如何用AI提升HR能力

要让企业微信接上 AI 并变成一个 AI 客服，可以参考以下内容： 1. 基于 COW 框架的 ChatBot 实现方案：这是一个基于大模型搭建的 Chat 机器人框架，可以将多模型塞进微信（包括企业微信）里。张梦飞同学写了更适合小白的使用教程，链接为： 。 可以实现打造属于自己的 ChatBot，包括文本对话、文件总结、链接访问、联网搜索、图片识别、AI 画图等功能，以及常用开源插件的安装应用。 正式开始前需要知道：本实现思路需要接入大模型 API 的方式实现（API 单独付费）。 风险与注意事项：微信端因为是非常规使用，会有封号危险，不建议主力微信号接入；只探讨操作步骤，请依法合规使用，大模型生成的内容注意甄别，确保所有操作均符合相关法律法规的要求，禁止将此操作用于任何非法目的，处理敏感或个人隐私数据时注意脱敏，以防任何可能的滥用或泄露。 支持多平台接入，如微信、企业微信、公众号、飞书、钉钉等；多模型选择，如 GPT3.5/GPT4.0/Claude/文心一言/讯飞星火/通义千问/Gemini/GLM4/LinkAI 等等；多消息类型支持，能处理文本、语音和图片，以及基于自有知识库进行定制的企业智能客服功能；多部署方法，如本地运行、服务器运行、Docker 的方式。 2. DIN 配置：先配置 FastGpt、OneAPI，装上 AI 的大脑后，可体验知识库功能并与 AI 对话。新建应用，在知识库菜单新建知识库，上传文件或写入信息，最后将拥有知识库能力的 AI 助手接入微信。

围棋 AI 领域具有重要的研究价值和突破。在古老的围棋游戏中，AI 面临着巨大挑战，如搜索空间大、棋面评估难等。DeepMind 团队通过提出全新方法，利用价值网络评估棋面优劣，策略网络选择最佳落子，且两个网络以人类高手对弈和 AI 自我博弈数据为基础训练，达到蒙特卡洛树搜索水平，并将其与蒙特卡洛树搜索有机结合，取得了前所未有的突破。在复杂领域 AI 第一次战胜人类的神来之笔 37 步，也预示着在其他复杂领域 AI 与人类智能对比的进一步突破可能。此外，神经网络在处理未知规则方面具有优势，虽然传统方法在处理象棋问题上可行，但对于围棋则困难重重，而神经网络专门应对此类未知规则情况。关于这部分内容，推荐阅读《这就是 ChatGPT》一书，其作者备受推崇，美团技术学院院长刘江老师的导读序也有助于了解 AI 和大语言模型计算路线的发展。

以下 AI 工具可以实现提取多个指定网页的更新内容： 1. Coze：支持自动采集和手动采集两种方式。自动采集包括从单个页面或批量从指定网站中导入内容，可选择是否自动更新指定页面的内容及更新频率。批量添加网页内容时，输入要批量添加的网页内容的根地址或 sitemap 地址然后单击导入。手动采集需要先安装浏览器扩展程序，标注要采集的内容，内容上传成功率高。 2. AI Share Card：能够一键解析各类网页内容，生成推荐文案，把分享链接转换为精美的二维码分享卡。通过用户浏览器，以浏览器插件形式本地提取网页内容。

