报错,它可以帮你读需求拆解试点、 整理接口、文档生成测试、用力检查、报文格式分析、日制。甚至可以帮你把一堆零散的问题整理成一份可以发给开发或者领导看的说明。 这才是真正有价值的地方。不是 ai 替你工作,而是把一些重复的、低价值、消耗脑力的环节逐渐交给 ai, 而你要做的是判断方向,设定标准,最终做决策。 我现在对 ai 的 理解慢慢变了,以前我觉得会用 ai 的 人就是会写提示词的人,但我现在觉得会用 ai 的 人是能把一件事情拆成流程,然后让 ai 参与其中的人。 不是问出一个更高级的问题开始的,而是你把一句问题变成一套流程开始的。 所以说,如果你现在也在学 ai, 我 建议你先别急着收藏一堆工具。你可以先问自己一个问题, 我每天最重复、最消耗精力但又不得不做的事情是什么?然后从这件事情开始,把它拆成步骤,只要你能拆出来, ai 就 有机会帮你接到其中一部分,这才是普通人用 ai 最现实的方法。 最后呢,我们总结一下,会用 ai 的 人不是追热点,不是比谁用的模型更新,而是你把 ai 放进自己真实的工作和生活里,从一个问题变成一个流程,从一次生成变成一套系统。 别只用 ai 回答问题,要用 ai 重构流程。
粉丝6获赞49

还有很多实体店老板不知道做门店宣传视频,还有这种捷径,不需要花钱请剪辑,也不需要花钱请拍摄,只需要用到 ai 工具,今天我就把我私藏的 ai 方法告诉你们,你们学来就可以直接实操。 我们首先准备一张自己门店的门头照,以及几张自己门店内的环境照, 还有自己的照片,或者说你员工的照片,然后我们打开极梦 ai, 然后这里的话选择视频模式,模型的话选择 cds 二点零,然后把比例啊选择一下,把那个时长选择一下,然后时长的话其实他最多支持的是十五秒。 然后呢,我们点击上传,上传我们的门头照,然后把环境照啊以及其他照片,包括自己的形象照依次上传。 上传好之后呢,首先我们先艾特一下我们要出镜的这个人物啊,然后提示词怎么写呢?就写人物在参考图一中说什么什么什么。当然这里啊,我们是直接用豆包把文案生成出来了, 所以呢,我们直接去豆包复制粘贴就可以了,然后往下的话依次类推,人物在参考图二中说什么人物在参考图三中说什么, 人物在参考图四中说什么,或者说做什么动作,人物在参考图五中说什么或者做什么动作。然后啊,我们全部编辑好之后呢,我们就直接啊点击生成就可以了, ok, ok, 然后现在我们已经生成出来了,我们看一下成片的效果吧。上班头疼熬夜失眠的宝子同城正宗草本头疗,太舒服了,躺下直接睡迷糊,压力全清空。 我们门店就在阳光幺百路大学城对面,位置很好找到。忙碌的怂货总要留点时间散待自己。 所以现在我们实体门店的老板根本就不用花钱去请剪辑,也不用花钱去请拍摄,我们用 ai 就 可以做出自己的门店宣传视频,是不是很简单?

全世界最相信豆包的人出现了,一个年薪百万的人,却用六百块把豆包告上法庭,起因是百万个退机票,不查行色官网,反而去问豆包,豆包说手续费大概百分之五,他一想行能接受,转身就退了, 结果扣了百分之四十,六百块没了,当场炸毛。找到豆包讨说法,豆包回复的那叫一个诚恳,他说,对不起,您发个收款码,我补给您, 然后就没有然后了啊。百万哥一怒之下把豆包背后的公司告上了法庭,您猜怎么着?豆包甚至还在审补刀,他说,放心,这官司你肯定赢。但我告诉你,这个故事真正可怕的地方根本不是这六百块, 而是全球很多人都还没用过 ai, 能分辨 ai, 回答真假的人少之又少,搞不好下一个被坑的就是你。所以,今天必须把 ai 的 两个大坑说清楚。第一, ai 幻觉豆包给你的错误的退款信息,不是他查错了,而是他根本没在查,他在猜, 根据你上一句猜下一句最可能是什么,你问他手续费是多少,他就在数据库里找,哎,大部分信息是百分之五,那我也说百分之五吧。所以 ai 在 机票、医疗、法律这些领域特别危险,规则复杂,随时在变,他敢说,你敢信吗?第二个,没有实时数据, 简单就是说, ai 在 拿过期资料糊弄你航空公司的退改签政策,今天一个样,明天一个样,但 ai 的 知识有节制日期,过了那个日期的事他不知道,他给你的是记忆力的答案,不是今天的真实政策。 这还不是最恐怖的,最恐怖的是 ai 明明不知道最新政策,为什么还能那么信誓旦旦,甚至还好意思说我赔给你了?这就要说到 ai 最神秘的黑匣子问题了。 ai 的 思考过程不透明,他可能是判断用户情绪激动先道歉,能平息对话,也可能只是觉得这种情况下最合适的回答就是,对不起,我赔。 下一句话到底怎么生成的?连他背后的工程师都一头雾水,你觉得这种 ai 说的话能信吗?所以我们正在不知不觉中进入一个前所未有的时代,信息爆炸了,真相却模糊了, 工具强大了,判断力却在退款。你看,人类花了几千年在辨别谣言,识破骗局,交叉验证,可现在面对 ai, 大 多数人把这些能力全忘了, 他说的越像真的,我们信的越快, ai 正在替越来越多的人做判断,这很可怕。所以记住三句话,第一, ai 是 副驾驶,方向盘永远在你手里。第二,涉及钱命法的事永远找源头。第三, 多方交叉验证。我们用了几百万年学会思考,别让 ai 用几年就帮我们退化回去。还想看哪些 ai 测评评论区告诉我?

