Navigate to WaytoAGI Wiki →
Home/Question List/Question Detail

请推荐几个国内能用的支持多模态交流的app

Answer

以下为您推荐几个国内能用的支持多模态交流的 APP 及相关模型：

  1. 百度（文心一言）：https://wenxin.baidu.com
  2. 抖音（云雀大模型）：https://www.doubao.com
  3. 智谱 AI（GLM 大模型）：https://chatglm.cn
  4. 中科院（紫东太初大模型）：https://xihe.mindspore.cn
  5. 百川智能（百川大模型）：https://www.baichuan-ai.com/
  6. 商汤（日日新大模型）：https://www.sensetime.com/
  7. MiniMax（ABAB 大模型）：https://api.minimax.chat
  8. 上海人工智能实验室（书生通用大模型）：https://intern-ai.org.cn

此外，智谱·AI 开源的多模态模型有：

  1. CogAgent-18B：基于 CogVLM-17B 改进的开源视觉语言模型。拥有 110 亿视觉参数和 70 亿语言参数，支持 1120*1120 分辨率的图像理解，具备 GUI 图像的 Agent 能力。
  2. CogVLM-17B：强大的开源视觉语言模型（VLM），在多模态权威学术榜单上综合成绩优异。
  3. Visualglm-6B：开源的支持图像、中文和英文的多模态对话语言模型。
Content generated by AI large model, please carefully verify (powered by aily)

References

生成式人工智能领域的 4 个突破点

尽管聊天界面对许多用户来说令人兴奋和直观，但人类听和说语言的频率可能与写或读语言的频率相当或更高。正如Amodei所指出的：“AI系统能做的事情是有限的，因为并不是所有的事情都是文本。”具备多模态功能的模型能够无缝地处理和生成多种音频或视觉格式的内容，将这种交互扩展到超越语言的领域。像GPT-4、Character.AI和Meta的ImageBind这样的模型已经能够处理和生成图像、音频和其他模态，但它们在这方面的能力还比较基础，尽管进展迅速。用Gomez的话说，我们的模型在字面上今天是盲的，这一点需要改变。我们构建了很多假设用户能够看到的图形用户界面（GUI）。随着LLMs不断进化，更好地理解和与多种模态交互，它们将能够使用依赖GUI的现有应用程序，比如浏览器。它们还可以为消费者提供更加引人入胜、连贯和全面的体验，使用户能够超越聊天界面进行互动。Shazeer指出：“多模态模型的许多出色整合可以使事物更具吸引力和与用户更紧密相连。”他还说：“我认为，目前大部分核心智能来自文本，但音频和视频可以使这些事物更有趣。”从与AI导师进行视频聊天到与AI合作迭代和编写电视剧剧本，多模态有潜力改变娱乐、学习与发展以及跨各种消费者和企业用例的内容生成。多模态与工具使用密切相关。尽管LLMs最初可能通过API与外部软件进行连接，但多模态将使LLMs能够使用设计给人类使用但没有自定义集成的工具，例如传统的企业资源计划（ERP）系统、桌面应用程序、医疗设备或制造机械。在这方面，我们已经看到了令人兴奋的进展：例如，谷歌的Med-PaLM-2模型可以合成乳腺摄影和X射线图像。而且从长远来看，多模态（特别是与计算机视觉的集成）可以通过机器人、自动驾驶车辆和其他需要与物理世界实时交互的应用程序，将LLMs扩展到我们自己的物理现实中。

8月正式上线的国内大模型

5⃣️五家北京企业机构：百度（文心一言）https://wenxin.baidu.com抖音（云雀大模型）https://www.doubao.com智谱AI（GLM大模型）https://chatglm.cn中科院（紫东太初大模型）https://xihe.mindspore.cn百川智能（百川大模型）https://www.baichuan-ai.com/3⃣️三家上海企业机构：商汤（日日新大模型）https://www.sensetime.com/MiniMax（ABAB大模型）https://api.minimax.chat上海人工智能实验室（书生通用大模型）https://intern-ai.org.cn今天这8个大模型，在聊天状态下——能生成Markdown格式的：智谱清言、商量Sensechat、MiniMax目前不能进行自然语言交流的：昇思（可以对文本进行是否由AI生成的检测，类似论文查重，准确度不错）、书生受限制使用：MiniMax（无法对生成的文本进行复制输出，且只有15元的预充值额度进行体验，完成企业认证后可以进行充值）特色功能：昇思——生图，MiniMax——语音合成阿里通义千问、360智脑、讯飞星火等均不在首批获批名单中，广东省2家和其他省市1家也将陆续开放据悉，广东地区获批公司分别为华为、腾讯，科大讯飞系其他地区获批产品

智谱·AI 开源模型列表

，我们推出了具有视觉和语言双模态的模型。|模型|介绍|代码链接|模型下载||-|-|-|-||CogAgent-18B|基于CogVLM-17B改进的开源视觉语言模型。CogAgent-18B拥有110亿视觉参数和70亿语言参数，支持1120*1120分辨率的图像理解，在CogVLM功能的基础上，具备GUI图像的Agent能力。|[CogVLM & CogAgent](https://github.com/THUDM/CogVLM)|[Huggingface](https://huggingface.co/THUDM/CogVLM)|[魔搭社区](https://modelscope.cn/models/ZhipuAI/cogagent-chat/summary)|[Swanhub](https://swanhub.co/ZhipuAI/cogagent-chat-hf)|始智社区||CogVLM-17B|强大的开源视觉语言模型（VLM）。基于对视觉和语言信息之间融合的理解，CogVLM可以在不牺牲任何NLP任务性能的情况下，实现视觉语言特征的深度融合。我们训练的CogVLM-17B是目前多模态权威学术榜单上综合成绩第一的模型，在14个数据集上取得了state-of-the-art或者第二名的成绩。||[Huggingface](https://huggingface.co/THUDM/cogvlm-chat-hf)|[魔搭社区](https://modelscope.cn/models/AI-ModelScope/cogvlm-chat/summary)||Visualglm-6B|VisualGLM-6B是一个开源的，支持图像、中文和英文的多模态对话语言模型，语言模型基于[ChatGLM-6B](https://github.com/THUDM/ChatGLM-6B)，具有62亿参数；图像部分通过训练[BLIP2-Qformer](https://arxiv.org/abs/2301.12597)构建起视觉模型与语言模型的桥梁，整体模型共78亿参数。|[VisuaGLM](https://github.com/THUDM/VisualGLM-6B)|[Huggingface](https://huggingface.co/THUDM/visualglm-6b)|[魔搭社区](https://modelscope.cn/models/ZhipuAI/visualglm-6b/summary)|

Others are asking
AI 自动安排批量设置工作任务的个人效率 app 推荐
目前在市场上，有一些可以实现 AI 自动安排批量设置工作任务以提升个人效率的应用程序，以下为您推荐几款： 1. Todoist：它具有强大的任务管理功能，支持设置优先级、提醒和分类，能帮助您合理规划工作任务。 2. Microsoft To Do：与微软生态系统紧密集成，方便您在不同设备上同步任务，并进行批量设置。 3. Trello：以看板的形式展示任务，直观清晰，便于批量安排和跟踪工作进度。 您可以根据自己的需求和使用习惯选择适合您的应用程序。
2025-04-07
AI阅读习惯养成APP