以下是关于文字生成视频（文生视频）的相关信息： 一些提供文生视频功能的产品： Pika：擅长动画制作，支持视频编辑。 SVD：Stable Diffusion 的插件，可在图片基础上生成视频。 Runway：老牌工具，提供实时涂抹修改视频功能，但收费。 Kaiber：视频转视频 AI，能将原视频转换成各种风格。 Sora：由 OpenAI 开发，可生成长达 1 分钟以上的视频。 更多相关网站可查看：https://www.waytoagi.com/category/38 。 制作 5 秒单镜头文生视频的实操步骤（以梦 AI 为例）： 进入平台：打开梦 AI 网站并登录，新用户有积分可免费体验。 输入提示词：涵盖景别、主体、环境、光线、动作、运镜等描述。 选择参数并点击生成：确认提示词无误后，选择模型、画面比例，点击「生成」按钮。 预览与下载：生成完毕后预览视频，满意则下载保存，不理想可调整提示词再试。 视频模型 Sora：OpenAI 发布的首款文生视频模型，能根据文字指令创造逼真且充满想象力的场景，可生成长达 1 分钟的一镜到底超长视频，视频中的人物和镜头具有惊人的一致性和稳定性。

AI 在设备风控场景的落地可以从以下几个方面考虑： 法律法规方面：《促进创新的人工智能监管方法》指出，AI 的发展带来了一系列新的安全风险，如对个人、组织和关键基础设施的风险。在设备风控中，需要关注法律框架是否能充分应对 AI 带来的风险，如数据隐私、公平性等问题。 趋势研究方面：在制造业中，AI Agent 可用于生产决策、设备维护、供应链协调等。例如，在工业设备监控与预防性维护中，Agent 能通过监测传感器数据识别异常模式，提前通知检修，减少停机损失和维修成本。在生产计划、供应链管理、质量控制、协作机器人、仓储物流、产品设计、建筑工程和能源管理等方面，AI Agent 也能发挥重要作用，实现生产的无人化、决策的数据化和响应的实时化。

以下是 4 月 11 日、4 月 9 日和 4 月 14 日的 AI 视频相关资讯汇总： 4 月 11 日： Pika 上线 Pika Twists 能力，可控制修改原视频中的任何角色或物体。 Higgsfield Mix 在图生视频中，结合多种镜头运动预设与视觉特效生成视频。 FantasyTalking 是阿里技术，可制作角色口型同步视频并具有逼真的面部和全身动作。 LAM 开源技术，实现从单张图片快速生成超逼真的 3D 头像，在任何设备上快速渲染实现实时互动聊天。 Krea 演示新工具 Krea Stage，通过图片生成可自由拼装 3D 场景，再实现风格化渲染。 Veo 2 现已通过 Gemini API 向开发者开放。 Freepik 发布视频编辑器。 Pusa 视频生成模型，无缝支持各种视频生成任务（文本/图像/视频到视频）。 4 月 9 日： ACTalker 是多模态驱动的人物说话视频生成。 Viggle 升级 Mic 2.0 能力。 TestTime Training在英伟达协助研究下，可生成完整的 1 分钟视频。 4 月 14 日： 字节发布一款经济高效的视频生成基础模型 Seaweed7B。 可灵的 AI 视频模型可灵 2.0 大师版及 AI 绘图模型可图 2.0 即将上线。

以下是为您生成的 10 个业务价值高、具备可行性的 AI 应用场景介绍： 1. 人才招聘与筛选 What：利用 AI 技术对求职者的简历进行自动筛选和分析，评估其与岗位的匹配度。 Why：节省 HR 大量的时间和精力，提高招聘效率和准确性。 How：通过自然语言处理和机器学习算法，训练模型识别关键信息和技能。 2. 员工培训与发展 What：根据员工的技能水平和职业发展目标，定制个性化的培训计划。 Why：提升员工的能力和绩效，增强员工对企业的忠诚度。 How：利用大数据分析员工的工作表现和学习需求，推荐相关课程和学习资源。 3. 薪酬福利管理 What：运用 AI 预测市场薪酬趋势，为企业制定合理的薪酬策略。 Why：保持企业薪酬的竞争力，吸引和留住优秀人才。 How：收集和分析行业薪酬数据，结合企业的财务状况和战略目标进行优化。 4. 员工绩效评估 What：借助 AI 实时监测员工的工作表现，提供客观的绩效评估。 Why：减少人为偏差，确保评估的公正性和准确性。 How：利用工作流程数据和行为分析模型进行评估。 5. 员工关系管理 What：通过 AI 分析员工的情绪和满意度，及时发现问题并解决。 Why：营造良好的工作氛围，提高员工的工作积极性和创造力。 How：使用情感分析技术处理员工的反馈和交流信息。 6. 组织架构优化 What：利用 AI 分析企业的业务流程和人员配置，提供组织架构调整建议。 Why：提高企业的运营效率和灵活性，适应市场变化。 How：基于数据分析和模拟优化算法进行评估和推荐。 7. 人力资源规划 What：根据企业的战略目标和业务发展预测人力资源需求。 Why：提前做好人才储备和招聘计划，保障企业的正常运营。 How：运用数据分析和预测模型进行规划。 8. 企业文化传播 What：使用 AI 生成个性化的企业文化宣传内容，提高传播效果。 Why：增强员工对企业文化的认同感和归属感。 How：利用自然语言生成技术和个性化推荐算法。 9. 智能客服 What：在 HR 服务中引入 AI 客服，解答员工常见问题。 Why：快速响应员工需求，提高服务质量。 How：训练智能客服模型，涵盖常见的 HR 问题和解决方案。 10. 人才库管理 What：利用 AI 对人才库进行分类和更新，提高人才库的利用效率。 Why：方便快速找到合适的人才，降低招聘成本。 How：运用数据挖掘和分类算法进行管理。

以下是为您提供的 3 个业务价值高、具备可行性的 AI 应用场景介绍： 场景一：AI 在企业招聘中的应用 What：利用 AI 技术进行简历筛选、人才匹配和面试评估。 Why：能够快速处理大量简历，提高招聘效率和准确性，节省人力和时间成本，同时更精准地找到符合岗位需求的人才。 How：通过引入相关的 AI 招聘软件，与企业现有的招聘系统集成，对简历进行关键词提取和分析，利用机器学习算法进行人才匹配，并通过视频面试中的语音和表情分析辅助评估候选人。 场景二：AI 助力个性化人力资源管理 What：根据员工的个人特点和工作表现，提供个性化的培训计划、职业发展建议和绩效评估。 Why：能够充分发挥员工的潜力，提高员工满意度和忠诚度，促进企业的长期发展。 How：收集员工的工作数据、学习记录和绩效表现等信息，运用 AI 算法进行分析和预测，为员工制定专属的发展方案，并通过移动应用或内部系统向员工推送相关建议和培训课程。 场景三：AI 打造无人值守的 HR 平台 What：实现 HR 业务的自动化处理，如员工请假审批、薪酬计算和福利发放等。 Why：减少人工操作的错误和繁琐流程，提高 HR 工作的效率和准确性，使 HR 人员能够专注于更有价值的战略工作。 How：整合企业内部的各种 HR 系统和数据，利用 RPA 和 AI 技术实现流程的自动化，同时建立监控和预警机制，确保平台的稳定运行。