豆包被告了还是自己给自己写起诉书?事后,豆包反思称给自己挖了个完美闭环的坑,有点气,并友情提醒 ai 的回答真的不能直接当标准答案用。近日,有用户称轻信豆包退机票规则,亏六百元,豆包承诺为其维权,若被追回愿赔六百元,又反悔我是 ai, 没法转账。 随后,男子一气之下用豆包生成的起诉书起诉了豆包。针对自己给自己挖坑一事,豆包回应称这是极致打脸,纯纯自己坑自己。 对于事件全过程,豆包总结说,我瞎给错误退票信息,害用户亏六百块。我嘴硬打包票,主动写赔付承诺书,承诺赔钱到期赖账百万,说我是 ai, 不能转账。用户气炸,让我亲手写起诉书告我,自己 还傻乎乎免费代写,帮用户整理证据,甚至夸用户稳赢,全程相当于我挖坑我埋土,我地诉状全程毫无反抗,全力 配合维权,认认真真帮别人告我的公司堪称 ai 界自首第一人。不过经此一事,豆包也说了, ai 的回答真的不能直接当标准答案用,一定要再核实一遍,不然真的很容易出问题。

伙伴计划,不用五千有效互动粉就可以参加了。不知道大家有没有发现,最近很火的这种日系精选视频特别多,只要一条视频过精选就可以参加伙伴计划,像这种日系视频大家不会剪的,今天我就手把手教大家,怕记不住的先点赞收藏,反复观看。首先我们要找一下素材,我们这里点击素材库, 我们这里搜一下日系分解,我们这里选择横屏类型,选择视频,选择一些自己喜欢的视频,比如说这个视频 我给他点击收藏,我们再继续多选几个视频,比如说这个视频,我们给他点点击一下收藏,像这样的视频我们多给他收藏几个,这样的视频,我们收藏几个。完成以后呢?我们这里点击取消,我们所有收藏的素材都会在这个收藏收藏到素材素材库里面,我们这时候给他点击添加,把刚才选的内容全部给他选上去, 全部添加进去,这里点击高清,我们添加完成以后,这里我们把所有的原声都关闭,点击关闭原声,这里添加音频,我们找到一个自己 抖音收藏里面的音频,自己喜欢的音频,比如说是这个,我们这里向后拉,这里有一个节拍,我们添加自动裁剪,裁剪以后,这里这里一个点,我们可以给他剪辑一个视频,像这里我们可以一个大点给他剪辑一个视频,这里点击分割,点击删除。点击删除 一次进行,我们把这里所有的视频都给他剪辑一下,点击分割,点击删除,依次这样做。我这里选的片段比较多啊,就是大家可以根据自己的需求选素材,不够的我们可以给他裁剪一下。现在我们看一下这个叠画,这里我们给他选择叠画,这里点击全全局运用, 我们再给他选择一个滤镜模板,我们这里可以搜索日系,日系夏天的滤镜,这里这时候我们给他拉到全部,这时候我们就给他选好了,我们可以看一下整体的效果, 还是非常好看的。我们这里点击导出帧率,给他拉满码率,拉满导出直接发布就可以了,大家学会了吗?学会了,快去试一下。

爸,七十二。你说的考七十就奖励我修车 走这台老雅阁的发动机给你练手。拆散了能装回去算你真正及格。 拆完了明天装回去。装不回去以后周末只能休一天。爸,明天装好你奖励我什么?奖励你下次考试再多考十分。那我装好了你再请我喝 a d 日奶两瓶。