以下是为您提供的关于 AI 阅读习惯养成的相关内容： AI 稍后读助手的设计思路： 1. 简化“收集”： 实现跨平台收集功能，支持电脑（web 端）、安卓、iOS 多端操作。 输入一个 URL 即可完成收集，借鉴微信文件传输助手的方式，通过聊天窗口输入更符合用户习惯。 2. 自动化“整理入库”： 系统在入库时自动整理每条内容的关键信息，包括标题、摘要、作者、发布平台、发布日期、收集时间和阅读状态。 阅读清单支持跨平台查看，提高可访问性。 3. 智能“选择”推荐： 根据当前收藏记录和用户阅读兴趣进行相关性匹配，生成合适的阅读计划。 同在字节生态中的 Coze、飞书、飞书多维表格可以构建完整的 AI 工作流：通过飞书机器人与 Coze 搭建的智能体对话，在聊天窗口完成链接输入和阅读计划输出；由 Coze 调用大模型、插件完成内容整理和推荐；利用飞书多维表格存储和管理稍后读数据，无需开发插件和 APP 即可实现跨平台的稍后读收集与智能阅读计划推荐。 关于 DeepSeek R1 的纯强化学习： DeepSeek R1 引入纯强化学习（RL），不依赖大量人类标注数据，通过自我探索和试错学习。在“冷启动”阶段，通过少量人工精选的思维链数据初步引导，建立符合人类阅读习惯的推理表达范式，随后主要依靠强化学习，在奖励系统反馈下（对结果准确率与回答格式进行奖励）自主探索推理策略，不断提升回答准确性，实现自我进化。准确率奖励用于评估最终答案是否正确，格式奖励强制结构化输出，让模型把思考过程置于<think></think>标签之间。如 Alpha Zero 只训练三天就完胜 Alpha Go Lee，Alpha Go 结合监督学习和强化学习，受人类局限，Alpha Zero 纯强化学习，具有创造性风格。大模型 AI 在纯强化学习下展现出超出想象的成长潜力，DeepSeek R1 更注重学习推理底层策略，培养通用推理能力，实现跨领域知识迁移运用和推理解答。
2025-03-28
我是一名大一学生，我想创业，我有创业点子，我需要自己利用ai来开发app。我刚刚加入这个社群，我没有编程基础，也不怎么擅长用ai，并且我得不到ai创投圈以及科技发展的最新消息，不会用飞书，不会用这个社群。以利用ai开发app为最终目的的导向，我应该怎么做
以下是为您提供的建议，以帮助您利用 AI 开发 APP 并实现创业目标： 1. 了解有趣的产品案例：例如对话情绪感知助手，它能帮助用户理解社交场景并提供合适话术；剧本杀创作平台，具备剧本润色和 AI 测本功能；插件图标生成器，解决了开发插件时的图标制作难题。 2. 学习优秀作品：像插图神器、拍个明白、3 秒变现想法落地等，部分有公开网页和开源代码，可供试用和借鉴。 3. 掌握工具使用方法：例如 tree 等 AI 编程工具，即使不会编程也能通过自然语言交互生成代码和解决问题。 4. 借鉴学生经验：湖南大学齐国皓分享了用 tree 工具带领非技术专业同学做案例的经验。 5. 关注产品规划和愿景：如 CubeOne 会尽快上线手动编辑功能，其 AI 能力也将在月底有大更新，团队愿景是为人们带来世界上最好的做演讲的体验。 6. 参考创业实践：有大四学生在湖南大学利用 AI 编程工具进行 AI 加金融交易方面的创业。 7. 积极参与案例分享与交流：在飞书群等平台分享和获取更多案例链接。 总之，您需要多学习成功案例和工具使用方法，借鉴他人经验，明确产品规划和愿景，积极参与交流，逐步实现利用 AI 开发 APP 的创业目标。
2025-03-27
如何使用AI创作APP
以下是使用 AI 创作 APP 的一些方法和技巧： 1. 利用设计平台参考：不用语言描述界面样式，可在设计平台如站酷（国内）、Dribbble 和 Layers（海外）找喜欢的设计稿并上传图片让模型参考，重点描述静态图片无法表现的部分。 2. 引用在线图片：让模型生成界面时，若页面缺少图片，可要求其引用开源图片网站 unsplash 中的图片来填充需要图片的部分。 3. 引用在线图标库：对于页面中本该是图标的地方，可要求模型引用在线的图标库，如 Font Awesome 或 Material Icons，使界面更简洁整齐。 4. 优化前端样式代码：考虑 CSS 样式的美观度要求。 此外，对于 Cursor 及 MCP 的使用： 1. Cursor Rules：简单来说是为 Cursor 做角色定位，允许开发者设置特定指导原则和行为模式。首先设置通用规则，点击界面右上角小齿轮图标，在 cursor settings 中找到 Rules，将文本拷贝到 User Rules 后关闭页面。当涉及更专业开发时，可在特定项目中寻找或生成更专业的 Cursor Rules。 2. 制作第一个小作品：设置好 Cursor Rules 后，在右侧对话框中输入项目（可口语化），使用 claude3.7 模型等待代码生成，点击 Accept all 使代码生效，跟 AI 说运行项目，点击提示的 Run command 跳转到预览页面。若项目有问题，可让 AI 进一步美化。