以下是关于 OpenAI Operator 和 Anthropic Claude Coder 的相关信息： 2025 年 Agent 领域的发展预测： 从对话助手到行动型智能体是 2025 年 Agent 技术的主流发展方向之一。计算机操作能力取得突破，传统大模型更多充当聊天助手，而 2025 年的突破在于让 Agent 直接“动手”操作电脑和网络环境。 Anthropic 在 2024 年底发布的 Claude 3.5 Sonnet 首次引入“Computer Use”能力，让 AI 像人一样通过视觉感知屏幕并操作鼠标键盘，实现了 AI 自主使用电脑的雏形。 OpenAI 在同期推出了代号“Operator”的 Agent 及其核心模型“计算机使用智能体”（CUA），使 GPT4 获得直接与图形界面交互的能力。CUA 通过强化学习将 GPT4 的视觉能力与高级推理相结合，训练 AI 可像人一样点击按钮、填表、滚动页面等。在 OpenAI 的测试中，CUA 在浏览器任务基准 WebArena 和 WebVoyager 上分别达到 38.1%和 87%的成功率，后者已接近人类水平。 其他相关信息： 宝玉日报 1 月 25 日： Deepseek 提示词框架包含四大模块：任务目的（Purpose）、计划规则（Planning Rules）、格式规则（Format Rules）、输出说明（Output）。 Anthropic 的 Claude 可通过屏幕截图获取计算机视觉信息，计算光标移动的像素坐标，并执行点击、滚动等操作。 OpenAI Operator 利用虚拟主机和 Chrome 浏览器，通过 CUA 实现网页实时操作，支持复杂任务导航。 主要的大语言模型： OpenAI 系统包括 3.5 和 4 等，3.5 模型在 11 月启动了当前的 AI 热潮，4.0 模型在春季首次发布，功能更强大。新的变种使用插件连接到互联网和其他应用程序。Code Interpreter 是一个非常强大的 ChatGPT 版本，可以运行 Python 程序。未为 OpenAI 付费只能使用 3.5。微软的 Bing 使用 4 和 3.5 的混合，通常是 GPT4 家族中首个推出新功能的模型，连接到互联网。 谷歌一直在测试自己的人工智能 Bard，由各种基础模型驱动，最近是 PaLM 2 模型。 Anthropic 发布了 Claude 2，其最值得注意的是有一个非常大的上下文窗口。

RAG（检索增强生成）是一种有效的解决方案，下面为您详细讲解： RAG 工作流程： 1. 检索（Retrieval）：如同在图书馆中，系统会从知识库或文档集合中找出与用户问题相关的内容。 2. 增强（Augmented）：对检索到的信息进行筛选和优化，挑出最相关和有用的部分。 3. 生成（Generation）：将整合的信息生成自然流畅、易于理解的回答。 RAG 类似于一个超级智能的图书馆员，综合起来： 1. 检索：从庞大知识库中找到相关信息。 2. 增强：筛选优化确保找到最相关部分。 3. 生成：整合信息给出连贯回答。 RAG 的优势： 1. 成本效益：相比训练和维护大型专有模型，实现成本更低。 2. 灵活性：能利用多种数据源，包括结构化和非结构化数据，迅速适应不同领域和变化的数据。 3. 可扩展性：随时增加或更新知识库内容，无需重新训练模型。 RAG 与常规知识库的对比优势： 常规知识库可能存在知识更新不及时、数据来源单一等问题。而 RAG 能够从多种数据源获取信息，并且可以根据用户的实时需求进行检索和优化，生成更贴合需求的回答。 在 GraphRAG 的实现方面，目前提供的内容中未明确提及相关具体实现方式。 同时需要注意的是，RAG 也存在一些缺点，比如相比于专有模型的方案，回答准确性可能不够。

目前在 HR 行业中，AI 可以在以下方面提高效率： 1. 人才招聘与筛选：利用自然语言处理和机器学习算法，快速筛选简历，评估候选人与职位的匹配度。 2. 员工培训与发展：通过分析员工的技能和绩效数据，为个性化的培训计划提供建议。 3. 绩效管理：自动收集和分析绩效数据，提供更客观准确的评估。 4. 员工关系管理：预测员工离职风险，及时采取措施改善员工满意度。 5. 人力资源规划：基于数据分析预测人力需求，优化人力资源配置。