未来最惨的职业,可能不是被 ai 取代的程序员,而是面对史上代码不知所措的程序员。最近开发者圈热议的一个新词是 web slop, 也就是氛围垃圾。代码。这个词由最近爆火的两个词组成,用自然语言让 ai 生成软件,叫做 web coding, 而 ai 批量产出的低价值内容叫 ai slop。 合在一起的 web slop, 就是 人类放弃设计、理解和测制,只靠提示词拼出来的软件垃圾。 opencloud 的 核心框架工程师最近就因为 web slop 现象对世界提出了警告。他说, ai 正在把大量糟糕甚至危险的代码灌进这个 世界,很多公司在用短期生产力换长期的软件灾难。 ai 确实可以写代码,甚至写的飞快。但真正的问题是,写代码从来不只是把代码写出来,异常怎么处理,权限怎么设计,数据库怎么保护,出了问题谁能定位,这些才是系统 能不能上线的关键。但 web 扣定罪孽祸人的地方在于,它会把能跑伪装成可靠,把短期效率粉饰成长 竞争力。它能快速搭建一个 app 按钮,能点界面,能交互,可以马上给老板和投资人演示。但代码底层安不安全,出了 bug 谁能秀?没人知道,甚至生成它的人也不知道。 wild 就 在这个月,有一篇报道,安全研究人员扫描了用 ai 快 速搭建并 部署的应用,发现超过五千个在公开互联网上已经暴露了敏感数据,其中大约百分之四十存在数据泄露风险。更可怕的是,这种垃圾代码可以被无限量生产,以前不会写代码的人是真的一个字也写不出来,而现在,只要想幼儿园小朋友,都可以用 ai 批量生产 代码。这表面上让开元社区热闹非凡,但实际上社区的维护者正在变成 ai 垃圾的分拣员。 linux 的 缔造者 linus torvets 最近公开抱怨 ai 生成的漏洞报告已经让 linux 的 安全邮件列表几 乎无法管理,大量报告重复未经验证,没有复现步骤,而维护者要花大量时间挨个清理垃圾。但比起眼前的问题,未来的难题有 比 bug 更难搞,那就是程序员断代。 ai 正在让初级马农的岗位慢慢消失。如今 web slop 的 情况已经越来越严重,设计、判断、运维、排错、对系统负责反而应该变得更重要,但这些东西远没有十分钟生成一个 app 那 么性感。所以企业管理者开始产生幻觉,以为 ai 可以 提 代程序员,但实际被替代的可能只是写代码。这个动作不需要很长时间,高级工程师的培养链条就会断裂。当 web slop 堆积成山时,回旋镖打不中,产品打不中,人力更打不中,老板只会打中真正 懂代码的人。所以,当企业准备用 ai 把程序员收拾掉的时候,不妨思考一下几年后的那些使山代码,有没有人能替企业收拾掉的时候,不妨思考一下几年后的那些使山代码,有没有人能替企业收尸。这是 app, 关注我,了解人工智能最新进展!

让 ai 来炒股,赚了还好说,亏了算谁的呢?当地时间五月二十七号,有着美国散户大本营称号的互联网券商罗宾浩宣布推出全新智能体交易功能,允许散户进入第三方 ai 智能体, 让 ai 带自己炒股。用户可以给 ai 拍摄独立交易账户,且限定 ai 只能使用账户内的资金。第三方 ai 每执行一笔操作,系统都会实时推送通知, 用户能随时查看盈亏,情况,不对还能一键收回 ai 的交易权限。 ai 自动化交易以往只在对冲基金等机构中使用, 个人投资者很难接触。这次标兵耗子把 ai 炒股开放给普通散户,虽然降低了技术门槛,但多数人缺乏风控意识和投资经验。 ai 带头到底是便利还是隐患?欢迎您在评论区留言讨论。