2025-03-23
哪个APP或大模型写公文比较好
目前在写公文方面，以下是一些相关的信息： 大模型工具推荐：chatGPT 4.0、kimichat、智谱清言 4。 飞书文档带有文本纠错功能。 但对于专门用于写公文的 APP ，上述内容中未明确提及。
2025-03-21
app 提示词
以下是关于 APP 提示词的相关信息： 一些提示词相关的网站资源： Majinai： 词图： Black Lily： Danbooru 标签超市： 魔咒百科词典： AI 词汇加速器： NovelAI 魔导书： 鳖哲法典： Danbooru tag： AIBooru： 在星流一站式 AI 设计工具中： 提示词用于描绘您想生成的画面。 输入语言方面，星流通用大模型与基础模型 F.1、基础模型 XL 使用自然语言（如一个长头发的金发女孩），基础模型 1.5 使用单个词组（如女孩、金发、长头发），支持中英文输入。 提示词优化方面，启用提示词优化后能帮您扩展提示词，更生动地描述画面内容。 写好提示词的方法包括： 可以点击提示词上方官方预设词组进行生图。 提示词内容要准确，包含人物主体、风格、场景特点、环境光照、画面构图、画质等，比如：一个女孩抱着小猫，背景是一面红墙，插画风格、孤独感，高质量。 调整负面提示词，点击提示框下方的齿轮按钮，弹出负面提示词框，负面提示词可以帮助 AI 理解我们不想生成的内容，比如：不好的质量、低像素、模糊、水印。 利用“加权重”功能，让 AI 明白重点内容，可在功能框增加提示词，并进行加权重调节，权重数值越大，越优先。还能对已有的提示词权重进行编辑。 辅助功能有翻译功能（一键将提示词翻译成英文）、删除所有提示词（清空提示词框）、会员加速（加速图像生图速度，提升效率）。 以下是一些提示词相关的目录链接：
2025-03-21
多模态应用
以下是一些多模态应用的案例： 1. 电商领域： 拍立淘：由淘宝推出，用户拍照即可识别商品并直接进入购物页面，简化购物搜索步骤。 探一下：支付宝推出的图像搜索引擎，拍照后 AI 能识别并搜索相关商品或信息。 2. 创意领域： 诗歌相机：拍照能生成一首诗，还能打印，将诗意与现代技术结合，并做成硬件形式。 3. 技术平台： 阿里云百炼大模型平台为企业侧提供各种原子级别能力，包括多模态能力。 4. 其他应用场景： 融图：如把图二中的机器人合成到图一的环境中，保持比例、细节、光影和氛围感统一。 小红书风格卡片：使用特定风格生成关于特定内容的卡片。 Logo 转 3D 效果：将图标改成 3D 立体、毛玻璃、毛绒等效果。 示意图转卡通漫画：把示意图转成幼儿园小朋友能看懂的漫画并配中文说明。 遥感理解（图像数据）：识别图中的建筑物并用色块标注。 包装图直出效果：生成图片对应的包装侧面效果图。 参考生成海报图：参考小红书封面生成 PPT 设计相关封面图。 三维建模模拟：将图片转化为 3D max 建模渲染界面并加入 UI 界面。 手办三视图：保留人物样貌、神态，制作成特定要求的 3D 手办三视图。
2025-04-18
多模态是什么，
多模态指多数据类型交互，能够提供更接近人类感知的场景。大模型对应的模态包括文本、图像、音频、视频等。 随着生成式 AI 和大模型的发展，我们逐渐进入多模态灵活转换的新时代，即能用 AI 实现文本、图像、音频、视频及其他更多模态之间的互相理解和相互转换，这一变革依靠一系列革新性的算法。 在感知不同模态数据时，AI 借助高维向量空间来理解，不再局限于传统的单一模态处理方式，将图像或文字“压缩”成抽象的向量，捕捉深层关系。 Gemini 模型本身就是多模态的，展示了无缝结合跨模态的能力，在识别输入细节、聚合上下文以及在不同模态上应用等方面表现出强大性能。
2025-04-13
多模态Agent最新动态