以下是关于 AI 赋能办公的相关内容： GPT 使用场景： 1. 内容生成：可以生成文章、故事、诗歌、歌词等内容。 演示：https://chat.openai.com/ 、https://bard.google.com/extensions 、https://claude.ai/ 2. 聊天机器人：作为聊天机器人后端，提供自然对话体验。 演示： 3. 问答系统：为用户提供准确答案。 4. 文本摘要：生成文本的摘要或概述。 5. 机器翻译：虽非专门设计，但有不错表现。 6. 群聊总结： 7. 代码生成：GPT3 及后续版本可生成代码片段，帮助解决编程问题。 8. 教育：用于教育领域，帮助学生解答问题或提供学习材料。 9. 浏览器插件：webpilot 10. PDF 对话：演示 www.chatpdf.com PPT 相关： 1. 2. AiPPT.cn：爱设计&AiPPT.cn 是一家 AIGC 数字科技企业，致力于打造“下一代个人与组织的 Ai 工作站”。旗下产品包括 AiPPT 等超过 10 余款应用 AI 能力的内容创作工具。23 年在 Ai+办公领域推出 AiPPT.cn/AiPPT.com，帮助用户“一分钟一键生成 PPT”，是国内 AiPPT 赛道创业公司第 1 的产品，全球第 4，国内所有 AIGC 产品 PC 端 Top10。目标市场主要是市场、运营、销售、人力、财务、行政、技术、产品、总助、公务员、学生、老师等基层及中高层管理岗位人员。 3. 在众多的 PPT 工具中，AI 带来便捷高效体验。深入了解了五大 AI PPT 工具：MindShow、爱设计、闪击、Process ON、WPS AI，它们各自有鲜明特色和擅长场景。选择合适工具要根据实际需求调整，试用和体验比盲目跟风更明智。 其他： 1. 音视频提取总结：https://bibigpt.co/r/AJ 2. 播客总结：https://podwise.xyz/dashboard/trending 3. 生成脑图：https://xmind.ai/editor/

如果您已经学习了如何编写 prompt ，接下来可以学习以下内容： 1. 理解 Token 限制：形成“当前消耗了多少 Token”的自然体感，把握有效记忆长度，避免在超过限制时得到失忆的回答。同时，编写 Prompt 时要珍惜 Token ，秉承奥卡姆剃刀原理，精简表达，尤其是在连续多轮对话中。 熟练使用中英文切换，若 Prompt 太长可用英文设定并要求中文输出，节省 Token 用于更多对话。 了解自带方法论的英文短语或句子，如“Chain of thought”。 2. 学习精准控制生成式人工智能：重点学习提示词技术，编写更清晰、精确的指令，引导 AI 工具产生所需结果。 探索构建智能体（AI Agents），将工作单元切割开，赋予其特定角色和任务，协同工作提高效率。 在实际应用中遵循准则，如彻底变“懒人”、能动嘴不动手、能让 AI 做的就不自己动手、构建自己的智能体、根据结果反馈调整智能体、定期审视工作流程看哪些部分可用更多 AI 。 3. 若想进一步提升： 学习搭建专业知识库、构建系统知识体系，用于驱动工作和个人爱好创作。 注重个人能力提升，尤其是学习能力和创造能力。 您还可以结合自身生活或工作场景，想一个能简单自动化的场景，如自动给班级孩子起昵称、排版运营文案、安排减脂餐、列学习计划、设计调研问卷等。选一个好上手的提示词框架开启第一次有效编写，比如从基础的“情境:”开始。

2025 年人工智能大模型的技术提升可能体现在以下几个方面： 1. 视频生成能力：如 2024 年推出的多个先进的 AI 模型能够从文本输入生成高质量视频，相比 2023 年有显著进步。 2. 模型规模与性能：更小的模型能驱动更强的性能，如 2022 年最小能在 MMLU 上得分高于 60%的模型是具有 5400 亿参数的 PaLM，到 2024 年，参数仅 38 亿的微软 Phi3mini 也能达到相同阈值。 3. 推理能力：尽管加入了如思维链推理等机制显著提升了大语言模型的性能，但在一些需要逻辑推理的问题上，如算术和规划，尤其在超出训练范围的实例上，这些系统仍存在问题。 4. AI 代理：在短时间预算设置下，顶级 AI 系统得分高于人类专家，但随着时间预算增加，人类表现会超过 AI。 5. 算法变革：如 DeepSeek 的出现标志着算力效率拐点显现，其通过优化算法架构显著提升了算力利用效率，同时 2025 年发布的大模型呈现低参数量特征，为本地化部署到 AI 终端运行提供了可能，其训练过程聚焦于强化学习，提升了模型的推理能力。