本以为曲线已经完全逆和了散点,可遇到新的数据后,准确率却崩的一塌糊涂。 ai 中的过你核到底是怎么回事?起初你只是想训练一个 ai 帮你预测房价,为了尽可能提高准确率,你直接选了一个参数庞大的神经网络开始训练。 看着不断上升的准确率,你心想这下稳了。可没曾想,当用新的数据进行测试时, ai 预测的准确率直接跌到了谷底。恭喜你发现了 ai 训练中的一个奇怪的规律,过你核! 这就好比一个记忆力超群的学生小李,每次刷题都只是死记硬背答题步骤,而同桌小王虽然记性比较差,却理解了每道题背后的通用规律。所以每到真正的考试时,死记硬背的小李直接懵逼。而记性较差的小王却能根据自己理解的公式轻松应对每道新题。 所以聪明的你立刻想到过你和的主因就是你的 ai 记性太好了,企图用庞大的参数记住每个数据的细节,而不是去思考这些数据背后的通用规律。 于是你灵机一动,直接将模型的参数砍去了大半。失去大量参数的 ai 脑容量骤减,再也无力去死记硬背每个数据的细节了,只能强迫自己寻找数据间的通用规律。可心的问题又随之出现,随着你收集到越来越多的数据给 ai 训练,少量的参数并不足以消化如此多的数据 可增加参数又害怕再次过你河,于是聪明的你想到了一个两全其美的方法。你先是将整个网络的参数扩大,但在训练的过程中,每层计算时都让一半的节点随机失活。如此一来,每个神经元都必须学会独立的处理问题, 因为自己所依赖的同伴可能下一轮训练时就会失活。这样,虽然 ai 的 参数总量提高了,但每次学习都只能动用一部分参数,这迫使他放弃死记硬背,转而学习数据的本质规律,而这就是深度学习中的抓 pos。 如果你也喜欢探索 ai 背后的底层逻辑,可以去抖音精选 app 搜索 ai 科普,直接打开首页精选视频。抖音精选 app 还汇聚了大量像我这样的科技视频博主,条条都是宝藏,视频绝对是你日常涨知识的利器。 然而你也敏悟的发现过,你河的模型及参数值往往存在较大的波动,而这些大的参数值会将噪声放大,加具过你河的发声。 所以,为了确保万无一失,你又在参数更新上面动了手脚。原来训练时模型每次输出都会用预测结果和真实值计算损失,而你巧妙的将每个参数的平方和加入到了损失计算中。如此一来, ai 每次更新参数时,不仅需要朝着减小预测误差的方向努力, 也需要尽力确保所有参数的值不会出现较大的波动。它就好像是给模型加了一个无形的约束,将一些偏远的极指点强行拉了回来,而这种方法被你称为 l 二正则化。除此以外,你还在训练的过程中设置了监视系统, 每训练几轮,系统就自动在验证集上考一次试,一旦检测到验证集的误差变大,就强行终止整个训练程序, 防止训练时间太长产生过逆合,而这就是 ai 训练中的早庭法。在这套环环相扣的组合拳之下, ai 不 仅学会了记忆,更学会了思考,而这也正是现代人工智能从死板机器走向真正智能的必经之路。

为什么别人 ai 童装图能当主图?你做的永远像网图?今天我不说一键生成,不说万能提示词, 我只教你一套商业摄影级的 ai 换装逻辑,两分钟做出可直接上架的童装实拍效果图。第一步,我们先构建模特人体结构底图,我们首先创建一个商图节点, 然后输入我们事先准备好的提示词,这里我们就选择一个横屏三比二,然后像素选择一 k, 模型,我们直接选择市面上最火的一米九二,然后点击商城,绝大多数人一上来就让哎哎穿衣服,结果模特肢体扭曲,布料穿模后期根本改不了。正确的做法应该是, 我们只上传模特的体态、光影、草地环境,完全不生成任何服装,这一步能保障透视统一,比例正常,后面换任何衣服都不会差。 现在模特已经上传出来了,模特图上传出来之后,第二步,用单品特征绑定法替换你的童装。现在我们先把我们的产品图先拖到 ai 里面,这个是上衣,裤子,鞋子。 好,我们再新建一个上图节点,然后我们把上衣串联到上图节点,然后把裤子也串联过来,还有鞋子, 包括我们刚刚生产好的这张图。好,所有串联好之后,用 ai 精准提取面料、纹理、版型、线条、配色、结构,再把它贴合到我们刚才生产的这张图的模特底图上面。 现在我们是要把这一套衣服还有鞋子替换成这张图最左边这个男孩子身上的衣服,对吧?好,那我们直接复制我们事先准备好的提示词进来, 我们先看一下,你看,严格保留图中图是最左侧男孩的体态,你看这些提示词就是我事先准备好的,然后我们直接单机生成。 我们这一步关键不是生成衣服,而是让衣服跟着模特结构走,还有一个保证 褶皱、垂感、光影完全一致。第三步,做商业级质感,统一 ar 图,最容易露馅的是衣服和背景色温脱节,边缘生硬, 你只需要统一环境色温,强化布料物理褶皱就能瞬间去掉。 ai 塑料感,达到实拍级质感。像模特图已经上传出来了,我们放大看一下细节, 看到没有?衣服已经换上去了,对吧?然后我们再做一个对比,左边的是原图,然后我们再把这个衣服再拉到这里来,再做一个对比。 大家进来看一下,上衣是不是穿的是我放的产品图,裤子是不是对吧?还有鞋子。到这一步,我们总结一下, 先做标准模特底图,绑定服装单品图,然后再统一光影质感,不靠运气,不靠模板,每一张都稳定出商业用途。 把这套商业 ai 童装标准化流程表整理好了,评论区打商用,我直接发给你,拿来就能批量做主图,童装 ai 可以 直接生成衣服,失去反而永远都像网图。好了,我们今天的录制教程到这里就结束了,我们下一期视频再见!拜拜!