以下是关于多模态 Agent 的最新动态： 《质朴发言：视觉语言理解模型的当前技术边界与未来应用想象｜Z 研究第 2 期》 近期，生成式 AI 领域的浪潮催化了多模态模型的探索，研究人员不断尝试使用更多模态数据的编码，以训练出能够理解和处理多种类型数据的模型。本份研究报告集中讨论了基于 Transformer 架构的视觉语言模型，报告范围专注于视觉和语言之间的交互，不考虑单纯的视觉到视觉的计算机视觉任务。 从 2022 年 11 月 18 日到 2023 年 7 月 26 日，多模态 Agents 迅速增长。 LLM 多模态 agent 是将现有技术融合的新尝试，是一种集成了多种模态数据处理能力的 AI 技术。 优点：高度的灵活性和扩展性，可根据不同任务需求调用最合适的模型处理任务，适应多样化任务和数据类型，优化资源使用，提升效率；无需训练，系统开发周期快，成本低。 局限性：调试和工程化难度较高，维护和升级成本高；多个组件紧密耦合，单点故障可能导致整个系统风险增加；没有涌现出新的能力。 适用场景：需要综合处理视频、语音和文本等多种信息的复杂环境，如自动驾驶汽车；高度交互和灵活的用户界面，如客户服务机器人或交互式娱乐应用。 《2024 年度 AI 十大趋势报告》 随着大模型对图像和视频信息的处理能力快速提升，预计 2025 年将开始出现更为综合性的多模态交互，AI 能够通过物联网、特定信息等多种感知通道进行协同。 多模态输入和输出使 AI 交互性更强、交互频次更高，适用场景也更加丰富，AI 产品整体水平显著提升。 Agent 作为融合感知、分析、决策和执行能力的智能体，能够根据用户历史行为和偏好，主动提供建议、提醒并个性化执行能力，为用户提供高度个性化的任务。从 2025 年开始，AI Agent 即将广泛投入使用。 从个性化推荐到直接生成个性化内容，AIGC 能够使用户体验的个性化程度有明显提升，这将帮助产品进一步完善用户体验，并通过提高用户忠诚度和迁移成本，实现差异化定价和进一步的服务增值，对产品的差异化竞争有重大意义。目前，基于 AIGC 的高度个性化已经在 AI 教育、AI 陪伴、AI 营销领域有明显进展。在硬件端搭载的多款 AI 智能助手也已开始以高度个性的个人助理作为宣传重点。
2025-03-31
Qwen 多模态模型哪一个最顶？
目前阿里发布的 Qwen 多模态模型中，Qwen2.5VL 较为突出。它可处理长达数小时的视频，并在电脑上执行自动化任务。提供 3B、7B、72B 三种规模，旗舰版对标 GPT4o、Claude 3.5 Sonnet。具备全文档解析能力，支持手写、表格、图表、化学公式等多场景识别，还可操作电脑或手机界面，执行自动化任务，如点击按钮、填表等。详情可参考：https://www.xiaohu.ai/c/xiaohuai/qwen25vl285cee 。此外，Qwen2.5Max 也是阿里通义千问的大型专家模型（MoE），基于 SFT 和 RLHF 策略训练，在多项基准如 Arena Hard、LiveBench、LiveCodeBench、GPQADiamond 上超越 DeepSeek V3，引发社区关注。更多体验方式包括支持官方 Chat、API 接口、Hugging Face Demo 等，详情可参考：https://qwenlm.github.io/blog/qwen2.5max/ 、https://chat.qwenlm.ai 、https://alibabacloud.com/help/en/modelstudio/gettingstarted/firstapicalltoqwen?spm=a2c63.p38356.helpmenu2400256.d_0_1_0.1f6574a72ddbKE 、https://huggingface.co/spaces/Qwen/Qwen2.5MaxDemo 。
2025-03-25
如何构建多模态知识库？
构建多模态知识库可以参考以下步骤： 1. 图像知识库方面：通过多模态的能力对图片信息进行检索理解。效果测试时，上传一张图片，在图像数据库里找到相关信息，然后结合内容进行回复。 2. 构建图片索引： 新建结构化数据表时，将图片索引所在列的字段类型设置为 link。需注意新建数据表后，无法再新增或修改字段类型为 link。 创建结构化知识库时，对于需要建立图片索引的 link 类型字段，在旁边的下拉列表中选择图片。创建知识库后，无法再新建或修改图片索引。 3. 多模态知识库还包括构建图片型索引需结构化数据表，字段类型设置为 link，以实现 FAQ 中向用户推送图片信息。
2025-03-19
多模态达模型排行