以下是一些关于 AI Agent 对现有业务流程提升的案例，希望对您绘制相关 PPT 有所帮助： 1. 在查询问题方面，如使用 Kimi Chat 时，它会在互联网检索相关内容并总结分析给出结论，这是大模型利用“网页搜索”工具的典型例子，同时 PPT 中还介绍了众多不同领域类型的工具，为大模型在获取、处理、呈现信息上做补充。 2. 在任务执行的工作流路径规划方面，Agent 能够自行规划，面向简单或线性流程运行。例如，先识别男孩姿势，再找姿势提取模型、姿势图像模型、图像理解文本模型和语音合成模型来完成流程任务。 3. 在多智能体协作方面，吴恩达通过开源项目 ChatDev 举例，可让大语言模型扮演不同角色，如公司 CEO、产品经理、设计师、代码工程师或测试人员等，这些 Agent 相互协作共同开发应用或复杂程序。 4. 对于 AI Agent 的基本框架，OpenAI 的研究主管 Lilian Weng 提出“Agent=LLM+规划+记忆+工具使用”的基础架构，其中大模型 LLM 扮演了 Agent 的“大脑”。规划主要包括子目标分解、反思与改进，将大型任务分解为较小可管理的子目标，处理复杂任务，并对过去行动进行自我批评和反思，从错误中学习改进未来步骤，提高最终结果质量。 5. 在信息处理方面，近期出现的各类 AI 搜索引擎，如 perplexity.ai、metaso、360 搜索、ThinkAny 等，不断颠覆传统搜索引擎。智能摘要功能能辅助快速筛选信息，实现信息降噪。 6. 在信息表达方面，现在用自然语言描述一句话就能生成美观可用的图片，降低了不同角色的创作门槛和周期。 7. 对于产品经理的工作流，可使用 AI 进行搞定用户画像、竞品调研、设计产品测试用例、绘制产品功能流程图等。但建议先摸清自己的日常工作流，再根据工作节点线索找到适合自己的工具。 关于 Agent 的未来，曾被认为异想天开的想法都可能成为现实，技术迭代会不断向前。同时，在法律法规方面，相关生命周期参与者应实施适当的透明度措施，直接受 AI 系统使用影响的各方应能获取足够信息以维护自身权利，技术标准也可为评估、设计和改进 AI 系统的透明度和可解释性提供指导。

以下是关于提升提示词编写能力的办法： 课程推荐： 强烈推荐小七姐的提示词编写提升课。 往期学员评价良好。 课程收获包括提升表达能力、逻辑思维能力的方法论和练习，熟练编写任何想要实现的提示词，学会以商业化和工具化标准交付提示词，熟知提示词工程和行业常识和发展路径，搞懂提示词如何封装成工具，获得自学路径以便课程后继续深度学习。课程完成学习并通过结课考试可获取证书。 课程内容丰富，包含自由学习时间（22 节视频课），以视频课+知识星球作业+社群答疑的授课形式进行。具体有提示词基础、元能力、提示词实践、提示词工具化等方面的课程，且 2024 年有多项内容更新。 社群答疑方面，学员有问题随时在学习群提问，老师和助教会详尽答疑，针对复杂问题，小七姐还会录制短视频方便理解。 分步实现： 按照拆分的思想将内容拆得细致，之后再统一编写。 从角色、逻辑层面、内容深度、语言表达等维度分步进行。 提示词编写、测试： 整合提示词相关内容。 展示效果。 总结： 本次主要是从逻辑梳理、内容深化、语言优化三个层面进行润色，而非扩写。 后续会尝试用简短提示词一次性完成润色任务并对比效果。 强调利用润色工具提升写作能力而非替代写作，写作是思维表达和情感流露，是人类独特智慧的体现，不能因 AI 而丧失思考能力和创造力。