以下是一些常见的多模态模型排行及相关信息： 1. 智谱·AI 开源模型： CogAgent18B：基于 CogVLM17B 改进的开源视觉语言模型，拥有 110 亿视觉参数和 70 亿语言参数，支持 11201120 分辨率的图像理解，在 CogVLM 功能基础上具备 GUI 图像的 Agent 能力。代码链接：。 CogVLM17B：强大的开源视觉语言模型（VLM），在多模态权威学术榜单上综合成绩第一，在 14 个数据集上取得了 stateoftheart 或者第二名的成绩。代码链接：。 Visualglm6B：开源的支持图像、中文和英文的多模态对话语言模型，语言模型基于 ChatGLM6B，具有 62 亿参数；图像部分通过训练 BLIP2Qformer 构建起视觉模型与语言模型的桥梁，整体模型共 78 亿参数。代码链接：。 2. Gemini 模型：Gemini Ultra 在表 7 中的各种图像理解基准测试中都是最先进的，在回答自然图像和扫描文档的问题，以及理解信息图表、图表和科学图解等各种任务中表现出强大的性能。在 zeroshot 评估中表现更好，超过了几个专门在基准训练集上进行微调的现有模型，适用于大多数任务。在 MMMU 基准测试中取得了最好的分数，比最先进的结果提高了 5 个百分点以上，并在 6 个学科中的 5 个学科中超过了以前的最佳结果。 3. 多模态思维链提示方法：Zhang 等人（2023）提出了一种多模态思维链提示方法，多模态 CoT 模型（1B）在 ScienceQA 基准测试中的表现优于 GPT3.5。
2025-03-18
党媒平台能用ai做什么？
党媒平台在以下方面可以利用 AI ： 1. 生成广告语：输入品牌信息，即可一键生成广告语及进行 AI 评分，生成质量高，内置联网搜索和 RAG 检索增强，生成符合分众的高质量广告语。 2. 创意设计： 基于分众广告海报和视频案例，利用 AIGC 的多模态能力进行批量高效的广告图生成、设计、编辑。 包含 AI 设计，通过对话方式表达设计需求，一键生成可编辑的图文音视频的多模态创意。 具备 AI 生图能力，利用文生图/图生图能力，并集成了 AI 抠图、扩图、改图、商品图等能力，解决各类营销场景素材生成需求。 拥有模板中心，基于广告营销的各类场景，内置数十万精选模板并支持强大易用的在线拖拽模式，极大降低了创意制作门槛。
2025-04-13
grok API能用在什么软件上
Grok API 可以用在以下软件上： 1. 扣子工作流：可以用代码模块进行 HTTP 访问，实现 0 token 脱离扣子模型来使用 Groq 作为 LLM，还能参考相关教程将扣子接入微信机器人，但有微信封号风险。 2. 沉浸式翻译：由于 Groq 的 API 与 OpenAI 的 API 几乎兼容，可以适配到任何 APP 产品可以用来填 APIKEY 调用的场景，比如沉浸式翻译这个网页翻译工具。 3. 手机类 APP：比如通过快捷方式接入 Siri。 此外，xAI 发布的 Grok 3 API 提供了多个模型版本，如 grok3beta、mini、fast 等，满足不同场景需求，上下文窗口达 131K，支持图像输入输出，但当前不支持联网或实时访问外部网页与数据。
2025-04-12
我能用Ai做什么来使自己更强大
以下是您可以利用 AI 使自己更强大的一些方面： 1. 学习：通过全面系统、易于理解的 AI 学习路径，了解 AI 从概念到应用等各方面知识。 2. 实践：例如尝试撰写结构化 prompt，进行 AI 绘画，实操相关案例等。 3. 关注动态：阅读通往 AGI 之路知识库，获取每日小互的推特阅读最新动态。 4. 探索创新：欣赏生成式视频案例，有机会自己动手制作视频。 您可以通过《通往 AGI 之路》知识库获取更详细的内容和指导，其涵盖了知识库及社群介绍、直播回放、课后作业等丰富资源。同时，您还可以关注相关的社交媒体账号，如 Twitter、小红书等，获取最新的信息和案例。
2025-03-29
Trae 能用来做什么？有教程吗
Trae 是一款与 AI 深度集成，提供智能问答、代码自动补全以及基于 Agent 的 AI 自动编程能力的 IDE 工具，对中文用户更加友好。其特点和用途包括： 1. Trae Windows 版本已于 2 月 17 日 9:00 全量上线，即日起全系统可用。 2. 标配 Claude3.5sonnet 模型免费不限量，而竞品工具同一模型每月 140 大洋且限量使用 500 次。 3. 编辑器所有功能原生支持中文，上手门槛大大降低。 4. 相比 IDE 插件类的 AI 代码助手，Trae 这样 AI 原生的 IDE 有两个跨越式的突破： 补全不局限于向后追加，而是可以删除代码，多行全方位的自动补全。 具备 Agent 的能力，无须人工干预的情况下，可以完成代码生成、代码调试、程序运行等一系列的工作。 使用方面，例如： 1. 生成一个任务清单应用，在输入框中输入相关描述即可。 2. 根据 UI 设计图自动生成项目代码，可对生成效果进行调整。 从实际体验来看，Trae 高效的代码生成能力，对多技术栈的支持以及动态调整的潜力表现可圈可点。