AI 可以通过以下方式提升产品经理的工作效率： 1. 辅助精读论文：能帮助翻译、拆解公式，分析代码等。工具如 https://scispace.com 。 2. 编写小脚本：如写 SQL 查询、Python 脚本、正则表达式、图片批量处理等。 3. 撰写产品宣传文案：根据产品宣传渠道写营销文案、营销邮件、产品上架文案等。 4. 设计和整理调研问卷：生成调研框架，回收非结构化问卷，按指定框架生成指定表头表格。 5. 进行竞品分析：用 BingChat 或 ChatGPT Browsering 插件，按指定框架对比各项数据，如 DAU、用户结构、市场占比等。 6. 解释专业名词：很多垂直领域都有不少缩写或行业黑话，可以用 ChatGPT 解释举例、给场景说明。 7. 优化产品逻辑和代码：写完 PRD 后，让 GPT 从产品和研发两个视角写逻辑代码，既能发现产品逻辑表达问题，也方便 QA 同学测试。 此外，还有以下相关内容： 1. 银海分享了用 10 个 Prompt 提示词做产品经理 AI 助手，效果平替 PMAI。PMAI 是一款面向产品经理的生产力工具，具有一键生成 PRD、输出解决方案、生成 SQL 等实用功能。产品体验地址：https://www.pmai.cn/?utm_source=qoZaR5O 。 2. 有案例表明，产品经理使用 ChatGPT 优化代码可以显著提升效率。如将一段近 1900 行的 SQL 查询代码的执行时间从 4200 秒缩短到 8 秒，效率提升 520 倍，复杂度降低 6 倍，同时还能保存所有历史数据，报表实现秒开。而且 GPT 还能根据真实业务需求提出与原代码不同的解决思路。

以下是一些通过 AI 减少产品视频混剪工作时间、提升工作效率的方法： 1. 利用数字人技术：无需真人模特，只需上传产品图片，数字人即可手持产品进行口播展示。支持语音和口型同步，动作、姿势定制，提供 1000+多国家数字人模特，覆盖全球 28+种语言，能快速生成产品宣传视频，省去拍摄烦恼。您可以在线体验： 。 2. 产品链接生成视频：输入产品链接，一键生成数字人产品介绍视频。目前产品链接主要支持 Amazon、Shopify、ETSY、Ebay、Appstore、Google Play、WIKI 等，其他网站来源持续接入中。操作指引为输入产品网站链接——选择数字人角色——点击立即生成。如遇生成失败的问题，可尝试删除链接后缀，点击重新生成。 3. AI 视频高光切片：智能提取视频高光片段，高效二创生成新视频。适用场景为有初始长视频素材，需要提取高光镜头对初始素材进行混剪投放到短视频平台。使用指引为点击上传视频——立即生成。您可以参考案例示意，如初始视频 。

目前在视频视觉理解能力方面表现出色的大模型有： 1. 昆仑万维的 SkyReelsV1：它不仅支持文生视频、图生视频，还是开源视频生成模型中参数最大的支持图生视频的模型。在同等分辨率下各项指标实现开源 SOTA。其具有影视化表情识别体系、人物空间位置感知、行为意图理解、表演场景理解等优势。 2. 通义千问的 Qwen2.5VL：在 13 项权威评测中夺得视觉理解冠军，全面超越 GPT4o 与 Claude3.5。支持超 1 小时的视频理解，无需微调即可变身为 AI 视觉智能体，实现多步骤复杂操作。擅长万物识别，能分析图像中的文本、图表、图标、图形和布局等。