2025-03-14
怎么才能用好ai
以下是关于如何用好 AI 的一些建议： 1. 认识 AI ：将 AI 视为一个黑箱，只需要知道它是能理解自然语言并输出自然语言的东西，其生态位是似人而非人的存在。当想让其实现愿望时，基于其“非人”一面，要尽可能通过语言文字压缩其自由度，清晰告知任务、边界、目标、实现路径方法和所需的正确知识。 2. 针对不同场景的处理 ： 数据分析 ：将数据清洗、提取、模型选择、训练和结果解释等环节分开处理，针对每个环节优化 AI 性能，便于发现和修正问题。 复杂问题 ：采用逐步深化和细化的方式提问，先提出宽泛问题，再根据回答进一步细化或深化。 3. 提供参考和学习内容 ：为 AI 系统提供大量数据和示例，包括详细的操作指南、行业最佳实践、案例研究等，同时编写详细的流程和知识。 4. 利用专业术语引导 ：在 Prompt 中使用专业领域术语，如法律术语，引导 AI 的回答方向。 5. 验证与反馈 ：对 AI 的回答进行交叉验证，结合自身专业知识筛选和判断，确保信息准确，符合相关要求。 6. 写作相关技巧 ： 显式归纳与列出想要的文本特征 ：在调试过程中逐步增加对文本特征的条件或描述，把握增加与删除的度。 通过描述与词语映射到预训练数据中的特定类型文本 ：直接点出所需文本类型常常出现的地方和类别。
2025-03-07
不能用APP思维、传统数字平台思维去做大模型创业和人工智能创业，二者在底层逻辑和商业模式等方面完全不同
大模型创业和人工智能创业与 APP 思维、传统数字平台思维在底层逻辑和商业模式等方面存在显著差异。大模型和人工智能创业更注重数据的深度处理、算法的优化创新以及对复杂问题的解决能力。相比之下，APP 思维通常侧重于用户界面和功能的设计，以满足特定的用户需求；传统数字平台思维则更多关注平台的搭建和用户流量的获取与运营。在大模型和人工智能领域，技术的突破和创新是关键，需要投入大量资源进行研发，并且要面对更高的技术门槛和不确定性。而 APP 和传统数字平台的创业相对更侧重于市场推广和用户体验的优化。总之，不能简单地用 APP 思维和传统数字平台思维来指导大模型和人工智能创业。
2025-03-07
我是一个没有技术背景且对AI感兴趣的互联网产品经理，目标是希望理解AI的实现原理并且能够跟开发算法工程师沟通交流，请给我举出AI模型或者机器学习的分类吧。
以下是 AI 模型和机器学习的分类： 1. AI（人工智能）：是一个广泛的概念，旨在使计算机系统能够模拟人类智能。 2. 机器学习：是人工智能的一个子领域，让计算机通过数据学习来提高性能。包括以下几种类型： 监督学习：使用有标签的训练数据，算法学习输入和输出之间的映射关系，包括分类和回归任务。 无监督学习：学习的数据没有标签，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，类似训练小狗。 3. 深度学习：是机器学习的一个子领域，模拟人脑创建人工神经网络处理数据，包含多个处理层，在图像识别、语音识别和自然语言处理等任务中表现出色。 4. 大语言模型：是深度学习在自然语言处理领域的应用，目标是理解和生成人类语言，如 ChatGPT、文心一言等。同时具有生成式 AI 的特点，能够生成文本、图像、音频和视频等内容。 2017 年 6 月，谷歌团队发表论文《Attention is All You Need》，首次提出了 Transformer 模型，它基于自注意力机制处理序列数据，不依赖循环神经网络或卷积神经网络。生成式 AI 生成的内容称为 AIGC。
2025-03-26
长沙线下AI交流
以下是长沙线下的 AI 交流活动信息： AI 切磋大会第七期： 活动主题：项目展示/心得分享/自由交流 每人 10 分钟分享自己的想法和项目，5 分钟点评交流 报名（截止）：11 月 9 日，报名链接：https://waytoagi.feishu.cn/share/base/form/shrcn7RJL9Jb93O38IXlwz3XLlb 当天签到：11 月 10 日 13:00 开场环节：13:15 大合影：13:25，合照上传 自由分享：13:30 飞书会议地址：11 月 10 日，会议链接：https://vc.feishu.cn/j/627325193 AI 切磋大会第八期： 时间：11 月 30 日 地址：湖南省长沙市开福区民主东街 2 号学宫里公寓一楼大厅 FLAIT CA 低空啡行 主持人：咯咯哒
2025-03-05
在现阶段的GPT发展下，与AI交流提示词还重要吗
在现阶段的 GPT 发展下，与 AI 交流的提示词仍然非常重要。以下是一些原因： 1. 目标明确：对于 GPT 及其他 AI 来说，明确每一步的目标至关重要。只有给予清晰的指导，AI 才能产生相关且有价值的输出。 2. 逻辑性：在各种提示策略中，逻辑性都是关键。清晰、结构化的提示有助于 AI 更有效地生成输出。 3. 分步骤：无论是进行深度分析还是遵循特定结构，确保提示按照清晰的步骤进行极为重要。 4. 考虑变量：这在某些提示策略中尤其重要，需要考虑可能影响结果的所有因素。 例如，在运用 CoD 将文章做摘要的实验中，个人观点认为以英文提示词最后加上中文输出的方式效果较好，并且密度等级 4 的结果较让人满意。同时，LangGPT 框架的出现也表明随着新一代模型的发布，提示词的重要性日益凸显，其编写过程逐渐成为一种编程语言。但也有人认为框架在协助的同时也有限制，提示词带来的收益并非如宣传所说，其重要性会朝两极分化。
2025-01-07
AI信息交流教程 主要用于论文写作 资料查找
很抱歉，目前知识库中没有关于“AI 信息交流教程用于论文写作和资料查找”的相关内容。但一般来说，在进行论文写作和资料查找时，您可以从以下几个方面入手： 1. 明确研究主题和问题：确定您想要探讨的 AI 领域的具体方向和关键问题。 2. 选择合适的数据库和搜索引擎：例如学术数据库（如 Web of Science、Scopus 等）、专业的 AI 研究网站等。 3. 制定有效的检索策略：使用准确的关键词、布尔运算符等提高检索的准确性。 4. 评估资料的可靠性和相关性：注意来源的权威性、出版日期等。 5. 学会引用和整理资料：遵循学术规范，正确引用和整理所找到的资料。 希望以上建议对您有所帮助。
2025-01-05
我能不能用AI做一个实时交流的社群
以下是关于您能否用 AI 做一个实时交流社群的相关信息： AI 音乐方面： 存在 AI 音乐共建者的社群。 使用方式：文档中可贴喜欢的音乐或投稿教程，定期组织音乐交流会，社群中可实时交流音乐相关创作作品和经验分享。 加入条件：至少有一首以上的 AI 音乐作品，添加 AAAAAAAJ 备注音乐。 近期活动：「在线音乐会」网友出题，现场生音乐（时间待定）；「Reaction」收集 AI 音乐，大家一起欣赏，记录听到意想不到的好听的歌的反应（时间待定）。 有趣的音乐可贴在文档下方，持续收集中。 Inworld AI 方面： 使 NPC 能够自我学习和适应，具有情绪智能。 特点和功能： 实时语音：使用内置语音设置进行最小延迟，可配置角色的性别、年龄、音调和说话速度，或使用第三方服务创建自定义和克隆语音。 “Contextual Mesh”功能：定制 AI 非玩家角色（NPC）的行为和知识。 可配置的安全性：可配置 NPC 对话方式，适应不同年龄级别游戏。 知识：输入“个人知识”控制角色应知道或不应知道的信息，使用“共享知识”定义多个角色拥有的知识。 玩家档案：收集玩家信息，让 NPC 在互动时考虑。 关系：配置角色关系流动性，创建不同关系的角色。 第四堵墙：确保角色只从其世界中的知识获取信息，创建更沉浸的体验。 可与各种游戏引擎（如 Unity、Unreal Engine 等）和其他游戏开发工具无缝对接，帮助品牌创建交互性强的 AI 角色，无需编码。
2024-12-22
现在哪几家的大模型支持通过手机视频多模态实时交流？
以下几家的大模型支持通过手机视频多模态实时交流： 1. PandaGPT：能够理解不同模式的指令并根据指令采取行动，包括文本、图像/视频、音频、热、深度和惯性测量单位。 2. VideoLLaMA：引入了多分支跨模式 PT 框架，使语言模型能够在与人类对话的同时处理给定视频的视觉和音频内容。 3. 视频聊天 GPT：专门为视频对话设计，能够通过集成时空视觉表示来生成有关视频的讨论。 4. NExTGPT：端到端、通用的 anytoany 多模态语言模型，支持图像、视频、音频、文本的自由输入输出。
2024-11-22