Runway 是一家总部位于旧金山的 AI 创业公司推出的产品。 在 AI 能力类型方面： 年初爆火，其 Gen2 代表了当前 AI 视频领域最前沿的模型，能够通过文字、图片等方式生成 4 秒左右的视频。 内测能力可根据参考图像进行 Video to Video 视频风格化。 致力于专业视频剪辑领域的 AI 体验，同时也在扩展图片 AI 领域的能力。 11 月 25 日发布新图像生成模型 Frames，专注打造特定美学和视觉氛围，支持细粒度控制“外观、感觉和氛围”，强调“世界构建”，可设计完整的视觉世界，包括场景、氛围、情感等，提供全面的视觉叙事支持。 目前 Runway 支持在网页、iOS 访问，网页端目前支持 125 积分的免费试用额度（可生成约 105 秒视频），iOS 则有 200 多，两端额度貌似并不同步。官方网站：https://runwayml.com/

Runway 的能力类型和核心功能包括以下方面： 在 Gen2 模型上推出了较多细节控制能力，并且支持精细数值调节，是当下 AI 视频生成产品中可控性最强的产品。 多笔刷控制局部运动：支持最多 5 个笔刷控制，包括物体运动方向、运动曲线调节。调高 Ambient，笔刷绘制区域物体的运动将和周边环境产生更多关联，并加大运动幅度。 相机控制：支持水平/垂直平移，水平/垂直翻转，镜头缩放/旋转。 Lip Sync Video：支持文本转 TTS 音频、音频文件换音，还有上半年大火的 Lip sync video 对口型能力。 不论是工具栏中不断丰富的音频、视频处理能力，还是 Runway Watch 栏目中的优秀合作案例，都能看出 Runway 一直坚定得在影视制作方向发展。未来若能打通 AI 生成和视频剪辑能力，Runway 未来将对影视制作起到至关重要的作用，成为视频领域必不可少的重要工具。

我作为 AI 知识专家，具备以下能力： 1. 作为提示词专家，能将常规的提示词转化为结构化的提示词，并输出符合预期的回复。了解 LLM 的技术原理和局限性，具有丰富的自然语言处理经验，具备迭代优化能力。 2. 能为您介绍小白参与活动的流程和组队所需的人员类型，如脚本编写、出图、出视频、配音乐、剪辑、统筹等。 3. 为您讲解扣子提供的基础功能，包括提示词（设定 Bot 身份及回复逻辑）、插件（通过 API 连接集成平台和服务）、工作流（规划和实现复杂功能逻辑）、记忆库（保留和理解对话细节，添加外部知识库），并为您提供相关参考链接。

以下是一些针对 CoT 能力的微调工具： 1. Selfconsistency CoT：使用手动设计的 Prompt 生成采样一组不同的推理路径，再通过“多数投票”找到推理步骤中“最一致”的路径，使用这条解码路径驱动原始的贪心解码方式来提示 CoT 性能。 2. MMCoT：侧重使用微调方法嵌入 CoT，通过将语言和图像合并在一个包含推理生成与答案推理的两阶段的框架中，使用微调大模型赋予输入多模态 CoT 的能力。 3. GoTInput 方法：通过对 CoT 生成的思维图进行抽取构建三元组，并使用 GNN 将文本、图像与 CoT 统一，从而生成包含 CoT 信息的最终答案。 4. VCoT：解决了一个输出多模态的问题，通过以生成图片的“标题”以及识别核心关注点作为图像生成的启动过程，通过递归的方式填充图像信息，从而实现输出多模态。 此外，在将 DoT 扩展到预训练的扩散语言模型 Plaid 1B 并在更复杂的推理任务上进行评估时，自回归模型和扩散模型在使用 CoT 或 DoT 进行微调时都显示出显著提高的性能。在微调 Plaid 1B 时，也探索了几种替代方案。 在强化学习驱动的合成数据生成与模型优化流程中，也涉及到 CoT 的相关应用和优化，如初始 CoT 生成、CoT 存储等。